AI 智能體竟能像生物一樣互相交流？當(dāng)?shù)貢r(shí)間 7 月 2 日，清華大學(xué)本科校友、美國(guó)德克薩斯大學(xué)西南醫(yī)學(xué)中心博士畢業(yè)生、目前已入職美國(guó)強(qiáng)生公司的張興健，發(fā)表了自己的一作Nature論文。對(duì)于當(dāng)下大火的 AI 智能體，該研究發(fā)現(xiàn) AI 智能體居然和生物存在某些相似之處。

圖 | 張興健（來(lái)源：https://www.linkedin.com/in/xingjian-zha）

其發(fā)現(xiàn)，AI 智能體在概念上與生物智能體相似，因?yàn)椋旱谝唬珹I 智能體會(huì)接收社會(huì)輸入；第二，AI 智能體會(huì)做出影響其他智能體的社會(huì)決策；第三，AI 智能體擁有一個(gè)對(duì)于輸入和決策進(jìn)行編碼的神經(jīng)網(wǎng)絡(luò)。

圖丨相關(guān)論文（來(lái)源：Nature）

此外，研究團(tuán)隊(duì)發(fā)現(xiàn)，本次所研究的生物系統(tǒng)和 AI 智能體系統(tǒng)在網(wǎng)絡(luò)結(jié)構(gòu)上存在一定差異：

第一個(gè)差異是：在生物系統(tǒng)中人們只能檢查整個(gè)大腦的一小部分，而在 AI 智能體中則可以訪(fǎng)問(wèn)參與決策的完整神經(jīng)網(wǎng)絡(luò)；

第二個(gè)差異是：小鼠中的特定細(xì)胞類(lèi)型并不與 AI 智能體中的神經(jīng)網(wǎng)絡(luò)直接對(duì)應(yīng)，小鼠們共享共同的組織原則比如共享環(huán)境刺激的表征和交互伙伴的行為等。

這些共享原則很可能促成了生物系統(tǒng)和 AI 智能體在神經(jīng)動(dòng)態(tài)上的顯著相似性。這些相似之處表明，對(duì)于相互作用的神經(jīng)系統(tǒng)來(lái)說(shuō)，共享的神經(jīng)動(dòng)態(tài)是一種基本且具有普遍性的特性。

在動(dòng)物中，對(duì)于參與共享神經(jīng)動(dòng)態(tài)的特定高維神經(jīng)元成分進(jìn)行精確擾動(dòng)，在技術(shù)上具有一定挑戰(zhàn)性，因此難以確定腦間同步性如何在功能上促進(jìn)了社會(huì)互動(dòng)。而 AI 智能體的一個(gè)重要優(yōu)勢(shì)在于，它讓人們可以完整地訪(fǎng)問(wèn)每個(gè) AI 智能體的神經(jīng)網(wǎng)絡(luò)，并可以輕松地干預(yù)系統(tǒng)。

（來(lái)源：Nature）

當(dāng)多個(gè) AI 智能體進(jìn)行交互，會(huì)出現(xiàn)社會(huì)交互的復(fù)雜動(dòng)態(tài)嗎？

眾所周知，社交互動(dòng)是一個(gè)適應(yīng)性的過(guò)程，它支持著幾乎所有動(dòng)物的生存和成長(zhǎng)。在社交互動(dòng)中，個(gè)體的行為決策并非孤立存在，而是具有內(nèi)在的聯(lián)系。個(gè)體的行為以及內(nèi)部狀態(tài)會(huì)持續(xù)相互影響并彼此適應(yīng)。此前，關(guān)于社會(huì)互動(dòng)的研究主要聚焦于單個(gè)大腦以及它如何處理和回應(yīng)社交輸入。然而，這種方法可能無(wú)法充分捕捉到社會(huì)行為的動(dòng)態(tài)特性。

為了更好地理解社會(huì)大腦的功能，另一種方法是將互動(dòng)中的所有參與者視為一個(gè)統(tǒng)一的綜合系統(tǒng)，同時(shí)測(cè)量各個(gè)大腦中的神經(jīng)活動(dòng)。由于來(lái)自多個(gè)大腦的神經(jīng)活動(dòng)基本上遵循相同的時(shí)間線(xiàn)，因此這種方法有望揭示出能夠反映相互作用互惠性的新興神經(jīng)特性。

業(yè)內(nèi)一些采用非侵入性技術(shù)的研究表明，當(dāng)人類(lèi)和其他靈長(zhǎng)類(lèi)動(dòng)物進(jìn)行社交互動(dòng)時(shí)，參與者之間會(huì)出現(xiàn)共享的神經(jīng)動(dòng)態(tài)，比如腦間同步性。最近，有學(xué)者通過(guò)利用體內(nèi)鈣成像和電生理學(xué)技術(shù)開(kāi)展實(shí)驗(yàn)，成功地以單細(xì)胞分辨率展示了社會(huì)互動(dòng)中的鼠腦和蝙蝠腦中的神經(jīng)元的相關(guān)性。

