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环境中的感官信息与食物奖励联系起来，以及它们如何在以后回忆这些信息来解决复杂的任务，如寻找食物。结果表明，将大脑中的感觉信息转化为记忆，可以刺激未来的机器学习和人工智能应用来解决复杂的任务。这项研究已经在PNAS发表。
生物在处理复杂和动态环境带来的问题时表现出非凡的能力。他们可以总结自己的经验，以便在环境变化时快速适应自己的行为。动物学家研究了果蝇的神经系统如何在寻找食物时控制其行为。他们利用计算机模型模拟和分析果蝇神经系统中的计算，从而对食物来源产生的气味做出反应。起初，我们训练果蝇大脑模型的方式与在实验中训练昆虫的方式完全相同。在模拟中，我们展示了特定的气味和第二种气味，有奖励和没有奖励。
因此，该模型可以从记忆中总结出来，应用于全新的复杂气味分子环境，而学习只需要非常小的训练样本库。这项研究的资深作者Martin Nawrot教授解释说：“对于我们的模型，我们利用了神经系统中生物信息处理的特殊性质。”这些特别是通过短暂的神经冲动对感觉刺激的快速和并行处理，以及通过在学习过程中同时修改许多突触来形成分布式记忆。“基于这个模型的理论原理也可以用于人工智能和自主系统。
