原创 Lars Chittka等 集智俱乐部
导语
昆虫脑虽然微小，复杂性却非常高，并能够在资源极少的情况下完成复杂任务。对昆虫智能的探索能够为仿生机器人、类脑智能、人工智能、群体智能等领域的研究提供灵感。在第一期，《蜂的心智》一书作者、玛丽女王大学心理学研究中心创始人 Lars Chittka 教授做了。在分享之后的圆桌讨论环节，读书会主讲人宋卓异、孙一、司光伟、梁希同、林居正和文超探讨了昆虫智能、神经回路、脑架构、群体智能、自然生态等更多问题。本文是对此次圆桌讨论的整理，分享给对昆虫智能感兴趣的朋友，也欢迎大家加入读书会一起讨论交流。
研究领域：昆虫智能，神经回路，群体智能，人工智能，集群机器人
Lars Chittka、宋卓异、孙一、司光伟、梁希同、林居正、文超 | 讲者
李颂元 | 整理
郭超、张爱华 | 审校
梁金 | 编辑
目录
圆桌议题一：初级智能的增益
圆桌议题二：学习与神经回路机制
圆桌议题三：脑架构
圆桌议题四：群体智能
圆桌议题五：应用与自然生态
自由讨论环节
Lars Chittka 教授的讲座探讨了蜜蜂的智能，重点是它们是否具备心理表征和某种形式的意识。他深入研究了蜜蜂的空间认知、工具使用以及文化传播的可能性，例如蜜蜂如何识别并记住模式、有效导航，以及通过观察和学习彼此解决问题。Chittka 教授的实验展示了尽管蜜蜂的脑很小，它们依然展现出非凡的能力，比如通过标记物计数、通过不同感官识别物体，甚至解决复杂的谜题。这些发现表明，蜜蜂可能具有某种形式的思维和感知，颠覆了人们对昆虫智能的传统看法。。
对此次分享感兴趣的朋友可以扫描下方二维码观看读书会回放视频：
以下是对圆桌讨论环节的整理。
圆桌议题一：初级智能的增益
Q：很多人认为昆虫虽然有认知，但很初级，因此没必要浪费时间去研究，不如直接研究具有高级认知功能的生物。对此，你的看法是什么，研究昆虫智能有什么 added value?
昆虫智能的研究价值：虽然许多人认为昆虫的认知能力非常初级，没必要深入研究，转而研究更高级的生物，但研究昆虫智能仍有许多重要的益处。昆虫的神经系统虽然非常小，但却能实现复杂的认知行为，这种能量高效性对比计算机尤其显著。例如，人类大脑依靠少量能量就能进行复杂计算，蜜蜂的脑仅需一滴花蜜便能完成精确的物体识别与导航。
应用领域的价值：昆虫智能的研究不仅对基础生物学有意义，还为计算机科学和机器人学提供了启发。研究昆虫如何在资源极少的情况下完成复杂任务，可以为节能、高效的人工智能和无人机导航技术提供灵感。
生物多样性与简化建模：Lars Chittka 教授指出，昆虫之所以能够在地球上蓬勃地生存，是因为它们种类多样，适应力强，且数量庞大。研究昆虫能让我们理解复杂系统背后的简单机制，就像物理学家通过研究最简单的氢原子来发展量子物理一样，研究昆虫脑能帮助我们理解更复杂的神经系统。昆虫模式生物如果蝇，具有与哺乳动物相似的嗅觉结构组织，表明简单生物也能揭示复杂的生理机制。
医学与健康方面的启示：果蝇作为经典模式生物，拥有强大的分子遗传工具，可以为许多人类健康问题，尤其是发育和神经系统疾病，比小鼠等更复杂的模型更容易解析分子遗传机制，提供潜在的治疗方法。
结论：昆虫研究不仅为基础科学提供了多种可行的解决方案，还能通过其简单高效的机制节省资源，适用于多个应用领域。通过从简单生物中找寻普遍的机制，可以为解决复杂问题提供重要线索。
圆桌议题二：学习与神经回路机制
Q：神经元相对较少的昆虫脑如何完成一些复杂的学习行为？这些行为是否需要复杂的神经回路？比如，熊蜂具有工具使用、社会学习等高级认知功能，我们要如何研究其神经回路机制？