然而，人們對(duì)潛在的神經(jīng)元成分仍然知之甚少。目前，仍有兩點(diǎn)尚未弄清：首先，特定神經(jīng)元細(xì)胞類(lèi)型能否以及如何針對(duì)腦間神經(jīng)動(dòng)態(tài)產(chǎn)生不同的影響？其次，共享神經(jīng)動(dòng)態(tài)能否以及如何在更高維度的神經(jīng)空間中顯現(xiàn)出來(lái)？無(wú)論要理解哪一種神經(jīng)過(guò)程，細(xì)胞類(lèi)型特異性和多維狀態(tài)空間都是兩個(gè)最基本的方面。但是，在任何物種的任何腦區(qū)中，這兩者都尚未被用于研究大腦之間的神經(jīng)動(dòng)態(tài)。

而學(xué)界對(duì)于跨物種間腦神經(jīng)動(dòng)態(tài)的發(fā)現(xiàn)，進(jìn)一步提出了這樣一個(gè)問(wèn)題：這種現(xiàn)象是否是包括智能體在內(nèi)的所有互動(dòng)主體的一種固有基本屬性？

深度強(qiáng)化學(xué)習(xí)的最新進(jìn)展催生了能夠自我進(jìn)化的 AI 系統(tǒng)，這些系統(tǒng)通過(guò)與環(huán)境或其他 AI 智能體的交互來(lái)提高任務(wù)執(zhí)行性能。這為本次研究團(tuán)隊(duì)提供了一個(gè)絕佳機(jī)會(huì)，讓他們得以探究當(dāng)多個(gè) AI 智能體進(jìn)行交互時(shí)，是否也會(huì)出現(xiàn)社會(huì)交互的復(fù)雜動(dòng)態(tài)問(wèn)題。也讓他們有機(jī)會(huì)探究這能否被用于模擬生物系統(tǒng)中的社會(huì)交互。考慮到 AI 智能體可能能夠?qū)W會(huì)以類(lèi)似于生物有機(jī)體的方式交互，因此研究團(tuán)隊(duì)也探討了這是否是由“其神經(jīng)網(wǎng)絡(luò)中與生物系統(tǒng)中觀察到的相似動(dòng)態(tài)”所驅(qū)動(dòng)的問(wèn)題。

（來(lái)源：Nature）

AI 智能體互動(dòng)會(huì)產(chǎn)生跨個(gè)體共享的神經(jīng)動(dòng)態(tài)特征

在人類(lèi)受試者和動(dòng)物研究中，盡管人們已經(jīng)觀察到個(gè)體之間的神經(jīng)相關(guān)性，但是人們對(duì)其潛在的神經(jīng)成分卻知之甚少。為此，研究團(tuán)隊(duì)研究了具有特定分子標(biāo)記的神經(jīng)元亞群中的腦間動(dòng)力學(xué)。他們發(fā)現(xiàn)，與谷氨酸能神經(jīng)元相比，小鼠的背內(nèi)側(cè)前額葉皮層（dmPFC，Dorsomedial Prefrontal Cortex）中的 γ-氨基丁酸能神經(jīng)元（GABAergic neurons，γ-aminobutyric acidergic neurons）在個(gè)體小鼠之間的相關(guān)性要高得多。這種差異可能源于 γ-氨基丁酸能神經(jīng)元和谷氨酸能神經(jīng)元的不同反應(yīng)特性。

事實(shí)上，在小鼠的多個(gè)皮層區(qū)域之中，谷氨酸能神經(jīng)元和 γ-氨基丁酸能神經(jīng)元會(huì)受到感覺(jué)輸入和大腦狀態(tài)的不同調(diào)節(jié)，并會(huì)表現(xiàn)出不同的反應(yīng)特征。本次研究還表明，內(nèi)側(cè)前額葉皮層（mPFC，Medial Prefrontal Cortex）的 γ-氨基丁酸能神經(jīng)元可以調(diào)節(jié)社會(huì)行為。

盡管此前有研究表明，腦間動(dòng)力學(xué)可能發(fā)生在某些特定頻段，但是這些測(cè)量結(jié)果通常源自聚合的一維活動(dòng)。通過(guò)偏最小二乘相關(guān)分析（PLSC，Partial Least Squares Correlation），研究團(tuán)隊(duì)識(shí)別出了一個(gè)在兩個(gè)大腦之間共享的高維神經(jīng)子空間。與單維測(cè)量相比，獨(dú)特且共享的神經(jīng)子空間的多維表征可作為一個(gè)有效框架，以用于表示群居動(dòng)物間神經(jīng)動(dòng)態(tài)的關(guān)系。

通過(guò)這種方法，研究團(tuán)隊(duì)發(fā)現(xiàn)與谷氨酸能神經(jīng)元相比，γ-氨基丁酸能神經(jīng)元包含了一個(gè)明顯更大的共享神經(jīng)子空間，借此揭示了兩組神經(jīng)元群體之間腦間同步性結(jié)構(gòu)中的一種此前未被充分認(rèn)識(shí)的差異。盡管在沒(méi)有行為信息的情況下，人們就能識(shí)別出共享和獨(dú)特的神經(jīng)子空間，但是獨(dú)特的神經(jīng)維度能夠捕捉到每只小鼠的非社交信息，而共享的神經(jīng)維度則能捕捉到兩只小鼠社交行為的相關(guān)信息。

