Вороны принимали решение о направлении движения точек на экране в среднем за 235 миллисекунд — против примерно 410–600 миллисекунд в сопоставимых экспериментах с приматами. Скорость обработки информации воронами оказалась почти вдвое выше без заметной потери точности: результат интересен не только биологам, но и всем, кто пытается строить быстрые и экономные системы восприятия.
Эксперимент провели нейробиолог Андреас Нидер из Тюбингенского университета и его коллега Филипп Шмидбауэр, сообщает Ars Technica. Двух выращенных вручную чёрных ворон посадили перед сенсорным монитором: на чёрном фоне появлялось облако белых точек, часть которых двигалась в одном направлении. Птица должна была клюнуть одну из целей по краям экрана, указав, куда в целом движется изображение. За правильный ответ полагался мучной червь — интерфейс с вполне понятной системой мотивации.
Сложность меняли долей согласованно движущихся точек: от очевидных 81% до едва различимых 3%. Была и контрольная ситуация с нулевой согласованностью, где правильного направления не существовало. Обе птицы отвечали лучше случайного даже на пороге в 3%. При этом исследователи записывали активность 248 нейронов в nidopallium caudolaterale — области птичьего мозга, которую по функции часто сопоставляют с префронтальной корой приматов, хотя устроена она иначе.
У млекопитающих подобные задачи обычно описывают как накопление доказательств: нейроны постепенно суммируют зрительные сигналы, пока внутренний «счётчик уверенности» не достигнет порога решения. У птиц нет неокортекса в том виде, в каком он есть у приматов, поэтому оставался вопрос, используют ли они вообще похожую вычислительную логику. Ответ, судя по данным, — да. Из 248 записанных нейронов 58 меняли активность в зависимости от будущего выбора вороны; этот сигнал появлялся примерно через 70 миллисекунд после показа точек и примерно за 170 миллисекунд до движения головы к цели.
Главная интрига не в том, что вороны «умнее» человека в абстрактном смысле, а в сочетании скорости и качества. На лёгких вариантах задания реакция занимала около 220 миллисекунд, на самых трудных — около 254. Разница всего 34 миллисекунды, хотя при усложнении стимула задержка статистически росла. Авторы не нашли признаков, что птицы просто выдают первый попавшийся ответ. Их точность была сопоставима с результатами людей и обезьян в аналогичной задаче, а значит, скорость обработки информации воронами нельзя свести к обмену точности на темп.
Возможное объяснение лежит в физике нервной системы. Птичий мозг должен оставаться лёгким для полёта, поэтому в нём много небольших нейронов, соединённых сравнительно короткими аксонами. Короткие линии связи сокращают задержки — принцип, который разработчикам аппаратуры и сетей вряд ли нужно отдельно объяснять. Ещё один кандидат — температура тела: у птиц она может достигать 41–42 °C, тогда как у человека около 36,6 °C. Более высокая температура ускоряет работу ионных каналов и передачу сигналов в синапсах. Нидер осторожно говорит не об одном чудо-механизме, а о быстрой цепочке — от зрительного анализа до моторного ответа.
Для ИИ и робототехники это скорее ориентир для архитектурных вопросов, чем готовый рецепт. Исследование показывает: похожий алгоритм принятия решения может возникнуть на совершенно другой вычислительной «платформе». В мире, где edge-устройства должны реагировать на сцену без отправки каждого кадра в облако, ценность имеют не только более крупные модели, но и короткий путь от сенсора к действию, компактные представления и предсказуемые задержки. Биология здесь напоминает неприятную для любителей бесконечного масштабирования вещь: иногда выигрывает не самый большой вычислительный бюджет, а удачная топология.
Выводы пока нельзя переносить на всех птиц и тем более объявлять новым общим пределом скорости мышления: выборка состояла всего из двух ворон, а задача измеряла конкретный тип зрительного решения. Корвиды и сами по себе известны сложным поведением, так что остаётся отделить эффект птичьей архитектуры от особенностей именно этих птиц. Но если дальнейшие эксперименты подтвердят результат на других видах, скорость обработки информации воронами станет хорошим аргументом в пользу нейроморфных систем, которые проектируют вычисления вокруг ограничений среды, а не вокруг привычной анатомии дата-центра. Подробности исследования и ссылку на работу в Science приводит .
