Robotteknologi og fysisk AI

Videnskabsmænd bruger robot til at forstå myre-kommunikation

mm
Føj Unite.AI til dine foretrukne kilder på Google

Et hold videnskabsmænd fra University of Bristol har udviklet en lille robot, der hjælper dem med at forstå, hvordan myrer underviser hinanden. Robotten blev bygget til at efterligne adfærds mønsteret hos klippe myrer, som afhænger af en til en undervisning.

Denne en til en undervisning er det, der giver en myre, der opdager en bedre rede, mulighed for at undervise en anden enkelt myre i ruten til at komme dertil.

Holdets resultater blev offentliggjort i Journal of Experimental Biology.

At forstå “undervisende” myrer

Denne nye viden åbner op for mange muligheder, da det betyder, at de vigtige elementer i undervisningen hos disse myrer nu er næsten fuldstændigt forstået, med den undervisende myre, der kan erstattes af en maskine.

En af de vigtigste aspekter af denne nye undervisningsproces indebærer, at en myre fører en anden myre langsomt langs en rute for at nå den nye rede. Den følgende myre lærer ruten tilstrækkeligt, så den kan vende hjem og føre en anden myre til den nye rede. Denne proces fortsætter en myre ad gangen.

Nigel Franks er professor ved Bristol’s School of Biological Sciences.

“Undervisning er så vigtigt i vores eget liv, at vi bruger en stor del af vores tid på enten at instruere andre eller at blive undervist selv,” siger Prof. Franks. “Dette burde få os til at undre os over, om undervisning faktisk forekommer hos ikke-menneskelige dyr. Og faktisk var det første tilfælde, hvor undervisning blev demonstreret stringent i et andet dyr, en myre.”

Holdet satte sig for at bedre at forstå denne undervisning, idet de troede, at hvis de kunne erstatte læreren, ville de næsten fuldstændigt forstå alle de vigtige elementer i processen.

Opbygning og test af robotterne

For at opnå dette, konstruerede forskerne en stor arena med en afstand mellem myrernes gamle rede, som var lavet til at være af lav kvalitet, og den nye og forbedrede rede. For at dirigere robotten til at følge enten en lige eller bøjet rute, placerede holdet en gantry oven på arenaen, der kunne bevæge sig frem og tilbage med en lille slidende robot fastgjort til den. De fastgjorde herefter attraktive duftkirtler fra en arbejdermyre til robotten, hvilket gav den feromonerne fra en myrelærer.

“Vi ventede, til en myre forlod den gamle rede, og placerede herefter robotten, pyntet med attraktive feromoner, lige foran den,” sagde Prof. Franks. “Robotten var programmeret til at bevæge sig mod den nye rede enten på en lige vej eller på en smuk, bøjet vej. Vi måtte tillade, at robotten blev afbrudt i sin rejse af os, så vi kunne vente, til den følgende myre havde fanget op efter at have set sig om for at lære kendemærker.”

Da den følgende myre var blevet ført af robotten til den nye rede, tillod vi, at den undersøgte den nye rede, og herefter, på egen hånd, begyndte sin hjemrejse. Vi brugte herefter gantryen automatisk til at spore den returnerende myres vej,” fortsatte han.

Holdet opdagede, at robotten med succes underviste ruten til de lærende myrer, og myrerne vidste, hvordan de kunne vende tilbage til den gamle rede, uanset om de fulgte en snoet eller lige vej.

“En lige vej kan være hurtigere, men en snoet vej giver mere tid, hvor den følgende myre bedre kan lære kendemærker, så den kan finde vej hjem så effektivt som muligt, selv om den havde fulgt en lige vej,” fortsatte Prof. Franks.

“Vigtigt var, at vi kunne sammenligne præstationen af myrerne, som robotten havde undervist, med dem, vi bar til stedet for den nye rede, og som ikke havde haft mulighed for at lære ruten. De underviste myrer fandt vej hjem meget hurtigere og mere succesfuldt.”

Holdet af videnskabsmænd inkluderede også bachelorstuderende Jacob Podesta, en nuværende ph.d.-studerende ved York, og Edward Jarvis, en tidligere masterstuderende ved professor Frank’s laboratorium. Også deltagende i studiet var Dr. Alan Workley og Dr. Ana Sendova-Franks.

Alex leder Unite.AI’s AI‑drevne nyhedsoperationer, der kombinerer journalistik, forskning og automatisering for at understøtte rettidig og skalerbar dækning af kunstig intelligens. Hans arbejde sikrer, at nye AI‑udviklinger fremhæves effektivt, samtidig med at publikationsredaktionens standarder opretholdes.