尤其是，共享神經(jīng)動(dòng)態(tài)不僅源于兩個(gè)個(gè)體之間在時(shí)間上的協(xié)調(diào)行為，還源于對(duì)他者獨(dú)特行為的表征。因此，共享的神經(jīng)子空間和獨(dú)特的神經(jīng)子空間或能充當(dāng)一種群體水平的機(jī)制，以用于將活動(dòng)從內(nèi)側(cè)前額葉皮層選擇性地路由至下游區(qū)域。

（來(lái)源：Nature）

還有一個(gè)有趣的問(wèn)題是：下游神經(jīng)元能否以及如何形成選擇性連接？進(jìn)而如何從這些子空間獲取信息來(lái)調(diào)節(jié)社會(huì)行為和非社會(huì)行為？在人類(lèi)身上，根據(jù)社會(huì)背景和社會(huì)任務(wù)的不同，人們已在許多不同腦區(qū)之間都觀察到了腦間相關(guān)性。而本次研究團(tuán)隊(duì)所識(shí)別出的共享神經(jīng)子空間可能反映了神經(jīng)系統(tǒng)的一個(gè)基本原理，同時(shí)該原理存在于小鼠其他腦區(qū)以及包括人類(lèi)在內(nèi)的其他物種中。

通過(guò)在 AI 智能體中模擬社交互動(dòng)，研究團(tuán)隊(duì)還發(fā)現(xiàn)，AI 智能體自行發(fā)展出了能夠交互的行為策略。并且，與生物互動(dòng)類(lèi)似的是，不同 AI 智能體之間的互動(dòng)產(chǎn)生了跨個(gè)體共享的神經(jīng)動(dòng)態(tài)特征。

令人驚訝的是，小鼠和 AI 智能體之間在共享神經(jīng)動(dòng)力學(xué)的許多特征上似乎也存在相似之處。正如研究團(tuán)隊(duì)在互動(dòng)小鼠實(shí)驗(yàn)中所觀察到的：兩個(gè)主體之間的共享神經(jīng)動(dòng)態(tài)并非僅僅是由于共享輸入或協(xié)調(diào)的動(dòng)作輸出，而是在兩個(gè)主體進(jìn)行不同動(dòng)作時(shí)產(chǎn)生的。因此，在小鼠和 AI 智能體中，共享神經(jīng)動(dòng)態(tài)源于個(gè)體內(nèi)部的神經(jīng)元相關(guān)性以及交互誘導(dǎo)的時(shí)間耦合。與此同時(shí)，研究團(tuán)隊(duì)還發(fā)現(xiàn)，AI 智能體及其模擬環(huán)境目前仍然無(wú)法完全復(fù)現(xiàn)真實(shí)世界動(dòng)物（例如小鼠）互動(dòng)中涉及的所有行為細(xì)節(jié)特征。

盡管如此，此次發(fā)現(xiàn)已能極大拓展人們對(duì)于大腦間神經(jīng)動(dòng)態(tài)的細(xì)胞水平理解，并為探索其他由分子標(biāo)記或連接模式所定義的神經(jīng)元亞群體奠定了基礎(chǔ)。研究團(tuán)隊(duì)指出，通過(guò)選擇性地破壞那些促成共享神經(jīng)動(dòng)態(tài)的神經(jīng)成分，能夠顯著減少個(gè)體的社交行為，這表明了共享神經(jīng)動(dòng)態(tài)在社會(huì)互動(dòng)中的重要性。

因此，他們推測(cè)多智能體系統(tǒng)不僅能夠作為理解社會(huì)互動(dòng)中涌現(xiàn)行為策略的新平臺(tái)，還可以作為測(cè)試特定神經(jīng)成分因果作用的平臺(tái)，而這些在動(dòng)物模型中可能正好是難以被考察的。與此同時(shí)，其認(rèn)為隨著 AI 日益成為人類(lèi)日常生活的一部分，深入理解 AI 社交互動(dòng)也有助于增強(qiáng)人們對(duì)于社交 AI 模型的理解與設(shè)計(jì)。

（來(lái)源：Nature）

值得注意的是，擔(dān)任本次論文共同通訊作者的美國(guó)加州大學(xué)洛杉磯分校教授洪暐哲和論文一作張興健都是清華本科校友。從論文信息來(lái)看，張興健是在洪暐哲課題組從事博士后期間完成了這項(xiàng)研究。目前，洪暐哲團(tuán)隊(duì)主要致力于探究神經(jīng)環(huán)路及其底層計(jì)算如何在單個(gè)大腦內(nèi)調(diào)控社會(huì)行為決策，以及個(gè)體間社交互動(dòng)如何催生出腦間神經(jīng)特性的涌現(xiàn)。

參考資料：

1.Zhang, X., Phi, N., Li, Q. et al. Inter-brain neural dynamics in biological and artificial intelligence systems.Nature(2025). https://doi.org/10.1038/s41586-025-09196-4

運(yùn)營(yíng)/排版：何晨龍