蜻蜓作為卓越的捕食者，能夠在 50 毫秒內對獵物運動做出反應。

如此快速的資訊處理能力使捕獲成功率可達 95%。

這項驚人的狩獵能力，如果應用於演算法中，可以使模型運算變得更有效率，降低系統處理所需能耗，擴大實用範圍。

人類有望利用蜻蜓神經系統的處理速度、簡單性和反饋效率等優勢，設計出執行速度更快、消耗功率更低的計算機。

蜻蜓攔截系統神經網路

模仿蜻蜓狩獵模式，就要先摸清它的整個捕獵過程。

在捕獵中，蜻蜓具備高速計算的能力。

它能夠根據獵物的動作迅速調整方向，通過判斷頭部與身體之間的角度，以此控制某一側翅膀扇動速度來實現。

如以下模型展示，通過判斷獵物（紅色星號）運動軌跡，改變頭部方向（藍色平面方向）以及頭身角度（藍色平面和黑色直線角度）。

另外，它還可以提前鎖定自身的動作，判斷出方向的變化會給獵物的運動帶來哪些影響。

這一系列處理過程需要感受器-傳入-中樞-傳出-效應器整個反射弧的參與。其中每一個神經元輸入資訊的時間超過 10 毫秒，而蜻蜓完成這一套動作僅需 50 毫秒。

也就是說，考慮到眼睛處理視覺資訊的 10 毫秒和肌肉運動發力的 5 毫秒時間，如果超過四層神經元傳遞，整個反應時間將大於 50 毫秒，而蜻蜓可以在四層以內神經元傳遞中完成資訊反饋。

△神經元資訊傳遞概念圖

如此高效的資訊傳遞處理速度，如果可以應用到系統搭建中，將會大大降低對運算裝置的要求。

依照蜻蜓神經系統建立起一個三層神經網路，並用它來計算捕獵過程中的變化。

在美國桑迪亞國家實驗室中，科研人員通過研究蜻蜓捕獵，搭建了蜻蜓仿生神經網路。

首先，蜻蜓必須看到獵物才能進行資訊輸入，開始處理計算。因此第一層設定了 441（21^2）個神經元代表眼睛部分的資訊輸入。

每個神經元代表特定視野區域，覆蓋全部視野範圍。隨著蜻蜓轉動，獵物在視野中的位置會發生變化。

要得出蜻蜓轉動角度，只需要使特定範圍神經元與獵物影象對齊。

這個過程就是捕獲獵物位置後，蜻蜓對獵物運動的資訊輸入，轉化為所需轉動方向的指令計算。

為了完成這項處理，神經網路第二層設定了 194481（21^4）個神經元，並預設了所有神經元連線到神經網路的權重。

其中權重的設定可以通過機器學習過程來不斷完善。

模擬蜻蜓做出轉變方向決策，只需要保持視線-獵物和固定參考方向之間角度恆定，即獵物影象與視野中特定位置對齊。

最後的第三層輸出，就是通過以上處理得出肌肉動作的變化，指揮運動方向。

不僅是指揮動作，還要預測動作對獵物影象在視野位置的影響，並更新預測的位置，相較於外部環境，將視線保持在穩定位置。

如下圖所示，在模擬的視野範圍內，鎖定獵物影象並將其保持在視野中心位置。

圖 1 代表蜻蜓看到獵物影象的視野。

圖 2 指定了哪些眼睛神經元應該與獵物影象對齊，即獵物應該在視野哪個位置。

圖 3 代表完成輸出命令後看到的獵物影象位置，維持在視野中心附近。

△藍色影象代表獵物在視野中的位置

對這套三層神經網路進行測試，模擬蜻蜓和獵物以同樣的速度在三維空間移動，蜻蜓（黑色軌跡）可以完成簡單攔截獵物（紅色軌跡）的動作，甚至是捕獲沿著彎曲或半隨機軌跡行進的獵物。

△紅色代表獵物運動軌跡，黑色模擬蜻蜓運動軌跡。

驗證並繼續探索蜻蜓大腦

那麼這套神經網路是否將蜻蜓大腦的優勢完全模擬了出來，是否真正掌握了高效捕獵的運算處理方法？

這還需要在蜻蜓身上做出進一步的驗證。

在位於弗吉尼亞州的霍華德・休斯醫學研究所，Janelia 研究院的科研人員開發了蜻蜓微型揹包，用於監測蜻蜓飛行中的神經系統電訊號資料。

△蜻蜓微型揹包，可用於蒐集電訊號資料

通過比較蜻蜓生物神經元的活動模式和人工神經網路系統的資料，就可以驗證這一模型是否在進行和蜻蜓大腦類似的計算，這將有助於確定權重的設計。

研究蜻蜓大腦不僅僅可以用在捕獵演算法方面，還可以應用在自注意力模式，簡單的注意力引導機制可能被用來遮蔽不相關的資訊干擾。

另外，蜻蜓的視覺感知，還會影響到追蹤定位系統的優化設計。高速的幀率和較低的空間解析度，可能對鎖定目標更有效。

當然，機器模型和蜻蜓大腦資料還是存在有差異。不過，研究人員認為，研究模型與實際中蜻蜓大腦的這部分差異，可以為提速系統運算提供線索。

其他昆蟲仿生應用

不僅僅蜻蜓可以提供給神經網路設計思路。

像遠途遷移的黑脈金斑蝶、帝王蝶等，對蒐集晝夜節律和環境變化資訊，反饋到行進方向上的決策，這一處理過程同樣值得探索。

而撒哈拉沙漠螞蟻，可以將視覺資訊和內部測量的距離相結合，在較遠的距離計算直接歸巢的路線。

昆蟲之間類似的這種規劃能力，執行任務過程中的神經迴路，可能應用於低功率無人機上，用以自主擬定方向和路線。

從昆蟲中獲得啟發，未來的計算機發展方向，將是擁有一群高度專業化且效率極高的微型處理器，根據任務進行調配部署，達到高效節能的處理效果。