蜻蜓作为卓越的捕食者，能够在 50 毫秒内对猎物运动做出反应。
如此快速的信息处理能力使捕获成功率可达 95%。
这项惊人的狩猎能力，如果应用于算法中，可以使模型运算变得更有效率，降低系统处理所需能耗，扩大实用范围。
人类有望利用蜻蜓神经系统的处理速度、简单性和反馈效率等优势，设计出执行速度更快、消耗功率更低的计算机。
蜻蜓拦截系统神经网络
模仿蜻蜓狩猎模式，就要先摸清它的整个捕猎过程。
在捕猎中，蜻蜓具备高速计算的能力。
它能够根据猎物的动作迅速调整方向，通过判断头部与身体之间的角度，以此控制某一侧翅膀扇动速度来实现。
如以下模型展示，通过判断猎物（红色星号）运动轨迹，改变头部方向（蓝色平面方向）以及头身角度（蓝色平面和黑色直线角度）。
另外，它还可以提前锁定自身的动作，判断出方向的变化会给猎物的运动带来哪些影响。
这一系列处理过程需要感受器-传入-中枢-传出-效应器整个反射弧的参与。其中每一个神经元输入信息的时间超过 10 毫秒，而蜻蜓完成这一套动作仅需 50 毫秒。
也就是说，考虑到眼睛处理视觉信息的 10 毫秒和肌肉运动发力的 5 毫秒时间，如果超过四层神经元传递，整个反应时间将大于 50 毫秒，而蜻蜓可以在四层以内神经元传递中完成信息反馈。
△神经元信息传递概念图
如此高效的信息传递处理速度，如果可以应用到系统搭建中，将会大大降低对运算设备的要求。
依照蜻蜓神经系统建立起一个三层神经网络，并用它来计算捕猎过程中的变化。
在美国桑迪亚国家实验室中，科研人员通过研究蜻蜓捕猎，搭建了蜻蜓仿生神经网络。
首先，蜻蜓必须看到猎物才能进行信息输入，开始处理计算。因此第一层设置了 441（21^2）个神经元代表眼睛部分的信息输入。
每个神经元代表特定视野区域，覆盖全部视野范围。随着蜻蜓转动，猎物在视野中的位置会发生变化。
要得出蜻蜓转动角度，只需要使特定范围神经元与猎物图像对齐。
这个过程就是捕获猎物位置后，蜻蜓对猎物运动的信息输入，转化为所需转动方向的指令计算。
为了完成这项处理，神经网络第二层设置了 194481（21^4）个神经元，并预设了所有神经元连接到神经网络的权重。
其中权重的设置可以通过机器学习过程来不断完善。
模拟蜻蜓做出转变方向决策，只需要保持视线-猎物和固定参考方向之间角度恒定，即猎物图像与视野中特定位置对齐。
最后的第三层输出，就是通过以上处理得出肌肉动作的变化，指挥运动方向。
不仅是指挥动作，还要预测动作对猎物图像在视野位置的影响，并更新预测的位置，相较于外部环境，将视线保持在稳定位置。
如下图所示，在模拟的视野范围内，锁定猎物图像并将其保持在视野中心位置。
图 1 代表蜻蜓看到猎物图像的视野。
图 2 指定了哪些眼睛神经元应该与猎物图像对齐，即猎物应该在视野哪个位置。
图 3 代表完成输出命令后看到的猎物图像位置，维持在视野中心附近。
△蓝色图像代表猎物在视野中的位置
对这套三层神经网络进行测试，模拟蜻蜓和猎物以同样的速度在三维空间移动，蜻蜓（黑色轨迹）可以完成简单拦截猎物（红色轨迹）的动作，甚至是捕获沿着弯曲或半随机轨迹行进的猎物。
△红色代表猎物运动轨迹，黑色模拟蜻蜓运动轨迹。
验证并继续探索蜻蜓大脑
那么这套神经网络是否将蜻蜓大脑的优势完全模拟了出来，是否真正掌握了高效捕猎的运算处理方法？
这还需要在蜻蜓身上做出进一步的验证。
在位于弗吉尼亚州的霍华德・休斯医学研究所，Janelia 研究院的科研人员开发了蜻蜓微型背包，用于监测蜻蜓飞行中的神经系统电信号数据。
△蜻蜓微型背包，可用于搜集电信号数据
通过比较蜻蜓生物神经元的活动模式和人工神经网络系统的数据，就可以验证这一模型是否在进行和蜻蜓大脑类似的计算，这将有助于确定权重的设计。
研究蜻蜓大脑不仅仅可以用在捕猎算法方面，还可以应用在自注意力模式，简单的注意力引导机制可能被用来屏蔽不相关的信息干扰。
另外，蜻蜓的视觉感知，还会影响到追踪定位系统的优化设计。高速的帧率和较低的空间分辨率，可能对锁定目标更有效。
当然，机器模型和蜻蜓大脑数据还是存在有差异。不过，研究人员认为，研究模型与实际中蜻蜓大脑的这部分差异，可以为提速系统运算提供线索。
其他昆虫仿生应用
不仅仅蜻蜓可以提供给神经网络设计思路。
像远途迁移的黑脉金斑蝶、帝王蝶等，对搜集昼夜节律和环境变化信息，反馈到行进方向上的决策，这一处理过程同样值得探索。
而撒哈拉沙漠蚂蚁，可以将视觉信息和内部测量的距离相结合，在较远的距离计算直接归巢的路线。
昆虫之间类似的这种规划能力，执行任务过程中的神经回路，可能应用于低功率无人机上，用以自主拟定方向和路线。
从昆虫中获得启发，未来的计算机发展方向，将是拥有一群高度专业化且效率极高的微型处理器，根据任务进行调配部署，达到高效节能的处理效果。