BAAIWorm天寶的重要?jiǎng)?chuàng)新之處在于其不僅關(guān)注神經(jīng)系統(tǒng)的建模，還將身體與環(huán)境納入考量，形成一個(gè)閉環(huán)系統(tǒng)，通過模擬線蟲的行為，探索神經(jīng)結(jié)構(gòu)如何影響智能行為。這一工作不僅為研究生物智能提供了新的平臺，也為具身智能理論的進(jìn)一步發(fā)展和人工智能領(lǐng)域的應(yīng)用奠定了基礎(chǔ)。

倫敦大學(xué)學(xué)院帕Padraig Gleeson（OpenWorm 團(tuán)隊(duì)，本文審稿人之一）評價(jià)BAAIWorm：“這是一項(xiàng)了不起的成果，它將秀麗線蟲的生理學(xué)和解剖學(xué)信息整合進(jìn)了一個(gè)計(jì)算模型。在不同層面呈現(xiàn)了諸多進(jìn)展，而且各項(xiàng)成果相互融合，構(gòu)成了一幅條理清晰的圖景。我認(rèn)為，這是一項(xiàng)我們在秀麗線蟲建模和理解‘腦-身體-環(huán)境’交互方面的重要進(jìn)展?！?/p>

《自然?計(jì)算科學(xué)》資深編輯Ananya Rastogi指出：“這項(xiàng)工作讓我眼前一亮。動態(tài)的機(jī)體與環(huán)境相互作用以及精細(xì)的模擬相結(jié)合，使得在閉環(huán)系統(tǒng)中研究大腦活動如何影響行為成為可能?！?/p>

這一成果的另一審稿人表示：“這項(xiàng)研究為我們從整體上理解神經(jīng)系統(tǒng)建立了新的研究范式。傳統(tǒng)的神經(jīng)科學(xué)研究往往側(cè)重于分離和理解神經(jīng)系統(tǒng)或大腦的特定方面。然而，通過綜合這些細(xì)節(jié)全面理解整個(gè)生物體仍然是一項(xiàng)挑戰(zhàn)。這項(xiàng)研究引入了一種很有前景的方法：嘗試構(gòu)建一個(gè)完整的生物體模擬。”

Nature文章鏈接：

https://www.nature.com/articles/s43588-024-00738-w

Research Briefing鏈接：

https://www.nature.com/articles/s43588-024-00740-2

BAAIWorm GitHub地址：

https://github.com/Jessie940611/BAAIWorm

BAAIWorm天寶對于具身智能研究的意義

近年來，隨著神經(jīng)科學(xué)和人工智能技術(shù)的深度交叉融合，研究者們越來越多地嘗試通過構(gòu)建生物體模型來理解神經(jīng)系統(tǒng)與行為之間的關(guān)系，并推動具身智能的研究。國際上的個(gè)別研究機(jī)構(gòu)在這一領(lǐng)域取得了顯著進(jìn)展。

2022年，瑞士洛桑聯(lián)邦理工學(xué)院（EPFL）發(fā)布了NeuroMechFly，一個(gè)基于果蠅的神經(jīng)-機(jī)械耦合模型，用以研究神經(jīng)系統(tǒng)如何驅(qū)動行為，相關(guān)成果發(fā)表于《Nature Methods》[1]。

2024年，EPFL進(jìn)一步發(fā)布了NeuroMechFly v2，對該模型進(jìn)行了優(yōu)化，進(jìn)一步提高了神經(jīng)-身體交互的功能性[2]。

與此同時(shí)，DeepMind也在推動生物智能模擬方面邁出了重要步伐，2020年初步發(fā)布了Virtual Rodent，該模型通過模擬嚙齒動物的大腦與身體運(yùn)動，推動了對生物智能的理解。2024年，DeepMind在《Nature》上發(fā)布了Virtual Rodent的更新版，進(jìn)一步提升了該模型在神經(jīng)網(wǎng)絡(luò)和行為模擬方面的能力[3]。

生物智能無疑是人工智能研究的源頭。BAAIWorm天寶通過高精度還原和模擬生物智能，為理解和探索生物啟發(fā)的具身智能的核心機(jī)制提供了重要的實(shí)驗(yàn)平臺。

通過將大腦、身體和環(huán)境的互動整合到一個(gè)閉環(huán)系統(tǒng)中，BAAIWorm天寶展示了神經(jīng)系統(tǒng)如何通過與身體及環(huán)境的協(xié)同作用，產(chǎn)生復(fù)雜而高效的行為。這一研究不僅加深了對生物智能的理解，也為開發(fā)具有類似感知與運(yùn)動能力的人工具身智能系統(tǒng)提供了新的視角。

