科学家利用深度强化学习技术训练AI智能体，使其能够引导秀丽隐杆线虫找到美味的大肠杆菌块。研究中，智能体能够学习如何快速引导线虫靠近目标，且线虫能绕开障碍物。该技术展示了大脑和AI之间有趣的协作，有潜力应用于更复杂的任务，如改善脑深部电刺激对帕金森病的疗效，甚至带来新技能。
科学家已经能让人工智能（AI）直接接入线虫的神经系统，展示大脑和AI之间有趣的协作。研究目的是训练AI引导线虫找到美味目标。
研究中使用了深度强化学习技术，基于人工神经网络。研究团队训练AI智能体，使用摄像头记录线虫的位置和方向，智能体通过接收摄像头信息并控制光照来引导线虫。
在6个品系的线虫中，有5个品系的线虫在智能体的引导下能够比自身行动或在随机闪光下更快地靠近目标。智能体和线虫合作，当路径存在小障碍物时，线虫能够绕过去。
该研究展示了人工智能与生物系统的协同潜力，有潜力应用于更复杂的任务。例如，改善脑深部电刺激对帕金森病的疗效，甚至可能带来新技能。同时，该技术也为未来的研究提供了新的思路和方法。
显微镜下的秀丽隐杆线虫（Caenorhabditis elegans）。图片来源：wikipedia撰文｜马修·赫特森（Matthew Hutson）
翻译｜巢栩嘉
科学家已经能让人工智能（AI）直接接入线虫的神经系统，并引导这些几毫米长的生物找到美味的目标——这展示了大脑和AI之间有趣的协作。他们训练AI用到的技术名为深度强化学习，该技术同时也可用于训练AI精通围棋之类的游戏。这套软件基于人工神经网络，它大致模仿了生物的大脑，可以基于对一系列行为和结果的分析，为AI“智能体”选出可与环境互动并实现目标的策略。
在这项发表于《自然·机器智能》（Nature Machine Intelligence）的研究中，研究人员训练出一个AI智能体，它能在一个4厘米宽的培养皿里，引导1毫米长的秀丽隐杆线虫（Caenorhabditis elegans）向美味的大肠杆菌（Escherichia coli）块蠕动。旁边的摄像头记录下每条线虫头部和身体的位置和方向。摄像头每秒会向智能体更新3次信息，每次都将传回此前拍到的15帧信息，智能体就是以此感知过去和现在的。智能体还能控制一束照亮培养皿的光。由于这些线虫都经过了光遗传工程改造，光照会刺激特定神经元变得活跃或不活跃，这有时也能促进线虫运动。
研究团队测试了6个基因品系的线虫。线虫有302个神经元，这6种线虫的神经元中对光敏感的数量从1个到全部302个不等。刺激在每个品系上都有不同的效果，比如让线虫转弯，或阻止它转弯。科学家首先通过随机照射线虫5小时收集训练数据，并将这些数据喂给AI智能体，让它找出规律，然后再让它自由发挥。
在6个品系中的5个（包括所有神经元都对光有反应的那个品系）中，智能体都学会了如何让线虫快速靠近目标，速度比线虫自己行动或在随机闪光下的速度更快。更重要的是，智能体和线虫进行了合作：如果智能体引导线虫直接朝目标前进，但路径上存在小障碍物，线虫会绕过去。
武段胜（T. Thang Vo-Doan，音译）是澳大利亚昆士兰大学（University of Queensland）的工程师，曾独立研究过半机械昆虫。他称赞这项工作设置简单，因为强化学习具有灵活性，基于它的AI可以找出执行复杂任务的方法。李辰光（Chenguang Li）是论文第一作者、哈佛大学生物物理学家，她认为“人们很容易就能联想到如何将其拓展到更复杂的问题上”。她的团队目前正在探索能否通过这种方法调整电击的电压和时机，以此改善脑深部电刺激对帕金森病的疗效。李辰光说，强化学习和植入物甚至有望在未来给我们带来新技能——人工的神经网络和真正的神经网络联合协作。
本文选自《环球科学》10月刊“前沿”栏目。
本文来自微信公众号“环球科学”。如需转载，请在“环球科学”后台回复“转载”，还可通过公众号菜单、发送邮件到[email protected]与我们取得联系。相关内容禁止用于营销宣传。
