PNAS：研究发现蜜蜂与人类内隐视觉统计学习的不同机制

近日，发表在《美国国家科学院院刊（PNAS）》上的一项新研究表明，蜜蜂具有自主学习自然环境中常见复杂特性统计信息的能力。此前，人们认为这种视觉能力只存在于人类和更高级别的物种中，而在拥有微型大脑的蜜蜂身上的发现将激发人工智能的进一步发展。

　　这项研究还报告说，蜜蜂和人类使用了根本不同的计算方法来进行学习，这可能是人类发展出卓越学习能力的关键原因之一。

　　由法国图卢兹大学的Aurore Avargues-Weber博士、匈牙利中欧大学的Jozsef Fiser博士和澳大利亚RMIT大学的Adrian Dyer博士领导的国际研究团队首次使用相同的测试来比较人类与蜜蜂的自主学习能力。他们在一个不相关的简单分类任务中，将人类和蜜蜂暴露在由一组抽象形状组成的相同多元素场景中。

　　在接下来的测试阶段，人与蜜蜂都必须在每个实验中选择两个新的多元素场景来进行大量测试。这些场景是为了测量研究对象在没有经过任何训练的情况下，在视觉场景中对各种统计特性元素是否会自发变得敏感。

　　Avargues-Weber说："通过分析大量图像经验的统计特性来自主学习，以确定它们的底层结构，这种策略已经在人类和一些更高等级的物种中得到了证明。它也是深度学习背后的概念，而深度学习推动了人工智能领域最近的巨大进步。我们的结果表明，这也是蜜蜂使用的策略，表明了对视觉环境统计信息自主学习的普遍性和有效性。"

　　Dyer博士补充道："人们常常对蜜蜂出色的导航和识别能力感到惊讶，现在我们知道它们使用一种简化版的统计学习来完成复杂的任务，这是人类解决视觉问题的基础，也是人工智能深度学习的基础。"

　　Fiser博士说："我们非常惊讶地发现，与人类相似，蜜蜂对其新视觉体验的统计数据形成了一种复杂的内部表征，它们可以在随后的测试中使用这些信息。我们更惊讶地发现，蜜蜂和人类通过不同的计算策略实现了这一壮举。蜜蜂永远不会自动对视觉元素的可预测性敏感，也就是说，一个元素的出现对另一个元素的出现有多大的预测力。相反，人类从婴儿早期就开始使用这些信息。这一点之所以存在，是因为信息片段之间的可预测性长期以来被认为是有效获取高度复杂知识的关键计算要求。因此，我们的研究既证明了一个人用简单的方法和小小的大脑能解决多困难的任务，同时也证明了什么是达到下一个学习能力水平的关键。"

论文链接：https://www.pnas.org/content/early/2020/09/22/1919387117

来源：科技部