ژوهشگران، یک مدل رایانه‌ای را برای تقلید از فرآیند تصمیم‌گیری زنبور‌های عسل طراحی کردند. آنها در مقاله پژوهشی خود نوشتند: این روش، بینش‌هایی را در مورد این موضوع مشخص می‌کند که یک مغز کوچک چگونه می‌تواند چنین انتخاب‌های پیچیده‌ای را هنگام پرواز انجام دهد و نوع مدار‌های عصبی مورد نیاز را نیز مشخص کند. پیچیدگی فرآیند‌های تصمیم گیری زنبور عسل با نمونه‌هایی که در مورد پستان داران گزارش شده بودند، رقابت می‌کرد.
دکتر «هادی معبودی» به همراه گروهی از دانشمندان بریتانیایی، این نظریه را مطرح کرده است که مغز زنبورها می‌تواند سیستم‌های هوش مصنوعی را به سطح بعدی ارتقا دهد.
به گزارش ایسنا و به نقل از دیجیتال ترندز، گروهی از دانشمندان «دانشگاه شفیلد» (University of Sheffield) در پژوهش جدیدی که به سرپرستی دکتر «هادی معبودی» (HaDi MaBouDi) دانشمند ایرانی انجام شده است، مکانیسم‌های اساسی را نشان داده‌اند که توانایی‌های قابل توجه تصمیم‌گیری موجودات را به نمایش می‌گذارند. همچنین، این پژوهش نشان می‌دهد که چنین توانایی‌هایی را می‌توان به فناوری‌های هوش مصنوعی منتقل کرد.
این گروه پژوهشی با استفاده از ۲۰ زنبور عسل، آزمایش‌های گوناگونی را انجام دادند تا بررسی کنند که یک حشره پرنده چگونه تصمیم می‌گیرد کدام گل‌ها را برای یافتن شهد جست‌وجو کند. آنها توجه ویژه‌ای را به سرعت و دقت تصمیم‌گیری حشرات برای پذیرش و رد کردن گل‌های متفاوت معطوف کردند.
زنبورها با دوربین ردیابی شدند تا مشخص شود چقدر طول می‌کشد تا تصمیم بگیرند به سوی کدام گل پرواز کنند. نتایج این آزمایش نشان داد که آنها برای رفتن مستقیم به سوی گل‌هایی که فکر می‌کردند غذا دارند، هیچ وقتی را تلف نکردند و به طور میانگین طی ۰.۶ ثانیه در آنجا فرود آمدند، اما به همان اندازه سریع هم گل‌هایی را که به نظر آنها بدون غذا بود، رد کردند.
سپس پژوهشگران، یک مدل رایانه‌ای را برای تقلید از فرآیند تصمیم‌گیری زنبور‌های عسل طراحی کردند. آنها در مقاله پژوهشی خود نوشتند: این روش، بینش‌هایی را در مورد این موضوع مشخص می‌کند که یک مغز کوچک چگونه می‌تواند چنین انتخاب‌های پیچیده‌ای را هنگام پرواز انجام دهد و نوع مدار‌های عصبی مورد نیاز را نیز مشخص کند. پیچیدگی فرآیند‌های تصمیم گیری زنبور عسل با نمونه‌هایی که در مورد پستان داران گزارش شده بودند، رقابت می‌کرد.
اکنون این کار بر عهده توسعه‌دهندگان فناوری است که در نظر بگیرند چگونه می‌توان این یافته‌ها را برای اصلاح کردن روش طراحی هوش مصنوعی تطبیق داد. دانشمندان پیشنهاد کردند که از این نتایج در طراحی الگوریتم‌های تصمیم‌گیری کارآمدتر برای سیستم‌های هوش مصنوعی و به ویژه برای سیستم‌های رباتیک خودران استفاده شود.
دکتر معبودی گفت: این پژوهش می‌تواند نوید بخش ابداع ربات‌های بهتر، قوی‌تر و خطرگریزتر باشد و به ابداع ماشین‌های مستقلی بیانجامد که می‌توانند مانند زنبورها که از کارآمدترین ناوبر‌ها در دنیای طبیعی هستند فکر کنند.
این پژوهش، در مجله «eLife» به چاپ رسید.