BAAIWorm天寶介紹

在秀麗隱桿線蟲中，運(yùn)動、覓食等行為是由其神經(jīng)回路、肌肉生物力學(xué)和實(shí)時(shí)環(huán)境反饋之間的協(xié)調(diào)互動驅(qū)動的。然而，傳統(tǒng)的模型往往將神經(jīng)系統(tǒng)或身體環(huán)境孤立開來，未能捕捉到支撐復(fù)雜行為的整體“大腦-身體-環(huán)境”交互。在生物物理學(xué)上精確模擬這種復(fù)雜性仍然是一個(gè)挑戰(zhàn)，這也突顯了構(gòu)建完整的閉環(huán)模型的必要性，以連接神經(jīng)網(wǎng)絡(luò)、生物力學(xué)和環(huán)境反饋。

智源研究院生命模擬研究中心旨在開發(fā)這樣一個(gè)閉環(huán)的生物物理精細(xì)模型（“生命模型”），以精確模擬生物體在神經(jīng)、生物力學(xué)和環(huán)境互動中的復(fù)雜行為。團(tuán)隊(duì)采用可擴(kuò)展的多層次方法，包括多艙室神經(jīng)元模型，通過細(xì)致模擬神經(jīng)網(wǎng)絡(luò)中間隙連接、突觸和神經(jīng)元的活動，生成了生理上準(zhǔn)確的神經(jīng)動態(tài)。在這項(xiàng)研究中，團(tuán)隊(duì)著手開發(fā)一個(gè)開源模型——BAAIWorm，用于在閉環(huán)系統(tǒng)中模擬秀麗隱桿線蟲的體現(xiàn)行為。

BAAIWorm（一個(gè)集成腦-身體-環(huán)境的模型）作為一個(gè)開源模塊系統(tǒng)，為研究線蟲行為的神經(jīng)控制機(jī)制提供了一個(gè)多功能平臺。BAAIWorm基于實(shí)驗(yàn)數(shù)據(jù)，由兩個(gè)子模型組成：一個(gè)是生物物理層面上精細(xì)的神經(jīng)網(wǎng)絡(luò)模型，模擬秀麗隱桿線蟲的神經(jīng)系統(tǒng)；另一個(gè)是根據(jù)線蟲解剖學(xué)構(gòu)建的身體模型，并被一個(gè)可計(jì)算的簡化3D流體環(huán)境所包圍（見圖1）。

神經(jīng)網(wǎng)絡(luò)模型中的每個(gè)神經(jīng)元都被表示為一個(gè)多艙室模型，模擬神經(jīng)元的結(jié)構(gòu)和功能部分（如胞體、神經(jīng)突），以精確復(fù)現(xiàn)秀麗隱桿線蟲神經(jīng)元的電生理特性以及基于實(shí)驗(yàn)數(shù)據(jù)的精細(xì)突觸和間隙連接結(jié)構(gòu)。

身體模型則結(jié)合了96個(gè)肌肉細(xì)胞，這些肌肉細(xì)胞基于秀麗隱桿線蟲的解剖學(xué)，在四個(gè)象限中建模，以實(shí)現(xiàn)計(jì)算對稱性。表面級的力模擬了推力和阻力，優(yōu)化了計(jì)算效率，同時(shí)反映了生物體在流體環(huán)境中的互動特性。

系統(tǒng)也簡化模擬了環(huán)境中的連續(xù)感官輸入（如食物濃度梯度）。這些輸入會動態(tài)影響神經(jīng)計(jì)算，進(jìn)而驅(qū)動肌肉收縮，形成一個(gè)閉環(huán)反饋系統(tǒng)，形成協(xié)調(diào)的運(yùn)動軌跡，能夠與真實(shí)線蟲行為類比。

BAAIWorm天寶亮點(diǎn)

