一项关于蜜蜂如何利用飞行运动实现高度精准学习与识别复杂视觉模式的新发现，可能标志着下一代人工智能开发方式的重大变革。

英国谢菲尔德大学科研团队构建了蜜蜂大脑的数字模型，揭示这些运动如何产生清晰高效的脑部信号，使蜜蜂能轻松理解所见之物。这一发现可能彻底改变人工智能与机器人技术，表明未来机器人可通过运动收集关键信息而非依赖庞大计算网络，从而变得更智能高效。

研究强调了一个重要观点：智能源于大脑、身体与环境的协同作用。它证明即便是微小的昆虫大脑也能用极少细胞完成复杂视觉任务，这对生物学与人工智能领域均具有重大意义。近日，这项研究发表于eLife。

蜜蜂以出人意料的方式协同大脑与身体运作，通过飞行运动简化复杂视觉任务。这种自然策略可能会重塑人工智能的设计理念。图源：Shutterstock

  ?

通过构建计算模型（即蜜蜂大脑的数字版本），研究人员发现蜜蜂飞行时的身体运动如何塑造视觉输入并产生独特的脑电信号。这些运动产生的神经信号使蜜蜂能轻松高效地识别周围环境中可预测的特征。这种能力意味着蜜蜂在飞行中学习与识别复杂视觉模式（例如花朵图案）时表现出非凡的准确性。

该论文通讯作者、谢菲尔德大学教授James Marshall表示：“这项研究成功证明，即使最微小的大脑也能利用运动来感知和理解世界。这表明一个高效的小型系统，尽管是数百万年进化的结果，也能执行远比我们想象中更复杂的计算。利用自然界最优化的智能设计，将为下一代人工智能打开大门，推动机器人技术、自动驾驶车辆和现实世界学习领域的进步。”

论文合著者、伦敦玛丽女王大学教授Lars Chittka补充道：“我们确定了完成困难视觉辨别任务所需的最少神经元数量，发现即使对于人脸识别等复杂任务，所需数量也极少。这表明昆虫微型大脑能完成高级计算。”

通过整合昆虫行为、大脑工作机制与计算模型的研究成果，该研究展示了微小昆虫大脑如何揭示智能的基本规则。这些发现不仅深化了对认知的理解，更为新技术开发带来重要启示。

相关论文信息：https://doi.org/10.7554/eLife.89929