对简单模式动物的系统研究可以帮助我们看清树丛中的路线，定义和发现关键问题，是脑科学与类脑研究十分必要一环。昆虫智能的研究在国内尚属小众，为了促进来自神经科学、系统科学、物理学、数学以及计算机科学等不同领域，对昆虫智能、仿生机器人、类脑智能与计算、人工智能感兴趣的学术工作者的交流与合作，集智俱乐部联合复旦大学宋卓异、西湖大学孙一、中科院生物物理研究所司光伟和北京大学的梁希同老师，发起了神经、认知、智能系列读书会第四季——「昆虫智能与AI」读书会。
本次读书会将邀请国内外领域内的学者带领大家进入蜜蜂、果蝇等昆虫的智能世界，内容涵盖昆虫感知、认知、行为、AI与工程四大模块，不仅解读昆虫小而精的神经系统，并希望探讨昆虫智能对类脑智能、人工智能和仿生机器人的启发。读书会从2024年10月15日开始，预计每周进行一次，共计约10次。第一期我们邀请到玛丽皇后大学心理学研究中心创始人 Lars Chittka 教授做关于蜜蜂智能的分享。欢迎感兴趣的朋友报名参与，深入梳理相关文献、激发跨学科的学术火花！
昆虫数量是全球总人口数量的约2亿倍，在陆地、大气、水中都有它们的踪迹。目前已经有100多万种昆虫被发现，约占地球已知动植物种类的75%。对于昆虫，相信大家都有这样的好奇：
本次读书会将以昆虫作为研究智能的入口，一方面通过研究昆虫相对简单的神经系统如何精确感知环境，处理信息，并指导自身的认知行为过程去理解神经系统处理复杂任务的编解码计算机制与能量效率平衡。另一方面基于对昆虫智能的理解，探讨昆虫智能启发的轻量化智能算法和昆虫仿生系统在AI和工程领域的潜力。
宋卓异，复旦大学类脑智能科学与技术研究院青年研究员。具有在控制科学和神经科学领域交叉学科的研究背景，长期致力于构建多尺度及大型计算机仿真模型研究神经编码问题，即神经系统将环境信息编码为神经信息，以便在大脑中产生智能。相关成果发表于Current Biology，eLife, Journal of Neuroscience等期刊。
研究方向：计算神经科学、神经系统建模、神经编码、仿生视觉、类脑智能，研究兴趣主要集中在多尺度类脑模型的构建与自适应神经编码研究，如视网膜仿真模型和昆虫复眼仿真模型在仿生视觉系统中的应用。
孙一，西湖大学研究员，博士生导师，组建系统神经科学与神经工程实验室。目前致力于社会交互中个体间感知识别与行为决策等认知过程的研究，特别是其神经网络计算原理的研究。结合功能成像与光遗传、定量行为、电生理、连接组学、理论建模等方法回答这些问题。同时将发展应用新的技术从而更好地测量和控制神经活动和环境变量。
研究方向：实验室以社会认知的神经网络计算原理为研究对象，以神经环路与行为为研究主线，以先进技术特别是功能成像技术为研究特点。目前以果蝇为主要实验模型。
司光伟，中科院生物物理研究所脑与认知国家重点实验室研究员。研究聚焦在动物体内外的信息如何被神经元的群体活动编码；神经编码如何在网络中传播、整合和变换；编码的变换如何通过特定的神经网络结构来实现；网络的结构如何调整以适应环境及自身发育；以上过程又如何影响动物的行为。综合运用行为学、钙离子/电压探针成像、光遗传学和微流控等实验手段，并结合建模和模拟开展研究工作。
研究方向：生物神经系统在网络层面上的定量规律，包括神经元群体编码、网络动态结构、及其在发育过程中的调节等相关问题。实验研究对象为果蝇幼虫的嗅觉系统。
梁希同，北京大学生命科学学院、北大-清华生命科学联合中心、北大麦戈文脑科学研究所研究员、博士生导师。长期关注动物行为多样性的神经和演化机制，特别是发掘无脊椎动物中所蕴藏的丰富而独特的神经算法资源 ，相关成果发表在Nature、Science、Neuron、PNAS、Current Biology等期刊。
研究方向：主要研究头足类（包括乌贼和章鱼）的行为、智能与仿生，通过开发基于机器学习的行为定量分析技术和大规模神经活动成像技术，研究变色伪装和触手运动的神经与演化机制， 为类脑计算、图像生成、与仿生软体机器人提供独特的神经算法借鉴与运动控制理论。