1. 世界最高精度線蟲神經(jīng)網(wǎng)絡(luò)模型

研究團(tuán)隊(duì)基于線蟲神經(jīng)元的真實(shí)生理特性，構(gòu)建了一個(gè)生物物理層面上的高精度神經(jīng)網(wǎng)絡(luò)模型。神經(jīng)網(wǎng)絡(luò)模型中的每個(gè)神經(jīng)元都被表示為一個(gè)多艙室模型，模擬神經(jīng)元的結(jié)構(gòu)和功能部分（如胞體、神經(jīng)突），以精確復(fù)現(xiàn)秀麗隱桿線蟲神經(jīng)元的電生理特性以及基于實(shí)驗(yàn)數(shù)據(jù)的精細(xì)突觸和間隙連接結(jié)構(gòu)。該模型是目前已知首個(gè)同時(shí)在神經(jīng)元層面和神經(jīng)網(wǎng)絡(luò)層面都具有真實(shí)動力學(xué)特性的，基于多艙室建模的高精度秀麗隱桿線蟲神經(jīng)網(wǎng)絡(luò)模型。

2. 身體環(huán)境模型

該模型符合生物線蟲解剖特性，可精準(zhǔn)穩(wěn)定的追蹤和度量三維軟體運(yùn)動。相比于OpenWorm，在仿真性能和環(huán)境尺度等指標(biāo)上取得了數(shù)量級的提升。

3. 高精度神經(jīng)系統(tǒng)模型與身體環(huán)境模型的閉環(huán)仿真

BAAIWorm天寶首次建立了線蟲神經(jīng)網(wǎng)絡(luò)模型與身體環(huán)境模型的閉環(huán)交互，模擬線蟲通過之字形運(yùn)動接近食物的行為。環(huán)境中的食物濃度刺激感覺神經(jīng)元，運(yùn)動神經(jīng)元驅(qū)動肌肉收縮，生成協(xié)調(diào)的運(yùn)動軌跡。在這一過程中，研究人員可以通過模擬的方法，實(shí)時(shí)觀察線蟲的軌跡、神經(jīng)活動以及肌肉信號。

通過BAAIWorm天寶，可同時(shí)觀察線蟲運(yùn)動情況與神經(jīng)網(wǎng)絡(luò)每個(gè)細(xì)節(jié)的動態(tài)情況。

BAAIWorm天寶基于OpenWorm的新進(jìn)展

OpenWorm是一個(gè)開創(chuàng)性的開放科學(xué)項(xiàng)目，致力于通過建模秀麗線蟲（C. elegans）推進(jìn)計(jì)算生物學(xué)的發(fā)展。智源研究團(tuán)隊(duì)在研究中使用了OpenWorm提供的諸多寶貴工具和數(shù)據(jù)，如細(xì)胞模型形態(tài)、突觸動態(tài)及3D線蟲體信息?；贠penWorm，BAAIWorm天寶在多個(gè)關(guān)鍵方面實(shí)現(xiàn)了顯著的進(jìn)展，推動了這一領(lǐng)域的進(jìn)一步發(fā)展：

1. 增強(qiáng)版神經(jīng)網(wǎng)絡(luò)模型

OpenWorm提供了許多有價(jià)值的神經(jīng)系統(tǒng)建模工具和標(biāo)準(zhǔn)，如ChannelWorm和c302。然而，BAAIWorm天寶在以下幾個(gè)方面進(jìn)行了顯著創(chuàng)新：

a) 單神經(jīng)元建模：c302提供了多艙室的神經(jīng)模型，且所有神經(jīng)元的參數(shù)均統(tǒng)一。然而，BAAIWorm天寶通過調(diào)整五種單神經(jīng)元模型，使其更精確地?cái)M合電生理數(shù)據(jù)，確保模型能夠準(zhǔn)確反映真實(shí)的神經(jīng)動力學(xué)。

b) 連接精細(xì)程度：在c302的多艙室神經(jīng)模型中，神經(jīng)元的連接位于胞體上，而BAAIWorm天寶則在神經(jīng)元的神經(jīng)突（neurite）上建立連接，極大提升了神經(jīng)元連接的解剖學(xué)準(zhǔn)確性。

c) 訓(xùn)練：c302生成的多艙室神經(jīng)網(wǎng)絡(luò)模型并沒有經(jīng)過訓(xùn)練，而BAAIWorm天寶的神經(jīng)網(wǎng)絡(luò)模型則經(jīng)過了嚴(yán)格的訓(xùn)練，以匹配功能圖譜，從而更好地捕捉到復(fù)雜且真實(shí)的神經(jīng)動力學(xué)。

