Пчелы удивительно хороши в принятии решений — и эта компьютерная модель объясняет, как это возможно

Жизнь медоносной пчелы зависит от того, насколько успешно она собирает нектар из цветов для производства меда. Решить, какой цветок, скорее всего, даст нектар, невероятно сложно.

Чтобы сделать это правильно, необходимо правильно взвесить тонкие признаки типа цветка, возраста и истории — лучших показателей того, что цветок может содержать крошечную каплю нектара. Ошибиться – это в лучшем случае пустая трата времени, а в худшем – столкнуться со смертельным хищником, прячущимся в цветах.

В новом исследовании, опубликованном недавно в eLife, мы с коллегами рассказываем, как пчелы принимают эти сложные решения.

Мы бросили вызов пчелам полем искусственных цветов, сделанных из цветных картонных дисков, на каждом из которых содержалась крошечная капля сахарного сиропа. «Цветы» разного цвета различались по вероятности предложить сахар, а также различались по тому, насколько хорошо пчелы могли определить, предлагает ли искусственный цветок награду.

Мы наносили крошечные, безвредные метки краской на спину каждой пчелы и снимали на видео каждый визит пчелы к цветочному массиву. Затем мы использовали компьютерное зрение и машинное обучение, чтобы автоматически определить положение и траекторию полета пчелы. На основании этой информации мы могли оценить и точно рассчитать время каждого решения, принимаемого пчелами.

Мы обнаружили, что пчелы очень быстро научились определять самые ценные цветы. Они быстро оценили, принять или отвергнуть цветок, но, к их озадачиванию, их правильный выбор был в среднем быстрее (0,6 секунды), чем неправильный (1,2 секунды).

Это противоположность тому, что мы ожидали.

Обычно у животных – и даже в искусственных системах – правильное решение занимает больше времени, чем неточное. Это называется компромиссом между скоростью и точностью.

Этот компромисс происходит потому, что определение того, правильное или неправильное решение, обычно зависит от того, сколько доказательств у нас есть для принятия этого решения. Больше доказательств означает, что мы можем принять более точное решение, но сбор доказательств требует времени. Поэтому точные решения обычно принимаются медленно, а неточные — быстрее.

Компромисс между скоростью и точностью встречается так часто в технике, психологии и биологии, что его можно назвать почти «законом психофизики». И все же пчелы, похоже, нарушали этот закон.

Единственные другие животные, которые, как известно, превосходят компромисс между скоростью и точностью, — это люди и приматы.

Как же тогда может пчела с ее крошечным, но замечательным мозгом работать наравне с приматами?

Чтобы разобраться в этом вопросе, мы обратились к вычислительной модели, задав вопрос, какими свойствами должна обладать система, чтобы найти компромисс между скоростью и точностью.

Мы создали искусственные нейронные сети, способные обрабатывать сенсорную информацию, обучаться и принимать решения. Мы сравнили производительность этих искусственных систем принятия решений с работой настоящих пчел. Исходя из этого, мы могли определить, что должна иметь система, чтобы достичь компромисса.

Ответ заключался в том, чтобы дать ответы «принять» и «отвергнуть» разные пороговые значения доказательств, привязанные ко времени. Вот что это значит: пчелы принимали цветок только в том случае, если на первый взгляд были уверены, что он принесет ему пользу. Если у них была какая-то неуверенность, они ее отвергали.

Это была стратегия, не склонная к риску, и означала, что пчелы могли пропустить некоторые полезные цветы, но она успешно сосредоточила свои усилия только на цветах, у которых были лучшие шансы и лучшие доказательства обеспечения их сахаром.

Наша компьютерная модель того, как пчелы принимают быстрые и точные решения, хорошо сочетается как с их поведением, так и с известными путями работы пчелиного мозга.

Наша модель правдоподобна, поскольку пчелы так эффективно и быстро принимают решения. Более того, это дает нам образец того, как мы могли бы создавать системы, такие как автономные роботы для разведки или добычи полезных ископаемых, с этими функциями.

Эта статья переиздана из The Conversation под лицензией Creative Commons. Прочтите оригинал статьи.

Изображение предоставлено: Дастин Хьюмс / Unsplash