W nowym badaniu opublikowanym w czasopiśmie Frontiers in Ecology and Evolution dowiedziono, że pszczoły miodne mogą się nauczyć rozpoznawania liczb parzystych i nieparzystych.

Dlaczego klasyfikacja według parzystości jest wyjątkowa? Zadania parzystości (takie jak kategoryzacja parzystych i nieparzystych) są uważane za abstrakcyjne i wysokopoziomowe koncepcje liczbowe u ludzi. Co ciekawe, ludzie wykazują dokładność, szybkość, język i relacje przestrzenne, kiedy klasyfikują liczby jako parzyste lub nieparzyste. Na przykład mamy tendencję do szybszego reagowania na liczby parzyste, gdy wykonujemy czynności prawą ręką, a na liczby nieparzyste, gdy wykonujemy czynności lewą ręką. Klasyfikujemy również liczby parzyste szybciej i dokładniej niż liczby nieparzyste. Badania wykazały, że dzieci mają tendencję do kojarzenia słowa „parzysty” z „prawym”, a „nieparzysty” z „lewym”.

Badania wykazały, że pszczoły mogą nauczyć się porządkować ilości, wykonywać proste dodawanie i odejmowanie, dopasowywać symbole do ilości oraz korelować pojęcia wielkości i liczby. Aby nauczyć pszczoły problemu parzystości, podzielono pszczoły na dwie grupy. Jedna grupa została przeszkolona w kojarzeniu liczb parzystych z wodą z cukrem, a liczb nieparzystych z cieczą o gorzkim smaku (chinina). Drugą grupę nauczono kojarzyć liczby nieparzyste z wodą z cukrem, a parzyste z chininą.

Trenowano poszczególne pszczoły, porównując liczby nieparzyste i parzyste (z kartami przedstawiającymi cyfry od 1 do 10), dopóki nie wybrały prawidłowej odpowiedzi z 80-procentową dokładnością. Warto zauważyć, że poszczególne grupy uczyły się w różnym tempie. Pszczoły wyszkolone w kojarzeniu liczb nieparzystych z wodą z cukrem uczyły się szybciej. Ich skłonność do uczenia się liczb nieparzystych była przeciwieństwem ludzi, którzy szybciej klasyfikują liczby parzyste. Wyniki pokazały, że miniaturowy mózg pszczoły jest w stanie zrozumieć pojęcia „parzyste” i „nieparzyste”.

Tak więc duży i złożony ludzki mózg składający się z 86 miliardów neuronów oraz miniaturowy mózg owada składający się z około 960 000 neuronów mogą klasyfikować liczby według parzystości. Czy to oznacza, że ​​problem parzystości jest mniej trudny niż wcześniej sądziliśmy?Aby znaleźć odpowiedź, zwróciliśmy się ku technologiom biologicznym.

W tym celu stworzono sztuczne sieci neuronowe, które były jednymi z pierwszych algorytmów opracowanych dla uczenia maszynowego. Zainspirowane neuronami biologicznymi sieci te są skalowalne i mogą rozwiązywać złożone problemy rozpoznawania i klasyfikacji za pomocą logiki zdań. Stworzono prostą sztuczną sieć neuronową składającą się tylko z pięciu neuronów do przeprowadzenia testu parzystości. Podano sieci sygnały od 0 do 40 impulsów, które sklasyfikowała jako parzyste lub nieparzyste. Pomimo swojej prostoty sieć neuronowa poprawnie sklasyfikowała liczby impulsów jako parzyste lub nieparzyste ze 100-procentową dokładnością. To pokazało nam, że w zasadzie klasyfikacja parzystości nie wymaga dużego i złożonego ludzkiego mózgu. Nie musi to jednak oznaczać, że pszczoły i prosta sieć neuronowa wykorzystały ten sam mechanizm do rozwiązania problemu.

Nie wiemy jeszcze, w jaki sposób pszczoły były w stanie rozwiązać problem parzystości. Wyjaśnienia mogą obejmować proste lub złożone procesy. Na przykład pszczoły mogą łączy elementy w pary, aby znaleźć niesparowany element, wykonywać obliczenia z dzieleniem, zliczenie każdego elementu, a następnie zastosował regułę parzystości / nieparzystości dla sumy. Ucząc inne gatunki zwierząt rozróżniania liczb parzystych i nieparzystych oraz wykonywania innych abstrakcyjnych operacji matematycznych, możemy dowiedzieć się więcej o tym, jak matematyka i myślenie abstrakcyjne pojawiły się u ludzi.