Eso es lo que sugiere un equipo de investigadores de la Universidad RMIT
en Australia. Su estudio ha demostrado que el cerebro de una abeja es
suficientemente sofisticado como para aprender reglas y problemas
visuales complejos. Un hallazgo que sugiere que las máquinas del futuro podrían ver casi tan bien como los humanos.
El equipo encabezado por el Dr. Dyer explica que las abejas también
usan una serie de reglas para resolver problemas complejos relacionados
con la vista, soluciones que tienen implicaciones importantes para
nuestra comprensión de cómo las capacidades cognitivas para la
visualización de imágenes complejas se desarrollan en el cerebro.
Según Adrian Dyer, el aprendizaje de la regla era una tarea cognitiva
fundamental que permitía a los seres humanos operar en entornos
complejos:
Por ejemplo, si un conductor quiere girar a la derecha en una intersección, entonces tiene que observar simultáneamente el color del semáforo, el flujo de coches que se acercan y los peatones para tomar una decisión.
Con la experiencia nuestro cerebro puede llevar a cabo estos complejos procesos de decisión, pero esto es un tipo de tarea cognitiva más allá de la visión actual de una máquina o robot. Queríamos entender si la decisión simultánea de tales decisiones requiere de un cerebro grande de primate o si una abeja también podría demostrar la regla del aprendizaje.
Para ello, los investigadores entrenaron abejas individuales para que
volaran en un laberinto en forma de “Y”, presentando en su interior
diferentes elementos de relaciones específicas como arriba/abajo/ o
izquierda/derecha.
Tras un extenso entrenamiento, las abejas fueron capaces de aprender
que los elementos tenían que estar en una relación específica (como
arriba/abajo) a la vez que existían elementos que difieren entre sí.
Unos resultados que según afirma Dyer, muestran que no es necesario la posesión de un cerebro complejo para dominar el aprendizaje múltiple simultáneo.
Sumado a la sencillez y accesibilidad del cerebro de la abeja, nos ofrece la posibilidad de descifrar la base neural de tareas de alto nivel cognitivo.
Fuente: