Karıncalar Engelleri Gezmek İçin “Kolektif Beyin Gücünü” Kullanıyorlar

0
68
Karıncaların arazide yol bulma yetenekleri.

Yeni bulgular, karıncaların karmaşık arazilerde gezinmelerine yardımcı olmak için kolektif algılama güçlerini nasıl arttırdıklarını ortaya koyuyor.

Karıncalar, sayılarını, herhangi bir kişi tarafından ele alınamayacak kadar büyük ve yönünü şaşırtan gezinme zorluklarının üstesinden gelmek için kullanırlar .

Sonuçlar, belirli ortamların bir tür için yaşanabilir olmasını sağlamada grup yaşamının ve kolektif bilişin potansiyel avantajlarını göstermektedir.

“İşbirliği, hayvanların bilişsel kapasitelerini artırabileceği yaygın bir yöntemdir ve bu işbirliğinin karıncaların yiyecekleri verimli bir şekilde toplayabilecekleri ortam çeşitliliğini genişletip genişletmediklerine ilgi duyduk” diyor ilk doktora sonrası araştırmacı Aviram Gelblum İsrail’in Weizmann Bilim Enstitüsü’nde kıdemli yazar Ofer Feinerman’ın laboratuarında. “Bu soruyu, büyük yükleri yarı doğal ortamlardan geçirmeye çalışırken karıncaların kooperatif taşımacılığını inceleyerek ele aldık.”

Longhorn çılgın karıncalar. Kredi bilgileri: Judy Gallagher CC BY 2.0

Yarı doğal bir labirent, rasgele bir taş bilmeceli araziyi taklit etmek için aynı boyuttaki küpleri bir yüzeye rastgele dağıtarak yaratılmıştır. Longhorn çılgın karıncalar daha sonra yiyecekleri bir hedefe – yuvalarına – taşırken izlendi ve yiyecek yükünün, karıncaların ve küplerin koordinatları görüntü işleme kullanılarak çıkarıldı. Küp sayısı arttıkça ve labirent daha karmaşık hale geldiğinde, karıncalar çözmede yavaşladılar. Hala% 55’e kadar küp kapsamı olan labirenteri çözebildiler, ancak% 60 kapsamda labirentlerin çoğu fiziksel olarak geçilmez hale geldi. Önemli olarak, küplerin getirdiği zorluklar, labirenti çok daha büyük yük için engellenen yollardan kolayca geçebilen bireysel karıncalar için pratik olarak görünmezdi.

Ekip daha sonra karıncaların performansını iyi bir hareket modeliyle karşılaştırdı – belirli bir yöne doğru eğimli rastgele bir yürüyüş. Bu modelde yön, bir engele (bu durumda bir küp yüzeyine) çarpmanın fiziksel geri bildirimlerine yanıt olarak değiştirilir, böylece sonunda yol keşfedilir. Karıncaların en basit küp konfigürasyonları dışındaki bilgisayar modelinden daha iyi performans gösterdiğini keşfettiler. Labirentteki küp sayısı ne kadar yüksek olursa, karıncalar bilgisayar modeline göre çözmede o kadar iyi olur.

Karıncaların bilgisayar modelinden nasıl daha iyi performans gösterdiğini anlamak için karıncaların ulaşmaya çalıştıkları hedeften çok daha uzun süre nasıl geçirdiklerine baktılar. Hareketteki bu değişim sadece bir küple karşılaşmanın fiziksel geribildirimi ile açıklanamazdı. Bununla birlikte, karıncaların kollektif hareketinin, grup etrafındaki bilgileri algılayan ancak yükü taşımayan lider karıncalar tarafından yönlendirildiği bilinmektedir.

Ekip bu taşımayan karıncalara daha yakından baktığında, 10 cm’ye kadar dış yarıçapı olan taşıma popülasyonundan dairesel bir bölgeye yayıldıklarını keşfettiler. Sadece birkaç karınca bu kadar uzak olsa da, tek bir lider karınca bile grubu yönlendirebildi ve fiziksel bir engelden kaçınmak için 10 cm kadar yönlendirebildi.

Ayrıca, yük taşıyan karıncalar sıkıştığında, lider karıncalar sürekli olarak taşıma grubuna potansiyel geçiş yollarını sunduklarını fark ettiler. Koordine hareket daha sonra tüm grubun engeli aşan bir kaçış yolu bulana kadar önerilen rotaları keşfetmesine izin verdi. Bu şekilde, karıncalar algılama menzillerini yakın mesafenin ötesine genişletebildiler ve potansiyel olarak karşılaştıkları engeller hakkında daha iyi bir fikir edindiler.

Bu genişletilmiş algılamanın labirenti çözmenin anahtarı olup olmadığını görmek için ekip bu ‘algılamanın’ bilgisayarın küplerden kaçınma yeteneğini geliştirip geliştiremeyeceğini test etti. Beklendiği gibi, algılama aralığının karıncalarınkine uyacak şekilde ayarlanması, bilgisayar modelinin karıncaların labirentteki performansıyla eşleşmesine izin verdi. Buna karşılık, algılama aralığının karıncaların üzerine çıkarılması, bilgisayarın performansı üzerinde hiçbir etkiye sahip değildi, bu da karıncaların söz konusu labirent için en uygun algılama aralığını geliştirdiğini gösterir.

Weizmann Bilim Enstitüsü Kompleks Sistemler Fiziği Bölüm Başkanı Henry J. Leir Profesör Başkanı Ofer Feinerman, “Bu ortamda, karıncaların sayılarını topluca ne kadar mesafe algılayabileceklerini artırmak için kullandıklarını gösterdik” dedi. , İsrail. “Bu uzantı mütevazı olsa da, düzensiz ortamlarda gezinmek için bilinen fiziksel hareket modellerinden daha iyi olan çok hızlı geçiş sürelerine izin veriyor.”


Kaynak: “Karınca kolektif biliş, düzensiz ortamlarda etkili navigasyon sağlar” Aviram Gelblum, Ehud Fonio, Yoav Rodeh, Amos Korman ve Ofer Feinerman, 12 Mayıs 2020, eLife.

YORUM YAP

Lütfen yorumunuzu giriniz!
Lütfen isminizi buraya giriniz