長期以來，科學家和工程師從動物的驚人能力中汲取靈感，并試圖在機器人和人工智能(AI)代理中對這些能力進行逆向工程或復制。其中一種行為是氣味羽流跟蹤，這是一些動物，特別是昆蟲，通常遠距離尋找感興趣的特定氣味(例如食物或配偶)來源的能力。

華盛頓大學和內(nèi)華達大學里諾分校的研究人員進行的一項新研究采用了一種使用人工神經(jīng)網(wǎng)絡(ANN)的創(chuàng)新方法來理解飛行昆蟲的這種非凡能力。他們的工作最近發(fā)表在《自然機器智能》上，舉例說明了人工智能如何推動突破性的新科學見解。

“我們有動力研究一種復雜的生物學行為，氣味羽流跟蹤，飛行昆蟲(和其他動物)用來尋找食物或配偶，”該研究的第一作者Satpreet H. Singh告訴Tech Xplore。“生物學家已經(jīng)通過實驗詳細研究了昆蟲羽流跟蹤的許多方面，因為它是昆蟲生存和繁殖的關鍵行為。

雖然羽流跟蹤是一種至關重要的生物學能力，但它也是生物智能的一個顯著例子，因為它需要整合對當前和以前經(jīng)歷的氣味的記憶，以及處理間歇性或不可靠的嗅覺線索和風感信號，使昆蟲能夠快速適應它們的飛行軌跡。

“他們這樣做時沒有他們飛行的環(huán)境的全球地圖，”辛格補充道。

如果在機器人或人工代理中可靠地復制，氣味羽流跟蹤可以讓研究人員制造出更好的機器人，可以檢測和跟蹤有害氣體泄漏、野火和其他環(huán)境威脅。

“我們沒有進行傳統(tǒng)的實驗室風洞實驗，而是使用人工神經(jīng)網(wǎng)絡的互補'計算機'方法，”Singh解釋說。“這有助于我們在多個層面上對羽流跟蹤形成綜合理解，包括緊急行為、神經(jīng)表征和神經(jīng)動力學。

許多神經(jīng)科學家已經(jīng)開始使用在標記數(shù)據(jù)上訓練的人工神經(jīng)網(wǎng)絡(ANN)來研究和人工復制生物過程。在他們的研究中，Singh和他的同事使用了深度強化學習(DRL)，這是一種算法工具包，才剛剛開始在神經(jīng)科學中獲得牽引力，它使用模擬而不是標記數(shù)據(jù)來訓練人工神經(jīng)網(wǎng)絡。

“DRL最近在神經(jīng)科學之外的一些非常成功的應用包括DeepMind著名的圍棋游戲AI，或者OpenAI最近的一些GPT語言模型，”Singh說。“就像在動物訓練中一樣，DRL使用模擬的'獎勵'和'懲罰'來訓練可以自主完成任務的ANN代理。

為了使用DRL訓練他們的羽流跟蹤劑，研究人員首先模擬了位于總面積約為120米的多風競技場內(nèi)散發(fā)的氣味。2.當他們的代理人確定氣味來源的位置時，他們得到了獎勵。相反，如果他們忘記了氣味羽流并離開了競技場，他們就會受到“懲罰”。

“經(jīng)過培訓后，我們利用模擬器的靈活性來生成具有各種氣味濃度和風力模式的羽流，以查看代理在不同條件下的精確行為，”辛格說。“在真實的風洞中重現(xiàn)對羽流配置的這種細粒度控制將是一項相當費力的工作。

Singh和他的同事們還能夠觀察他們的人工神經(jīng)網(wǎng)絡的各個單位(即人工神經(jīng)元)的活動，因為它跟蹤了氣味羽流。在追蹤過程中，這種個體神經(jīng)元記錄尚未在昆蟲自由形態(tài)飛行期間收集到，因為它們是使用現(xiàn)有技術無法實現(xiàn)的。

“在我們訓練有素的人工代理中出現(xiàn)的行為與生物學家之前在進行羽流跟蹤的飛行昆蟲中觀察到的行為模塊非常相似，”辛格說。

研究人員收集的記錄表明，他們的模型可能會復制支持動物氣味羽流追蹤的生物學過程。隨后，Singh和他的同事模擬了可以在未來的風洞真實世界實驗中重現(xiàn)的羽流配置。

這些模擬使他們能夠生成不同的假設，說明人工代理在不斷變化的風力條件下跟蹤羽流時的行為。他們專門研究了風向經(jīng)常變化的情況。

“利用來自ANN代理的同時行為和神經(jīng)觀察，我們對支持羽流跟蹤的算法和神經(jīng)計算產(chǎn)生了直覺和洞察力，”Singh解釋說。“例如，我們看到神經(jīng)活動編碼變量，例如自最后一次氣味相遇以來的時間，這些變量以前被假設對羽流跟蹤很重要。先前的實驗和計算結果之間的這些相似性表明，這些數(shù)量對于成功的羽流跟蹤至關重要。

除了實現(xiàn)關鍵技術進步外，還可以對ANN試劑進行逆向工程，以更好地了解它們的工作原理，這反過來又可能為神經(jīng)科學研究提供信息。因此，Singh和他的同事創(chuàng)建的模型也可能被神經(jīng)科學家用于研究氣味羽流跟蹤背后的生物學過程。

在未來，研究人員希望他們的模型能夠激發(fā)機器人代理的創(chuàng)建，這些機器人代理可以在搜救任務，環(huán)境監(jiān)測工作和其他應用中跟蹤氣味。在接下來的研究中，他們計劃通過提高模擬和代理的物理和生物保真度來進一步發(fā)展他們的模型，以便它們更好地代表現(xiàn)實世界的氣味羽流。此外，他們希望人工再現(xiàn)飛行昆蟲的其他生理特征和能力。

“還需要更多的理論工作來理解我們的人工神經(jīng)網(wǎng)絡，進一步了解產(chǎn)生緊急行為的計算，”辛格補充道。“最后，我們的代理執(zhí)行一項任務，即羽毛跟蹤，而飛行昆蟲的行為要豐富得多。開發(fā)可以重現(xiàn)如此豐富的生物復雜性的模擬和代理訓練范式是一項艱巨的工程挑戰(zhàn)，應該激發(fā)未來的工作。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！