Küçük beyinlerine rağmen arılar, bilim insanlarını yıllardır şaşırtmaya devam ediyor. Son araştırmalar, bu canlıların görsel desenleri taklit etmekle kalmayıp doğrudan sayısal miktarları kavrayabildiğine işaret ediyor. Peki bu nasıl kanıtlandı?
Küçük Beyin, Büyük Soru
Bir arının beyninde yaklaşık bir milyon nöron (sinir hücresi) bulunur. İnsan beynindeki 86 milyarla kıyaslandığında bu sayı son derece mütevazı görünür. Ama sayı saymak için büyük bir beyne gerçekten ihtiyaç var mı? Bilim insanları bu soruyu uzun zamandır tartışıyor ve arılar, her yeni çalışmayla bu tartışmanın tam merkezine oturuyor. Arıların sayısal biliş (numerosity) yeteneği, yani nesneleri sayma ya da miktarları karşılaştırma kapasitesi, son yıllarda biyoloji dünyasının en merak uyandıran gündem maddelerinden biri haline geldi.
Eski Deneyler Ne Söylüyordu?
Araştırmacılar daha önce arılara ilginç bir test uygulamıştı: Belirli sayıda şekil içeren kartları öğrenen arılar, bu kartları yeni uyaranlarla eşleştirmeye çalışıyordu. Arılar yüzde 75-80 oranında doğru seçim yapıyordu; bu, tesadüfün çok ötesinde bir başarıydı. Ancak bazı bilim insanları bu sonuca itiraz etti. “Belki arılar saymıyor, sadece daha kalabalık görünen kartları seçiyor” dediler. Daha fazla nesne içeren görseller aynı zamanda görsel olarak daha karmaşık, daha dolu ve daha yoğun görünüyor olabilirdi. Arılar bu görsel ipuçlarını kullanarak testi bir tür “hile” ile geçmiş olabilir miydi?
Arının Gözüyle Bakmak
İşte tam bu noktada Trento ve Monash üniversitelerinden araştırmacılar farklı bir soru sormaya karar verdi: “Peki bu görseller arının gözünde nasıl görünüyor?” Arılar, binlerce küçük birimden oluşan bileşik gözlere sahiptir ve uzamsal çözünürlükleri, yani görüntüdeki ince detayları ayırt etme kapasiteleri, insan gözüne kıyasla çok daha düşüktür. Araştırmacılar arının görme sistemini matematiksel bir modele dönüştürerek deneylerde kullanılan görselleri bu filtreden geçirdi. Sonuç oldukça çarpıcıydı: Arının gözü için işlenen görüntülerde, daha fazla nesne içeren kartlar otomatik olarak “daha karmaşık” görünmüyordu.
Eleştirinin Temeli Çöktü
Bu bulgu, eski itirazın temelini sarsmaktadır. Arılar görsel karmaşıklığı bir ipucu olarak kullansaydı, bu ipucunu görebilecek bir görme sistemine sahip olmaları gerekirdi. Ancak modelleme, arı gözünün bu tür ince farkları zaten algılayamadığını gösterdi. Yani arılar deneylerde görsel kalabalığa aldanarak değil, doğrudan nesne sayısına tepki vererek başarıya ulaşmış olmalıdır. Proceedings of the Royal Society B dergisinde yayımlanan bu analiz, arıların sayısal miktarı temsil etme kapasitesine sahip olduğu yorumunu güçlü biçimde desteklemektedir.
Bu Ne Anlama Geliyor?
Arıların saydığını söylemek, onların matematiksel hesap yaptığı anlamına gelmiyor. Burada söz konusu olan çok daha temel bir yetenek: az mı çok mu, az mı daha az mı gibi miktarsal farkları sezgisel olarak kavrama. Bu yeteneğin milyonlarca yıl önce evrimleştiği ve çok farklı türlerde bağımsız olarak ortaya çıktığı düşünülmektedir. Arılardaki bu kapasitenin belgelenmesi, sayısal bilişin yalnızca büyük beyinli memelilere özgü olmadığına dair giderek güçlenen kanıtlar zincirine yeni bir halka eklemektedir.
Hayvan Zekasını Ölçmenin Doğru Yolu
Bu çalışmanın belki de en önemli katkısı, içeriğin ötesinde metodolojiye ilişkin verdiği derstir. Bir hayvanın zekasını test etmek istiyorsanız, testi o hayvanın dünyasına göre tasarlamanız gerekir. İnsan gözüyle tasarlanan bir deney, farklı bir görme sistemine sahip bir türü haksız biçimde dezavantajlı ya da avantajlı konuma sokabilir. Arılar bu çalışmayla hem sayısal biliş hem de deneysel tasarım tartışmalarında yeniden merkeze taşındı; bize hem küçük beyinlerin sınırlarını hem de bu sınırları aşan olası yetenekleri bir kez daha düşündürttü.
Kaynaklar
- Zanon, M., Howard, S. R., Giurfa, M., & Dyer, A. G. (2024). Reanalysis of numerical learning in bees using a model of the insect visual system. Proceedings of the Royal Society B: Biological Sciences.
- Howard, S. R., Avarguès-Weber, A., Garcia, J. E., Greentree, A. D., & Dyer, A. G. (2018). Numerical ordering of zero in honey bees. Science, 360(6393), 1124–1126. https://doi.org/10.1126/science.aar4975
- Giurfa, M. (2013). Cognition with few neurons: Higher-order learning in insects. Trends in Neurosciences, 36(5), 285–294. https://doi.org/10.1016/j.tins.2012.12.011
