Ρομποτική και φυσική AI

Επιστήμονες Χρησιμοποιούν Ρομπότ για να Κατανοήσουν την Επικοινωνία των Μυρμηγκιών

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Μια ομάδα επιστημόνων στο Πανεπιστήμιο του Μπρίστολ έχει αναπτύξει ένα μικρό ρομπότ που τους βοηθά να κατανοήσουν πώς τα μυρμήγκια διδάσκουν ο ένας τον άλλον. Το ρομπότ κατασκευάστηκε για να μιμηθεί τη συμπεριφορά των μυρμηγκιών των βράχων, τα οποία βασίζονται σε διδασκαλία ένα προς ένα.

Αυτή η διδασκαλία ένα προς ένα είναι αυτό που επιτρέπει σε ένα μυρμήγκι που ανακαλύπτει ένα καλύτερο φωλιά να διδάξει σε ένα άλλο άτομο μυρμήγκι τη διαδρομή για να φτάσει εκεί.

Τα ευρήματα της ομάδας δημοσιεύθηκαν στο Journal of Experimental Biology.

Κατανοώντας τα “Διδάσκοντα” Μυρμήγκια

Αυτή η νέα γνώση ανοίγει πολλές δυνατότητες, поскольку σημαίνει ότι τα σημαντικά στοιχεία της διδασκαλίας μεταξύ αυτών των μυρμηγκιών είναι τώρα σε μεγάλο βαθμό κατανοητά, με το διδάσκον μυρμήγκι να μπορεί να αντικατασταθεί από μια μηχανή.

Ένα από τα κύρια χαρακτηριστικά αυτής της νέας διδακτικής διαδικασίας περιλαμβάνει ένα μυρμήγκι να οδηγεί ένα άλλο μυρμήγκι αργά κατά μήκος μιας διαδρομής για να φτάσει στη νέα φωλιά. Το μυρμήγκι που ακολουθεί μαθαίνει τη διαδρομή επαρκώς, επιτρέποντάς του να επιστρέψει στο σπίτι και να οδηγήσει ένα άλλο μυρμήγκι στη νέα φωλιά. Αυτή η διαδικασία συνεχίζεται ένα μυρμήγκι κάθε φορά.

Ο Νάιτζελ Φράνκς είναι καθηγητής στη Σχολή Βιολογικών Επιστημών του Μπρίστολ.

“Η διδασκαλία είναι τόσο σημαντική στη δική μας ζωή που περνάμε πολύ χρόνο είτε διδάσκοντας άλλους είτε διδασκόμαστε ourselves,” λέει ο καθηγητής Φράνκς. “Αυτό πρέπει να μας κάνει να αναρωτηθούμε αν η διδασκαλία πραγματικά συμβαίνει μεταξύ μη ανθρώπινων ζώων. Και, στην πραγματικότητα, η πρώτη περίπτωση στην οποία η διδασκαλία αποδείχθηκε αυστηρά σε οποιοδήποτε άλλο ζώο ήταν σε ένα μυρμήγκι.”

Η ομάδα έθεσε ως στόχο να κατανοήσει καλύτερα αυτή τη διδασκαλία, πιστεύοντας ότι αν μπορούσαν να αντικαταστήσουν τον δάσκαλο, θα κατανοούσαν σε μεγάλο βαθμό όλα τα κύρια στοιχεία της διαδικασίας.

Κατασκευή και Δοκιμή των Ρομπότ

Για να το πετύχουν, οι ερευνητές κατασκεύασαν ένα μεγάλο γήπεδο με απόσταση μεταξύ της παλιάς φωλιάς των μυρμηγκιών, η οποία είχε σκόπιμα κατασκευαστεί για να είναι χαμηλής ποιότητας, και της νέας και βελτιωμένης φωλιάς. Για να οδηγήσουν το ρομπότ να κινηθεί κατά μήκος είτε ευθύγραμμων είτε σinueous διαδρομών, η ομάδα τοποθέτησε ένα γαντρί στην κορυφή του γηπέδου που θα μπορούσε να κινηθεί μπροστά και πίσω με ένα μικρό σไลντινγκ ρομπότ που ήταν συνδεδεμένο σε αυτό. Στη συνέχεια, έθεσαν ελκυστικές αδένας φερομόνων από ένα εργατικό μυρμήγκι στο ρομπότ, το οποίο του έδωσε τις φερομόνες ενός διδάσκοντος μυρμηγκιού.

