蜜蜂围着一只背上有一个点标记的蜂王。 存在Shutterstock
蜜蜂的生命取决于它能否成功地从花朵中采集花蜜来酿制蜂蜜。 决定哪种花最有可能提供花蜜非常困难。
要做到正确，需要正确权衡花朵类型、年龄和历史的微妙线索——最好的指标是一朵花可能含有一小滴花蜜。 弄错了，往好里说就是浪费时间，往坏里说，就意味着暴露在隐藏在花丛中的致命捕食者之下。
在新研究中 今天发表在 eLife 我们的团队报告了蜜蜂如何做出这些复杂的决定。
一片人造花田
我们用彩色卡片制成的人造花田向蜜蜂发起挑战，每朵人造花都含有一小滴糖浆。 不同颜色的“花”提供糖分的可能性不同，蜜蜂判断假花是否提供奖励的程度也不同。
我们在每只蜜蜂的背上画了微小的、无害的油漆标记，并拍摄了蜜蜂每次访问花阵的过程。 然后，我们使用计算机视觉和机器学习来自动提取蜜蜂的位置和飞行路径。 根据这些信息，我们可以评估蜜蜂做出的每一个决定并精确计时。
我们发现蜜蜂很快就学会了识别最有价值的花朵。 他们快速评估是否接受或拒绝一朵花，但令人困惑的是，他们的正确选择平均比错误选择（0.6 秒）快（1.2 秒）。
这与我们的预期相反。
通常在动物中——甚至在人工系统中——准确的决定比不准确的决定需要更长的时间。 这就是所谓的 速度与精度的权衡.
发生这种权衡是因为确定一个决定是对还是错通常取决于我们有多少证据来做出该决定。 更多证据意味着我们可以做出更准确的决定，但收集证据需要时间。 因此，准确的决策通常较慢，而不准确的决策则较快。
速度与准确性的权衡在工程、心理学和生物学中经常出现，你几乎可以将其称为“心理物理学定律”。 然而蜜蜂似乎违反了这条法律。
已知唯一能在速度与准确度之间取得平衡的动物 是人类和灵长类动物.
蜜蜂规避风险
为了解决这个问题，我们转向计算模型，询问系统需要哪些属性才能实现速度与精度的权衡。
我们构建了能够处理感官输入、学习和决策的人工神经网络。 我们将这些人工决策系统的性能与真实蜜蜂进行了比较。 由此我们可以确定系统必须具备什么才能克服权衡。
答案在于给予“接受”和“拒绝”反应不同的有时间限制的证据阈值。 这就是它的意思——蜜蜂只接受一朵花，如果一眼看去，它们是 肯定 这是有益的。 如果他们有任何不确定性，他们就会拒绝。
这是一种规避风险的策略，意味着蜜蜂可能会错过一些有益的花朵，但它成功地将精力集中在最有机会和最好的证据为它们提供糖分的花朵上。
我们关于蜜蜂如何做出快速、准确决策的计算机模型很好地映射了它们的行为和蜜蜂大脑的已知通路。
我们的模型对于蜜蜂如何成为如此有效和快速的决策者来说是合理的。 更重要的是，它为我们提供了一个模板，帮助我们构建具有这些功能的系统，例如用于勘探或采矿的自主机器人。
关于作者
博士开发的技术萃取的