分享主题：A Story of Bee’s Intelligence
读书会第一次分享，我们邀请了《蜜蜂的心智》（The Mind of the Bee）一书的作者、玛丽皇后大学心理学研究中心的创始人Lars Chittka教授为我们开场，带我们深入了解蜜蜂如何展现出复杂的认知功能和情感反应，还将探讨这些昆虫如何通过其微小的神经系统表达出惊人的智慧。Lars Chittka教授将分享他的研究成果，展示蜜蜂在记忆、空间理解、创造性地解决问题及其与环境的深层互动方面的能力。最后，还将讨论蜜蜂对人类文化和生态系统的深远影响，以及这些发现如何影响我们对其他生物心智能力的理解，重新定义对自然界中智能生命的看法。
在分享结束后，我们会邀请宋卓异、孙一、司光伟、梁希同四位发起人老师一起回顾Lars Chittka教授的分享内容并进行圆桌讨论，分享他们在昆虫智能领域的科学研究历程，并介绍读书会的整体安排。
Lars Chittka，伦敦玛丽女王大学生物与行为科学学院教授。他一直是PLoS Biology的编辑，还曾担任享有盛誉的《伦敦皇家学会会报B》和《生物学季刊评论》的编辑委员会成员，与T. Doering博士一起在2006年获得了皇家昆虫学会的莱斯利·古德曼奖。
研究方向：实验室的工作关注感官生理学与学习心理学和进化生态学的交叉点。动物为何具有它们所拥有的感官系统？它们如何在自然觅食环境中使用这些系统？认知行为过程在自然经济中如何运作？实验室的工作包括野外研究以及使用计算机控制的行为测试、计算机模拟和系统发育分析的实验研究。
运营模式
从2024年10月15日开始，持续约10次。预计每周进行一次线上会议，与主讲人等社区成员当面交流，会后可以获得视频回放持续学习。
参与方式
此次读书会采用是腾讯会议线上进行（请提前下载安装）。在扫码完成报名并添加负责人微信后，负责人会将您拉入交流社区（微信群），入群后告知具体的会议号码。
报名方式
第一步：扫码填写报名信息。
第二步：填写信息后，付费299元（可开发票）。
如需用支付宝支付，请在PC端进入读书会页面报名支付：https://pattern.swarma.org/study_group/53
第三步：添加负责人微信，拉入对应主题的读书会社区（微信群）。
本读书会可开发票，请联系相关负责人沟通详情。
PS：为确保专业性和讨论的聚焦，本读书会谢绝脱离读书会主题和复杂科学问题本身的空泛的哲学和思辨式讨论；如果出现讨论内容不符合要求、经提醒无效者，会被移除群聊并对未参与部分退费。
加入社区后可以获得的资源：
完整权限，包括线上问答、录播回看、资料共享、社群交流、信息同步、共创任务获取积分等。
参与共创任务获取积分，共建学术社区：
读书会采用共学共研机制，成员通过内容共创获积分（字幕修改、读书会笔记、论文速递、公众号文章、集智百科、论文解读等共创任务），积分符合条件即可退费。发起人和主讲人同样遵循此机制，无额外金钱激励。
PS：具体参与方式可以加入读书会后查看对应的共创任务列表，领取任务，与运营负责人沟通详情，上述规则的最终解释权归集智俱乐部所有。
阅读材料较长，为了更好的阅读体验，建议您前往集智斑图沉浸式阅读，并可收藏感兴趣的论文。
感知-视觉
Janne K. Lappalainen 和 Fabian D. Tschoepp 等学者通过果蝇视觉系统的模型网络，展示了如何利用神经网络的连接数据预测神经活动。该研究利用深度学习优化未知参数，不仅预测视觉运动的神经反应，还为神经电路的功能机制提供了详细假说，突显了生物神经网络稀疏连接的普遍性和重要性。
Lappalainen, J. K., Tschopp, F. D., Prakhya, S., McGill, M., Nern, A., Shinomiya, K., … & Turaga, S. C. (2024). Connectome-constrained networks predict neural activity across the fly visual system. Nature, 1-9.
