蜜蜂是重要的授粉昆虫，其群体合作模式和高效性向来是科学界倍感兴趣的话题。2023年6月27日， HaDi MaBouDi博士在elife官网的计算与系统生物学部门发布了一篇研究文章《蜜蜂如何做出快速准确的决定》的研究。这项有价值的研究阐明了蜜蜂会通过感官来判断不同的觅食条件，展现了蜜蜂的决策过程。这篇文章具有良好的科普意义。为此，中国生物多样性保护与绿色发展基金会（简称中国绿发会、绿会）国际部志愿者将其翻译分享如下。

图1：蜜蜂正在筑巢 图片来源：开发计划署/卡罗来纳·特鲁特曼

蜜蜂如何做出快速准确的决定？

蜜蜂生态学要求它们对哪些花最有可能为它们提供花蜜或花粉做出既快速又准确的评估。这篇文章发现蜜蜂决策的复杂程度与灵长类动物的报道相媲美。通过模拟蜜蜂决策过程，作者开发了一种新的决策模型，在机器人领域具有潜在的应用前景。

1. 为什么要研究蜜蜂的决策过程？

在自然界中，决策过程往往是复杂而具有挑战性的。动物经常遇到的情况是，它们所依赖的信息有限，无法正确判断环境，但就是这些简单的选择，会对他们的生存产生深远的影响。例如，每次蜜蜂出发采集花蜜时，它必须根据颜色或气味的微小变化来决定应该降落在哪朵花上。每一个“错误”都是代价高昂的，不仅会浪费能量，还会让蜜蜂面临潜在的危险。蜜蜂只有一个芝麻大小的大脑，其中包含不到一百万个神经元。然而，它们在这项任务上表现出色，既快速又准确。指导他们做出这项决策的潜在机制尚不清楚。

2. 如何研究蜜蜂的决策过程？

2.1 过程研究

首先，MaBouDi等人探索蜜蜂采取哪些策略来有效地觅食，以及可能构成这些策略的神经系统。为此，他们将蜜蜂放到一个包含五种不同颜色的人造花的“领域”中。经过训练，蜜蜂将每种颜色与获得含糖液体(奖励)或苦味奎宁(惩罚)的联系起来; 然后用这些知识对它们进行测试。

接下来，MaBouDi等人记录了蜜蜂如何通过“模糊证据”测试。其中测试花的颜色是模糊的，由最初的奖励或惩罚对应的颜色混合组成; 以及“减少奖励”测试，在这种测试中，甜蜜的花朵比以前提供的次数要少。反应时间和准确率揭示了决策过程的复杂模式。昆虫做出选择的速度有多快，以及它们所犯错误的类型(比如决定探索一朵没有奖励的花，或者忽略一朵有奖励的花)取决于证据的质量和奖励的确定性。这种决策的复杂性和微妙性可以与灵长类动物相媲美。

图2：蜜蜂在颜色辨别任务中的行为 图片来源：elife, MaBouDi

2.2 决策应用

接下来，MaBouDi等人开发了一个计算模型，该模型可以忠实地复制蜜蜂所表现出的决策模式，同时在生物学上也是合理的。这种方法为研究一个微小的大脑如何“在飞行中”执行如此复杂的选择，以及所需的神经回路类型提供了参考。

图3：决策模型 A)**具有独立累加器和用于接受和拒绝的命令细胞的简单模型不能再现蜜蜂决策的特征。正确和不正确的选择以相同的频率做出。**(B)**当来自命令细胞的交叉抑制反馈被添加到模型中时，模型仍然不能区分正确和不正确的选择，尽管拒绝的数量现在高于接受的数量。**(C)**具有平行路径和学习细胞的模型，这些细胞抑制具有不同值的累加器

3. 结论

这篇研究揭示了蜜蜂决策的非凡复杂性和微妙性，同时强调了在动物行为研究中考虑接受和拒绝反应的重要性，这是此类研究中经常被忽视的一个方面。这篇文章提供了令人信服的证据，证明蜜蜂的决策受到现有证据的质量和作为结果获得奖励的可能性的影响。值得注意的是，接受和拒绝行为表现出明显的特征，接受表现出更高的准确性，尽管风险更大。此外，研究首次引入了一个新颖而直接的模型，该模型阐明了蜜蜂决策过程中的平行路径。该模型与昆虫大脑中的已知途径一致，并具有神经生物学上的合理性。通过揭示决策背后的神经机制，作者的发现不仅为蜜蜂行为提供了有价值的见解，而且还为开发具有机器人领域应用的强大自主决策系统提出了一个潜在的框架。展望未来，这些知识可以被用来为人工系统，特别是自主机器人设计更有效的决策算法。

参考文献：

1. HaDi MaBouDi, James, Dearden, N., & Barron, A. R. (2023). How honey bees make fast and accurate decisions. https://doi.org/10.1101/2023.01.02.522517

2. Aso, Y., Sitaraman, D., Ichinose, T., Kaun, K. R., Vogt, K., Belliart-Guérin, G., Plaçais, P.-Y., Robie, A. A.,

3. Yamagata, N., Schnaitmann, C., Rowell, W. J., Johnston, R. M., Ngo, T.-T. B., Chen, N., Korff, W., Nitabach,

4. M. N., Heberlein, U., Preat, T., Branson, K. M., & Tanimoto, H. (2014). Mushroom body output neurons encode valence and guide memory-based action selection in Drosophila. ELife, 3. https://doi.org/10.7554/elife.04580

4. Nations, U. (n.d.). World Bee Day - Background. United Nations. https://www.un.org/en/observances/bee-day/background

编译：袁瑞颖

审核：Linda

编辑：Tommy

来源: 中国绿发会