用于机器人智能的体外生物神经网络概述

北京理工大学科学家的一篇综述论文总结了最近在使用体外生物神经网络(BNN)实现生物智能方面所做的努力和未来的潜力，重点关注与机器人智能相关的方面。

发表在CyborgandBionicSystems上的评论论文概述了1)体外BNN中呈现的智能基础，例如记忆和学习;2)这些BNN如何通过双向连接与机器人结合，形成所谓的基于BNN的神经机器人系统;3)这些神经机器人系统实现的初步智能行为;4)基于BNN的神经机器人系统研究领域的当前趋势和未来挑战。

“我们的人脑是由数十亿个神经元组成的复杂生物神经网络(BNN)，它产生了我们的意识和智力。然而，由于其错综复杂的性质，从整体上研究大脑极具挑战性。通过培养一部分从培养皿中的大脑中提取神经元，可以形成更简单的BNN，例如迷你大脑，从而更容易观察和研究网络。这些迷你大脑可以为意识和智力的神秘起源提供有价值的见解，”研究作者、北京理工大学助理研究员于志强解释道。

“有趣的是，迷你大脑不仅在结构上与人脑相似，而且它们还能以类似的方式学习和记忆信息，”于说。

特别是，这些体外BNN与体内BNN具有相同的基本结构，其中神经元通过突触连接，并且它们通过褪色和隐藏记忆过程表现出短期记忆。此外，这些迷你大脑可以执行监督学习并接受训练以响应特定的刺激信号。最近，研究人员证明，体外BNN甚至可以完成无监督学习任务，例如分离混合信号。

“这种迷人的能力可能与著名的自由能原理有关。也就是说，这些BNN倾向于将它们对外部世界的不确定性降到最低，”Yu说。

体外BNN的这些能力非常有趣。然而，仅仅手头有这样一个“迷你大脑”，对于意识和智能的提升是不够的。我们的大脑依靠我们的身体来感知、理解和适应外部世界，同样，这些微型大脑也需要身体与环境互动。机器人是实现此目的的理想人选，这导致了神经科学和机器人学交叉领域的新兴跨学科领域：基于BNN的神经机器人系统。

“稳定的双向连接是这些系统的先决条件，”研究作者说，“在这篇综述中，我们总结了构建这种双向连接的主流手段，根据连接方向可以大致分为两类：从机器人到BNN，以及从BNN到机器人。”

前者涉及将传感器信号从机器人传输到BNN，利用电、光和化学刺激方法，而后者记录BNN的神经活动，并将这些活动解码为控制机器人的命令，使用细胞外、钙和细胞内记录技巧。

“以机器人为代表，体外BNN表现出广泛的迷人智能行为，”Yu说。“这些行为包括监督和非监督学习、记忆、移动对象跟踪、主动避障，甚至学习玩‘Pong’等游戏。”

正如Yu解释的那样，这些基于BNN的神经机器人系统显示的智能行为可以根据它们对计算能力或网络可塑性的依赖分为两类。

“在依赖于计算能力的行为中，学习是不必要的，BNN被视为一种信息处理器，可以产生特定的神经活动以响应刺激。但是，对于后者，学习是一个关键过程，因为BNN适应刺激和这些变化是机器人执行的行为或任务不可或缺的一部分，”Yu补充道。

为了便于比较记录和刺激技术、编码和解码规则、训练策略和机器人任务，将这两个类别的代表性研究汇编成两个表。此外，为了向读者提供基于BNN的神经机器人系统的历史概览，我们选择了几项值得注意的研究并按时间顺序排列。

研究作者还讨论了该领域的当前趋势和主要挑战。Yu表示，“有四个挑战亟待解决并正在深入研究。如何在3D中制造BNN，从而使体外BNN接近体内对应物，是其中最紧迫的挑战之一。”

也许最具挑战性的方面是如何训练这些机器人嵌入的BNN。研究作者指出，BNNs仅由神经元组成，缺乏各种神经调节剂的参与，这使得各种动物训练方法难以移植到BNNs。此外，BNN有其自身的局限性。虽然可以训练猴子骑自行车，但完成需要更高层次思维过程的任务(例如下围棋)更具挑战性。

“意识和智力如何从我们大脑中的细胞网络中产生的谜团仍然困扰着神经科学家，”Yu说。然而，随着机器人体外BNNs的发展，我们可能会观察到它们更多的智能行为，并让人们更接近神秘背后的真相。