Наука долгое время связывала когнитивные способности высокого уровня исключительно с крупными млекопитающими. Но многолетние эксперименты международной группы исследователей под руководством Адриана Дайера радикально изменили эти представления.
Медоносные пчелы узнают человека в лицо

Ученые использовали в работе классические фотографии из психологических тестов, полностью исключив сопутствующие подсказки вроде одежды или причесок. За правильный выбор конкретного лица насекомые получали каплю сладкого сиропа, а за ошибку — горький раствор.
Благодаря развитым способностям к ассоциативному обучению, которые необходимы пчелам в природе для поиска уникальных форм и оттенков цветов, они быстро решили задачу. Точность распознавания целевого лица составила более 80%, причем насекомые сохраняли эти воспоминания даже спустя двое суток после тренировок и легко узнавали нужный образ при изменении его положения.
Биолог Мартин Джурфа говорит: «Что действительно поражает. Как насекомое с мозгом размером с булавочную головку справляется с таким типом анализа изображений, в то время как у нас для решения этой задачи существуют целые специализированные области мозга, которые просто огромны по сравнению со всем мозгом пчелы».
Секрет пчелиной стратегии
Последующие тесты с использованием упрощенных схематических изображений помогли понять, как именно насекомые справляются с этой задачей. Оказалось, что пчелы используют конфигуративное когнитивное картирование — метод, при котором анализируются не отдельные черты (глаза или рот), а точные пространственные соотношения между ними.
Удивительно, но именно эту стратегию применяет зрительная система человека. Мозг пчелы содержит всего около миллиона нейронов в объеме одного кубического миллиметра, что примерно в десять тысяч раз меньше мозга человека. Это доказывает, что распознавание сложных визуальных образов не требует специализированного аппаратного обеспечения и огромной массы мозга.
Пчелиный подход уже привлек внимание разработчиков ИИ: механизмы работы насекомых планируют использовать для оптимизации алгоритмов и создания экономичных систем распознавания лиц, способных эффективно функционировать в условиях жестко ограниченных вычислительных ресурсов.


