動物學(xué)家在iScience中寫道，昆蟲具有認(rèn)知能力，可以執(zhí)行所謂的數(shù)量估計(jì)，從而能夠解決簡單的數(shù)學(xué)問題?？坡〈髮W(xué)的“計(jì)算系統(tǒng)神經(jīng)科學(xué)”研究小組的動物學(xué)家Martin Paul Nawrot博士和博士生Hannes Rapp在蜜蜂啟發(fā)的計(jì)算模型中證明了這些能力。

實(shí)驗(yàn)表明，蜜蜂等昆蟲實(shí)際上可以“計(jì)數(shù)”一定數(shù)量的物體。漢尼斯·拉普說：“例如，蜜蜂能夠比較物體的集合并評估它們的大小是否相同，或者一個集合是否大于另一個集合。”他解釋了所謂的數(shù)字認(rèn)知的基本問題。例如，蜜蜂認(rèn)識到六顆鉆石超過四個圓圈。

到目前為止，還不清楚如何構(gòu)建這種認(rèn)知能力的神經(jīng)網(wǎng)絡(luò)。納沃羅特教授解釋說，較早的理論模型已經(jīng)假設(shè)一個牢固的循環(huán)電路，其中包含四個涉及的神經(jīng)元，用于四個算術(shù)運(yùn)算“等于”，“零”，“大于”和“小于”。“但是，我們的計(jì)算機(jī)模型顯示，只有四個神經(jīng)元就足夠了，但不是四個。單個神經(jīng)元的動作電位取決于數(shù)學(xué)問題-可以在神經(jīng)元上對其進(jìn)行訓(xùn)練。結(jié)果，研究人員確定了一個相對簡單的模型，通過該模型，神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)解決數(shù)字認(rèn)知任務(wù)。

根據(jù)Nawrot的說法，該模型還有助于人工智能的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)：“已經(jīng)投入了大量資金來訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，以可視方式識別對象的數(shù)量。Nawrot補(bǔ)充說，深度學(xué)習(xí)方法尤其可以通過顯式或隱式識別靜態(tài)場景中的幾個相關(guān)對象來進(jìn)行計(jì)數(shù)。但是，這些模型類非常昂貴，因?yàn)橥ǔ１仨殞?shù)以百萬計(jì)的大量模式進(jìn)行訓(xùn)練，并且通常需要云計(jì)算集群。我們以蜜蜂為靈感的方法，具有簡單的模型和學(xué)習(xí)算法，從而使這項(xiàng)工作減少了很多倍。”