蜜蜂会数数吗？科学怎么说？

动物信息 » Insectos » 蜜蜂会数数吗？科学怎么说？

一只小小的昆虫竟然能进行数学运算，这听起来确实令人好奇。然而，近年来，多个研究团队已经证实，蜜蜂确实具备这种能力。 令人惊讶的数字概念从计数微小的数量，到理解零的含义，再到区分一组元素是奇数还是偶数。所有这一切都由一个重量不到一毫克的大脑完成。

这些发现绝非仅仅是轶事，它们正在改变科学家们对动物智能的理解。德国、澳大利亚、意大利和法国的大学进行的实验表明，蜜蜂可以应用…… 抽象数学规则它们超越了基本的视觉线索，学习规则，并将这些规则推广到新的情境中。正因如此，它们正在激发人工智能领域的新思路。

蜜蜂惊人的数字能力

几十年来，人们对昆虫解决复杂任务的能力一直持怀疑态度。许多神经科学家认为，由于神经元数量如此之少，这些动物只能通过……来做出反应。 简单的反射和基本联想然而，近期的研究已经逐渐推翻了这种非常狭隘的观点。

以蜜蜂（Apis mellifera）为例，包括一些变种，例如： 非洲蜜蜂多个研究小组已经证明，这些昆虫不仅能够形成环境的心理地图或识别花朵，而且还能够应对…… 我们认为“人类”的数值问题：数到一定数量，选择最小集合，区分最多四个物体，甚至处理“无”的概念。

促成这种观点转变的关键因素来自澳大利亚莫纳什大学。该校由研究员斯嘉丽·霍华德领导的团队设计了一系列实验，旨在测试蜜蜂的微小大脑是否能够与……协同运作。 基础数学概念为了实现这一目标，他们训练这些昆虫在不同数量的数字之间进行选择，并在它们选择正确时给予甜蜜的奖励。

他们发现，尽管蜜蜂的神经元数量不足百万，但它们能够处理复杂的视觉信息，并且还能将抽象规则应用于所见事物。换句话说，它们并非只是对刺激做出反应；它们似乎构建了一种…… “内部数值规则” 这指导着他们的决策。

一个能够处理数字零的微型大脑

这些研究中最引人注目的发现之一是，蜜蜂能够理解零的概念，这在历史上即使对人类社会来说也是一项艰巨的任务。斯嘉丽·霍华德的团队在测试中设置了一个特别微妙的条件：一个表面 完全空白，没有任何物体这表示元素的完全缺失。

在主要实验中，蜜蜂学会了一条非常简单的规则：它们必须选择几何图形最少的选项才能获得食物奖励。通过反复的甜食奖励和苦涩惩罚的试验，蜜蜂最终遵循了这条规则。 “选择最小值”规则 准确度相当高。

关键时刻出现在之后。在测试阶段，研究人员首次向蜜蜂展示了一个完全空的托盘和一个装有1到6个物品的托盘。那些被训练选择物品较少的托盘的蜜蜂开始自发地飞向空托盘。 托盘上没有物品仿佛他们明白“没有”少于“一、二或三”。

为了进一步完善结果，研究团队进行了一项对照实验。他们希望确保蜜蜂的飞行并非仅仅受墨水量或图案复杂程度等非常基本的视觉细节所引导。空白表面缺乏任何可比拟的形状或空间频率，使他们能够排除这些因素的影响。 低级感知线索即便如此，蜜蜂仍然选择空的选项，这与它们所学到的规则一致。

有趣的是，当空托盘与另一个只装了少量物品的托盘竞争时，蜜蜂的任务变得更加困难。在这种情况下，它们做出决定所需的时间更长，错误次数也更多。这表明，尽管蜜蜂能够理解“零”的概念，但“几乎没有”和“没有”之间的区别对它们来说仍然是一个挑战。 重大认知挑战这与人类在比较非常接近的量时发生的情况类似。

“选择最小数量”规则及其适用范围

霍华德及其同事的研究中最有趣的方面之一是蜜蜂的训练方法。他们采用了一种奖惩式的学习方法：正确选择元素较少选项的蜜蜂会得到糖溶液，而犯错的蜜蜂则会受到惩罚…… 味苦的奎宁仅仅几次训练，许多蜜蜂的成功率就接近 80%。

