在我们的每个大脑中，有860 亿个神经元并行工作，处理来自感官和记忆的输入，以产生人类认知的许多壮举。其他生物的大脑没有那么广泛的能力，但这些动物通常表现出对特定任务的先天能力，这些能力是经过数百万年的进化磨练出来的。
我们大多数人都见过动物做聪明的事情。也许您的家养宠物是逃生艺术家。也许您住在鸟类或蝴蝶的迁徙路线附近并庆祝它们的年度回归。或者，您可能对蚂蚁入侵您的食品储藏室看似一心一意感到惊讶
将这种专门的神经系统作为人工智能模型可能被证明与研究人脑一样有价值，甚至更多。想想你储藏室里那些蚂蚁的大脑。每个都有大约 250,000 个神经元。较大的昆虫有接近100万只。在阿尔伯克基桑迪亚国家实验室的研究中，我研究了其中一种大型昆虫蜻蜓的大脑。我和我在国家安全实验室桑迪亚的同事们希望利用这些昆虫的专长来设计计算系统，这些系统针对拦截来袭导弹或跟踪气味羽流等任务进行了优化。通过利用蜻蜓神经系统的速度、简单性和效率，将蜻蜓视为未来计算机系统的先驱似乎有悖常理。制造新闻的人工智能和机器学习的发展通常是模仿人类智能甚至超越人类能力的算法。在某些特定任务上，例如在医学扫描中检测癌症，神经网络已经可以表现得与人类一样好——如果不是更好的话。这些神经网络的潜力远远超出了视觉处理。通过自我对弈训练的计算机程序AlphaZero是世界上最好的围棋选手。它的兄弟 AI AlphaStar跻身星际争霸 II最佳玩家之列。
然而，这样的壮举是有代价的。开发这些复杂的系统需要大量的处理能力，通常只有选择拥有最快超级计算机和支持它们的资源的机构才能使用。而且能源成本令人反感。 最近的估计表明，开发和训练自然语言处理算法所产生的碳排放量大于四辆汽车在其生命周期中产生的碳排放量。
蜻蜓只需要大约 50 毫秒就开始对猎物的动作做出反应。如果我们假设眼睛中的细胞需要 10 毫秒来检测和传输有关猎物的信息，另外 5 毫秒让肌肉开始产生力量，那么神经回路只剩下 35 毫秒来进行计算。鉴于单个神经元通常需要至少 10 毫秒来整合输入，因此底层神经网络可以至少有三层深。
但是人工神经网络真的需要大而复杂才能有用吗？我相信不会。为了在短期内获得受神经启发的计算机的好处，我们必须在简单性和复杂性之间取得平衡。
这让我想起了蜻蜓，一种有大脑的动物，可以为某些应用提供精确的平衡。
如果您曾经遇到过蜻蜓，您就会知道这些美丽生物的缩放速度有多快，并且您已经看到了它们在空中惊人的敏捷性。随便观察一下，也许不太明显的是它们出色的狩猎能力：蜻蜓成功捕获了高达 95% 的猎物，一天吃掉数百只蚊子。
蜻蜓的身体实力当然不会被忽视。几十年来，美国机构一直在尝试将蜻蜓设计用于监视无人机。现在是时候把我们的注意力转向控制这个微型狩猎机器的大脑了。
虽然蜻蜓可能无法玩像围棋这样的战略游戏，但蜻蜓确实展示了一种战略形式，它在猎物当前位置之前瞄准以拦截它的晚餐。这需要以极快的速度执行计算——蜻蜓通常只需要 50 毫秒就可以开始转动以响应猎物的动作。它在跟踪头部和身体之间的角度的同时这样做，以便它知道哪个翅膀更快地扇动以在猎物前面转动。它还会跟踪自己的动作，因为当蜻蜓转动时，猎物也会出现移动。