“Περίμενα μέχρι ένα μυρμήγκι να εγκαταλείψει την παλιά φωλιά και τοποθέτησα το ρομπότ pin, διακοσμημένο με ελκυστικές φερομόνες, απευθείας μπροστά του,” είπε ο καθηγητής Φράνκς. “Το pinhead είχε προγραμματιστεί να κινηθεί προς τη νέα φωλιά είτε σε ευθύγραμμη διαδρομή είτε σε μια όμορφη σinueous. Έπρεπε να επιτρέψουμε στο ρομπότ να διακοπεί στη διαδρομή του, από εμάς, ώστε να περιμένουμε το μυρμήγκι που ακολουθούσε να φτάσει μετά από μια ματιά γύρω για να μάθει ορόσημα.”

Όταν το μυρμήγκι που ακολουθούσε οδηγήθηκε από το ρομπότ στη νέα φωλιά, μας επέτρεψε να εξετάσουμε τη νέα φωλιά και στη συνέχεια, με το δικό του χρόνο, να αρχίσει το ταξίδι της επιστροφής. Στη συνέχεια, χρησιμοποιήσαμε το γαντρί αυτόματα για να παρακολουθήσουμε τη διαδρομή του επιστρέφοντος μυρμηγκιού,” συνέχισε.

Η ομάδα ανακάλυψε ότι το ρομπότ δίδασκε επιτυχώς τη διαδρομή στα μυρμήγκια-μαθητές, και τα μυρμήγκια ήξεραν πώς να επιστρέψουν στην παλιά φωλιά ανεξάρτητα από το αν πήραν μια σinueous ή ευθύγραμμη διαδρομή.

“Μια ευθύγραμμη διαδρομή μπορεί να ήταν πιο γρήγορη, αλλά μια σinueous διαδρομή θα παρείχε περισσότερο χρόνο για το μυρμήγκι που ακολουθούσε να μάθει ορόσημα, ώστε να μπορεί να βρει το δρόμο του σπίτι με την ίδια αποτελεσματικότητα, όπως αν είχε πάρει μια ευθύγραμμη διαδρομή,” συνέχισε ο καθηγητής Φράνκς.

“Κρίσιμο, μπορούσαμε να συγκρίνουμε την απόδοση των μυρμηγκιών που το ρομπότ είχε διδάξει με αυτά που μεταφέραμε στο σημείο της νέας φωλιάς και δεν είχαν την ευκαιρία να μάθουν τη διαδρομή. Τα μυρμήγκια που διδάχθηκαν βρήκαν το δρόμο τους σπίτι πολύ πιο γρήγορα και επιτυχώς.”

Η ομάδα των επιστημόνων περιελάμβανε επίσης φοιτητές Jacob Podesta, έναν τρέχοντα φοιτητή διδακτορικού στο York, και Edward Jarvis, einen πρώην φοιτητή master στο εργαστήριο του καθηγητή Φράνκς. Στη μελέτη συμμετείχαν επίσης ο Δρ Alan Workley και η Δρ Ana Sendova-Franks.

Ο Alex ηγείται των λειτουργιών ειδήσεων με τεχνητή νοημοσύνη της Unite.AI, συνδυάζοντας δημοσιογραφία, έρευνα και αυτοματοποίηση για να υποστηρίξει έγκαιρη και κλιμακώσιμη κάλυψη της τεχνητής νοημοσύνης. Η δουλειά του βοηθά να διασφαλιστεί ότι οι αναδυόμενες εξελίξεις στην AI προβάλλονται αποτελεσματικά, διατηρώντας τα δημοσιογραφικά πρότυπα της έκδοσης.