惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

GbyAI
GbyAI
博客园 - 三生石上(FineUI控件)
S
Securelist
U
Unit 42
The Cloudflare Blog
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Simon Willison's Weblog
Simon Willison's Weblog
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
B
Blog
T
Tenable Blog
The Hacker News
The Hacker News
The Register - Security
The Register - Security
IT之家
IT之家
博客园 - 【当耐特】
Spread Privacy
Spread Privacy
P
Privacy & Cybersecurity Law Blog
博客园_首页
T
Tailwind CSS Blog
人人都是产品经理
人人都是产品经理
C
Cybersecurity and Infrastructure Security Agency CISA
Know Your Adversary
Know Your Adversary
NISL@THU
NISL@THU
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
阮一峰的网络日志
阮一峰的网络日志
T
Tor Project blog
C
CERT Recently Published Vulnerability Notes
Apple Machine Learning Research
Apple Machine Learning Research
Stack Overflow Blog
Stack Overflow Blog
T
Threat Research - Cisco Blogs
T
The Exploit Database - CXSecurity.com
V
Vulnerabilities – Threatpost
A
Arctic Wolf
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
V
V2EX
aimingoo的专栏
aimingoo的专栏
大猫的无限游戏
大猫的无限游戏
Scott Helme
Scott Helme
L
LINUX DO - 热门话题
Cyberwarzone
Cyberwarzone
V
Visual Studio Blog
月光博客
月光博客
爱范儿
爱范儿
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
美团技术团队
G
GRAHAM CLULEY
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
H
Heimdal Security Blog
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Осьминог и зеркало: оценка интеллектуальных способностей головоногих
Dmytro_Kikot · 2026-06-26 · via Все публикации подряд на Хабре

Осьминог и зеркало: оценка интеллектуальных способностей головоногих

9 мин

1

Живые организмы живут на планете Земле уже очень долго. За все это время практически все из них претерпели изменения в той или иной степени выраженности, которые направлены на повышение шансов на выживание вида. В ходе эволюции кто-то покорил небеса, кто-то стал обладателем самой мощной челюсти, а кто-то обзавелся самым сильным и самым разрушительным инструментом — интеллектом. Человек считается самым умным существом на Земле, но это не значит, что у других ее обитателей в голове одни опилки. Смекалка осьминогов известна многим, но лишь недавно ученые из Дартмутского колледжа (Гановер, Нью-Гэмпшир, США) обнаружили, что осьминоги способны использовать зеркала в качестве инструментов. Какие опыты были проведены, и насколько умело осьминоги обращались с зеркалами? Ответы на эти вопросы мы найдем в докладе ученых.

Основа исследования

Обнаружение скрытых объектов с помощью зеркал хорошо задокументировано у позвоночных, но никогда не было продемонстрировано у беспозвоночных. Использование зеркал для обнаружения объектов, которые в противном случае были бы скрыты, является формой опосредованного восприятия, связывающей видимое отражение со скрытым местоположением и рассматривается некоторыми как предшественник самораспознавания. Головоногие моллюски представляют собой захватывающий пример конвергентного познания, независимо развив сложные перцептивные и когнитивные способности, сходные с млекопитающими, после отделения от общего предка более 520 миллионов лет назад. Кроме того, они реагируют на зеркальные изображения так, как будто увидели сородича.

Ученые спроецировали виртуального краба, видимого только через зеркальное отражение, на стенку резервуара. Трех осьминогов Octopus bimaculoides обучили перемещаться к месту проекции, а не к зеркалу. Все три осьминога освоили эту задачу, успешно выбрав правильную сторону в 73% случаев. Важно отметить, что осьминоги иногда отходили от видимого отражения и перебирались через боковые стенки стартовой камеры, чтобы достичь визуально скрытых мест, пространственно совпадающих с местоположением отраженной добычи. Такое поведение предполагает способность подавлять прямой подход к заметным визуальным стимулам и пространственное представление, интегрирующее информацию о зеркале со знанием трехмерной геометрии резервуара.

