在我們的大腦中，有860億個神經元；它們通力合作，使我們可以思考、產生意識、處理資訊、控制生理過程。其他生物的大腦看起來都不如我們的牛X，但這些動物往往也表現出對特定任務的卓越能力，那是經過數百萬年的進化打磨出來的能力。
我們大多數人也都見過聰明的動物——畢竟抖音上就有那麼多通人性的狗子。再不濟，總聽說過會喝水的烏鴉、能過河的小馬和會跳舞的蜜蜂吧。
複製動物大腦的神經網路，可能與人腦一樣有價值，甚至更有價值。考慮一下，螞蟻僅有大約25萬個神經元。較大的昆蟲接近100萬個。它們的大腦在特定任務裡價效比更高。
阿爾伯克基的桑迪亞國家實驗室的科學家正在研究這些大型昆蟲——具體點說是蜻蜓——的大腦。桑迪亞利用這些昆蟲的專長來設計計算系統，為攔截來襲的導彈或跟蹤氣味煙塵等任務進行最佳化。透過利用蜻蜓神經系統的速度、簡單性和效率，他們的目標是設計出能更快地執行這些功能的計算機，同時能耗更小。
將蜻蜓作為未來計算機系統的靈感來源，似乎是反直覺的。成為新聞的人工智慧和機器學習的發展，通常是模仿人類智慧甚至超越人類能力的演算法。神經網路已經可以在一些特定的任務中表現得和人一樣好，甚至更好，如在醫療掃描檢測癌症。而且這些神經網路的潛力遠遠超出了視覺處理。計算機程式AlphaZero透過自我遊戲訓練，是世界上最好的圍棋選手。它的兄弟姐妹人工智慧AlphaStar躋身於最好的《星際爭霸II》玩家行列。
然而，這樣的壯舉是有代價的。開發這些複雜的系統需要大量的處理能力，通常只有擁有最快的超級計算機和支援它們的資源的特定機構才能獲得。而且，能源成本也是令人沮喪的。最近的估計表明，開發和訓練一個自然語言處理演算法所產生的碳排放比四輛汽車在其一生中產生的碳排放還要多。
但是蜻蜓則不一樣。
蜻蜓只需要大約50毫秒就能開始對獵物的動作做出反應。如果我們假設眼睛裡的細胞有10毫秒的時間來探測和傳遞關於獵物的資訊，另外5毫秒的時間讓肌肉開始產生力量，這就只剩下35毫秒的時間讓神經迴路進行計算。鑑於單個神經元通常需要至少10毫秒來整合輸入，底層神經網路至少可以有三層深度。
幾十年來，美國軍方的研發機構一直在嘗試使用仿生蜻蜓的設計來製造監視無人機。
雖然蜻蜓可能無法玩圍棋，但它們確實有某種戰略思維，即可以預判獵物的動作。這需要極快地進行計算。通常蜻蜓只需要50毫秒就能開始轉向以應對獵物的行動。它在這樣做的同時，還時刻關注自身頭部和身體之間的角度，這樣它就能知道哪隻翅膀要更快地扇動，以便在獵物面前轉彎。
能否建立一個像蜻蜓大腦那樣的攔截系統神經網路？桑迪亞國家實驗室立即考慮到了國防應用，如導彈防禦。但也有民用的方向。
例如，控制自動駕駛汽車的演算法可能會變得更有效率，不再需要大量的計算裝置。如果一個受蜻蜓啟發的系統可以進行計算以繪製攔截軌跡，也許自主無人機可以用它來避免碰撞。而且，如果計算機可以做成與蜻蜓大腦同樣大小(約6立方毫米)，也許驅蟲劑和蚊帳有一天會成為過去，取而代之的是微小的滅蟲無人機！"。
桑迪亞實驗室的Frances Chance建立了一個簡單的神經網路，最初應用Matlab模擬蜻蜓的神經系統，然後把模型移植到了Python上。
蜻蜓並不是今天唯一可以啟發人工智慧科學的昆蟲。帝王斑蝶遷徙的距離令人難以置信，它們利用某種先天能力，在每年適當的時候開始它們的旅程，並朝著正確的方向前進。我們知道帝王斑蝶依賴太陽的位置，但透過太陽導航需要正確地感知時間。因此，為了確定其路線，蝴蝶的大腦必須內建時鐘，並將時間資訊與它所觀察到的情況相結合。
其他昆蟲，如撒哈拉沙漠螞蟻，必須在相對較遠的距離內覓食。一旦找到食物，這種螞蟻不會簡單地重新回到巢穴，很可能是一條迂迴的路徑。相反，它計算出一條直接返回的路線。因為螞蟻的食物來源的位置每天都在變化，它必須能夠記住它在覓食途中的路徑，將視覺資訊與某種內部的距離測量相結合，然後根據這些記憶計算出它的返回路線。
雖然沒有人知道沙漠螞蟻體內有哪些神經迴路在執行這項任務，但Janelia研究校園的研究人員已經確定了使果蠅能夠利用視覺地標進行自我定位的神經迴路。沙漠螞蟻和帝王蝶可能使用類似的機制。這樣的神經迴路有一天可能會被證明對低功率的無人機很有用。
因此，當你下次看到一隻昆蟲在做一些聰明的事情時，想象一下如果你能擁有一小群蜻蜓、蝴蝶或螞蟻大腦那樣的AI，對你的日常生活會產生什麼樣的影響。也許未來的計算機將為 "蜂巢式思維" 一詞賦予新的含義，擁有一群高度專業化但極其高效的微型處理器，能夠根據手頭的任務進行重新配置和部署。隨著今天神經科學的進步，這種看起來的幻想可能比你想象的更接近現實。
