原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，试图预测一群幼鱼在海洋中最终会到达何处。几十年来，科学家们一直使用计算机模型来做这件事，但他们使用的却是一张“破碎的地图”。这些旧模型将幼鱼视为微小、无意识的木筏，只是随波逐流，被洋流推向哪里就去哪里。它们假设鱼类对此毫无发言权，也无法改变行为，尽管真实的鱼类足够聪明，能够向上、向下或向侧面游动，以寻找最适合成长的栖息地。
这篇论文介绍了一种名为SWARM（模拟水生代理路线以研究海洋连通性）的新工具。可以将 SWARM 想象为在计算机模拟中赋予那些幼鱼一个“大脑”。这些数字鱼类不再只是随波逐流，而是由一种特殊的人工智能（大型语言模型，LLM）驱动，使它们能够做出决策。这就像将一款游戏从简单的迷宫（你只能一直向前走）升级为一场复杂的冒险，其中你的角色可以根据周围发生的情况，选择爬梯子、躲进洞穴或逆风游泳。
为了测试这一工具，研究人员聚焦于墨西哥湾的红鲷幼鱼。他们以两种方式运行了模拟：首先是在一个完美、虚构的海洋中，然后是在一个模仿真实、复杂墨西哥湾的逼真海洋中。在这两种情况下，“聪明”的鱼类代理都学会了如何垂直游动（在水柱中上下移动），以捕捉最佳的洋流。由于它们能够做出这些选择，与旧有的、无意识的模型相比，它们最终到达了更适合定居和成长的地点。
主要结论是，通过让计算机中的鱼类“思考”并像真实动物一样行动，SWARM 能够向我们确切地展示它们为何会出现在某个地方。这有助于科学家更好地理解海洋，并规划如何修复受损的海洋生态系统，因为他们终于能够看到鱼类自身的选择如何帮助它们生存。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。