Результаты исследования

Изображение №1

Чтобы проверить, могут ли осьминоги вида O. bimaculoides (далее – осьминоги) научиться использовать зеркальные отражения для определения местоположения целей вне прямой линии зрения, ученые провели эксперимент в три этапа. Сначала трех пойманных в дикой природе осьминогов индивидуально приучили к зеркалу в экспериментальном аквариуме (1B). После привыкания осьминоги начали испытания по обучению использованию зеркала, в ходе которых живой краб в стеклянной банке был виден только через зеркальное отражение (1C). Осьминоги уже были знакомы с извлечением крабов из банок с помощью ежедневных развивающих головоломок, поэтому использование зеркала стало для них новым вызовом.

В первом испытании на использование зеркала все осьминоги двинулись к отражению краба в зеркале, как будто приближаясь к добыче в этом предполагаемом месте, при этом не проявляя никакой реакции на живого краба, когда он появился в поле зрения. Достигнув зеркала, осьминоги переключились на банку и извлекли краба.

Для того чтобы научиться стабильно приближаться к крабу напрямую, не приближаясь предварительно к его отражению в зеркале, потребовалось 10–12 попыток на каждого осьминога. Это выученное подавление первоначальной реакции приближения к видимому отражению предполагает, что хищническое поведение осьминогов подчиняется исполнительному контролю, а не является обязательным рефлексом «стимул-реакция».

На этапе тестирования виртуальный краб проецировался снаружи на левую или правую сторону полупрозрачного экрана, прикрепленного к внешней стороне задней стенки резервуара. Зеркало, охватывающее всю ширину резервуара, располагалось посередине резервуара, обращенное к задней стенке. Стартовая камера — открытая сверху и спереди со стороны зеркала — помещалась в песок в центре задней стенки. Стенки камеры блокировали прямую видимость проецируемого стимула, гарантируя, что осьминог, находясь в стартовой камере, видел только его отражение в зеркале (1D). Ученые использовали виртуального краба, чтобы гарантировать, что осьминоги полагались исключительно на визуальные сигналы для обнаружения краба, поскольку осьминоги реагируют на виртуальных крабов естественным хищническим поведением.

В начале эксперимента осьминога помещали в стартовую камеру. Примерно через 30 секунд на экране слева или справа появлялся виртуальный краб. Чтобы получить награду в виде живого краба, осьминог должен был переместиться к задней стенке со стороны, соответствующей местоположению виртуального краба, и пересечь воображаемую линию, параллельную зеркалу, у входа в стартовую камеру, а не приближаться к зеркалу, где было видно отражение. За неправильный выбор стороны награда не выдавалась.

Эксперименты записывались сверху и независимо оценивались как однозначные (осьминог перемещался в любую сторону задней стенки, не касаясь зеркала) или неопределенные, если осьминог либо (A) не покидал стартовую камеру, либо (B) касался зеркала после предъявления стимула.

Стоит отметить, что далее будут описываться результаты опытов как для базового набора данных (n = 30), исключающего испытания с тактильным воздействием на зеркало, так и для расширенного набора данных (n = 41), включающего испытания с тактильным воздействием на зеркало.

Изображение №2

Осьминоги показали результаты значительно выше случайного уровня как в расширенном, так и в базовом наборе данных (график выше). В расширенном наборе данных осьминоги выбирали правильный ответ значительно чаще, чем неправильный, в 41 испытании (правильный/неправильный; O1 — 15/4; O2 — 8/5; O3 — 6/3; средняя точность — 69.1%). Три статистических теста подтвердили, что их результаты были значительно выше случайного уровня. В базовом наборе данных осьминоги показали схожие результаты в 30 испытаниях, сделав больше правильных, чем неправильных выборов (правильно/неправильно; O1 — 10/3; O2 — 6/3; O3 — 6/2; средняя точность — 72.9%). Эти результаты показывают, что осьминоги в этом исследовании смогли экстраполировать местоположение будущей награды, которая не находилась вдоль линии зрения, на основе того, что они видели в зеркале.