在上述对照实验中，接受“选择最小量”规则训练的蜜蜂，即使在学习阶段没有呈现过空刺激物，也会选择空刺激物。也就是说，它们将该规则外推到了…… 新的、更抽象的情境 他们之前没有任何相关经验。

从神经科学的角度来看，这一点至关重要。如果蜜蜂的行为仅仅是由于简单的视觉自动反应——例如，朝着“斑点”较少的图像飞去——那么对于……来说就很容易理解。 空白托盘打破了这种模式。然而，他们的回应方式更符合这样一种想法：他们内部遵循着“越少越好”的一般数字规则。

该研究的作者强调，这与基于机械关联的经典解释有所不同。蜜蜂的决策似乎是由某种……所引导的。 抽象数字推理它们能够根据所学规则灵活处理接收到的信息。

这项研究属于一系列质疑仅以人类标准衡量智力的迷思的研究范畴。霍华德总结道，必须避免…… 人类中心主义偏见 研究动物思维时：人类感知和体验世界的方式与其他生物截然不同，因此假装每个人都“像我们一样”思考可能会导致对复杂行为的误解。

批评、合作和视角转变

长期以来，一些专家对这类研究结果持怀疑态度，认为动物身上观察到的数字行为可以用简单的感官联想来解释。然而，最近对蜜蜂的研究正在逐步驳斥这些批评。 日益精细的实验设计.

例如，在对数字零的研究中，来自特伦托大学的神经科学家米尔科·扎农参与其中。他的贡献有助于强调，当考虑到以下因素时，许多反对意见就会消失： 蜜蜂的特殊生物学特性：他们如何看待世界，如何处理视觉信息，以及他们的神经系统如何最大限度地利用非常有限的资源。

作者强调，观察到的行为并不符合简单的机械重复。蜜蜂并非仅仅记住特定的图像，而是灵活地将数字规则应用于不同的形状和数量组合。这种反应方式表明 更复杂的认知策略 符合人们对无脊椎动物的预期。

这一切迫使人们重新审视关于大脑大小与智力之间关系的根深蒂固的偏见。一只神经元数量不足百万的昆虫就能理解零这样的概念，这一事实引发了一个问题：智力是否真的是影响大脑大小的唯一因素？ 神经网络的效率和组织 它们的重要性可能与神经元的总数一样重要，甚至更重要。

更广泛地说，这些研究表明，看似简单的行为，例如选择最合适的花朵或在景观中辨别方向，都可以得到支持。 进化上复杂的认知机制计数、比较数量或识别数字模式在寻找食物和应对诸如……等威胁时，都能提供明显的优势。 畸形翅膀病毒.

蜜蜂也能区分数量，并且知道“最多四个”。

在对零进行研究之前，人们就已经知道蜜蜂具有一定的计数能力。德国维尔茨堡大学的一个科学家团队进行了一项长达两年的实验，以评估这些昆虫的计数能力。 区分和计数物体.

在这种情况下，蜂巢中的蜜蜂必须有条不紊地飞过多个出口的甲基丙烯酸酯管。入口和每个可能的出口处都涂有不同的物体图案——例如圆形、三角形或其他形状——以便蜜蜂可以利用这些信息找到方向。 通往食物的道路.

蜜蜂很快就学会了，如果它们在管子入口处看到三个身影，就应该寻找出口，因为出口处也有三个身影，而不管那具体是什么物体。对它们来说，重要的是…… 元素的数量，而不是它们的形状即使对象类型是全新的，他们仍然能够匹配物品的数量。

通过这些实验，科学家们得以确定蜜蜂具备大约四件物品的功能性计数能力。在这个范围内，它们的行为与其他脊椎动物（例如黑猩猩）的行为类似。 少量 无需像大人那样一个一个地数。

这种快速计数能力——在人类中被称为“快速识别数量”（subitizing），即一眼就能看出物体的数量是一个、两个、三个还是四个——似乎也存在于蜜蜂身上。之后，它们的准确率会逐渐降低，这与……的观点相符。 近似数制 适用于日常环保活动。

数蜜蜂：从“有多少只”到“一只也没有”

霍华德关于零的研究为该领域的研究树立了新的标杆。在葡萄牙的一次演讲中，这位生物学家解释了她的团队如何通过甜蜜的奖励和痛苦的惩罚进行训练，使不同等级的蜜蜂——蜂后、工蜂和雄蜂——学会…… 找出物体最少的地方。.