昆虫脑的复杂性：虽然昆虫脑的神经元数量较少，但其神经回路的复杂性非常高。研究显示，果蝇的脑结构已非常复杂，比蜜蜂的脑更小，但连接组（connectome）仍然复杂得令人惊讶。虽然我们对神经回路的联结有一些了解，但对其中的信息传递机制知之甚少，就像我们可以绘制伦敦或北京的地图，但无法直接得知交通模式。理解神经传递的细节仍是当前研究的重点。
简单神经元与高级行为：计算神经科学和神经网络建模表明，执行复杂行为所需的神经元数量可能远小于昆虫脑中实际存在的数量。虽然昆虫具有非常复杂的神经网络，但很多高级行为可以用少量神经元完成。这表明昆虫神经网络的复杂性可能是为了应对它们不常遇到的任务和环境变化。
神经网络与人工智能的比较：在人工智能（尤其是大型语言模型，如ChatGPT）中，数十亿参数模型消耗大量能量。通过研究昆虫神经回路，科学家希望发现如何在不消耗大量能源的情况下实现复杂行为的神经回路机制，从而为减少人工神经网络的能量需求提供借鉴。
社会学习与高级认知功能：熊蜂的工具使用和社会学习是非常复杂的行为，通常人们认为这些行为只在更高级的物种中才会出现。但通过在熊蜂中研究这些行为，科学家可以避免在灵长类动物等复杂物种上进行难以操作的实验，从而更容易揭示其背后的神经机制。例如，熊蜂脑中的蘑菇体（mushroom body）比其他昆虫明显更大，有人尝试通过 CRISPR 技术进行目标性的基因编辑来研究其在社会学习中的作用，虽然目前仍处于探索阶段。
基因工具的未来潜力：CRISPR 技术等工具的应用为研究昆虫神经机制带来了希望，但这些工具尚未完全清晰或完美。与更复杂的物种相比，昆虫模型为机械性认知和行为研究提供了更强的可操作性，并且可能在未来推动更深层次的理解。
果蝇的潜在研究价值：虽然熊蜂被用于研究社会学习等高级认知功能，但果蝇也展示了其在类似领域的潜力。例如，果蝇在配偶选择中表现出的观察学习能力，以及它们在时间感知和追踪中所展现的能力，表明果蝇也具备复杂的学习机制。因此，研究人员可以通过对蜜蜂和果蝇的研究相互借鉴，从而深入理解神经回路机制。
总结：昆虫神经回路虽然看似简单，但其内部结构和功能非常复杂。通过研究这些小型神经网络，科学家不仅能够更好地理解昆虫的学习与认知机制，还可能为人工智能的优化提供灵感。这一研究领域具有广阔的应用前景，尤其是在节能计算和复杂行为研究方面。
圆桌议题三：脑架构
Q：熊蜂和果蝇共享相似的无脊椎脑架构，但行为特征有很大不同。脑架构是否是限制个体行为复杂性的因素？无脊椎脑架构还有多大的潜力？无脊椎动物没有进化出更高级智能个体的主要因素更多是来自于脑架构还是身体结构与生理特征？
脑架构对行为复杂性的限制：虽然熊蜂和果蝇共享类似的无脊椎动物脑架构，但它们的行为差异巨大。无脊椎动物的脑在整体布局上，如中央复合体（central complex）和蘑菇体（mushroom body），在大多数无脊椎动物中是保守的，基本构造相似。但行为表现的复杂性与脑的神经回路设计息息相关，而不仅仅依赖于脑的总体架构。例如，蜜蜂的脑与其他孤立的蜜蜂种类非常相似，但蜜蜂发展出了复杂的舞蹈语言，这种行为并未出现在其他蜜蜂物种中。因此，粗略的神经解剖结构并不能反映出个体的认知能力，深入研究神经回路层级才能揭示具体行为机制。
无脊椎动物未进化出高级智能的原因：无脊椎动物脑架构的局限性并不是它们未能进化出更高级智能的唯一因素。虽然无脊椎动物的脑结构相对保守，但行为表现的多样性和复杂性却非常显著，尤其是社会性昆虫（如蚂蚁、黄蜂、蜜蜂）的群体行为展示了超高的复杂性，有时甚至比某些脊椎动物社会更为复杂。因此，限制无脊椎动物进化出高级智能的因素可能与其生理结构和环境适应性有关，而不仅仅是脑架构的影响。