Первоначальное направление движения в значительной степени предсказывало исход каждого испытания: в 27 из 30 испытаний первоначальное движение осьминогов в сторону сохранялось (19 из 27 в правильную сторону, 8 из 27 в неправильную). В трех испытаниях (испытания 1, 9, 10 от осьминога 1) наблюдались корректировки курса после первоначального неопределенного движения вперед к зеркалу с последующим перенаправлением на правильную сторону задней стенки, что приводило к правильному результату. После движения в одну сторону осьминоги никогда не возвращались на другую сторону во время испытания. Это указывает на то, что выбор стороны в основном происходил до выхода из стартовой камеры и что навигация отражала их первоначальный выбор, а не метод проб и ошибок.

Осьминоги продемонстрировали небольшой уклон вправо в своем выборе, хотя это варьировалось в зависимости от особи. В расширенном наборе данных (n = 39; 2 были исключены, поскольку осьминоги не выбирали сторону в двух испытаниях) распределения выбора стороны были относительно сбалансированными у осьминога 1 (9R/10L) и осьминога 2 (7R/5L), но смещенными у осьминога 3 (7R/1L). Аналогичная систематическая ошибка наблюдалась при ограничении анализа базовым набором данных (30 испытаний): O1 (6R/7L), O2 (5R/4L) и O3 (7R/1L). Анализ перестановок для всех особей подтвердил, что результат превышал то, что могла бы дать одна только боковая погрешность, как в базовом наборе данных, так и в расширенном, демонстрируя, что результат отражает выбор, зависящий от стимула, а не только предпочтение стороны. Оценка выбора стороны независимо от предъявления стимула с помощью отдельных односторонних биномиальных тестов показала, что только O3 продемонстрировал значительное смещение в правую сторону.

Эффективность навигации возрастает с опытом

Чтобы оценить, становилась ли навигация более эффективной по мере накопления опыта, были проанализированы продолжительность перемещения и длина траектории в последовательных испытаниях. Рассматривались два набора данных: все завершенные испытания (n = 30, исключая касания зеркала) и только успешные испытания (n = 22). Для логарифмически преобразованных данных (логнормальное распределение) были построены линейные смешанные модели, включающие номер испытания в качестве фиксированного эффекта, особь осьминога в качестве случайного интерцепта и ранг испытания в качестве предиктора в дополнительном анализе. Продолжительность перемещения измерялась от момента начала движения осьминога после предъявления стимула до его прибытия к задней стенке аквариума. Длина траектории измерялась от стартовой позиции до стандартизированной конечной точки в заднем углу выбранной стороны.

Продолжительность перемещения уменьшалась по мере выполнения успешных испытаний и всех завершенных испытаний. Учет ранга испытания также выявил значимое сокращение времени перемещения как для успешных испытаний, так и для всех завершенных испытаний. Это свидетельствует о том, что навигация осьминогов с использованием зеркала становилась быстрее и эффективнее по мере накопления опыта.

Изображение №3

Анализ длины траектории выявил более сложную картину. Было обнаружено значимое уменьшение длины траектории в успешных испытаниях (графики выше), однако для всех завершенных испытаний такого эффекта выявлено не было. Учет ранга испытания показал тенденцию к сокращению длины траектории в успешных испытаниях, но не выявил подобного эффекта для всех завершенных испытаний. Эти результаты указывают на связанную с обучением оптимизацию траектории в успешных испытаниях, хотя причины повышенной вариабельности в неудачных испытаниях остаются неясными.

Для более подробного ознакомления с нюансами исследования рекомендую заглянуть в доклад ученых и дополнительные материалы к нему.

Эпилог

В рассмотренном нами сегодня труде ученые установили, что осьминоги способны использовать зеркало в качестве инструмента во время поиска добычи. Это первый задокументированный случай подобного поведения у головоногих.

