基础感觉中，识别气味的过程最难以捉摸。作为一种古老的感觉系统，嗅觉在物种间有十分保守的组织形式：嗅觉环路层级很少，但中间层神经元数量却十分庞大。除了嗅觉，负责记忆与运动学习的脑区也采用这种组织形式。这种“浅而宽”的神经网络，像是一种可缩放的通用模块在生物大脑中处理各种难以捉摸的信息。近些年对嗅觉编码，尤其对果蝇嗅觉环路的研究，推动了对这类网络工作原理的理解，并启发设计新的算法。
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、智能系列读书会第四季——「昆虫智能与AI」读书会。从2024年10月15日开始，预计每周进行一次，预计8-10次，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！
基础感觉中，识别气味的过程最难以捉摸。作为一种古老的感觉系统，嗅觉在物种间有十分保守的组织形式：嗅觉环路层级很少，但中间层神经元数量却十分庞大。除了嗅觉，负责记忆与运动学习的脑区也采用这种组织形式。这种“浅而宽”的神经网络，像是一种可缩放的通用模块在生物大脑中处理各种难以捉摸的信息。
本次分享司光伟老师讲介绍近些年对嗅觉编码，尤其对果蝇嗅觉环路的研究，如何推动对这类网络工作原理的理解；以及如何启发设计新的算法。
一、嗅觉感知中的计算问题（司光伟）
二、圆桌讨论（宋卓异、孙一、文超、张铁林、王立元、申杨）
中国科学院生物物理研究所研究员，博士毕业于北京大学定量生物学中心，在哈佛大学脑科学中心开始神经生物学研究。
研究兴趣在于探索生物神经系统在网络层面上的定量规律。实验室主要以果蝇为实验研究对象，研究嗅觉、学习和运动环路中的计算、动力学与控制等问题。
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，西湖大学生命学院研究员、博士生导师、系统神经科学与神经工程实验室负责人。
研究方向：实验室长期目标是研究生物自主智能系统的原理与演化，及其在人工智能系统设计中的应用。果蝇具有简洁高效的神经与生理系统，是神经信息处理到生理运动执行从微观到宏观多尺度的整合，构成微型自主智能系统。当前主要以果蝇交互行为为模型，整合全脑功能成像、全脑连接组和全身行为学等多种研究手段，集中研究目标驱动的感觉运动转换的神经网络工作原理。
文超，北京林业大学青年教师，专注于社会性昆虫行为研究，尤其是熊蜂、蚂蚁和白蚁等节肢动物的社会认知能力，揭示昆虫如何处理信息、解决问题以及适应复杂环境，探索无脊椎动物的认知边界。
张铁林，中科院自动化所复杂系统认知与决策实验室副研究员，智能机制机理研究部PI。
研究方向：研究组十分关注新型类脑脉冲神经网络，研究方向包括类脑脉冲神经网络、脑动力学模拟仿真、脑机接口类脑芯片。提出自组织可塑性传播模型、神经调制的类脑连续学习方法、基于多巴胺奖赏传播的SNN高效学习方法和基于多尺度可塑性的SNN架构体系，也将算法应用于图像识别、自然语言处理、连续动作控制等任务，并形成面向侵入式脑机接口的专用类脑芯片。
王立元博士现为清华大学计算机系博士后，研究成果发表在Nature Machine Intelligence、TPAMI、NeurIPS、ICLR、CVPR等人工智能的顶级期刊和会议。
研究方向：他的研究兴趣聚焦在机器学习与神经科学的交叉领域，以智能系统的持续学习能力为切入点，构建人工智能与生物智能的通用计算模型。
申杨，美国马里兰大学帕克分校化学物理博士，现为冷泉港实验室博士后研究员。她的研究旨在从算法的角度理解果蝇的大脑如何处理和储存嗅觉信息以应对复杂多变的气味环境。同时利用从果蝇大脑中获得的启发设计更有效率的机器学习算法。
扫码参与昆虫智能与AI读书会，加入群聊，获取系列读书会回看权限，成为昆虫智能与AI社区的种子用户，与社区的一线科研工作者与企业实践者沟通交流，共同推动昆虫智能与AI社区的发展。
1. Lancet, D., Sadovsky, E., & Seidemann, E. (1993). Probability model for molecular recognition in biological receptor repertoires: significance to the olfactory system. Proceedings of the National Academy of Sciences, 90(8), 3715-3719.
2. Stevens, C. F. (2015). What the fly’s nose tells the fly’s brain. Proceedings of the National Academy of Sciences, 112(30), 9460-9465.
3. Si, G., Kanwal, J. K., Hu, Y., Tabone, C. J., Baron, J., Berck, M., … & Samuel, A. D. (2019). Structured odorant response patterns across a complete olfactory receptor neuron population. Neuron, 101(5), 950-962.
4. Chapochnikov, N. M., Pehlevan, C., & Chklovskii, D. B. (2023). Normative and mechanistic model of an adaptive circuit for efficient encoding and feature extraction. Proceedings of the National Academy of Sciences, 120(29), e2117484120.
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。
详情请见：昆虫智能如何启发人工智能与仿生机器人？昆虫智能与AI读书会启动
