חוקרים פיתחו מודל נוירומורפי המחקה את מערכת הראייה של הדבורה, יצור עם מוח זעיר של פחות ממיליון נוירונים. במקום לחקות ראייה פסיבית, המודל למד דרך חשיפה טבעית לאלפי תמונות – תוך סריקה פעילה של שדות חזותיים, כמו שדבורים עושות בטבע. הוא השתמש בלמידה לא-אסוציאטיבית ובאלגוריתמים מבוססי Hebbian Learning ו־STDP, מה שגרם לרשת להתארגן באופן עצמאי ולפתח נוירונים רגישים לקווים, זוויות וקצוות – בדיוק כמו במוח דבורה אמיתית. המערכת גם הציגה קידוד דליל, שמאפשר דיוק גבוה וחיסכון אנרגטי, דבר קריטי ליצורים קטנים עם משאבים מוגבלים.

המודל עבר מבחן במשימות חזותיות מורכבות, כולל הבחנה בין סימן החיבור (+) לסימן הכפל (×). כשנערך סריקה ממוקדת של אזורים ספציפיים – כפי שדבורים עושות – שיעור ההצלחה עלה ל־96%. הוא גם הצליח בזיהוי תבניות ספירליות, הכללה של חוקים ו даже זיהוי פרצופים אנושיים, תוך שימוש בקידוד מרחבי-זמני יעיל. עם זאת, המודל הפגין מגבלות במשימות שדורשות שילוב מידע מאזורים רחוקים בשדה הראייה, מה שמרמז על מנגנונים נוספים במוח הדבורה שעדיין לא מובנים.

המחקר, שמבוסס על עבודה של צוות בינלאומי בראשות האדי מאבודי, לארס צ'יטקה וג'יימס מרשל, מציע דרך חדשה לחשוב על בינה מלאכותית: לא עוצמת חישוב, אלא אסטרטגיה של סריקה פעילה, בחירה מודעת של מידע ולמידה טבעית. גישה זו יכולה להוביל לפיתוח רובוטים ורחפנים קטנים ויעילים, שפועלים עם מעט אנרגיה ומשאבים. בכך, הדבורה – על אף פשטותה החיצונית – הופכת להשראה לדור הבא של מערכות חכמות.