Un certo team di scienziati informatici britannici afferma che “la saggezza degli alveari” abbia una concretezza e un’importanza incredibile. Questi ricercatori hanno infatti studiato il cervello delle api mellifere con lo scopo di sviluppare un nuovo tipo di intelligenza artificiale per il processo decisionale.
Mentre la vita di un’ape sembra semplice in superficie – svolazzare nell’aria, campionare il nettare e impollinare le piante e difendere l’alveare – il processo decisionale dietro quelle azioni apparentemente casuali è più complesso di quanto sembri. All’interno della rete neurale delle api, una modalità operativa di base sembra identificare i bersagli floreali ideali in pochi secondi con un alto livello di precisione, a quel punto l’ape ronza verso il suo nuovo banchetto. E tutto questo avviene all’interno di un cervello che ha solo le dimensioni di un seme di sesamo, con meno di 1 milione di neuroni.
“Sorprendentemente, le decisioni delle api non sono solo altamente adattative e accurate, ma anche più veloci quando si tratta di [fare] scelte“, afferma HaDi MaBouDi, un ricercatore senior presso Opteran Technologies, una startup di biomimetica cerebrale scorporata dall’Università di Sheffield, e coautore del nuovo studio. MaBouDi afferma che lui e i suoi colleghi sono stati attratti dallo studio delle scelte che stanno alla base del processo decisionale delle api, immaginando che i sistemi artificiali potrebbero apprenderli.
“Il processo decisionale computazionale spesso non è all’altezza in termini di adattabilità, velocità, accuratezza e avversione al rischio, specialmente quando le risorse sono limitate, qualità che le api possiedono”, afferma. “Integrando principi derivati da modelli biologici, i sistemi di intelligenza artificiale hanno il potenziale per migliorare la loro efficienza, robustezza e avversione al rischio”.
Per capire meglio cosa sta realmente facendo girare gli ingranaggi nel cervello delle api, il team di ricerca ha inizialmente osservato il comportamento di 20 api mentre esploravano fiori colorati in un giardino artificiale. I fiori contenevano una miscela di sciroppo di zucchero, acqua tonica dal sapore amaro e acqua distillata. Dopo aver osservato le scelte delle api in una serie di prove, MaBouDi e colleghi hanno visto che le api prendevano decisioni in un modo che contraddice il buon senso.
“Sorprendentemente, le decisioni delle api non sono solo altamente adattative e accurate, ma anche più veloci quando si tratta di scelte corrette rispetto a quelle sbagliate“, afferma. “Ciò contraddice il tipico compromesso velocità-precisione osservato negli animali e nei sistemi artificiali, dove le decisioni accurate tendono a richiedere più tempo di quelle imprecise… Il processo decisionale delle api mostra un livello di complessità che è parallelo a certi aspetti del processo decisionale visto in condizioni più elevate specie animali“. E, ripetiamo, tutto questo avviene all’interno di un cervello che ha solo le dimensioni di un seme di sesamo, con meno di 1 milione di neuroni.
Ciò significa che le decisioni prese in una frazione di secondo dalle api sono più accurate delle decisioni che impiegano più tempo a prendere in considerazione processi decisionali più semplici. Tale processo decisionale “di basso livello” potrebbe avvantaggiare i sistemi artificiali riducendo la quantità di formazione e cura delle regole di cui hanno bisogno, afferma il coautore dell’articolo, James Marshall. Marshall è professore di biologia teorica e computazionale all’Università di Sheffield e cofondatore di Opteran Technologies.
Per imitare questo comportamento, i ricercatori hanno progettato un modello con due percorsi decisionali paralleli: uno per l’accettazione e uno per il rifiuto. Come le reti neurali biologiche delle api, questi percorsi sono stati progettati per essere adattabili e hanno soppesato la qualità degli stimoli per aiutare a prendere le loro decisioni. Il modello ha anche mantenuto una memoria delle informazioni sugli stimoli passati per aiutarlo a ricordare quali stimoli non valeva la pena esplorare una seconda volta.
“Di particolare importanza è stata l’emulazione della strategia di avversione al rischio delle api, in cui accetterebbero un fiore solo se fossero sicure che avrebbe fornito una ricompensa, rifiutandolo altrimenti”, afferma MaBouDi. “Questa strategia ha permesso alle api di concentrare i loro sforzi sui fiori con il più alto potenziale di acquisizione del nettare”.
Per vedere come il loro modello potesse essere accurato, il team lo ha presentato con 25 prove di stimoli casuali ad alta e bassa ricompensa. Si è scoperto che i tassi di risposta del modello erano alla pari con quelli delle api vere. Ciò, però, non significa necessariamente che il loro modello abbia imitato il cervello delle api con totale fedeltà, afferma MaBouDi.
“Dato questo significativo contrasto di scala tra cervelli biologici e modelli computazionali, l’implementazione diretta di un tale modello su hardware di dimensioni paragonabili al cervello di un’ape è altamente improbabile”, afferma. “[Ma] concentrarsi su principi e meccanismi chiave può portare alla creazione di sistemi intelligenti ed efficienti che esibiscono capacità decisionali simili entro i limiti dell’hardware disponibile”.
MaBouDi, Marshall e colleghi sono entusiasti di esplorare cosa questo potrebbe significare per il futuro dell’informatica neuromorfica e dell’hardware miniaturizzato. Il processo decisionale dei robot, ispirato a modelli biologici come le api, potrebbe svolgere un ruolo importante nell’aiutare i robot autonomi, come quelli utilizzati per l’estrazione mineraria o la ricerca e il salvataggio, a navigare su terreni sconosciuti e prendere decisioni di sicurezza adattiva.
“E le api sono solo l’inizio”, dice Marshall. Opteran sta studiando attivamente altri tipi di cervelli di insetti per vedere quali altre soluzioni ai problemi di intelligenza artificiale, robotica e informatica potrebbero nascondersi in natura.
“La nostra missione ora è comprendere sempre di più il cervello degli insetti e come genera il comportamento che fa, in particolare per alcune delle specie di insetti più interessanti, come gli insetti sociali, ad esempio le formiche”, afferma. “Il modo in cui interagiscono i singoli insetti potrebbe aiutarci a trovare migliori comportamenti di gestione del traffico per flotte di robot di magazzino autonomi, ad esempio”.
