Animais

A maneira como a Drosophila usa antenas para detectar o calor pode nos ajudar a ensinar os carros autônomos a tomar decisões? – Ciência Diária


Com mais de 70% dos que responderam a uma pesquisa anual AAA sobre direção autônoma relatando que temeriam estar em um carro totalmente autônomo, fabricantes como a Tesla podem voltar à prancheta antes de implementar sistemas de direção autônoma totalmente autônoma. Mas uma nova pesquisa da Northwestern University nos mostra que pode ser melhor colocar as moscas da fruta ao volante do que robôs.

Drosophila tem sido objeto de ciência desde que os humanos realizam experimentos de laboratório. Mas, devido ao seu tamanho, é fácil imaginar o que pode ser aprendido observando-os. Pesquisa publicada hoje na revista Comunicações da natureza mostra que as moscas da fruta usam a tomada de decisões, o aprendizado e a memória para realizar funções simples, como escapar do calor. E os pesquisadores estão usando esse conhecimento para desafiar a maneira como pensamos sobre os carros autônomos.

“A descoberta de que as moscas usam tomadas de decisão, aprendizado e memória flexíveis durante uma tarefa de navegação tão simples é nova e surpreendente”, disse Marco Gallio, o autor correspondente do estudo. “Isso pode nos fazer repensar o que precisamos fazer para programar veículos autônomos seguros e flexíveis.”

De acordo com Gallio, professor associado de neurobiologia do Weinberg College of Arts and Sciences, as questões por trás deste estudo são semelhantes às daqueles engenheiros irritantes que constroem carros automáticos. Como uma mosca de fruta (ou um carro) lida com a novidade? Como podemos construir um carro que seja capaz de se adaptar com flexibilidade às novas condições?

Essa descoberta revela funções cerebrais na praga doméstica que geralmente estão associadas a cérebros mais complexos, como os de ratos e humanos.

“O comportamento dos animais, especialmente dos insetos, é frequentemente visto como máquinas fixas e com fio”, disse Gallio. “A maioria das pessoas tem dificuldade em imaginar que animais tão diferentes de nós como a mosca da fruta podem possuir funções cerebrais complexas, como a capacidade de aprender, lembrar ou tomar decisões.”

Para estudar como as moscas das frutas tendem a escapar do calor, o laboratório de Gallio construiu uma pequena câmara de plástico com quatro ladrilhos cujas temperaturas podem ser controladas de forma independente e confinar as moscas dentro. Eles então usaram gravações de vídeo de alta resolução para mapear como uma mosca reagiu quando encontrou uma fronteira entre um mosaico quente e um frio. Eles descobriram que as moscas eram notavelmente boas em tratar os limites do calor como barreiras invisíveis para evitar dor ou danos.

Usando medições reais, a equipe criou um modelo 3D para estimar a temperatura exata de cada parte do minúsculo corpo da mosca ao longo do experimento. Durante outros testes, eles abriram uma janela na cabeça da mosca e registraram a atividade cerebral em neurônios que processam os sinais externos de temperatura.

Miguel Simões, pós-doutorando no laboratório de Gallio e co-autor do estudo, disse que as moscas podem determinar com notável precisão se o melhor caminho para a segurança térmica é para a esquerda ou para a direita. Ao mapear a direção da fuga, Simões disse que as moscas “quase sempre” escapam da esquerda ao se aproximar da direita, “como uma bola de tênis quicando na parede”.

“Quando as moscas encontram calor, têm de tomar uma decisão rápida”, disse Simões. “É seguro continuar ou devo voltar? Esta decisão depende muito de quão perigosa é a temperatura do outro lado.”

A observação da resposta simples lembrou os cientistas de um dos conceitos clássicos da robótica inicial.

“Em seu famoso livro, o cibernético Valentino Braitenberg imaginou modelos simples feitos de sensores e motores que poderiam quase reproduzir o comportamento animal”, disse Josh Levy, estudante de graduação em matemática aplicada e membro dos laboratórios de Gallio e professor de matemática. William aplicado. Kath. “Os veículos são uma combinação de cabos simples, mas o comportamento resultante parece complexo e até inteligente.”

Braitenberg argumentou que muito do comportamento animal pode ser explicado pelos mesmos princípios. Mas isso significa que o comportamento das moscas é tão previsível quanto o de um dos robôs imaginados por Braitenberg?

A equipe da Northwestern construiu um veículo usando uma simulação de computador do comportamento das moscas com a mesma fiação e algoritmo de um veículo Braitenberg para ver o quão próximo eles poderiam replicar o comportamento dos animais. Depois de executar simulações de corrida de modelo, a equipe executou uma espécie de processo de seleção natural, escolhendo os carros de melhor desempenho e modificando-os ligeiramente antes de recombinar com outros veículos de alto desempenho. Levy executou 500 gerações de evolução no poderoso cluster de computação NU, construindo carros que, em última análise, esperavam que tivessem um desempenho tão bom quanto moscas para escapar do calor virtual.

Esta simulação mostrou que os veículos “com fio” eventualmente evoluíram para um desempenho quase tão bom quanto as moscas. Mas enquanto as moscas reais continuaram a melhorar o desempenho ao longo do tempo e aprenderam a adotar estratégias melhores para serem mais eficientes, os veículos permanecem “burros” e inflexíveis. Os pesquisadores também descobriram que, mesmo quando as moscas realizavam a simples tarefa de escapar do calor, o comportamento das moscas permanecia um tanto imprevisível, deixando espaço para decisões individuais. Finalmente, os cientistas observaram que enquanto as moscas sem antena se adaptam e descobrem novas estratégias para escapar do calor, os veículos “danificados” da mesma forma são incapazes de lidar com a nova situação e virar na direção da peça que faltava, eventualmente sendo pego. em uma torção como um cachorro perseguindo o próprio rabo.

Gallio disse que a ideia de que a navegação simples contém tanta complexidade fornece o material para futuros trabalhos nesta área.

O trabalho de laboratório de Gallio é apoiado pelo NIH (Prêmio nº R01NS086859 e R21EY031849), um Programa Pew Scholars em Ciências Biomédicas e um Prêmio McKnight de Inovação Tecnológica em Neurociência.


Traduzido de Science Daily

Source link

Artigos relacionados

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Botão Voltar ao topo