来源：博士圈圈PhDsNetwork
模拟雄性果蝇视觉系统的人工神经网络可以准确预测昆虫在看到潜在配偶时的行为，为建立更复杂的大脑回路模型铺平了道路。
在腐烂的果实上，雄性果蝇迎来了它们的机会，通过追逐雌性、振翅并发出经过微调的“爱情”歌曲来寻求潜在的伴侣。这个求偶仪式依赖于雄性果蝇从雌性那里获得的视觉反馈。然而，雄性果蝇的眼睛是如何引导它们的大脑进行这种复杂的求偶行为的呢？《自然》杂志近期发表的一项研究揭示了这一谜题。
研究表明，视觉系统将光的模式转化为对动物行为有意义的特征。例如，若隐若现的阴影可以触发某些神经元群，这些特征检测器可以快速可靠地避开捕食者。这些特征检测器也可以组合在一起，以识别更复杂的视觉模式。Cowley等人的研究通过结合人工神经网络和遗传学，探索了雄性果蝇如何使用特征检测器来协调其动作与舞伴的动作。
大脑的复杂性令人难以理解，因此科学家们对构建人工神经网络（ANN）的兴趣日益增加。人工神经网络可以作为易于处理的代理，用于理解真实神经系统的信息流。这项方法以前曾用于帮助研究人员了解灵长类视觉系统如何对物体进行分类，以及果蝇如何检测视觉运动。然而，训练有素的人工神经网络能告诉科学家多少关于真实大脑的信息仍然存在疑问。许多不同的网络模型可以产生相同的输出，因此难以确定哪个模型更优。
Cowley等人的研究揭示了一种利用果蝇果蝇黑腹果蝇克服这一挑战的方法。他们专注于雄性果蝇如何追逐和唱歌给潜在的配偶，这是一种依赖于视觉信号的活动。这些信号必须通过一组不同的小叶柱状（LC）神经元。这些神经元在眼睛的视网膜和中枢大脑之间形成瓶颈。特定亚型的LC神经元聚集在称为肾小球的大脑小区域中，这些区域包含神经元过程（轴突和树突）的紧凑集合。
研究表明，不同的LC亚型可能是独立的通道，响应特定的视觉特征并驱动特定的动作。事实上，对一种对视觉隐约有反应的LC亚型进行人工刺激会导致果蝇进行逃逸行为。然而，LC亚型在更自然的环境中代表独立感觉运动通道的程度并不那么清楚。
为了研究LC神经元如何对求偶决策做出贡献，作者训练了人工神经网络，这些网络经过优化，可以准确预测雄性果蝇的行为，当呈现雄性果蝇在求偶期间看到的近似图像时。在一个新颖的转折中，他们使用了一种称为“淘汰训练”的方法。与经典的机器学习技术不同，淘汰训练在训练过程中使特定单位沉默，以预测动物的行为，其中真实的神经元也在基因上沉默。这种方法有望在人工单元和真实神经元之间产生直接映射。
研究发现，人工和真实的果蝇LC神经元对抽象和自然视觉刺激的反应相似，部分验证了其最佳网络的解释力。Cowley等人还发现，LC单元以组合方式编码有关求偶雌性的视觉信息，并以分布式和冗余的方式调节雄性求偶行为。许多LC单元必须保持沉默，才能深刻破坏行为预测。
这项研究展示了如何使用精确、大规模的神经扰动数据来提高大脑人工模型的可解释性。尽管研究范围似乎很窄——作者在一项行为任务中只关注一类果蝇视觉神经元，但由于分布式神经编码提高了鲁棒性、多任务处理能力和效率，因此这种现象很可能在包括人类在内的物种中被发现。因此，类似于淘汰训练的技术最终可能是了解更大脑的一种必要手段。
简单的果蝇研究再次在神经科学研究中提供了重要的见解，为未来的研究指明了方向。
参考来源：
AI networks reveal how flies find a mate (nature.com)
未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）大脑研究计划，构建互联网（城市）大脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。
