index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
集智俱乐部联合多所高校专家学者发起「昆虫智能与AI」读书会，旨在探讨昆虫智能如何启发人工智能与仿生机器人。读书会深入研究昆虫神经回路，揭示大脑神经网络的组织和运作原理。通过研究苍蝇等简单生物的神经回路，探索认知计算和神经回路架构的设计原理。核心观点是李群对称性可能作为神经回路的设计原则，并利用一维平移/旋转群推导递归回路模型。读书会将邀请多位专家分享研究成果，并促进跨学科交流，推动昆虫智能与AI领域的发展。
🧠 神经回路设计原理：读书会深入探讨大脑神经回路的设计原理，以苍蝇等简单生物为模型，研究神经回路的结构和功能，为理解大脑运作机制提供新的视角。
🧮 李群对称性：研究提出李群对称性可能作为认知计算和神经回路架构的设计原理，并以一维平移/旋转群为例，推导递归回路模型，为神经回路设计提供新的理论框架。
💡 跨学科交流：读书会汇集神经科学、系统科学、物理学、数学和计算机科学等领域的专家学者，促进跨学科交流与合作，共同推动昆虫智能与AI领域的发展。
🐜 昆虫智能启发：通过研究昆虫的导航、视觉等认知行为，探索其内在神经结构和功能机理，为人工智能和仿生机器人的发展提供新的思路和方法。
集智俱乐部联合国内外多所知名高校的专家学者发起神经、认知、智能系列读书会第四季——「昆虫智能与AI」读书会。从2024年10月15日开始，预计每周进行一次，预计8-10次，欢迎感兴趣的朋友报名参与，深入梳理相关文献、激发跨学科的学术火花！神经科学家在理解大脑功能时，迫切需要一种新的理论来帮助揭示大脑神经回路是如何设计的，或者说大脑的神经网络是如何组织、运作的。这是一个非常基础且深奥的问题。近年来，科学家们通过研究苍蝇的神经回路连接组，得到了大量关于神经回路结构的数据。这些数据可以为我们提供了一个事实基础，帮助推测神经回路的设计原理。而且苍蝇的大脑相对简单，神经回路结构较为明确，因此它成为研究神经科学中神经回路设计的一种理想模型。在我们最近的研究中，我们假设李群对称性可以作为认知计算和神经回路架构的设计原理。为什么？大脑储存了一个由物理法则支配的物理世界的内在模型。而李群是一个统一的理论，涵盖了广泛的物理法则，就像是物理学的物理学一样。有了这个动机，我们开始了将李群理论与生物学上合理的递归回路动态相连接的探索。通过使用一维平移/旋转群作为具体例子，我们推导出一个递归回路模型，最终可以与苍蝇（果蝇）导航系统中的神经回路进行比较。在计算上，我们发现连续吸引子网络（CAN），一个经典的神经回路模型，自洽地生成群等变表示，我们严格推导了群算符在回路动态中的表示。我们还将目标导向的导航回路表述为李群算符搜索问题。我们的模型首次展示了李群可以作为神经回路的设计原理。一、大脑神经回路的设计原理：从小苍蝇到大理论（张文昊）
二、圆桌讨论(宋卓异、孙一、孙学龙、司光伟、傅沁冰)
张文昊，德克萨斯大学西南医学中心计算神经科学实验室负责人，助理教授。实验室结合规范性理论和生物学上合理的神经回路模型，研究神经信息处理的原理，旨在解答感知、认知和行为是如何从神经回路中涌现出来的。他的主要研究成就包括研究非线性神经回路动态，探讨神经回路动态如何实现认知贝叶斯计算，以及如何在神经回路中实现群不变/等变表示。他的研究成果已在多个高水平神经科学期刊以及顶尖机器学习会议上发表。宋卓异，复旦大学类脑智能科学与技术研究院青年研究员。具有在控制科学和神经科学领域交叉学科的研究背景，长期致力于构建多尺度及大型计算机仿真模型研究神经编码问题，即神经系统将环境信息编码为神经信息，以便在大脑中产生智能。相关成果发表于Current Biology，eLife, Journal of Neuroscience等期刊。研究方向：计算神经科学、神经系统建模、神经编码、仿生视觉、类脑智能，研究兴趣主要集中在多尺度类脑模型的构建与自适应神经编码研究，如视网膜仿真模型和昆虫复眼仿真模型在仿生视觉系统中的应用。