神经回路的细微差异对个体行为的影响：行为个体差异可能是由于神经回路中的随机过程所致。例如，在果蝇的神经回路中，左右脑之间某些神经元的投射比例不同，这种随机性导致了行为差异。这说明神经回路中的微小差异可能会显著影响个体的行为表现，环境和基因并非唯一的决定因素，随机性也在神经回路的发育和行为塑造中扮演重要角色。
跨物种比较的必要性：研究不同昆虫物种有助于发现它们在应对不同任务时的多样化解决方案。通过比较熊蜂、果蝇等多种昆虫的神经回路和行为表现，研究人员可以更全面地理解这些物种在面对不同生存挑战时的脑工作方式。这样的比较研究能够揭示不同物种如何利用相似的神经架构实现不同的行为策略。
多学科合作的重要性：未来的研究需要更多的分子生物学家参与，提供工具来标记、操控神经元，以进一步理解这些复杂行为背后的机制。通过技术的进步，研究人员可以在昆虫模型中揭示更深层次的神经回路功能，从而为神经科学和行为学提供新的视角。
总结：无脊椎动物的脑架构虽然在整体上相对保守，但其行为复杂性并没有受到根本性限制。深入研究神经回路的细微差异和跨物种的比较可以揭示不同生物如何通过相似的神经系统实现多样的行为表现，同时也为未来的神经科学和人工智能研究提供了广阔的空间。
圆桌议题四：群体智能
Q：你如何看待“群体智能”？这种现象真的存在吗？如果存在，它是如何运作的？
群体智能的概念：群体智能指的是一群动物能够实现单个个体无法完成的任务。蜜蜂的群体行为，如成千上万只蜜蜂协作找到新的巢穴，展现了群体作为“超级有机体”共同作出决策的能力。然而，这种智能仍然依赖个体行为，每只蜜蜂通过舞蹈传递信息，最终达到群体的共识。因此，群体智能很大程度上是个体智能的积累，虽然表现出协作的复杂行为，但决策过程依然由个体完成。
个体认知在群体中的角色：蜜蜂个体是否了解整个任务的全貌，还是只执行其局部的“任务”？正如人类社会中的分工，侦察蜂只负责传递信息，而不掌握整体计划。同样，蚂蚁通过信息素传递信息，虽然个体智能可能较低，但仍能通过简单的反馈机制完成复杂任务。群体智能在很多情况下并不依赖高度智能的个体，但需要个体能够互相沟通并作出反馈。
智能任务的灵活性：在面临新问题时，群体智能是否可以展现灵活性？答案倾向于认为，对于新的或非日常任务，智能行为更多依赖于个体认知能力，而不是单纯依靠群体行为。例如，蜜蜂能够解决它们日常生活中不常见的复杂问题，这说明在特定情况下，个体智能在群体智能中起到了重要作用。
脑与群体智能的比较：有学者提出，脑可以被视为一种群体智能的形式，由无数神经元协同工作，形成集体智能。神经元作为独立的“个体”共同完成复杂计算，与动物群体中的个体协作有一定相似性。然而，脑中的神经元高度互联，沟通效率远高于个体动物间的协作，因此脑的智能表现更为紧密和高效。
工程与群体智能的启发：群体智能不仅在生物学上具有意义，也为工程学提供了启示。例如，基于蚂蚁觅食行为的算法可以用来解决复杂的旅行商问题。然而，未来的智能系统可能需要更智能的个体来完成更灵活和复杂的任务。通过模仿昆虫的智能行为，工程学可以开发出更加灵活和高效的群体智能系统。
总结：群体智能是个体协作的产物，表现出复杂的集体行为。尽管在某些情况下，简单的反馈机制即可实现群体任务，但面对新问题时，个体智能仍然是关键。通过进一步研究昆虫的个体行为与群体协作，我们可以从中获取关于脑的工作机制和人工智能的宝贵启示。
圆桌议题五：应用与自然生态
Q：如何应用蜜蜂智能的知识来造福蜜蜂、人类和环境？
