A méhek a mélytanulás módszerével oldják meg a bonyolultabb feladatokat

Nincsen túlélhető és fenntartható jövőnk tudomány nélkül, ahogy nekünk sincsen nélkületek. Támogasd a Qubit munkáját!

A méhek képesek automatikusan megtanulni a természetes környezetükben gyakorta előforduló események és szenzoros információk statisztikai tulajdonságait – állítja egy a közelmúltban az Egyesült Államok tudományos akadémiájának folyóiratában, a PNAS-ben megjelent kutatás

Mindezidáig ezt a képességet csak embereknél és magasabb rendű állatoknak mutatták ki. A tanulmány szerint, a tény, hogy a kisméretű aggyal rendelkező háziméhek (Apis mellifera) képesek ilyen tanulásra, új fejlődési távlatokat nyithat a mesterséges intelligencia kutatásában

Az Aurore Avarguès-Weber (Toulouse-i Egyetem), Fiser József (Central European University, CEU) és Adrian Dyer (Melbourne-i Egyetem, RMIT) által vezetett nemzetközi kutatócsoport először használt teljesen azonos kísérleti paradigmát a méhek és emberek automatikus tanulásának vizsgálatára. A CEU közleménye szerint a kutatásból kiderül, hogy a méhek és az emberek alapvetően különböző komputációs stratégiát használnak ehhez a tanuláshoz, és az emberek által használt stratégia lehet az egyik fő oka az állatvilágban kiemelkedő kognitív képességek kifejlődésének. 

A rovaragy és a deep learning

A kutatók a kísérlet első részében mindkét csoportnak ugyanazokat a több egyszerű forma segítségével kialakított képeket mutatták, amelyeket a szemlélőknek egy, a kutatás szempontjából lényegtelen kategorizációs feladat keretében két csoportra kellett bontaniuk. Az ezt követő tesztszakaszban mind az emberek, mind a méhek ugyanazokat a teszteket végezték el, amelyekben két kép közül kellett kiválasztaniuk a számukra ismerősebbnek tűnőt. Ezeket a teszteket úgy tervezték meg, hogy a válaszokból kiderült: az első részben a minden célzott tanítás nélkül látott képek mely statisztikai tulajdonságai maradtak meg az emberek illetve a méhek memóriájában.  

Tanulási feladatFotó: Avarguès-Weber et aI

„Automatikusan tanulni úgy, hogy nagy mennyiségű kép bizonyos statisztikai tulajdonságait analizálva tudat alatt azonosítsuk a képek közös absztrakt struktúráját, egy olyan tulajdonság, amit eddig csak emberben és néhány magasabb rendű állatfajnál mutattak ki” – kommentálja a kutatást Avarguès-Weber. 

A kutatók szerint ez az alapvetése a mesterségesintelligencia-kutatások egyik meghatározó elvének, a mélytanulásnak (deep learning) is. „A mi eredményeink azt mutatják, hogy a méhek is ezt a stratégiát használjak, ami ennek az automatikus statisztikai tanulásnak a hatékonyságát és univerzalitását jelzi” – fogalmaz a kutató.

Belső reprezentáció 

A tanulmány eredményei arra utalnak, hogy a méhek a komplex feladatokat az emberek által is használt vizuális statisztikai tanulás egy egyszerűbb formája segítségével végezték el, ami alapvető kapcsolatban van a tanuló algoritmusoknál alkalmazott módszerekkel. 

„Nagyon meglepődtünk, mikor láttuk, hogy a méhek, csakúgy, mint az emberek, az általuk látott új vizuális információ elkódolására egy komplex belső reprezentációt fejlesztettek automatikusan, és ezt a reprezentációt sikeresen használták a rákövetkező különböző újfajta tesztekben” – magyarázza az eredményeket Fiser.  

A kutatók szerint azonban a méhek és az emberek alapvetően különböző komputációs módszerrel érték el ezen reprezentációk kifejlesztését.  A méhek soha nem váltak automatikusan érzékennyé a vizuális elemek között lévő predikciós kapcsolatokra, tehát arra, hogy egy vizuális elem feltűnésekor mi az esélye, hogy egy másik elem fel fog tűnni. Ezzel ellentétben, az emberek kora csecsemő koruk óta állandóan automatikusan kódolják és használják ezt az információt. 

A két faj között talált különbségek fontosságát taglaló Fiser szerint „ez azért izgalmas, mert a különböző információk közötti predikciós kapcsolatokról már nagyon régen megállapították elméletileg, hogy azok alapvető komputációs előfeltételei bármilyen komplex tudás hatékony elsajátításának. A kutatásaink eredményei nemcsak azt mutatják meg, hogy milyen messzire lehet jutni bonyolult problémák megoldásában kicsi agyakkal és egyszerű metódusokkal, de azt is, hogy mi lehet egy kulcsfontosságú összetevő a magasabb rendű tanulási képességek kifejlődésében”.

Korábbi kapcsolódó cikkeink: