《中国人工智能学会通讯》——8.2 自然界中的鸽群导航行为

8.2 自然界中的鸽群导航行为

鸽子是一种非常常见的鸟,世界各地广泛饲养,鸽是鸽形目鸠鸽科数百种鸟类的统称。鸽子具有很强的记忆力,甚至可以产生牢固的条件反射。鸽子和人类伴居已经有上千年的历史了,考古学家发现的第一幅鸽子图像,来自于公元前 3 000 年的美索不达米亚,也就是现在的伊拉克……古罗马人很早就已经知道鸽子具有归巢的本能。在体育竞赛过程中或结束时,通常放飞鸽子以示庆典和宣布胜利。古埃及的渔民,每次出海捕鱼多带有鸽子,以便传递求救信号和渔汛消息……在今天,人类仍然利用它进行隐蔽通讯,海上航行利用它与陆上联系,森林保护巡逻队有效地使用信鸽跟总部联系等。因其惊人的导航能力,奇妙的群体飞行机制,独特的眼睛布局,又因其易于饲养,方便观察,而成为很多学者的研究对象。

人类早在巴比伦时期就开始利用信鸽远距离传送信件。鸽子可以从数千英里的地方找到回家的路,这是一种离奇的能力,许多世纪以来,鸽子的这种本能一直引发人类研究这种能力的兴趣,但是这种鸟类是如何找到回家的路线,一直以来都是个未解的谜题。较为权威的解释包括敏锐嗅觉说和探测磁场说。如今在经过数十年的调查研究后,科学家证实了鸽子的上喙确实具有一种能够感应磁场的晶胞,正是这种器官为鸽子的飞行导航。对鸽子的这种研究是诺拉在新西兰的一项博士研究课题,有关这一研究的报告发表在 2004 年 11 月 25 日的国际著名期刊《自然》杂志上。最近,科学家在实验室里进行了一系列细致的行为试验后宣布,他们首次明确证明鸽子具有磁性感知能力,就像简易的磁性罗盘,这让鸽子也许还有其他鸟类和海龟一样,是利用地球磁场进行导航的。

鸽群在归巢过程中(如图 1 所示)会使用太阳、地球磁场和地标寻找路径,并在旅程的不同阶段使用不同的导航工具。Guilford et al [10] 借助数学模型预测鸽子会在旅程中的什么阶段切换导航工具,研究发现:当鸽子开始飞行时,会更多依赖于类似于指南针一样的导航工具;而在旅程的中间部分,会将导航工具切换至地标,同时重新评估自己的路线并进行必要的修正。Mora et al [11] 就鸽子的磁感机制进行了研究,认为磁石粒子的信号是通过鼻子经三叉神经反馈给大脑的。Whiten [12] 认为,太阳也是鸽子的一种导航工具,太阳的高度会对鸽子的导航能力造成影响。

时间: 2024-10-24 17:56:07

《中国人工智能学会通讯》——8.2 自然界中的鸽群导航行为的相关文章

中国人工智能学会通讯——机器学习在商务智能中的创新应用 1.1 两种不同的系统

1.1 两种不同的系统 我们看到,有很多的新闻都在报道人工智能在深度学习上所取得的一些成功.这些成果涉及人工智能各个方面,如语音.文本和自动驾驶等,深度学习似乎正在改变我们的生活,确实也是如此. 但我们还有另外一种系统,这就是IBM的Watson,它在一个美国很著名的综艺节目里获胜了,该系统没有进行任何深度学习,它只是IBM系统的成功.Wason是另外一种系统,它可以掌握大量的结构化的知识,将非结构化知识当作结构化知识使用. 我们看到有两种不同的系统:在人工智能历史上很多系统都是基于知识的系统,

中国人工智能学会通讯——机器学习里的贝叶斯基本理论、模型和算法

非常感 谢周老师给这个机会让我跟大家分享一下.我今天想和大家分享的是,在深度学习或者大数据环境下我们怎么去看待相对来说比较传统的一类方法--贝叶斯方法.它是在机器学习和人工智能里比较经典的方法. 类似的报告我之前在CCF ADL讲过,包括去年暑假周老师做学术主任在广州有过一次报告,大家如果想看相关的工作,我们写了一篇文章,正好我今天讲的大部分思想在这个文章里面有一个更系统的讲述,大家可以下去找这篇文章读. 这次分享主要包括三个部分: 第一部分:基本理论.模型和算法 贝叶斯方法基础 正则化贝叶斯推

中国人工智能学会通讯——无智能,不驾驶——面向未来的智能驾驶时代 ( 下 )

