Trong nghiên cứu công bố trên tạp chí eLife, nhóm chuyên gia xây dựng mô hình tính toán mô phỏng bộ não ong và phát hiện việc ong di chuyển trong khi quan sát giúp tạo ra tín hiệu thần kinh đặc biệt, cho phép chúng dễ dàng nhận diện các đặc điểm lặp lại trong môi trường. Nhờ đó, ong đạt độ chính xác cao khi học và phân biệt các mẫu hình, chẳng hạn như hình dạng cánh hoa.
Giáo sư James Marshall, Giám đốc Trung tâm Trí tuệ Máy tại Đại học Sheffield, cho biết: “Nghiên cứu này chứng minh rằng ngay cả những bộ não nhỏ bé nhất cũng có thể tận dụng chuyển động để nhận thức và hiểu thế giới xung quanh. Điều đó cho thấy một hệ thống nhỏ gọn, tiết kiệm, nhưng vẫn xử lý được những phép tính phức tạp hơn nhiều so với suy nghĩ trước đây”.
Mô hình cũng cho thấy bộ não ong chỉ cần một số ít nơ-ron hoạt động để nhận diện hình ảnh, giúp tiết kiệm năng lượng và dung lượng xử lý. Khi được thử thách bằng bài toán phân biệt dấu cộng và dấu nhân, mô hình đạt kết quả tốt hơn rõ rệt khi bắt chước cách ong thật chỉ tập trung quét phần dưới của hình. Ngay cả với mạng nơ-ron nhân tạo rất nhỏ, mô hình vẫn có thể nhận diện khuôn mặt người.
Tiến sĩ HaDi MaBouDi, tác giả chính của nghiên cứu, nhấn mạnh: “Chúng tôi phát hiện bộ não ong được tối ưu hóa để xử lý thông tin thị giác không tách rời mà gắn với chuyển động trong môi trường tự nhiên. Đây là ví dụ đẹp về sự gắn kết giữa hành động và tri giác, giúp giải quyết các bài toán phức tạp với nguồn lực tối thiểu”.
Nghiên cứu cũng khẳng định trí thông minh không chỉ nằm trong não, mà hình thành từ sự phối hợp giữa bộ não, cơ thể và môi trường. Giáo sư Lars Chittka (Đại học Queen Mary, London) nhận định: “Chúng tôi xác định số lượng nơ-ron tối thiểu để thực hiện các nhiệm vụ thị giác khó, và kết quả cho thấy con số cực kỳ nhỏ, ngay cả với các tác vụ phức tạp như nhận diện khuôn mặt. Bộ não côn trùng có thể thực hiện tính toán nâng cao”.
Theo các tác giả, khám phá này mở ra hướng thiết kế AI và robot mới, trong đó hệ thống thông minh không cần phụ thuộc vào siêu máy tính mà có thể dựa vào chuyển động để thu thập và xử lý thông tin. Điều này hứa hẹn ứng dụng trong robot, xe tự hành và các công nghệ học tập trong thế giới thực.
