科隆大学的动物学家研究了昆虫的神经系统，以研究生物大脑计算的原理以及对机器学习和人工智能的潜在影响。具体来说，他们分析了昆虫如何学会将周围环境中的感官信息与食物奖励相关联，以及他们如何稍后可以回忆起这些信息以解决诸如寻找食物之类的复杂任务。结果表明，将感觉信息转换为大脑中的记忆可以激发未来的机器学习和人工智能应用来解决复杂任务。这项研究已发表在PNAS杂志上。
活生物体在应对复杂和动态环境带来的问题方面显示出非凡的能力。他们能够概括自己的经验，以便在环境变化时迅速适应其行为。动物学家调查了寻找食物时果蝇的神经系统如何控制其行为。他们使用计算机模型对果蝇神经系统中的计算进行了模拟和分析，以响应于食物来源产生的气味。``我们最初以与昆虫在实验中训练完全相同的方式训练了我们的果蝇大脑模型。我们在模拟中展示了特定的气味以及奖励和没有奖励的第二种气味。
因此，创建的模型能够从其记忆中进行概括，并将其先前学到的知识应用到一个全新的复杂气味分子环境中，而学习只需要一个非常小的训练样本数据库即可。这项研究的资深作者马丁·纳沃特(Martin Nawrot)教授解释说：“对于我们的模型，我们利用神经系统中生物信息处理的特殊性质。“这些尤其是通过短暂的神经冲动快速而并行地处理感觉刺激，以及通过在学习过程中同时修饰许多突触来形成分布式记忆。”该模型所基于的理论原理也可以用于人工智能和自治系统。
