蜜蜂圍著一隻背上有一個點標記的蜂王。 SHUTTERSTOCK
蜜蜂的生命取決於它能否成功地從花朵中採集花蜜來釀製蜂蜜。 決定哪種花最有可能提供花蜜非常困難。
要做到正確，需要正確權衡花朵類型、年齡和歷史的微妙線索——最好的指標是一朵花可能含有一小滴花蜜。 弄錯了，往好裡說就是浪費時間，往壞裡說，就意味著暴露在隱藏在花叢中的致命捕食者之下。
在新的研究中 今天發表在 eLife 我們的團隊報告了蜜蜂如何做出這些複雜的決定。
一片人造花田
我們用彩色卡片製成的人造花田向蜜蜂發起挑戰，每朵人造花都含有一小滴糖漿。 不同顏色的“花”提供糖分的可能性不同，蜜蜂判斷假花是否提供獎勵的程度也不同。
我們在每隻蜜蜂的背上畫了微小的、無害的油漆標記，並拍攝了蜜蜂每次訪問花陣的過程。 然後，我們使用計算機視覺和機器學習來自動提取蜜蜂的位置和飛行路徑。 根據這些信息，我們可以評估蜜蜂做出的每一個決定並精確計時。
我們發現蜜蜂很快就學會了識別最有價值的花朵。 他們快速評估是否接受或拒絕一朵花，但令人困惑的是，他們的正確選擇平均比錯誤選擇（0.6 秒）快（1.2 秒）。
這與我們的預期相反。
通常在動物中——甚至在人工系統中——準確的決定比不准確的決定需要更長的時間。 這就是所謂的 速度與精度的權衡.
發生這種權衡是因為確定一個決定是對還是錯通常取決於我們有多少證據來做出該決定。 更多證據意味著我們可以做出更準確的決定，但收集證據需要時間。 因此，準確的決策通常較慢，而不准確的決策則較快。
速度與準確性的權衡在工程、心理學和生物學中經常出現，你幾乎可以將其稱為“心理物理學定律”。 然而蜜蜂似乎違反了這條法律。
已知唯一能在速度與準確度之間取得平衡的動物 是人類和靈長類動物.
蜜蜂規避風險
為了解決這個問題，我們轉向計算模型，詢問系統需要哪些屬性才能實現速度與精度的權衡。
我們構建了能夠處理感官輸入、學習和決策的人工神經網絡。 我們將這些人工決策系統的性能與真實蜜蜂進行了比較。 由此我們可以確定係統必須具備什麼才能克服權衡。
答案在於給予“接受”和“拒絕”反應不同的有時間限制的證據閾值。 這就是它的意思——蜜蜂只接受一朵花，如果一眼看去，它們是 肯定 這是有益的。 如果他們有任何不確定性，他們就會拒絕。
這是一種規避風險的策略，意味著蜜蜂可能會錯過一些有益的花朵，但它成功地將精力集中在最有機會和最好的證據為它們提供糖分的花朵上。
我們關於蜜蜂如何做出快速、準確決策的計算機模型很好地映射了它們的行為和蜜蜂大腦的已知通路。
我們的模型對於蜜蜂如何成為如此有效和快速的決策者來說是合理的。 更重要的是，它為我們提供了一個模板，幫助我們構建具有這些功能的系統，例如用於勘探或採礦的自主機器人。
關於作者
ING
