Science重磅：下一代協作型AI Agent？UCLA團隊揭示AI、小鼠的共同合作邏輯

圖源：Stella Levi

合作是人類社會的基礎，理解合作如何產生并維持，不僅對解決沖突、治療影響社會行為的疾病具有深遠意義，也對設計更優的人工智能（AI）系統至關重要。

隨著多 AI Agent 系統在自動駕駛、分布式機器人等場景的落地應用，如何讓 AI 學會高效合作，已成為突破技術瓶頸的關鍵。

已有研究表明，人工 Agent 和生物 Agent 可以表現出相似的行為策略和神經表征。這為探索人工 Agent 在交互時如何產生合作行為，以及這類交互是否可能由類似生物系統中的神經網絡動態驅動，開辟了新的方向。

今天，加州大學洛杉磯分校助理教授 Weizhe Hong 團隊在這一領域取得了新的突破——通過對比小鼠和人工 Agent 在合作任務中的表現，證明 AI 系能夠形成與生物大腦中的觀察結果相似的行為策略和神經表征。

這項研究首次直接比較了生物大腦和 AI 之間的合作學習，為社會行為中最重要的方面之一提供了新見解，同時也為人類打造出更智能的協作型 AI 提供了全新思路。

相關研究論文以“

Neural basis of cooperative behavior in biological and artificial intelligence systems

Science

論文鏈接：

https://www.science.org/doi/10.1126/science.adw8151

實驗驗證：小鼠是如何學會協作的？

為探究生物合作的底層邏輯，研究團隊設計了一次小鼠合作實驗。實驗選用 8 周齡的 C57BL/6J 小鼠，將其兩兩配對，放置在中間有透明帶孔分隔板的實驗艙內。分隔板的設計很關鍵，既讓兩只小鼠能通過視覺、嗅覺和輕微肢體接觸感知彼此，又避免了直接肢體干擾。

圖｜小鼠合作實驗中實驗艙示意圖。

實驗的核心任務是同步鼻觸：每只小鼠所在的艙室都有一個鼻觸口和一個飲水口，只有當兩只小鼠在規定時間窗口內先后完成鼻觸動作，才能同時獲得飲水獎勵；若僅有一只小鼠鼻觸，或超出時間窗口，雙方都無法得到獎勵。為逐步提升合作難度，研究團隊將時間窗口從初始的 3 秒，逐步縮短至 1.5 秒，最終定為 0.75 秒，以此考驗小鼠的協調精度。

在正式實驗前，研究團隊先對單只小鼠進行“預訓練”，讓它們學會將鼻觸動作與飲水獎勵關聯，同時剔除鼻觸動機極低的個體，確保實驗數據的有效性。訓練階段則分為三個階段，分別對應 3 秒、1.5 秒和 0.75 秒的時間窗口，三個合作階段分別包含 5 次、10 次和 15 次每日訓練，每次訓練持續 30 分鐘。

經過系統訓練，76% 的小鼠的合作表現顯著超過隨機水平。研究團隊進一步通過打亂數據法判斷隨機水平：將一只小鼠的鼻觸時間固定，隨機打亂另一只的鼻觸序列，計算此時的正確合作概率。對比發現，真實實驗中小鼠的正確合作次數遠高于隨機數據，且錯誤次數更少，這說明它們是通過主動協調來達成合作。在表現超隨機水平的小鼠中，41% 屬于“高表現組”。隨著訓練推進，錯誤合作次數持續減少，鼻觸間隔也不斷縮短。

圖｜對照實驗的實驗結果。

為進一步驗證“主動協調”的必要性，研究團隊設計了三組對照實驗：一是將透明分隔板換成不透明板，阻斷視覺信號；二是讓小鼠“各自為戰”，達成單獨鼻觸即可獲得獎勵；三是“單方合作”，僅一只小鼠需依賴同步鼻觸獲獎勵，另一只可單獨獲獎勵。

結果顯示，這三種情況下，小鼠的合作指數均大幅下降，尤其是不透明板組，等待和互動行為幾乎完全消失，充分證明小鼠的合作依賴對同伴信息的感知和互利動機。

這些證據共同表明，這種合作行為并非源于獨立的基于時間的決策、簡單的模仿行為、偶然動作或依賴社會線索的決策。相反，兩只動物都正確遵循規則，并根據伙伴的社會信息和互利關系主動協調行動，才能實現成功的合作。

關鍵因素：前扣帶回皮層

小鼠的協作行為背后，究竟是哪個腦區在“發號施令”？

研究團隊將目光鎖定在前扣帶回皮層（ACC）。ACC 位于大腦額葉中部，此前研究已發現它與情緒處理、社會決策等功能相關，但在合作行為中的具體作用尚不明確。

為觀察 ACC 的神經活動，研究團隊采用了微型內窺鏡鈣成像技術。他們先向小鼠的 ACC 區域注射表達熒光鈣離子指示劑（GCaMP7f），通過實時記錄鈣信號變化，追蹤單個神經元的活動。最終成功記錄了 17 對小鼠共 12798 個 ACC 神經元的活動數據。

