등에 점이 찍힌 여왕벌을 둘러싸고 있는 벌들. Shutterstock
꿀벌의 삶은 꿀을 만들기 위해 꽃에서 꿀을 성공적으로 수확하는 데 달려 있습니다. 꿀을 제공할 가능성이 가장 높은 꽃을 결정하는 것은 매우 어렵습니다.
제대로 하려면 꽃의 종류, 나이 및 역사에 대한 미묘한 단서의 무게를 정확하게 측정해야 합니다. 꽃에 작은 꿀 한 방울이 포함될 수 있는 가장 좋은 지표입니다. 잘못하는 것은 기껏해야 시간 낭비이며 최악의 경우 꽃 속에 숨어 있는 치명적인 포식자에게 노출되는 것을 의미합니다.
새로운 연구에서 오늘 eLife에 게재됨 우리 팀은 꿀벌이 어떻게 이러한 복잡한 결정을 내리는지 보고합니다.
조화의 필드
우리는 색색의 카드 디스크로 만든 인공 꽃밭으로 꿀벌에게 도전했습니다. 각각의 카드에는 설탕 시럽이 조금씩 제공되었습니다. 색깔이 다른 "꽃"은 설탕을 제공할 가능성이 다양했고, 가짜 꽃이 보상을 제공하는지 여부를 벌이 얼마나 잘 판단할 수 있는지도 달랐습니다.
우리는 각 벌의 뒷면에 작고 무해한 페인트 자국을 찍고 꽃꽂이를 방문하는 벌의 모든 방문을 촬영했습니다. 그런 다음 컴퓨터 비전과 기계 학습을 사용하여 벌의 위치와 비행 경로를 자동으로 추출했습니다. 이 정보를 통해 우리는 꿀벌이 내린 모든 결정을 평가하고 정확하게 시간을 정할 수 있었습니다.
우리는 꿀벌이 가장 보람 있는 꽃을 식별하는 법을 매우 빨리 배운다는 것을 발견했습니다. 그들은 꽃을 받아들일지 거부할지 빠르게 평가했지만, 당혹스럽게도 그들의 올바른 선택은 잘못된 선택(0.6초)보다 평균적으로 더 빨랐습니다(1.2초).
이것은 우리가 기대했던 것과 정반대입니다.
일반적으로 동물, 심지어 인공 시스템에서도 정확한 결정은 부정확한 결정보다 오래 걸립니다. 이것은 ... 불리운다 속도 정확도 트레이드 오프.
결정이 옳은지 그른지를 결정하는 것은 일반적으로 그 결정을 내리는 데 필요한 증거의 양에 달려 있기 때문에 이러한 상충 관계가 발생합니다. 더 많은 증거는 우리가 더 정확한 결정을 내릴 수 있다는 것을 의미하지만 증거 수집에는 시간이 걸립니다. 따라서 정확한 결정은 일반적으로 느리고 부정확한 결정은 더 빠릅니다.
속도-정확성 트레이드 오프는 공학, 심리학 및 생물학에서 너무 자주 발생하므로 거의 "정신 물리학의 법칙"이라고 부를 수 있습니다. 하지만 꿀벌은 이 법칙을 어기는 것 같았습니다.
속도와 정확성의 균형을 이기는 것으로 알려진 유일한 다른 동물 인간과 영장류이다.
그렇다면 작지만 놀라운 뇌를 가진 꿀벌이 영장류와 동등한 성능을 발휘할 수 있는 방법은 무엇입니까?
꿀벌은 위험을 피합니다
이 질문을 분석하기 위해 우리는 컴퓨팅 모델로 전환하여 시스템이 속도-정확도 트레이드 오프를 극복하기 위해 어떤 속성을 가져야 하는지 질문했습니다.
우리는 감각 입력을 처리하고 학습하고 결정을 내릴 수 있는 인공 신경망을 구축했습니다. 우리는 이러한 인공 결정 시스템의 성능을 실제 꿀벌과 비교했습니다. 이것으로부터 우리는 트레이드 오프를 이겨내려면 시스템이 갖추어야 할 것이 무엇인지 식별할 수 있었습니다.
대답은 "수락" 및 "거부" 응답에 서로 다른 시간 제한 증거 임계값을 제공하는 데 있습니다. 그것이 의미하는 바는 다음과 같습니다. 벌은 한 눈에 보기에 확인 그것은 보람이 있었다. 불확실성이 있으면 거부했습니다.
이것은 위험 회피 전략이었고 꿀벌이 보람 있는 꽃을 놓쳤을 수도 있음을 의미했지만, 설탕을 제공할 가능성이 가장 높고 증거가 가장 좋은 꽃에만 성공적으로 노력을 집중했습니다.
꿀벌이 어떻게 빠르고 정확한 결정을 내리는지에 대한 우리의 컴퓨터 모델은 그들의 행동과 알려진 꿀벌 뇌의 경로 모두에 잘 매핑되었습니다.
우리 모델은 꿀벌이 어떻게 그렇게 효과적이고 빠른 의사 결정자인지에 대해 그럴듯합니다. 또한 이러한 기능을 사용하여 탐색 또는 채광을 위한 자율 로봇과 같은 시스템을 구축할 수 있는 방법에 대한 템플릿을 제공합니다.
저자에 관하여
이 기사는에서 다시 게시됩니다. 대화 크리에이티브 커먼즈 라이센스하에 읽기 원래 기사.
ING
