A network model of path control
受昆虫扇形身体的启发，本文提出了一种循环神经网络模型，该模型利用对过去运动的记忆来动态塑造智能体的速度设定值，从而实现多样化探索路径的生成并稳定底层运动控制。
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
在昆虫大脑寂静、黑暗的世界里，一个被称为中央复合体（central complex）的小型结构充当着指南针和地图的角色。在这个区域的深处坐落着扇形体（fan-shaped body），这是大脑的一部分，帮助像苍蝇和蜜蜂这样的昆虫了解自己正面向何方以及如何回家。科学家们早已知晓，这一区域包含着排列成列的神经元层，就像书页一样，其中的活动模式编码了动物的方向和速度。多年来，研究人员一直认为这个结构就像一个简单的计算器，通过累加昆虫迈出的每一步来确定其相对于起点的精确位置。这种被称为“路径整合”（path integration）的过程，是觅食蚁在经历漫长且曲折的旅程后能够返回蚁巢的方式。然而，近期的观察表明，扇形体远比一个简单的计算器要复杂得多，它包含许多平行的路径和复杂的连接，这些并不总是符合旧模型中那种完美的、连续的追踪。
哈佛大学的一个研究小组现在建立了一个计算机模型，以理解这个复杂的网络究竟在做什么。他们并没有假设大脑只是简单地叠加步骤，而是提出扇形体更像是一个精密的过滤器，塑造着动物在世界中的移动方式。在他们的模型中，一个虚拟智能体接收到一个代表其当前速度和方向的信号。该信号进入一个由相互作用的神经元组成的网络，这些神经元能够记忆过去的运动。随后，网络利用这种记忆来设定一个目标方向，即智能体需要遵循的“设定点”（setpoint）。如果智能体偏离了这个目标，网络就会发出修正信号，减缓智能体的速度并将其导回正轨。至关重要的是，智能体还受到其他更简单的系统的影响，这些系统会对周围环境的即时变化做出反应，例如突如其来的阵风或附近的障碍物。扇形体并不控制每一次微小的移动；相反，它提供了一个更高层级的引导，将这些低层级的反应组织成一条连贯的路径。
研究人员发现，通过调整模型中神经元之间的连接方式，他们可以产生各种各样的运动模式。如果连接被设定为在短时间内记住近期发生的状况，智能体会沿着直线移动，但会略有晃动，从而探索其周围的即时区域。如果连接被调节为具有较长的记忆时间，智能体会进行更具持续性的直线运动，从而更高效地覆盖更多区域。模型还显示，通过引入特定类型的连接来反转信号的相位，网络可以产生节奏性的、往复式的运动。这种振荡对于系统性搜索非常有用，它允许动物在移动到下一处之前，彻底扫描一个小区域。本质上，该网络从运动的历史中提取特征——例如智能体在某一方向上行驶了多久，或者转向了多少次——并利用这些信息来决定旅程的整体形态。
这项工作表明，扇形体不仅仅是一个被动的定位记录器，而是一个主动的行为塑造者。它使昆虫能够在两个相互竞争的需求之间取得平衡：快速探索新领地的冲动与仔细搜寻特定地点的需求。该模型证明，大脑可以通过过滤运动历史的不同时间尺度来实现这一点。例如，如果一只昆虫发现了一个出现又消失的食物来源，网络可以帮助动物在信号暂时丢失时仍保持向该源头前进的航向。通过记住上一次观测到的方向，网络稳定了运动，防止动物在间隙期间漫无目的地游荡。这种在干扰发生时仍能把握目标的这种能力，是一种随时间组织行为的记忆形式。
这项研究还强调了大脑表示信息的方式与产生行动的方式之间的根本区别。在这个模型中，神经元并不明确存储世界的地图或坐标列表。相反，它们仅仅处理运动的流向，创造出自然导致特定类型路径的活动模式。这种方法反映了大脑其他部分（如运动皮层）可能的工作方式，即重点在于生成正确的运动动力学，而非计算一个精确的目的地。研究人员展示了，当这些神经动力学与身体的物理运动相结合时，它们创造了一个闭环，其中过去影响着未来。智能体不仅仅是在对当下的世界做出反应；它携带了一份关于它曾去过哪里的记忆，而这份记忆微妙地引导着它未来的路径。
最终，这项研究为我们思考昆虫大脑中的导航和决策提供了一种全新的方式。它表明，扇形体中复杂的连接网络允许动物根据环境定制其搜索策略。无论昆虫是需要快速覆盖大面积区域，还是需要在小范围内搜寻隐藏的奖赏，网络都可以通过调整其内部计时来产生合适类型的运动。这种灵活性并非源于一个发布指令的中央指挥官，而是源于一个能够通过记住过去来引导未来的网络的自然动力学。这些发现提供了一个具体的解释，说明了一个相对简单的脑结构如何产生自然界中所见的丰富、多样且具有适应性的行为，从而架起了神经活动与动物在世界中采取的复杂路径之间的桥梁。
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。