Eso es lo que sugiere un equipo de investigadores de la Universidad RMIT en Australia. Su estudio ha demostrado que el cerebro de una abeja es suficientemente sofisticado como para aprender reglas y problemas visuales complejos. Un hallazgo que sugiere que las máquinas del futuro podrían ver casi tan bien como los humanos.

El equipo encabezado por el Dr. Dyer explica que las abejas también usan una serie de reglas para resolver problemas complejos relacionados con la vista, soluciones que tienen implicaciones importantes para nuestra comprensión de cómo las capacidades cognitivas para la visualización de imágenes complejas se desarrollan en el cerebro.

Según Adrian Dyer, el aprendizaje de la regla era una tarea cognitiva fundamental que permitía a los seres humanos operar en entornos complejos:

Por ejemplo, si un conductor quiere girar a la derecha en una intersección, entonces tiene que observar simultáneamente el color del semáforo, el flujo de coches que se acercan y los peatones para tomar una decisión.

Con la experiencia nuestro cerebro puede llevar a cabo estos complejos procesos de decisión, pero esto es un tipo de tarea cognitiva más allá de la visión actual de una máquina o robot. Queríamos entender si la decisión simultánea de tales decisiones requiere de un cerebro grande de primate o si una abeja también podría demostrar la regla del aprendizaje.

Para ello, los investigadores entrenaron abejas individuales para que volaran en un laberinto en forma de "Y", presentando en su interior diferentes elementos de relaciones específicas como arriba/abajo/ o izquierda/derecha.

Tras un extenso entrenamiento, las abejas fueron capaces de aprender que los elementos tenían que estar en una relación específica (como arriba/abajo) a la vez que existían elementos que difieren entre sí.

Unos resultados que según afirma Dyer, muestran que no es necesario la posesión de un cerebro complejo para dominar el aprendizaje múltiple simultáneo.

Sumado a la sencillez y accesibilidad del cerebro de la abeja, nos ofrece la posibilidad de descifrar la base neural de tareas de alto nivel cognitivo.