圖｜小鼠執行合作任務時 ACC 的神經活動（A）；對 17 對小鼠的 12798 個神經元進行神經活動記錄（B-D）。

分析發現，ACC 神經元對合作事件具有高度特異性響應：一部分神經元僅在正確合作時激活，另一部分則只對錯誤合作有反應，且響應正確事件的神經元數量明顯更多。正確事件響應神經元的占比，與小鼠的合作表現呈正相關：高表現組小鼠的 ACC 中，這類神經元的比例顯著高于普通組。說明 ACC 對成功合作的編碼能力，直接影響合作效果。

圖｜在合作條件下對正確或錯誤試驗產生反應的神經元，在不透明分隔板條件下僅表現出微弱的神經活動；相反，另一組基本獨立的神經元則對自發觸鼻行為產生反應。

研究還發現，ACC 不僅能識別合作結果，還能編碼合作中的關鍵決策。通過支持向量機（SVM）解碼 ACC 神經信號，研究團隊能準確區分這兩種決策狀態，證明 ACC 是合作決策的“大腦”。

通過 SLEAP 姿態追蹤技術，研究團隊還拆解出小鼠合作的三大核心策略：

• 接近：小鼠會主動靠近分隔板，在鼻觸前 2 秒內，向同伴一側移動的頻率顯著增加；

• 等待：當一只小鼠先到達鼻觸端口，會在社交區域停留，直到同伴靠近再行動；

• 互動：兩只小鼠會通過隔板兩側的鼻端接觸交流，且互動角度從初始的 180 度逐步優化為 120 度，既能保持對同伴的感知，又能快速切換到鼻觸動作，策略精度持續提升。

行為相似：AI 復刻小鼠合作邏輯

在揭示小鼠的合作機制后，研究團隊將研究范圍拓展至生物系統之外，深入探究合作機制在 AI 系統中的形成及其運作方式。

研究團隊基于多 Agent 強化學習（MARL）框架，利用循環神經網絡（RNN）開發了兩個 Agent，并構建了一個模擬小鼠實驗的虛擬環境，訓練 Agent 在此環境中實現協作。

圖｜兩個 Agent 分別位于兩側，中央設障礙物分隔，每側均配備“鼻觸口”和“飲水口”。

訓練結果超出了研究團隊的預期：AI 成功掌握了合作策略，且其行為模式與小鼠高度趨同。在合作階段正確合作次數持續增加，鼻觸間隔集中在 2 個時間步內，且錯誤次數遠低于非合作階段。

研究團隊進一步分析 AI 的神經網絡活動，發現 AI 中也存在專門編碼自我位置和同伴位置的單元。在合作階段，編碼同伴位置的單元活性顯著增強，且其占比與 AI 的合作表現正相關；而在非合作階段活性則明顯減弱。

接下來，研究團隊深入研究了 Agent 是否會像動物那樣展現出促進合作的行為策略。為此，他們分析了每個 Agent 根據其伙伴位置采取的行動。由于 Agent 可直接“看到”彼此，因此最初團隊預計其不會出現像小鼠實驗中觀察到的那種接近或互動行為。

然而結果出乎意料，Agent 會表現出“等待”行為：當同伴距離鼻刺位置較遠時，它們會暫停或后退移動。如圖所示，兩者都試圖通過最小化彼此與鼻刺位置的距離差異來主動協調行動。這種主動協調行為出現在正確戳探前，但在錯誤戳探或非合作狀態下則不存在。此外，這種等待行為與個體 agent 更優的合作表現呈正相關。由此可見，這種行為能有效促進 AI agent 的合作行為。

圖｜Agent 的運動流場分析。

雖然生物小鼠與人工 Agent 屬于兩類完全不同的系統，但它們在合作行為中卻呈現出驚人的相似性。研究團隊認為，這種一致性背后的原因主要有以下三點：

首先是信息依賴。無論是小鼠還是 AI，實時感知同伴狀態都是合作的前提。小鼠通過透明隔板獲取視覺、嗅覺信號，AI 通過傳感器觀測同伴位置，一旦這些信息被阻斷，合作便會迅速崩潰。

其次是合作策略。成功的合作依賴可學習、可優化的預備策略。無論是小鼠的“接近-等待-互動”，還是 AI 的“靜止-靠近-同步”，本質都是通過預備行為降低協調難度，并且這些策略會隨訓練優化。

最后是專屬單元。生物和 AI 都演化出了專門編碼合作相關信息的“單元”：小鼠 ACC 中，有神經元特異性響應正確合作、編碼決策；AI 的 RNN 中，有單元專門處理同伴位置、調控合作動作。這些單元的活性與合作表現直接掛鉤，抑制或消融它們，合作能力就會受損。

以上研究結果證明，合作并非生物的專屬技能，而是一種可計算、可復制的底層邏輯。隨著技術發展，或許將來我們能看到基于這種邏輯的 AI，與人類在多種場景中實現真正意義上的協作。

整理：小瑜

如需轉載或投稿，請直接在公眾號內留言