Осьминоги уже давно известны как одни из самых умных животных на планете Земля. Желание все пощупать не является признаком праздного любопытства, а методом сбора информации об окружающей среде и предметах в ней. В данном исследовании ученые установили, что зеркала могут использоваться осьминогами для понимания окружающей среды.

Во время испытаний три особи Octopus bimaculoides помещались в аквариум с зеркалом. В течение некоторого времени осьминоги могли ознакамливаться с новым предметом. Затем ученые обучили их понимать взаимосвязь между отражением и реальным миром. На этом этапе живого краба помещали в стеклянную банку, расположенную так, чтобы осьминог мог видеть его только через зеркало. Чтобы добраться до краба, животному нужно было повернуться на 90 градусов и обойти угол.

Во время экспериментального этапа живых крабов заменили на виртуального (изображение). Это было сделано ради чистоты опытов, так как осьминоги обладают хеморецепторами, позволяющими им обонять и чувствовать вкус на ощупь, что могло бы повлиять на результаты. Для эксперимента каждого осьминога помещали в стартовый бокс, открытый спереди и сверху. Зеркало располагалось прямо перед животным. Виртуальное изображение краба появлялось позади осьминога, слева или справа от него, но было видно только через зеркало. Чтобы получить награду, осьминог должен был определить фактическое местоположение изображения и двигаться к нему. Вместо того чтобы приближаться к самому зеркалу, животные разворачивались и направлялись к правильной стороне, где получали в награду живого краба. Некоторые осьминоги даже перелезали через край коробки, чтобы добраться до места проецируемого изображения, вместо того чтобы обплывать его.

Ученые отслеживали точку между глазами осьминога на мантии, используя наблюдения сверху. Они также измеряли маршруты, которые животные проходили в поисках награды. Хотя осьминоги не всегда выбирали кратчайший путь, по мере прохождения испытаний они становились быстрее в достижении правильного места. В результате успешность осьминогов превышала 73%.

По мнению исследователей, полученные результаты могут дать новое понимание того, как развивается интеллект. Осьминоги относятся к числу наиболее эволюционно отдаленных от человека животных, поскольку наш последний общий предок жил 350–500 миллионов лет назад. Учитывая, что такой отдаленный организм независимо выработал способность использовать зеркало в качестве инструмента для обработки пространственного восприятия, можно предположить, что лежащие в основе когнитивные процессы могут быть подвержены конвергентной эволюции, когда разные виды развивают схожие нейронные решения одной и той же задачи.

Среда обитания осьминогов, включая коралловые рифы и морское дно, часто очень сложна и полна препятствий. Осьминоги охотятся на добычу из засады: они подкрадываются к своей добыче и набрасываются на нее, и хотят сделать это как можно быстрее, чтобы самим не стать жертвой. Исследователи считают, что такая стратегия охоты может быть обусловлена внутренним пониманием окружающей среды. Ученые отмечают, что для определения того, действительно ли осьминоги поддерживают такие мысленные карты, потребуются дополнительные исследования. Однако уже сейчас очевидно, что осьминоги обладают внушительным набором интеллектуальных навыков, которые нам еще предстоит понять.

Немного рекламы

Спасибо, что остаетесь с нами. Вам нравятся наши статьи? Хотите видеть больше интересных материалов? Поддержите нас, оформив заказ или порекомендовав знакомым, облачные VPS для разработчиков от $4.99, уникальный аналог entry-level серверов, который был придуман нами для Вас: Вся правда о VPS (KVM) E5-2697 v3 (6 Cores) 10GB DDR4 480GB SSD 1Gbps от $19 или как правильно делить сервер? (доступны варианты с RAID1 и RAID10, до 24 ядер и до 40GB DDR4).

Dell R730xd в 2 раза дешевле в дата-центре Maincubes Tier IV в Амстердаме? Только у нас 2 х Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 ТВ от $199 в Нидерландах! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - от $99! Читайте о том Как построить инфраструктуру корп. класса c применением серверов Dell R730xd Е5-2650 v4 стоимостью 9000 евро за копейки?