科學家們已經為人工智慧提供了一條直接進入毫米級蠕蟲神經系統的線路，讓它引導這些生物到達美味的目標——並展示了引人入勝的大腦與人工智慧的協作。他們使用一種名為深度強化學習的方法訓練了人工智慧；這種方法也被用於幫助人工智慧玩家學習掌握圍棋等遊戲。人工神經網路是一種粗略地模仿生物大腦的軟體，它分析一系列的動作和結果，提取人工智慧“代理”與其環境互動並實現目標的策略。
在這項發表在《自然-機器智慧》雜誌上的研究中，研究人員訓練了一個人工智慧代理，以引導一毫米長的秀麗隱杆線蟲蠕蟲朝向四釐米培養皿中美味的大腸桿菌區域。附近的攝像頭記錄了每條蠕蟲頭部和身體的位置和方向；代理每秒三次接收前15幀的這些資訊，使其對每一刻的過去和現在都有感知。代理還可以開啟或關閉對準培養皿的光。這些蠕蟲經過光遺傳學工程改造，因此某些神經元會在光照下變得活躍或不活躍，有時會促使運動。
研究團隊測試了六種遺傳品系，其中光敏神經元的數量從一條到蠕蟲擁有的全部302條不等。刺激在每個品系中都有不同的效果，例如使蠕蟲轉彎或阻止其轉彎。科學家們首先透過隨機向蠕蟲閃爍光線五小時來收集訓練資料，然後將資料饋送到人工智慧代理以尋找模式，然後在讓代理自由行動之前進行設定。
支援科學新聞業
如果您喜歡這篇文章，請考慮透過 訂閱來支援我們屢獲殊榮的新聞報道。透過購買訂閱，您將幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
在六個品系中的五個品系中，包括所有神經元都對光反應的品系，代理學會了比蠕蟲單獨留下或光隨機閃爍更快地引導蠕蟲到達目標。更重要的是，代理和蠕蟲進行了合作：如果代理引導蠕蟲徑直朝向目標，但路徑上有小的障礙物，蠕蟲會繞過它們爬行。
澳大利亞昆士蘭大學的工程師 T. Thang Vo-Doan 獨立研究了賽博格昆蟲，他讚揚這項工作設定簡單——強化學習是靈活的，基於它的 AI 可以弄清楚如何執行復雜的任務。哈佛大學生物物理學家陳光力（音譯）是該論文的主要作者，他表示，“人們很容易看出如何將其擴充套件到更困難的問題。” 她的團隊現在正在探索他們的方法是否可以透過調整所用電壓及其時序來改進用於治療人類帕金森病的電極深部腦刺激。李說，有一天，強化學習加上植入物甚至可能賦予我們新的技能——人工和真實的神經網路結合在一起。