科隆大学的动物学家研究了昆虫的神经系统，以研究生物大脑计算的原理及其对机器学习和人工智能的潜在影响。具体来说，他们分析了昆虫如何学会将周围的感官信息与食物奖励相关联，以及他们以后如何回忆这些信息来解决诸如寻找食物之类的复杂任务。结果表明，将感觉信息转换为大脑中的记忆可以刺激机器学习和人工智能在解决复杂任务方面的未来应用。这项研究已发表在PNAS杂志上。活生物体在处理复杂和动态环境带来的问题方面显示出非凡的能力。他们能够概括自己的经验，以便在环境变化时能够快速适应自己的行为。动物学家调查了寻找食物时果蝇的神经系统如何控制其行为。他们使用计算机模型来模拟和分析果蝇神经系统对食物来源产生的气味做出的反应。 ``我们最初以与昆虫在实验中训练完全相同的方式训练了果蝇大脑模型。在模拟中，我们显示了特定的气味和第二种气味，其中有奖励而没有奖励。因此，创建的模型可以从其内存中泛化并将其先前学习的知识应用于新的复杂气味分子环境，并且学习仅需要非常小的训练样本数据库。该研究的资深作者马丁·纳沃特（Martin Nawrot）教授解释说：“对于我们的模型，我们利用神经系统中生物信息处理的特殊特性。”这些特别是通过短暂的神经冲动快速而并行地进行处理。通过在学习过程中同时修改许多突触来进行感官刺激和分布式记忆的形成。该模型所基于的理论原理也可以在人工智能和自治系统中使用。