孙一，西湖大学研究员，博士生导师，组建系统神经科学与神经工程实验室。目前致力于社会交互中个体间感知识别与行为决策等认知过程的研究，特别是其神经网络计算原理的研究。结合功能成像与光遗传、定量行为、电生理、连接组学、理论建模等方法回答这些问题。同时将发展应用新的技术从而更好地测量和控制神经活动和环境变量。研究方向：实验室以社会认知的神经网络计算原理为研究对象，以神经环路与行为为研究主线，以先进技术特别是功能成像技术为研究特点。目前以果蝇为主要实验模型。孙学龙，2016获得重庆大学工学学士学位，2021年获得英国林肯大学（University of Lincoln）计算机博士学位。2024年4月加入广州大学数学与信息科学学院任副教授，并任职广州大学机器生命与智能研究中心。研究方向：主要在昆虫导航、类脑智能、群体智能，神经网络、生物机器人学领域从事生物学、数学、计算机科学与机器人学的交叉研究，聚焦于运用数学和计算机学为工具，机器人为实现手段，探索昆虫导航等认知行为的内在神经结构和功能机理，拓展人工智能的发展途径，首次提出了昆虫导航多模态信息融合的计算神经机制和生物似然自主导航算法。司光伟，中科院生物物理研究所脑与认知国家重点实验室研究员。研究聚焦在动物体内外的信息如何被神经元的群体活动编码；神经编码如何在网络中传播、整合和变换；编码的变换如何通过特定的神经网络结构来实现；网络的结构如何调整以适应环境及自身发育；以上过程又如何影响动物的行为。综合运用行为学、钙离子/电压探针成像、光遗传学和微流控等实验手段，并结合建模和模拟开展研究工作。研究方向：生物神经系统在网络层面上的定量规律，包括神经元群体编码、网络动态结构、及其在发育过程中的调节等相关问题。实验研究对象为果蝇幼虫的嗅觉系统。傅沁冰，广州大学数学与信息科学学院副教授，广州大学机器生命与智能研究中心副主任，硕士生导师。本科毕业于电子科技大学，硕士博士毕业于英国林肯大学。主持国家自然科学基金面上项目，发表学术论文60余篇，包括IEEE Transactions、Neural Networks等知名期刊论文、IROS、ICRA等顶会论文。研究领域：生物启发式系统、运动感知、神经网络、机器智能扫码参与昆虫智能与AI读书会，加入群聊，获取系列读书会回看权限，成为昆虫智能与AI社区的种子用户，与社区的一线科研工作者与企业实践者沟通交流，共同推动昆虫智能与AI社区的发展。1、W.H. Zhang*, Y.N. Wu, S. Wu. Translation-equivariant Representation in Recurrent Networks with a Continuous Manifold of Attractors. Advances in Neural Information Processing Systems (NeurIPS) 2022.2、S. Wu, K. Y. Michael Wong, C. C. Alan Fung, Y. Mi and W.H. Zhang. Continuous Attractor Neural Networks: Candidate of a Canonical Model for Neural Information Representation. Faculty of 1000, Invitited Review.对简单模式动物的系统研究可以帮助我们看清树丛中的路线，定义和发现关键问题，是脑科学与类脑研究十分必要一环。昆虫智能的研究在国内尚属小众，为了促进来自神经科学、系统科学、物理学、数学以及计算机科学等不同领域，对昆虫智能、仿生机器人、类脑智能与计算、人工智能感兴趣的学术工作者的交流与合作，集智俱乐部联合复旦大学宋卓异、西湖大学孙一、中科院生物物理研究所司光伟和北京大学的梁希同老师，发起了神经、认知、智能系列读书会第四季——「昆虫智能与AI」读书会。
详情请见：昆虫智能如何启发人工智能与仿生机器人？昆虫智能与AI读书会启动