应用于机器人群体智能：蜜蜂的智能为机器人群体提供了灵感，特别是在复杂环境中的应用，如火星探索。通过模仿蜜蜂的群体行为，多个小型机器人可以分担任务，减少依赖单一机器的风险。如果个体机器人具备更多的智能和灵活性，不仅可以绘制地形，还能够修复受损设备，这将大大提高任务的成功率。
应对昆虫数量下降的危机：Lars 教授强调了当前全球昆虫，尤其是蜜蜂数量急剧下降的危机。蜜蜂和其他昆虫对于生态系统和农业至关重要，它们为作物授粉，维持野生花卉的繁殖，还为鸟类等动物提供食物。昆虫数量减少已经导致一些地区鸟类数量的锐减，这不仅影响生态系统，甚至让我们失去春天的鸟鸣。因此，保护昆虫对于维持生物多样性和生态平衡至关重要。
激发对自然界的尊重：通过研究蜜蜂的智能和它们潜在的感知能力，Lars 教授提出一个重要观点，即这些研究应该激发我们重新审视自然，尊重自然。昆虫的智能和行为复杂性展示了它们在生态系统中的重要角色，这也促使我们更加关注自然界的保护。
总结：蜜蜂智能的研究不仅为科技领域提供了借鉴，还为生态保护提供了新视角。通过模拟蜜蜂的群体智能，工程学可以开发更高效、智能的群体机器人系统。同时，这种研究也提醒我们昆虫的生态价值，呼吁采取行动保护它们免于灭绝。
自由讨论环节
昆虫实验的伦理考量：在传统的电生理实验中，昆虫常被当作工具进行残忍的操作，如直接打开头部插入电极。然而，随着我们对昆虫智能的深入了解，特别是蜜蜂的复杂智能，如何更加人性化地对待昆虫成为一个重要伦理议题。随着人类科技发展，我们需要思考如何与自然和谐共存，而不是持续掏空地球资源。
蜜蜂智能的应用设想：蜜蜂的学习能力可以被用于更广泛的用途，超越简单的采蜜和维持社会性生活。讨论中林居正提到，可以在城市中设置一些蜜蜂友好设施，帮助其过冬或采蜜。这类似于交通设计中考虑动物迁徙习性，以减少对生物的影响。认识蜜蜂的智能可能帮助昆虫更有效地与城市环境互动，并有可能为环境保护做出贡献。
害虫与益虫的相对性：昆虫被划分为害虫或益虫，往往是以人类的视角定义的。例如，蝗虫在破坏庄稼时被视为害虫，但当它们成为人类食物时，又被认为是益虫。这种观念的转变展示了人类如何根据需求调整对自然界的看法。如果能够与自然和谐共存、合理利用昆虫资源，将会对环境与生物多样性有积极影响。
蚂蚁智能的复杂性：讨论中提到蚂蚁的群体智能，如行军蚁形成桥梁、红火蚁在洪水中自救等行为，这些现象展示了蚂蚁复杂的社会行为与分工。虽然人们通常认为蜜蜂更聪明，但蚂蚁的智能可能同样复杂，只是我们对它们的研究较少。通过深入研究个体间的分工和互动，或许能揭示更多蚂蚁群体智能的运作机制。
群体智能中的认知能力：群体智能是否需要个体具备认知能力？虽然工程学倾向于认为简单个体的规则可以形成群体智能，但像蚂蚁这样的复杂群体行为不太可能仅由简单规则驱动。蚂蚁展示出的复杂行为，如通过堆叠物体达到目标，表明它们可能具备一定的认知能力。
昆虫智能对人工智能的启发：昆虫脑虽然小，但其复杂性可能远超预期。将昆虫智能作为人工智能的启发模型，可以为简化和优化人工智能系统提供新的视角。通过研究昆虫的认知与行为，可以帮助我们找到更轻量化、节能的智能解决方案。
公众教育与自然认知：公众对昆虫智能的认知不足，很多人不了解昆虫的复杂行为。通过博物馆或其他公众展示手段，像蚂蚁群体行为这样令人惊叹的现象可以被更多人看到。增加公众对昆虫世界的了解，有助于提升对生物多样性和环境保护的关注。
总结：自由讨论中强调了昆虫智能的复杂性与潜在应用，呼吁人类更加尊重自然并以可持续的方式与其共存。无论是从实验伦理、环境保护，还是公众教育的角度，昆虫智能都值得深入研究和广泛传播。
原标题：《简单生物如何形成复杂认知？昆虫智能启发群体智能与集群机器人》
阅读原文