2. 增強(qiáng)版生物體與環(huán)境建模

Sibernetic是OpenWorm項(xiàng)目中用于模擬C. elegans物理體動態(tài)的物理模擬器。盡管Sibernetic的粒子模型在某些任務(wù)（如壓力計(jì)算）上有一定優(yōu)勢，BAAIWorm天寶的生物體與環(huán)境模型在多個(gè)方面表現(xiàn)出色：

a) 生物體建模效率：BAAIWorm天寶的體表數(shù)據(jù)是基于Sibernetic的體表數(shù)據(jù)進(jìn)行轉(zhuǎn)換的，但四面體線蟲體模型相比Sibernetic的粒子模型，元素?cái)?shù)量大幅減少，極大提高了性能，同時(shí)保持了解剖學(xué)的真實(shí)性。

b) 3D環(huán)境：借助簡化的流體動力學(xué)，BAAIWorm天寶的3D仿真場景的規(guī)模相比Sibernetic提高了兩個(gè)數(shù)量級，從而能夠模擬更加復(fù)雜和大范圍的環(huán)境。

c) 仿真：BAAIWorm天寶采用了投影動力學(xué)（projective dynamics）作為形變求解器，相比Sibernetic顯著縮短了每個(gè)迭代步驟的仿真時(shí)間。同時(shí)，投影動力學(xué)在使用較大時(shí)間步長時(shí)也表現(xiàn)出了較高的穩(wěn)定性，這使得仿真能夠更高效地運(yùn)行。

d) 可視化：BAAIWorm天寶采用了實(shí)時(shí)網(wǎng)格渲染和GPU光線追蹤技術(shù)，不僅帶來了更佳的視覺效果，還在保證高性能的前提下，提升了仿真場景的真實(shí)感和互動性。

3. 閉環(huán)互動

OpenWorm將c302神經(jīng)網(wǎng)絡(luò)和Sibernetic的生物體模型聯(lián)合實(shí)現(xiàn)了兩者的交互，但這種交互是開放式的，缺乏環(huán)境對于神經(jīng)系統(tǒng)的反饋。而這一感覺反饋對生物體在環(huán)境中生存來說至關(guān)重要，BAAIWorm天寶通過引入感官反饋，實(shí)現(xiàn)了神經(jīng)網(wǎng)絡(luò)與生物體模型的閉環(huán)互動。這一重要?jiǎng)?chuàng)新能夠更全面地理解線蟲如何與其環(huán)境進(jìn)行互動、處理感官信息并執(zhí)行協(xié)調(diào)的運(yùn)動。

未來展望

智源研究院的生命模擬研究中心通過BAAIWorm天寶展示了數(shù)字生命體建模的潛力，為進(jìn)一步理解神經(jīng)控制機(jī)制和智能行為的生成機(jī)制提供了全新工具。這一成果基于創(chuàng)新的閉環(huán)建模思想，將大腦、身體與環(huán)境作為整體進(jìn)行整合，為構(gòu)建其他數(shù)字生命體積累了寶貴經(jīng)驗(yàn)。

當(dāng)前人工通用智能（AGI）研究主要沿三條路徑展開：數(shù)據(jù)驅(qū)動的人工神經(jīng)網(wǎng)絡(luò)（ANN）模型，如OpenAI的GPT系列；基于ANN的強(qiáng)化學(xué)習(xí)，如DeepMind的DQN；基于“結(jié)構(gòu)決定功能”原則的類腦方法，例如脈沖神經(jīng)網(wǎng)絡(luò)（SNN）。

智源研究院積極探索第三條路徑，通過類腦建模探索神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如何驅(qū)動智能行為。這一方向不僅致力于研究生物智能，還旨在為通用人工智能的實(shí)現(xiàn)提供新思路。在這一路徑中，生命模擬研究中心開發(fā)的天演平臺（eVolution）提供了強(qiáng)大的建模和優(yōu)化能力。該平臺通過整合詳實(shí)的生物數(shù)據(jù)和微調(diào)模型參數(shù)，實(shí)現(xiàn)模型的“電子進(jìn)化”（electronic-evolution），在通往AGI的探索中開辟了獨(dú)特路徑。

除了BAAIWorm天寶，智源研究院還在開發(fā)OpenComplex（一個(gè)開源蛋白質(zhì)或RNA建模平臺）和BAAIHeart（亞細(xì)胞層級的高精度心臟建模）。通過在生命的多個(gè)尺度領(lǐng)域研究的協(xié)同發(fā)展，智源研究院正推動生物智能與人工智能交叉研究的前沿探索，以實(shí)現(xiàn)對智能本質(zhì)的深刻理解和應(yīng)用。

參考文獻(xiàn)

[1] https://www.nature.com/articles/s41592-022-01466-7

[2] https://www.nature.com/articles/s41592-024-02497-y

[3] https://www.nature.com/articles/s41586-024-07633-4

nina