蜜蜂惊人地擅长做决定——我们的计算机模型解释了这种可能性。信用:Shutterstock
据《对话》（安德鲁·巴伦）：蜜蜂的生命依赖于它成功地从花中采集花蜜来制造蜂蜜。决定哪种花最有可能提供花蜜是非常困难的。
要想得到正确的答案，需要正确权衡花朵类型、年龄和历史的微妙线索——这是一朵花可能含有一小滴花蜜的最佳指标。弄错了，往好里说是浪费时间，往坏里说则意味着暴露在藏在花丛中的致命捕食者面前。
在今天发表在eLife上的新研究中，我们的团队报告了蜜蜂如何做出这些复杂的决定。
一片人造花地
我们用一片由彩色卡片制成的人造花向蜜蜂挑战，每片人造花提供一滴糖浆。不同颜色的“花”提供糖的可能性不同，蜜蜂判断假花是否提供奖励的能力也不同。
我们在每只蜜蜂的背上贴上微小无害的油漆标记，并拍下蜜蜂每次造访花坛的情形。然后我们使用计算机视觉和机器学习来自动提取蜜蜂的位置和飞行路径。从这些信息中，我们可以评估并精确地记录蜜蜂所做的每一个决定。
我们发现蜜蜂很快就学会了识别最有价值的花。他们很快评估是接受还是拒绝一朵花，但令人困惑的是，他们的正确选择平均比错误选择(1.2秒)快(0.6秒)。
这与我们的预期相反。
通常在动物身上——甚至在人工系统中——准确的决定比不准确的决定需要更长的时间。这被称为速度-精度权衡。
这种权衡之所以会发生，是因为决定一个决定是对还是错通常取决于我们有多少证据来做这个决定。更多的证据意味着我们可以做出更准确的决定——但是收集证据需要时间。所以准确的决定通常很慢，不准确的决定更快。
速度和准确性的权衡在工程、心理学和生物学中经常发生，你几乎可以称之为“心理物理学定律”。然而蜜蜂似乎违反了这条定律。
已知唯一能在速度和准确性之间权衡的动物是人类和灵长类动物。
那么，一只大脑虽小却很了不起的蜜蜂，怎么能和灵长类动物表现得一样呢？
蜜蜂规避风险
为了解决这个问题，我们求助于一个计算模型，询问一个系统需要什么样的属性才能在速度和精度之间取得平衡。
我们建立了能够处理感觉输入、学习和决策的人工神经网络。我们将这些人工决策系统的性能与真正的蜜蜂进行了比较。由此，我们可以确定一个系统必须具备什么，如果它要击败权衡。
答案在于给予“接受”和“拒绝”答复不同的有时限的证据门槛。意思是这样的——蜜蜂只接受一眼就能确定有回报的花。如果他们有任何不确定性，他们拒绝它。
这是一种规避风险的策略，意味着蜜蜂可能会错过一些有益的花朵，但它成功地将精力集中在最有机会和最有证据为它们提供糖分的花朵上。
我们关于蜜蜂如何做出快速、准确决策的计算机模型很好地映射了它们的行为和蜜蜂大脑的已知路径。
我们的模型似乎可以解释蜜蜂为什么是如此有效和快速的决策者。更重要的是，它为我们如何构建具有这些功能的系统(如用于勘探或采矿的自主机器人)提供了一个模板。