感知-嗅觉
本文提出了一个广义模型，解释生物受体与配体的特异性识别，推导出结合常数的分布并通过实验验证。模型对嗅觉受体库规模的预测与分子生物学研究结果一致，为理解受体的配体特异性及进化提供了新视角。
Lancet, Doron, Ella Sadovsky, and Eyal Seidemann. “Probability model for molecular recognition in biological receptor repertoires: significance to the olfactory system.” Proceedings of the National Academy of Sciences 90.8 (1993): 3715-3719.
本文描述了果蝇嗅觉系统的三层架构，揭示了嗅觉信息从编码到解码的过程。研究展示了如何通过第一层的组合编码传递气味信息，并在第二层中仅激活少部分神经元作为气味的独特标记，进而引导第三层的行为反应。
Stevens, Charles F. “What the fly’s nose tells the fly’s brain.” Proceedings of the National Academy of Sciences 112.30 (2015): 9460-9465.
本文揭示了果蝇嗅觉回路解决相似性搜索问题的独特算法，该算法与计算机科学中的局部敏感哈希（LSH）相似，但使用了三种不同的计算策略。该研究不仅阐明了感官功能的逻辑，还为改进计算相似性搜索提供了新思路。
Dasgupta, Sanjoy, Charles F. Stevens, and Saket Navlakha. “A neural algorithm for a fundamental computing problem.” Science 358.6364 (2017): 793-796.
认知-导航
本文揭示了果蝇中枢复合体中将外部坐标的头向角与目标角比较并生成自我中心转向信号的神经回路。通过对FC2、EPG 和 PFL3 细胞的研究，模型解释了导航中的信号转换机制，并通过实验验证，深入理解了空间导航的神经机制。
Mussells Pires, P., Zhang, L., Parache, V., Abbott, L. F., & Maimon, G. (2024). Converting an allocentric goal into an egocentric steering signal. Nature, 626(8000), 808-818.
研究者发现果蝇扇形体中的PFNd和PFNv神经元将身体速度信号转化为世界坐标系信息，生成位移表征，支持路径记忆。这一机制揭示了空间导航中从身体坐标到世界坐标的神经转换过程。
Lu, J., Behbahani, A. H., Hamburg, L., Westeinde, E. A., Dawson, P. M., Lyu, C., … & Wilson, R. I. (2022). Transforming representations of movement from body-to world-centric space. Nature, 601(7891), 98-104.
认知-神经调控
神经科学家发现，通过光遗传激活特定的多巴胺神经元，果蝇会忽视食物并忍受电击，持续追求奖励。研究揭示了奖励与惩罚编码神经元的拮抗机制，并为理解哺乳动物中的病态奖励寻求行为提供了新见解。
Jovanoski, K. D., Duquenoy, L., Mitchell, J., Kapoor, I., Treiber, C. D., Croset, V., … & Waddell, S. (2023). Dopaminergic systems create reward seeking despite adverse consequences. Nature, 623(7986), 356-365.
神经科学家通过虚拟“雌性”实验发现，果蝇雄性的内在觉醒状态通过增强LC10a视觉神经元的增益，提升对移动目标的敏感性，驱动持续的求偶行为。研究揭示了P1神经元如何动态调节视觉信号传递，为理解内在状态对行为的影响提供了新视角。
Hindmarsh Sten, T., Li, R., Otopalik, A., & Ruta, V. (2021). Sexual arousal gates visual processing during Drosophila courtship. Nature, 595(7868), 549-553.
研究人员发现果蝇中一类多巴胺神经元在短暂遗忘中发挥关键作用，激活该神经元会暂时抑制记忆检索，而不影响长期记忆。该机制通过特定受体调控，揭示了短暂遗忘的神经生物学基础，为理解记忆管理提供了新见解。
Sabandal, John Martin, Jacob A. Berry, and Ronald L. Davis. “Dopamine-based mechanism for transient forgetting.” Nature 591.7850 (2021): 426-430.