游戏规则很简单：正确选择棋子数量最少平台的蜜蜂会得到甜食奖励，而失败的蜜蜂则会遭受难吃的奎宁。经过一段时间的训练，蜜蜂的选择准确率达到了约80%。 托盘里物品最少的那个。.

令人惊讶的是，当蜜蜂们被要求在装有1到6件物品的托盘和完全空的托盘之间做出选择时，它们往往会选择空托盘。由于没有接受过针对这种情况的专门训练，许多蜜蜂选择了空托盘。 空托盘这意味着他们认为元素的缺失比一个、两个或三个元素还要少。

这种行为表明，蜜蜂不仅能判断物体的数量，还能相当可靠地检测出哪里没有物体。虽然当另一个托盘里的物体很少时，任务难度有所增加，但它们经常选择空托盘这一事实，进一步证实了它们具备这种能力。 倒计时“归零” 从功能上来说。

再说一遍，这并不是说蜜蜂的脑海中像我们人类一样存在“零”的概念，而是说它们的行为符合一个对数量进行排序的系统，包括“无元素”的情况。 尺度原理对于如此小的大脑来说，这已经是一个非常了不起的进步了。

奇偶数：懂得奇偶性的蜜蜂

另一项关于蜜蜂数学能力的引人注目的研究是由澳大利亚和法国的一个团队进行的，该团队同样由斯嘉丽·R·霍华德领导，这次是与迪肯大学（位于澳大利亚伯伍德）的综合生态学中心合作完成的。研究的目的是测试这些昆虫是否能够区分…… 偶数和奇数这是一种数值分类任务，人类通常在童年时期就能学会。

在此之前，除了人类之外，其他物种的奇偶性分类（即判断一个数字或一组物体是奇数还是偶数）尚未得到研究。这可能是因为没有人认为这项研究能得出有趣或实用的结论。然而，蜜蜂已经展现出基本的数字能力，因此该团队着手对它们进行研究。 更进一步.

在实验中，研究人员使用包含一到十个几何元素的卡片训练蜜蜂。这些蜜蜂被分为两组：一组蜜蜂学习偶数与一个整数相连。 糖水奖励 而奇数份苦奎宁溶液中，奇数份则为正；在另一组中，这种关系发生了逆转（奇数份为正，偶数份为负）。

训练持续进行，直到每组蜜蜂根据其分配的奇偶规则选择正确卡片的准确率达到约 80%。这一性能阈值表明它们有能力…… 持续学习 “好”与偶数还是奇数相关，只能通过观察点或数字的集合来确定。

一旦它们掌握了这个阶段，事情就变得有趣起来：它们要接受训练中从未遇到过的新数字测试，特别是11和12个元素的组合。尽管这些情况对它们来说完全陌生，蜜蜂们还是成功完成了任务。 将它们分类为偶数或奇数 准确率约为70%。

偏见、奇偶性学习以及与人类的比较

该研究的作者对两组蜜蜂的学习速度尤为感兴趣。他们发现，接受过将奇数与糖奖励联系起来训练的蜜蜂更容易学会这条规则。 比“正配对”组更快.

这个结果很奇怪，因为在人类身上，通常观察到的情况恰恰相反：我们倾向于更快地对偶数进行分类，而不是奇数。而蜜蜂的学习偏好似乎恰恰相反，这表明它们可能具有…… 不同的“数值直觉” 与我们相比，他们的数量处理系统运作方式并不完全相同。

总之，他们在将奇偶规则推广到新数字（11 和 12）时取得明显高于随机水平的表现，这一事实支持了他们的大脑能够……的观点。 捕捉抽象的数字模式他们不仅记住具体案例，而且提炼出普遍规律，然后将这些规律应用于未见过的例子。

当我们考虑到它们神经系统的规模时，这一点就更加令人印象深刻了。人类大脑大约有86.000亿个神经元，而蜜蜂的大脑则有大约960.000亿个。它们在资源如此悬殊的情况下还能完成这些复杂的生理过程，着实令人惊叹。 这种精细的数值分类 它很好地展现了进化在优化认知功能方面的效率。

与此同时，这些发现与之前的研究相吻合，这些研究表明蜜蜂能够识别人脸、进行简单的加减运算，并能对周围环境做出复杂的决策。所有迹象都表明，尽管蜜蜂的思维能力有限，但它们的认知“工具箱”远比最初想象的要丰富得多。 神经元的大小和数量限制.

