Bin som omger ett bidrottning märkta med en prick på ryggen. Shutterstock

Ett honungsbis liv beror på att det lyckas skörda nektar från blommor för att göra honung. Att bestämma vilken blomma som mest sannolikt kommer att erbjuda nektar är otroligt svårt.

För att få det rätt krävs en korrekt avvägning av subtila signaler om blomtyp, ålder och historia – de bästa indikatorerna på att en blomma kan innehålla en liten droppe nektar. Att göra fel är i bästa fall ett slöseri med tid, och i värsta fall innebär exponering för ett dödligt rovdjur som gömmer sig i blommorna.

I ny forskning publiceras idag i eLife vårt team rapporterar hur bin fattar dessa komplexa beslut.

Ett fält av konstgjorda blommor

Vi utmanade bin med ett fält av konstgjorda blommor gjorda av färgade skivor av kartong, som var och en bjöd på en liten droppe sockersirap. Olikfärgade "blommor" varierade i deras sannolikhet att erbjuda socker, och skilde sig också i hur väl bin kunde bedöma om den falska blomman erbjöd en belöning eller inte.

Vi satte små, ofarliga färgmärken på baksidan av varje bi och filmade varje besök som ett bi gjorde i blommatrisen. Vi använde sedan datorseende och maskininlärning för att automatiskt extrahera biets position och flygbana. Utifrån denna information kunde vi bedöma och exakt tajma varje enskilt beslut som bina tog.

Vi upptäckte att bin mycket snabbt lärde sig att identifiera de mest givande blommorna. De bedömde snabbt om de skulle acceptera eller avvisa en blomma, men förbryllande nog var deras korrekta val i genomsnitt snabbare (0.6 sekunder) än deras felaktiga val (1.2 sekunder).

Detta är motsatsen till vad vi förväntade oss.

Vanligtvis hos djur – och även i konstgjorda system – tar ett korrekt beslut längre tid än ett felaktigt beslut. Det här kallas avvägningen mellan hastighet och noggrannhet.

Denna avvägning sker eftersom att avgöra om ett beslut är rätt eller fel beror vanligtvis på hur mycket bevis vi har för att fatta det beslutet. Mer bevis innebär att vi kan fatta ett mer korrekt beslut – men att samla bevis tar tid. Så korrekta beslut är vanligtvis långsamma och felaktiga beslut är snabbare.

Avvägningen mellan hastighet och noggrannhet inträffar så ofta inom teknik, psykologi och biologi att man nästan kan kalla det en "psykofysiks lag". Och ändå verkade bin bryta mot denna lag.

De enda andra djuren som är kända för att klara avvägningen mellan hastighet och noggrannhet är människor och primater.

Hur kan då ett bi, med sin lilla men ändå anmärkningsvärda hjärna, prestera i nivå med primater?

Bin undviker risker

För att ta isär denna fråga vände vi oss till en beräkningsmodell och frågade vilka egenskaper ett system skulle behöva för att överträffa kompromissen mellan hastighet och noggrannhet.

Vi byggde konstgjorda neurala nätverk som kan bearbeta sensorisk input, lära och fatta beslut. Vi jämförde prestandan hos dessa konstgjorda beslutssystem med de riktiga bina. Utifrån detta kunde vi identifiera vad ett system måste ha om det skulle slå kompromissen.

Svaret låg i att ge "acceptera" och "förkasta" svar olika tidsbundna beviströsklar. Här är vad det betyder – bin accepterade bara en blomma om de var det med ett ögonkast säker det var givande. Om de hade någon osäkerhet så avvisade de det.

Detta var en riskovillig strategi och innebar att bin kanske hade missat några givande blommor, men den fokuserade framgångsrikt sina ansträngningar endast på blommorna med bäst chans och bästa bevis för att förse dem med socker.

Vår datormodell av hur bin fattade snabba, exakta beslut kartlades väl till både deras beteende och bihjärnans kända vägar.

Vår modell är rimlig för hur bin är så effektiva och snabba beslutsfattare. Dessutom ger det oss en mall för hur vi kan bygga system – som autonoma robotar för prospektering eller gruvdrift – med dessa funktioner.

Om författaren

Andrew BarronProfessor Macquarie University

Denna artikel publiceras från Avlyssningen under en Creative Commons licens. Läs ursprungliga artikeln.

användning