蜜蜂驚人地擅長做決定——我們的計算機模型解釋了這種可能性。信用:Shutterstock
（神秘的地球uux.cn）據《對話》（安德魯·巴倫）：蜜蜂的生命依賴於它成功地從花中采集花蜜來製造蜂蜜。決定哪種花最有可能提供花蜜是非常困難的。
要想得到正確的答案，需要正確權衡花朵類型、年齡和曆史的微妙線索——這是一朵花可能含有一小滴花蜜的最佳指標。弄錯了，往好裏說是浪費時間，往壞裏說則意味著暴露在藏在花叢中的致命捕食者麵前。
在今天發表在eLife上的新研究中，我們的團隊報告了蜜蜂如何做出這些複雜的決定。
一片人造花地
我們用一片由彩色卡片製成的人造花向蜜蜂挑戰，每片人造花提供一滴糖漿。不同顏色的“花”提供糖的可能性不同，蜜蜂判斷假花是否提供獎勵的能力也不同。
我們在每隻蜜蜂的背上貼上微小無害的油漆標記，並拍下蜜蜂每次造訪花壇的情形。然後我們使用計算機視覺和機器學習來自動提取蜜蜂的位置和飛行路徑。從這些信息中，我們可以評估並精確地記錄蜜蜂所做的每一個決定。
我們發現蜜蜂很快就學會了識別最有價值的花。他們很快評估是接受還是拒絕一朵花，但令人困惑的是，他們的正確選擇平均比錯誤選擇(1.2秒)快(0.6秒)。
這與我們的預期相反。
通常在動物身上——甚至在人工係統中——準確的決定比不準確的決定需要更長的時間。這被稱為速度-精度權衡。
這種權衡之所以會發生，是因為決定一個決定是對還是錯通常取決於我們有多少證據來做這個決定。更多的證據意味著我們可以做出更準確的決定——但是收集證據需要時間。所以準確的決定通常很慢，不準確的決定更快。
速度和準確性的權衡在工程、心理學和生物學中經常發生，你幾乎可以稱之為“心理物理學定律”。然而蜜蜂似乎違反了這條定律。
已知唯一能在速度和準確性之間權衡的動物是人類和靈長類動物。
那麽，一隻大腦雖小卻很了不起的蜜蜂，怎麽能和靈長類動物表現得一樣呢？
蜜蜂規避風險
為了解決這個問題，我們求助於一個計算模型，詢問一個係統需要什麽樣的屬性才能在速度和精度之間取得平衡。
我們建立了能夠處理感覺輸入、學習和決策的人工神經網絡。我們將這些人工決策係統的性能與真正的蜜蜂進行了比較。由此，我們可以確定一個係統必須具備什麽，如果它要擊敗權衡。
答案在於給予“接受”和“拒絕”答複不同的有時限的證據門檻。意思是這樣的——蜜蜂隻接受一眼就能確定有回報的花。如果他們有任何不確定性，他們拒絕它。
這是一種規避風險的策略，意味著蜜蜂可能會錯過一些有益的花朵，但它成功地將精力集中在最有機會和最有證據為它們提供糖分的花朵上。
我們關於蜜蜂如何做出快速、準確決策的計算機模型很好地映射了它們的行為和蜜蜂大腦的已知路徑。
我們的模型似乎可以解釋蜜蜂為什麽是如此有效和快速的決策者。更重要的是，它為我們如何構建具有這些功能的係統(如用於勘探或采礦的自主機器人)提供了一個模板。

(责任编辑：綿陽市)