行为-个体/群体行为
研究揭示果蝇歌唱系统如何通过相同通路在不同情境下生成简单和复杂歌声。研究发现，近距离接触雌性果蝇时，神经回路的去抑制机制促使复杂歌声产生，展示了感官输入如何调节运动回路的动态行为。
Roemschied, F. A., Pacheco, D. A., Aragon, M. J., Ireland, E. C., Li, X., Thieringer, K., … & Murthy, M. (2023). Flexible circuit mechanisms for context-dependent song sequencing. Nature, 622(7984), 794-801.
研究通过精妙的设计揭示了大黄蜂的社会学习行为只能发生在群体中，而不能在个体行为发生。
Bridges, A. D., Royka, A., Wilson, T., Lockwood, C., Richter, J., Juusola, M., & Chittka, L. (2024). Bumblebees socially learn behaviour too complex to innovate alone. Nature, 627(8004), 572-578.
蚂蚁的群体智能。蚁群在没有中心决策者的情况下，每个个体如何通过局部信息进行简单决策，使得整个群体涌现出能够感知的群体工作需求和空缺，安排适当的劳动力去从事不同职业的现象。
Gordon, D. M. (2010). Ant encounters: interaction networks and colony behavior. Princeton University Press.
蜜蜂的民主投票。当蜂群数量过度拥挤时会出现分蜂现象，三分二的工蜂带着老蜂后去建立新的巢。这些蜜蜂临时驻扎，派侦查蜂寻找新巢址，不同侦查蜂通过舞蹈语言传递几个备选新巢址信息，整个蜂群经过几天的讨论达最终形成统一的选择。
Seeley, T. D. (2011). Honeybee democracy. Princeton University Press.
行为-运动控制
研究揭示果蝇中单个运动神经元如何通过与本体感觉反馈的交互，驱动头部向特定姿态收敛。实验验证了反馈模型预测，提出大脑通过调整本体感觉-运动回路的偏向性来控制运动，为运动控制机制提供了新框架。
Gorko, B., Siwanowicz, I., Close, K., Christoforou, C., Hibbard, K. L., Kabra, M., … & Huston, S. J. (2024). Motor neurons generate pose-targeted movements via proprioceptive sculpting. Nature, 628(8008), 596-603.
研究发现，果蝇中类命令降行神经元通过激活更大规模的降行神经元网络，协调复杂的行为控制。该机制依赖直接兴奋性连接，揭示了通过多个运动子程序组合生成行为的神经网络，为理解行为控制提供了新的见解。
Braun, J., Hurtak, F., Wang-Chen, S., & Ramdya, P. (2024). Descending networks transform command signals into population motor control. Nature, 1-9.
乌贼通过控制体表上百万个色素细胞的大小变化，可以瞬间改变全身皮肤的颜色和图案，用以模拟环境隐藏其中，或作为交流的信号。这是一个独特的能够实现图像生成的运动系统，通过高精度成像和机器学习算法分析这一行为，发现其采用一种基于实时视觉反馈的迭代优化算法。
Woo, T.*, Liang, X.*, Evans, D., Fernandez, O., Kretschmer, F., Reiter, S., & Laurent, G. (2023). The Dynamics of Pattern Matching in Camouflaging Cuttlefish. Nature. 619 (7968), 122-128
AI for brain
研究者提出一种新颖的模型方法，利用“剔除训练”技术预测神经元扰动对行为的影响，成功构建果蝇感官运动转化模型。该模型整合多种神经扰动效应，揭示了视觉投射神经元的组合编码在复杂社交行为中的作用，为刺激-神经元-行为的映射提供了统一框架。
Cowley, B. R., Calhoun, A. J., Rangarajan, N., Ireland, E., Turner, M. H., Pillow, J. W., & Murthy, M. (2024). Mapping model units to visual neurons reveals population code for social behaviour. Nature, 1-9.
研究者构建了果蝇的全身生物力学模型，集成于MuJoCo物理引擎中，支持陆地与空中行为模拟。通过数据驱动的强化学习，模型训练出神经控制器，实现复杂轨迹的逼真运动控制，展示了视觉引导的飞行任务。该项目为神经运动控制建模提供了开源平台。
Vaxenburg, R., Siwanowicz, I., Merel, J., Robie, A. A., Morrow, C., Novati, G., … & Turaga, S. C. (2024). Whole-body simulation of realistic fruit fly locomotion with deep reinforcement learning. bioRxiv, 2024-03.
