Memahami perilaku lalat buah mungkin merupakan langkah selanjutnya menuju kendaraan otonom
Ai

Memahami perilaku lalat buah mungkin merupakan langkah selanjutnya menuju kendaraan otonom


Kredit: Universitas Northwestern

Dengan lebih dari 70% responden survei tahunan AAA tentang pelaporan mengemudi otonom, mereka takut berada di dalam mobil yang sepenuhnya dapat mengemudi sendiri, pembuat seperti Tesla mungkin akan kembali ke papan gambar sebelum meluncurkan sistem self-driving yang sepenuhnya otonom. Tetapi penelitian baru dari Universitas Northwestern menunjukkan kepada kita bahwa kita mungkin lebih baik menempatkan lalat buah di belakang kemudi daripada robot.

Drosophila telah menjadi subyek sains selama manusia telah menjalankan eksperimen di laboratorium. Tetapi mengingat ukurannya, mudah untuk bertanya-tanya apa yang bisa dipelajari dengan mengamatinya. Penelitian yang diterbitkan hari ini di jurnal Komunikasi Alam mendemonstrasikan bahwa lalat buah menggunakan pengambilan keputusan, pembelajaran, dan ingatan untuk melakukan fungsi sederhana seperti melepaskan panas. Dan para peneliti menggunakan pemahaman ini untuk menantang cara kita berpikir tentang mobil tanpa pengemudi.

“Penemuan bahwa pengambilan keputusan yang fleksibel, pembelajaran dan ingatan digunakan oleh lalat selama tugas navigasi yang sederhana adalah hal yang baru dan mengejutkan,” kata Marco Gallio, penulis koresponden pada studi tersebut. “Ini mungkin membuat kita memikirkan kembali apa yang perlu kita lakukan untuk memprogram kendaraan self-driving yang aman dan fleksibel.”

Menurut Gallio, seorang profesor neurobiologi di Sekolah Tinggi Seni dan Sains Weinberg, pertanyaan di balik penelitian ini serupa dengan para insinyur yang menjengkelkan yang membuat mobil yang bergerak sendiri. Bagaimana lalat buah (atau mobil) mengatasi hal baru? Bagaimana kita bisa membangun mobil yang secara fleksibel dapat beradaptasi dengan kondisi baru?

Penemuan ini mengungkapkan fungsi otak dalam hama rumah tangga yang biasanya dikaitkan dengan otak yang lebih kompleks seperti tikus dan manusia.

“Perilaku hewan, terutama serangga, sering dianggap tetap dan terprogram — seperti mesin,” kata Gallio. “Kebanyakan orang sulit membayangkan bahwa hewan yang berbeda dari kita seperti lalat buah mungkin memiliki fungsi otak yang kompleks, seperti kemampuan untuk belajar, mengingat, atau membuat keputusan.”

Untuk mempelajari bagaimana lalat buah cenderung melepaskan diri dari panas, laboratorium Gallio membangun ruang plastik kecil dengan empat ubin lantai yang suhunya dapat dikontrol secara independen dan mengurung lalat di dalamnya. Mereka kemudian menggunakan rekaman video resolusi tinggi untuk memetakan bagaimana lalat bereaksi ketika menemukan batas antara ubin hangat dan ubin dingin. Mereka menemukan lalat sangat pandai memperlakukan batas panas sebagai penghalang tak terlihat untuk menghindari rasa sakit atau bahaya.

Dengan menggunakan pengukuran nyata, tim membuat model 3D untuk memperkirakan suhu yang tepat dari setiap bagian tubuh kecil lalat selama percobaan. Selama uji coba lainnya, mereka membuka jendela di kepala lalat dan merekam aktivitas otak di neuron yang memproses sinyal suhu eksternal.

