Lebah mengelilingi ratu lebah yang ditandai dengan titik di belakangnya. Shutterstock

Kehidupan lebah madu bergantung pada kejayaannya memungut nektar daripada bunga untuk dijadikan madu. Memutuskan bunga mana yang paling mungkin menawarkan nektar adalah sangat sukar.

Melakukannya dengan betul memerlukan pertimbangan yang betul tentang jenis bunga, umur dan sejarah - penunjuk terbaik bunga mungkin mengandungi setitik kecil nektar. Membuat kesilapan adalah paling baik membuang masa, dan paling teruk bermakna terdedah kepada pemangsa maut yang bersembunyi di dalam bunga.

Dalam penyelidikan baru diterbitkan hari ini dalam eLife pasukan kami melaporkan cara lebah membuat keputusan yang rumit ini.

Ladang bunga tiruan

Kami mencabar lebah dengan bidang bunga tiruan yang diperbuat daripada cakera berwarna kad, setiap satunya menawarkan setitik kecil sirap gula. "Bunga" yang berwarna berbeza berbeza dalam kemungkinan mereka menawarkan gula, dan juga berbeza dalam sejauh mana lebah boleh menilai sama ada bunga palsu itu menawarkan ganjaran atau tidak.

Kami meletakkan tanda cat yang kecil dan tidak berbahaya di belakang setiap lebah, dan merakam setiap lawatan seekor lebah yang dibuat ke rangkaian bunga. Kami kemudian menggunakan penglihatan komputer dan pembelajaran mesin untuk mengekstrak kedudukan dan laluan penerbangan lebah secara automatik. Daripada maklumat ini, kita boleh menilai dan menentukan masa dengan tepat setiap keputusan yang dibuat oleh lebah.

Kami mendapati lebah sangat cepat belajar untuk mengenal pasti bunga yang paling bermanfaat. Mereka dengan cepat menilai sama ada untuk menerima atau menolak bunga, tetapi yang membingungkan pilihan yang betul mereka secara purata lebih cepat (0.6 saat) daripada pilihan yang salah (1.2 saat).

Ini adalah bertentangan dengan apa yang kami jangkakan.

Biasanya pada haiwan - dan juga dalam sistem buatan - keputusan yang tepat mengambil masa lebih lama daripada keputusan yang tidak tepat. Ini dipanggil pertukaran ketepatan kelajuan.

Pertukaran ini berlaku kerana menentukan sama ada keputusan itu betul atau salah biasanya bergantung pada berapa banyak bukti yang kita ada untuk membuat keputusan itu. Lebih banyak bukti bermakna kita boleh membuat keputusan yang lebih tepat – tetapi mengumpul bukti memerlukan masa. Jadi keputusan yang tepat biasanya lambat dan keputusan yang tidak tepat adalah lebih cepat.

Pertukaran ketepatan kelajuan berlaku begitu kerap dalam kejuruteraan, psikologi dan biologi, anda hampir boleh memanggilnya sebagai "undang-undang psikofizik". Namun lebah seolah-olah melanggar undang-undang ini.

Satu-satunya haiwan lain yang diketahui mengatasi pertukaran ketepatan kelajuan ialah manusia dan primata.

Bagaimana pula seekor lebah, dengan otaknya yang kecil namun luar biasa, boleh beraksi setanding dengan primata?

Lebah mengelakkan risiko

Untuk mengetepikan soalan ini, kami beralih kepada model pengiraan, bertanya apakah sifat yang diperlukan oleh sistem untuk mengatasi pertukaran ketepatan kelajuan.

Kami membina rangkaian saraf tiruan yang mampu memproses input deria, belajar dan membuat keputusan. Kami membandingkan prestasi sistem keputusan buatan ini dengan lebah sebenar. Daripada ini, kita boleh mengenal pasti apa yang sistem perlu ada jika ia adalah untuk mengalahkan tradeoff.

Jawapannya terletak pada memberikan jawapan "terima" dan "tolak" ambang bukti terikat masa yang berbeza. Inilah maksudnya – lebah hanya menerima bunga jika, sepintas lalu, mereka menerimanya pasti ia memberi ganjaran. Jika mereka mempunyai sebarang ketidakpastian, mereka menolaknya.

Ini adalah strategi mengelak risiko dan bermakna lebah mungkin terlepas beberapa bunga yang bermanfaat, tetapi ia berjaya menumpukan usaha mereka hanya pada bunga dengan peluang terbaik dan bukti terbaik untuk membekalkan mereka dengan gula.

Model komputer kami tentang cara lebah membuat keputusan yang pantas dan tepat dipetakan dengan baik kepada kedua-dua tingkah laku mereka dan laluan otak lebah yang diketahui.

Model kami adalah munasabah untuk bagaimana lebah adalah pembuat keputusan yang berkesan dan pantas. Lebih-lebih lagi, ia memberi kami templat untuk cara kami membina sistem – seperti robot autonomi untuk penerokaan atau perlombongan – dengan ciri ini.

Tentang Pengarang

Andrew Barron, Profesor, Universiti Macquarie

Artikel ini diterbitkan semula daripada Perbualan di bawah lesen Creative Commons. Membaca artikel asal.

ing