到目前为止似乎比较完美,而实际还 存在着一些问题.我们现在看到很多道 路上面,交通标志牌它的分布非常稀疏, 可能每过一两公里才能够检测出来一个 交通标志牌,因为毕竟这个深度学习算 法是目前最完美的,它有时候还会错过 一个交通标志牌,这时候怎么办呢?我 们会发现在路面上也有非常明显的视觉 特征,我只要把路面的这些视觉特征识 别出来进行匹配,其实是有连续的绝对 的视觉参考的.所以我们做的办法是, 把这个路面粘贴起来.这个粘贴的方法 很简单,跟我们手机拍场景图片一样, 我们慢慢移动的时候可以把这个场景

中国人工智能学会通讯——深蓝、沃森与AlphaGo

在 2016 年 3 月 份,正当李 世石与AlphaGo 进行人机大战的时候,我曾经写过 一 篇< 人 工 智 能 的 里 程 碑: 从 深 蓝 到AlphaGo>,自从 1997 年深蓝战胜卡斯帕罗夫之后,随着计算机硬件水平的提高,计算机象棋(包括国际象棋和中国象棋)水平有了很大的提高,达到了可以战胜人类最高棋手的水平.但是,长期以来,在计算机围棋上进展却十分缓慢,在 2006 年引入了蒙特卡洛树搜索方法之后,也只能达到业余 5 段的水平.所以 AlphaGo 战胜韩国棋手李世石,确实是人

中国人工智能学会通讯——深度学习与视觉计算 1.3 计算机视觉领域利用深度学习可能带来的未来研究方向

1.3 计算机视觉领域利用深度学习可能带来的未来研究方向 第一个,深度图像分析.目前基于深度 学习的图像算法在实验数据库上效果还是 不错的,但是远远不能够满足实际大规模 应用需求,需要进一步的提升算法性能从 而能够转化相应的实际应用.比如这个基 于图片的应用,可以估计性别和年龄,但 是其实经常会犯错,因此需要进一步提升 深度图像分析的性能. 第二个,深度视频分析.视频分析牵扯 到大量的数据和计算量,所以做起来更加 麻烦.当前深度视频分析还处于起步的阶 段,然而视频应用非常广泛,比如人机交互. 智

中国人工智能学会通讯——智创未来 未来已来

2016 年带着我们难忘的记忆,就这样翻篇了.由我们学会发起.全国多个组织积极参与的.纪念全球人工智能 60 年的一个个系列活动历历在目,在我们身边发生的种种无人驾驶的比赛和试验活动还在让我们激动不已,AlphaGo 战胜人类围棋冠军李世石的震荡被 Master 的新战绩推向又一个新高潮,时间就这样把我们带入了新的一年--2017 年. 对 2017 年的人工智能,我们会有什么期待呢? 深度学习会火 无人驾驶会火 机器人产业会火 机器同传会火 人机博弈会火 交互认知会火 不确定性人工智能会火 智

中国人工智能学会通讯——着力突破与创新 实现超越与引领

提 要 2016年3月,围棋人机大战的结果,在舆论界激起了惊涛骇浪:在科技界也引起了强烈反响.为了把握人工智能的发展现状和规律,探讨我国人工智能的发展战略,在中国人工智能学会和众多人工智能同行的支持下,由本文作者出面申请了一次高层战略研讨会,这就是以"发展人工智能,引领科技创新"为主题的香山科学会议.与会者同气相求.同心协力,站在国家战略的高度,以纵览全球的视野,通过深入的研讨和论证,凝聚了诸多宝贵的共识,形成了直送中央的<关于加快发展我国人工智能的专家建议>.本文简要介绍

中国人工智能学会通讯——2016机器智能前沿论坛召开

2016 年 12 月 17 日,由中国人工智能学会.中国工程院战略咨询中心主办,今日头条.IEEE<计算科学评论>协办的"2016机器智能前沿论坛"暨"2016 BYTE CUP国际机器学习竞赛颁奖仪式"在中国工程院举办.论坛嘉宾包括中外顶尖的数据挖掘.机器学习,以及自然语言处理方向的专家学者. 与以往不同,本次论坛除介绍机器学习的重大进展和应用外,还着重讨论了机器学习技术在媒体数据上的应用,并为2016 BYTE CUP 国际机器学习竞赛的获奖选手进

中国人工智能学会通讯——Master虽优势较多 但仍有缺陷

近日,Master 在各大围棋网站横扫顶尖职业棋手,随后,谷歌 DeepMind 创始人德米什 • 哈萨比斯在 Twitter 上发布消息,证实了 Master 是 AlphaGo 的升级版.众所周知,围棋困难的地方在于它的估值函数非常不平滑,差一个子盘面就可能天翻地覆:同时状态空间大,也没有全局的结构.这两点加起来,迫使目前计算机只能用穷举法,并且因此进展缓慢.但人能下得好,能在几百个选择中知道哪几个位置值得考虑,说明它的估值函数是有规律的.这些规律远远不是几条简单公式所能概括,但所需的信息量