Brain for AI
研究提出一种基于光流与运动模型的姿态控制方法，证明即使在无法观测姿态的情况下，系统仍保持稳定。通过仿生扑翼机器人实验，展示了高频振动如何改善可观测性，为无加速度计的自主飞行机器人提供了新思路，并为昆虫姿态估计与控制提出了假设。
De Croon, G. C., Dupeyroux, J. J., De Wagter, C., Chatterjee, A., Olejnik, D. A., & Ruffier, F. (2022). Accommodating unobservability to control flight attitude with optic flow. Nature, 610(7932), 485-490.
研究指出，昆虫智能为小型移动机器人自主AI提供了资源效率上的优势，特别在功率和质量方面。作者讨论了昆虫智能的关键特性，如体现性、感知运动协调和群体行为，分析了昆虫启发的AI在导航等任务中的应用，并提出了未来挑战和合适的处理器选择，为机器人自主性提供了新路径。
de Croon, G. C., Dupeyroux, J. J. G., Fuller, S. B., & Marshall, J. A. (2022). Insect-inspired AI for autonomous robots. Science robotics, 7(67), eabl6334.
集智俱乐部读书会是面向广大科研工作者的系列论文研读活动，其目的是共同深入学习探讨某个科学议题，了解前沿进展，激发科研灵感，促进科研合作，降低科研门槛。
读书会活动始于 2008 年，至今已经有 50 余个主题，内容涵盖复杂系统、人工智能、脑与意识、生命科学、因果科学、高阶网络等。凝聚了众多优秀科研工作者，促进了科研合作发表论文，孵化了许多科研产品。如：2013 年的“深度学习”读书会孕育了彩云天气 APP，2015 年的“集体注意力流”读书会产生了众包书籍《走近2050》，2020年的开始因果科学读书会孕育了全国最大的因果科学社区等。
主办方：集智俱乐部
协办方：集智学园
集智俱乐部成立于 2003 年，是一个从事学术研究、享受科学乐趣的探索者的团体，也是国内最早的研究人工智能、复杂系统的科学社区。它倡导以平等开放的态度、科学实证的精神，进行跨学科的研究与交流，力图搭建一个中国的 “没有围墙的研究所”。
集智学园成立于2016年，是集智俱乐部孕育的创业团队。集智学园致力于传播复杂性科学、人工智能等前沿知识和新兴技术，促进、推动复杂科学领域的知识探索与生态构建。
人类大脑是一个由数以百亿计的神经元相互连接所构成的复杂系统，被认为是「已知宇宙中最复杂的物体」。本着促进来自神经科学、系统科学、信息科学、物理学、数学以及计算机科学等不同领域，对脑科学、类脑智能与计算、人工智能感兴趣的学术工作者的交流与合作，集智俱乐部联合国内外多所知名高校的专家学者发起神经、认知、智能系列读书会第三季——「计算神经科学」读书会，涵盖复杂神经动力学、神经元建模与计算、跨尺度神经动力学、计算神经科学与AI的融合四大模块，并希望探讨计算神经科学对类脑智能和人工智能的启发。读书会从2024年2月22日开始，每周四19:00-21:00进行，持续时间预计10-15周，欢迎感兴趣的朋友报名参与，深入梳理相关文献、激发跨学科的学术火花！
详情请见：计算神经科学读书会启动：从复杂神经动力学到类脑人工智能
为了促进神经科学、系统科学以及计算机科学等多领域学术工作者的交流合作，吸引更多朋友共同探索脑科学与类脑研究，周昌松、臧蕴亮、杨冬平、郭大庆、陈育涵、曹淼、刘泉影、王大辉、刘健、王鑫迪等来自国内外多所知名高校的专家学者在集智俱乐部共同发起「神经动力学模型」读书会，历时四个月研讨，近日圆满结束。
本季读书会形成了聚集500+成员的神经动力学社区，积累了40+小时综述、解读、研讨的视频记录，以及多篇社区成员总结的词条、笔记、翻译、科普资料等。现在报名加入读书会，即可加入社区交流讨论（微信），并解锁相关视频、文本资料。我们对脑的探索才刚刚起航，欢迎你一道参与，共同点亮更多脑科学研究的岛屿！
![]()
详情请见：
500+神经动力学社区成员，邀你共同点亮更多脑科学研究的岛屿
点击“阅读原文”，报名读书会
