用于机器人智能的体外生物神经网络概述

北京理工学院的科学家总结了基于BNN的神经机器人系统的常见架构

北京理工大学的科学家们在一篇综述论文中总结了体外生物神经网络(BNNs)在实现生物智能方面的最新努力和未来潜力，重点介绍了与机器人智能相关的研究。

这篇发表在《机器人与仿生系统》上的综述论文概述了

1）体外BNN中的智能基础，如记忆和学习；

2） 这些BNN如何通过双向连接与机器人实现，形成所谓的基于BNN的神经机器人系统；

3） 这些神经机器人系统实现的初步智能行为；

4）基于BNN的神经机器人系统研究领域的当前趋势和未来挑战。

“我们的大脑是一个复杂的生物神经网络（BNN）由数十亿个神经元组成，这些神经元产生了我们的意识和智力。然而，由于大脑的复杂性，研究整个大脑是极具挑战性的。通过在培养皿中培养大脑中的一部分神经元，可以形成更简单的BNN，如微型大脑，从而更容易观察和研究网络。研究作者、北京理工学院助理研究员于志强解释道：“这些微型大脑可能为意识和智力的神秘起源提供了宝贵的见解。”

“有趣的是，迷你大脑不仅在结构上与人类大脑相似，而且它们还可以以类似的方式学习和记忆信息，”Yu说。

特别是，这些体外BNN与体内BNN具有相同的基本结构，其中神经元通过突触连接，它们通过褪色和隐藏的记忆过程表现出短期记忆。此外，这些微型大脑可以进行监督学习，并接受训练以响应特定的刺 激信号。最近，研究人员证明，体外BNN甚至可以完成无监督的学习任务，例如分离混合信号。

“这种迷人的能力可能与著名的自由能原理有关。也就是说，这些BNN有一种将其对外部世界的不确定性最小化的倾向，”Yu说。

体外BNN的这些能力非常有趣。然而，仅仅拥有这样一个“迷你大脑”还不足以提高意识和智力。我们的大脑依赖于我们的身体来感知、理解和适应外界，同样，这些微型大脑需要一个身体来与环境互动。机器人是实现这一目的的理想人选，这导致了神经科学和机器人学交叉点的一个新兴的跨学科领域：基于BNN的神经机器人系统。

“稳定的双向连接是这些系统的先决条件，”研究作者说，“在这篇综述中，我们总结了构建这种双向连接的主流方法，根据连接方向，可以将其大致分为两类：从机器人到BNN，从BNN到机器人。”

前者涉及利用电、光和化学刺 激方法将传感器信号从机器人传输到BNN，而后者利用细胞外、钙和细胞内记录技术记录BNN的神经活动，并将这些活动解码为控制机器人的命令。

Yu表示：“体外BNN被机器人所体现，表现出一系列令人着迷的智能行为。这些行为包括有监督和无监督的学习、记忆、移动物体跟踪、主动避障，甚至学习玩‘乒乓球’等。”

这些基于BNN的神经机器人系统显示的智能行为可以根据其对计算能力或网络可塑性的依赖性分为两类，Yu解释道。

“在依赖于计算能力的行为中，学习是不必要的，而BNN被视为一个信息处理器，可以响应刺 激产生特定的神经活动。然而，对于后者来说，学习是一个至关重要的过程，因为BNN适应刺 激，这些变化是机器人执行的行为或任务不可或缺的，”Yu补充道。

为了便于比较记录和刺 激技术、编码和解码规则、训练策略和机器人任务，将这两个类别的代表性研究汇编成两个表。此外，为了向读者提供基于BNN的神经机器人系统的历史概述，我们选择了几个值得注意的研究并按时间顺序排列。

研究作者还讨论了该领域的当前趋势和主要挑战。据Yu表示，“有四个挑战迫切需要解决，并且正在进行深入研究。如何在3D中制造BNN，从而使体外BNN接近体内BNN，是其中最紧迫的一个。”

也许最具挑战性的方面是如何训练这些机器人化的BNN。研究作者指出，BNN仅由神经元组成，缺乏各种神经调节剂的参与，这使得很难将各种动物训练方法移植到BNN上。此外，BNN有其自身的局限性。虽然猴子可以被训练骑自行车，但要完成需要更高层次思维过程的任务，比如玩围棋，则更具挑战性。

“意识和智力是如何从我们大脑中的细胞网络中产生的，这一谜团仍然困扰着神经科学家，”余说。然而，随着用机器人实现体外BNN的发展，我们可能会在它们身上观察到更多的智能行为，并让人们更接近神秘背后的真相。