从蜂巢到实验室：为什么蜜蜂是理想的模型

蜜蜂之所以继续被用于这类研究，原因之一是它们相对容易在实验室环境和相关研究中饲养和观察。 可持续和负责任的养蜂他们拥有高度组织化的社交生活，容易接触，并且允许对许多个体进行重复实验，这对于获得……至关重要。 具有统计学意义的可靠结果.

此外，它们的自然行为本身就包含一系列相当复杂的认知任务：它们必须记住花朵的位置，比较不同来源的花蜜和花粉的质量，并使用著名的蜂鸣器与其他工蜂交流。 “蜜蜂之舞” 它们能够适应环境变化。所有这些都使它们成为研究小型大脑如何解决复杂问题的理想对象。

从生态学的角度来看，有人认为，蜜蜂能够计数花瓣或花朵结构的能力可以帮助它们选择营养最丰富或最容易采蜜的花朵。如果某种花朵通常在花瓣或雄蕊数量达到一定范围时提供更多营养，那么能够计数花瓣或雄蕊数量的蜜蜂就能更好地利用这些花朵。 估算这些金额 这将使他们在优化收割工作方面略占优势。

还有人认为，它们对“数量”的理解可能会影响它们如何评估访问同一食物来源的同伴数量，或者如何计算是否值得继续利用某朵花。总而言之，这些数字能力有助于…… 提高蜂巢日常生活的效率这有助于解释为什么进化偏爱它们。

最后，从方法论的角度来看，蜜蜂使我们能够设计可控的任务，在这些任务中，我们会向它们呈现形状、数量和奖励的非常精确的变化。这使得我们更容易分离出它们所使用的感知线索，并逐步排除简单的解释，从而得出最准确的解释。 真正的潜在认知能力.

蜜蜂教会人工智能什么

蜜蜂数学能力的研究成果不仅有助于我们更好地了解动物智能，也为人工智能和机器学习领域带来了新的灵感。斯嘉丽·霍华德的团队更进一步，设计了一个…… 极其简单的神经网络 看看它是否能够重现奇偶校验任务。

这个网络仅由五个神经元组成，与蜜蜂体内数百万个神经元相比，这个数量少得可怜。尽管如此简单，该系统仍能正确地将0到40之间的脉冲序列分类为奇数或偶数。 准确率 100%也就是说，在奇偶校验任务集中不会犯错。

这一结果表明，至少在理论上，奇偶性分类并不需要庞大的大脑或复杂的神经网络才能解决。一组数量很少、组织得当的单元就能轻松完成这项任务，这与以下观点相符： 效率与规模同等重要。 在智能系统中。

然而，作者们也谨慎地指出，这并不意味着蜜蜂和神经网络使用完全相同的机制来解决问题。事实上，他们承认，我们仍然不清楚蜜蜂究竟使用了哪些认知过程来区分奇数和偶数。可以肯定的是，他们的方法可以作为…… 设计更轻量级算法的灵感来源 并且在人工智能领域表现出色。

人工神经网络基于从生物神经元中汲取的非常普遍的思想，而这项研究表明，仔细研究像蜜蜂这样的小型但高效的大脑是值得的，以便从中发现…… 紧凑的计算策略 可以转化为技术。

综合来看，从基本的计数到处理零或奇偶性，蜜蜂实验与极简人工智能模型相结合，正在开辟一个研究领域，在这个领域中，生物学和计算机科学之间的界限正在变得模糊。 它变得特别扩散和肥沃。.

所有这些研究描绘出一幅图景：蜜蜂不再仅仅是必不可少的工蜂和授粉昆虫，而是变成了小型“模型大脑”，迫使我们重新思考我们对智能的理解，思考如何在神经资源极其有限的情况下组织思维，以及这些自然机制如何帮助我们进行设计。 更高效、更巧妙的技术.