Shutterstock
Honningbi sidder på finger

Honningbier kan skille mellom partall og oddetall

Fram til nylig trodde forskere at det bare var mennesker som kunne forstå abstrakt matematikk som å se forskjell på partall og oddetall. Nå har honningbier meldt seg inn i klubben.

Å skille mellom partall og oddetall er en abstrakt hjernemanøver som forskerne trodde bare mennesket er i stand til.

Men nå har et team australske forskere vist at honningbier også kan skille mellom partall og oddetall.

Forskerne håper at bienes enkle regnemetode i framtiden kan kopieres til datamaskiner og kalkulatorer slik at det krever mindre energi for maskinene å gjennomføre utregninger.

Bier er glade i ulike tall

De fleste mennesker kan identifisere partall og oddetall. Noen bruker den grunnleggende regelen om at tall som ender på 1, 3, 5, 7 eller 9, er oddetall. Og at tallene som ender på 0, 2, 4, 6 eller 8, er partall. Vi kan også dele et tall med 2 – hvis fasiten er et heltall, er tallet et partall.

I flere år har forskere vært på jakt etter andre arter som også kan skille mellom de to typene av tall.

For å teste om honningbiene (Apis mellifera) kan, plasserte forskerne en rekke kart med et ulikt antall former foran fôrautomater. Deretter ble et sett av bier inndelt i to grupper.

To hender viser antall med fingrene

Forskere har så langt betraktet evnen til å skille mellom partall og oddetall som abstrakt matematikk. Men kanskje er det ikke så avansert når bienes enkle hjerner kan skille mellom de to typene av tall.

© Shutterstock

Den ene gruppen ble trent i å koble sammen kort med 2, 4, 6 og 8 former med sukkervann og 1, 3, 5 og 7 med en bitter væske som bier ikke liker. Den andre gruppen lærte å koble sammen oddetall med sukkervann og partall med det bitre stoffet, kinin. Hver bie ble trent mellom to til fire timer.

Etter at biene hadde blitt trent og selve testen startet, fikk hver bie mulighet for å fly til og fra bikuben til fôrautomatene i tyve runder. Etter første runde ble fôrplatene renset og sukkervannet samt kininen erstattet med vanlig vann. Biene fortsatte å søke til der det tidligere var sukkervann, ved å se om platene hadde partall eller oddetall. Forsøket endte med at biene valgte riktig med 80 prosent nøyaktighet.

Det kom som en overraskelse på forskerne at de to gruppene lærte med ulikt tempo. Biene som ble trent i å koble sammen sukkervann med oddetall, lærte raskere enn biene som ble trent med partall.

Etter første forsøk testet forskerne hver bie med nye kort som ikke hadde blitt vist under treningen. Her kunne biene treffe riktig sju av ti ganger ved å navigere etter partall og oddetall.

Enkle hjerner forstår partall og oddetall

Den menneskelige hjernen består av 86 milliarder nevroner, mens biers består av om lag 960 000 nevroner.

Begrepene om partall og oddetall er kanskje mindre komplekse enn ekspertene tidligere trodde, i og med at bienes relativt enkle hjerner kan forstå dem.

For å finne svaret fikk forskerne konstruert et enkelt nevralt nettverk med bare fem nevroner, for å teste om det kunne skille mellom partall og oddetall. Dette nevrale nettverket ble kodet inn i et dataprogram.

De sendte mellom 0 og 40 nettverkssignaler i form av pulsslag gjennom nettverket som deretter klassifiserte signalene som enten partall eller oddetall.

Det kunstige nevrale nettverket klarte dette med hundre prosents nøyaktighet. Paritetskategorisering – som å skille mellom partall og oddetall også kalles – krever altså ikke en stor og kompleks hjerne som menneskets.

Hvordan bienes hjerner skiller mellom partall og oddetall, vet forskerne fortsatt ikke.

De kan enten pare antallet i grupper og se etter en rest, eller telle hvert element og bruke regelen om å skille partall og oddetall. Alternativt kan de til og med dele tallet med to, mener forskerne.

Teamet vet heller ikke om det er en evolusjonær fordel med ferdigheten. Kanskje kan honningbier ifølge forskerne også telle – i en veldig enkel utgave – hvor mye mat en plante gjemmer på, og det kan de fortelle videre til andre bier i kuben.

Forskerne håper studien kan føre til nye og effektive måter å beregne på som krever veldig lite datakraft.