index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
集智俱乐部发起「昆虫智能与AI」读书会,多位专家学者参与。探讨昆虫智能,包括动物本能与智能、果蝇幼虫学习与记忆等,2025年1月8日直播,扫码报名。
🦟昆虫智能研究表明其具备一定程度智能
🍎以果蝇幼虫为例探讨学习与记忆
👥多位专家学者参与,研究方向多样
📅2025年1月8日晚直播,扫码报名
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!
动物的本能与智能决定了个体的决策与行为。本能的驱动力让动物懂得趋吉避凶:前往有利生存(资源丰富、易于躲藏)的地点,避开与危险相关的信号(如影子、气味、声音);智能则为动物适应不同环境提供灵活性,使它们在本能的基础上根据所处的情境调整各种信息的意义(例如:原本吸引动物的气味,可能在多次引导动物进入危险境地后,使动物对该气味产生回避),从而提高生存机会。长期以来,昆虫普遍被认为不具备智能,甚至被称为“反射机器”,认为昆虫的所有行为都是由本能和反射引起的。然而,最近的研究证据表明,昆虫具备一定程度的智能,而且它们的大脑设计相当精巧。本次分享将以果蝇幼虫的学习与记忆为主题,讨论果蝇幼虫作为实验动物的优点、相关实验方法、当前研究成果以及未来可能的应用。二、圆桌讨论 (宋卓异,孙一,司光伟,梁希同,文超,申杨)林居正,剑桥大学动物学系博士后研究员,分子生物学实验室访问学者。研究方向:目前在 Marta Zlatic 的研究室(学习与决策脑回路实验室)进行博士后研究,以电生理方法研究果蝇幼虫大脑的学习神经回路。《蜂的心智》一书译者。
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。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。梁希同,北京大学生命科学学院、北大-清华生命科学联合中心、北大麦戈文脑科学研究所研究员、博士生导师。长期关注动物行为多样性的神经和演化机制,特别是发掘无脊椎动物中所蕴藏的丰富而独特的神经算法资源 ,相关成果发表在Nature、Science、Neuron、PNAS、Current Biology等期刊。研究方向:主要研究头足类(包括乌贼和章鱼)的行为、智能与仿生,通过开发基于机器学习的行为定量分析技术和大规模神经活动成像技术,研究变色伪装和触手运动的神经与演化机制, 为类脑计算、图像生成、与仿生软体机器人提供独特的神经算法借鉴与运动控制理论。研究方向:专注于社会性昆虫行为研究,尤其是熊蜂、蚂蚁和白蚁等节肢动物的社会认知能力,揭示昆虫如何处理信息、解决问题以及适应复杂环境,探索无脊椎动物的认知边界。

申杨,美国马里兰大学帕克分校化学物理博士,现为冷泉港实验室博士后研究员。研究方向:她的研究旨在从算法的角度理解果蝇的大脑如何处理和储存嗅觉信息以应对复杂多变的气味环境。同时利用从果蝇大脑中获得的启发设计更有效率的机器学习算法。
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. D. Weber et al. (2023) Learning and Memory in Drosophila Larvae. Cold Spring Harbor Protocol
2. M. Winding et al. (2023) The connectome of an insect brain. Science
3. C. Eschbach et al. (2021) Circuits for integrating learned and innate valences in the insect brain. eLife
4. C. Eschbach and M. Zlatic (2020) Useful road maps: studying Drosophila larva’s central nervous system with the help of connectomics. Current Opinion in Neurobiology
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
内容中包含的图片若涉及版权问题,请及时与我们联系删除