Le api sono sorprendentemente brave a prendere decisioni e questo modello computerizzato spiega come ciò sia possibile

La vita di un'ape dipende dalla capacità di raccogliere con successo il nettare dai fiori per produrre il miele. Decidere quale fiore ha maggiori probabilità di offrire nettare è incredibilmente difficile.

Per farlo bene è necessario valutare correttamente i sottili segnali relativi al tipo di fiore, all'età e alla storia: i migliori indicatori che un fiore potrebbe contenere una piccola goccia di nettare. Sbagliare è, nella migliore delle ipotesi, una perdita di tempo, e nella peggiore delle ipotesi significa esporsi a un predatore letale che si nasconde tra i fiori.

In una nuova ricerca pubblicata di recente su eLife, io e i miei colleghi riportiamo come le api prendono queste decisioni complesse.

Abbiamo sfidato le api con un campo di fiori artificiali ricavati da dischetti di cartoncino colorati, ognuno dei quali offriva una minuscola goccia di sciroppo di zucchero. I “fiori” di diversi colori variavano nella loro probabilità di offrire zucchero, e differivano anche nel modo in cui le api potevano giudicare se il fiore finto offrisse o meno una ricompensa.

Abbiamo messo piccoli e innocui segni di vernice sul dorso di ciascuna ape e abbiamo filmato ogni visita fatta da un'ape alla schiera di fiori. Abbiamo quindi utilizzato la visione artificiale e l’apprendimento automatico per estrarre automaticamente la posizione e la traiettoria di volo dell’ape. Da queste informazioni, potremmo valutare e cronometrare con precisione ogni singola decisione presa dalle api.

Abbiamo scoperto che le api hanno imparato molto rapidamente a identificare i fiori più gratificanti. Hanno valutato rapidamente se accettare o rifiutare un fiore, ma sorprendentemente le loro scelte corrette sono state in media più veloci (0,6 secondi) rispetto a quelle sbagliate (1,2 secondi).

Questo è l'opposto di quello che ci aspettavamo.

Di solito negli animali – e anche nei sistemi artificiali – una decisione accurata richiede più tempo di una decisione imprecisa. Questo è chiamato compromesso velocità-precisione.

Questo compromesso avviene perché determinare se una decisione è giusta o sbagliata di solito dipende da quante prove abbiamo per prendere quella decisione. Più prove significano che possiamo prendere una decisione più accurata, ma raccogliere prove richiede tempo. Quindi le decisioni accurate sono solitamente lente e le decisioni imprecise sono più veloci.

Il compromesso tra velocità e precisione si verifica così spesso in ingegneria, psicologia e biologia, che potresti quasi chiamarlo una “legge della psicofisica”. Eppure le api sembravano infrangere questa legge.

Gli unici altri animali noti per superare il compromesso tra velocità e precisione sono gli esseri umani e i primati.

Come può allora un'ape, con il suo cervello piccolo ma straordinario, esibirsi alla pari dei primati?

Per risolvere questa domanda, ci siamo rivolti a un modello computazionale, chiedendoci quali proprietà dovrebbe avere un sistema per superare il compromesso velocità-precisione.

Abbiamo costruito reti neurali artificiali in grado di elaborare input sensoriali, apprendere e prendere decisioni. Abbiamo confrontato le prestazioni di questi sistemi decisionali artificiali con quelle delle api reali. Da ciò potremmo identificare ciò che un sistema deve avere per superare il compromesso.

La risposta sta nel dare alle risposte “accettare” e “rifiutare” diverse soglie di prova legate al tempo. Ecco cosa significa: le api accettavano un fiore solo se, a prima vista, erano sicure che fosse gratificante. Se avevano qualche incertezza, la rifiutavano.

Si trattava di una strategia avversa al rischio e significava che le api avrebbero potuto perdere alcuni fiori gratificanti, ma ha concentrato con successo i loro sforzi solo sui fiori con le migliori possibilità e le migliori prove di fornire loro zucchero.

Il nostro modello computerizzato di come le api prendono decisioni rapide e precise si adatta bene sia al loro comportamento che ai percorsi conosciuti del cervello delle api.

Il nostro modello è plausibile per come le api siano decisori così efficaci e veloci. Inoltre, ci fornisce un modello su come potremmo costruire sistemi, come robot autonomi per l’esplorazione o l’estrazione mineraria, con queste funzionalità.

Questo articolo è ripubblicato da The Conversation sotto una licenza Creative Commons. Leggi l'articolo originale.

Credito immagine: Dustin Humes / Unsplash