Miguel Simões, seorang peneliti pascadoktoral di lab Gallio dan salah satu penulis utama studi tersebut, mengatakan lalat dapat menentukan dengan sangat akurat apakah jalur terbaik menuju keamanan termal adalah ke kiri atau kanan. Memetakan arah pelarian, Simões mengatakan lalat “hampir selalu” melarikan diri ke kiri ketika mereka mendekat dari kanan, “seperti bola tenis yang memantul dari dinding.”

“Saat lalat menghadapi panas, mereka harus membuat keputusan cepat,” kata Simões. “Apakah aman untuk melanjutkan, atau haruskah diputar kembali? Keputusan ini sangat bergantung pada seberapa berbahaya suhu di sisi lain.”

Mengamati respons sederhana mengingatkan para ilmuwan tentang salah satu konsep klasik dalam robotika awal.

“Dalam bukunya yang terkenal, ahli cyberneticist Valentino Braitenberg membayangkan model sederhana yang terbuat dari sensor dan motor yang dapat mereproduksi perilaku hewan,” kata Josh Levy, seorang mahasiswa pascasarjana matematika terapan dan anggota laboratorium Gallio dan profesor matematika terapan William. Kath. “Kendaraan adalah kombinasi kabel sederhana, tetapi perilaku yang dihasilkan tampak rumit dan bahkan cerdas.”

Braitenberg berpendapat bahwa banyak perilaku hewan dapat dijelaskan dengan prinsip yang sama. Tapi apakah itu berarti perilaku lalat dapat diprediksi seperti salah satu robot yang dibayangkan Braitenberg?

Tim Northwestern membuat kendaraan menggunakan simulasi komputer tentang perilaku lalat dengan kabel dan algoritme yang sama dengan kendaraan Braitenberg untuk melihat seberapa dekat mereka dapat meniru perilaku hewan. Setelah menjalankan simulasi perlombaan model, tim menjalankan semacam proses seleksi alam, memilih mobil yang paling baik dan memutarnya sedikit sebelum menggabungkannya kembali dengan kendaraan berperforma tinggi lainnya. Levy menjalankan 500 generasi evolusi dalam cluster komputasi NU yang kuat, membangun mobil yang pada akhirnya mereka harapkan akan berhasil serta lalat untuk melarikan diri dari panas virtual.

Simulasi ini mendemonstrasikan bahwa kendaraan “terprogram” pada akhirnya berevolusi untuk menghasilkan kinerja yang hampir sebaik lalat. Tetapi sementara lalat sungguhan terus meningkatkan kinerja dari waktu ke waktu dan belajar mengadopsi strategi yang lebih baik untuk menjadi lebih efisien, kendaraan tetap “bodoh” dan tidak fleksibel. Para peneliti juga menemukan bahwa meskipun lalat melakukan tugas sederhana untuk melepaskan diri dari panas, perilaku lalat tetap tidak dapat diprediksi, menyisakan ruang untuk keputusan individu. Akhirnya, para ilmuwan mengamati bahwa sementara lalat yang kehilangan antena beradaptasi dan mencari strategi baru untuk melepaskan diri dari panas, kendaraan yang “rusak” dengan cara yang sama tidak dapat mengatasi situasi baru dan berbelok ke arah bagian yang hilang, akhirnya terjebak berputar seperti anjing yang mengejar ekornya.

Gallio mengatakan gagasan bahwa navigasi sederhana mengandung kompleksitas seperti itu memberikan umpan untuk pekerjaan masa depan di bidang ini.


Petunjuk mengapa sangat sulit untuk bangun di pagi musim dingin yang dingin


Informasi lebih lanjut:
José Miguel Simões dkk, Kekokohan dan plastisitas dalam penghindaran panas Drosophila, Komunikasi Alam (2021). DOI: 10.1038 / s41467-021-22322-w

Disediakan oleh Universitas Northwestern

Kutipan: Memahami perilaku lalat buah mungkin merupakan langkah selanjutnya menuju kendaraan otonom (2021, 6 April), diakses 6 April 2021 dari https://techxplore.com/news/2021-04-fruit-behavior-autonomous-vehicles.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten tersebut disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Toto SGP