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newmedia@huanqiukexue.com与我们取得联系。相关内容禁止用于营销宣传。
-电商广告-
《环球科学》2025年度征订现已开启
点击图片或阅读原文即可订阅！
