四个神经元的模拟实验:看一个大脑如何学会追光
两位科学家做了个只有四个神经元的模拟小生物,你能亲眼看到它靠奖励和惩罚从两千多种接法里学会追光、逃跑甚至装死。可视化做得特别直观,想搞懂强化学习和大脑学习机制的人别错过。
Myriad 系列第二章《Watch a Brain Learn》由科学记者 Aatish Bhatia 和神经科学家 Arkarup Banerjee 合作完成,他们构建了一个只有四个神经元的模拟生物,用来演示大脑如何通过试错学会新行为。这个四神经元系统在没有人指导的情况下,仅依靠奖励和惩罚信号,从两千多种可能的神经连接方式中找到不到 2% 的有效解,学会追光。
配套动画把学习过程可视化为三个数字驱动的行为变化:系统会根据这三个参数在怕光、冲撞和趋向光之间切换,三个数字被映射成一个立方体空间,学习过程就是立方体里从随机状态走向有效解的一条路径。作者还用原文数据重画了全部动画,让学习机制可以逐步观察。
实验还展示了行为的可塑性:更换奖励规则后,同一个四神经元系统又学会了逃跑、装死和战斗三种不同行为。文章最后把这个微型模型与鸣禽学习、AI 训练和人类大脑的学习机制联系起来,解释强化学习在生物神经系统中的基本原理。
四个神经元,怎么学会追光 学骑车的时候,没人能把“怎么骑车”直接刻进你脑子里,通常学自行车的人,摔了好多次后,然后突然就学会了。那是什么让大脑学会骑车的呢? Myriad 系列第二章《Watch a Brain Learn》,作者是物理学家出身的科学记者 Aatish Bhatia 和神经科学家 Arkarup Banerjee。他们造了一只只有四个神经元的小东西,让我们亲眼看它学会一件事。 这期把原文的配套动画用原文的数据重画出来:三个数字怎么决定它是怕光、冲撞还是爱上光;把三个数字变成一个立方体,学习就成了立方体里的一条路;没人教,它只靠奖励和惩罚,从两千多种接法里找到那不到百分之二的好答案。 最后换个奖励,它又学会了逃跑、装死和战斗,再回到鸣禽、AI 和你的大脑。 《Watch a Brain Learn》文章地址: aatishb.com/myriad/how-bra…
This report is categorized under AITOP's "Papers" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include reinforcement learning, neural networks, Watch a Brain Learn, neuroscience.
Source attribution: curated from 宝玉 (@dotey).