核心内容摘要
还在为文档下载浪费3小时？这款Java工具让效率提升200%
近日香港城市大学博士生方政儒和所在团队让一群智能体在虚拟迷宫里共同探索只给它们一个极其简单的目标——那就是学会预测同伴下一秒会看到什么以及会走到哪里。
结果发现这些智能体不仅学会了高效合作还在自己的“大脑”里自发形成了类似动物大脑中的“地图细胞”甚至发明了一套只有它们才懂的秘密语言。
他告诉 DeepTech“我们的实验表明智能体在仅有第一人称视角与严格带宽限制下不仅形成了类似网格细胞的空间表征与具备明确语义的离散符号系统还分化出类似社会位置细胞的功能神经元显著提升了任务成功率与通信效率。
”这项研究为理解社会位置细胞的产生提供了计算模型也为多机器人系统在低带宽或通信受限场景中的高效协作提供了新思路。
这意味着基于该成果不仅能让机器人变得更加聪明还能帮助我们理解人类大脑是如何学习和如何社交的未来甚至能够用于机器人仓库搬运和灾难救援等许多地方。
在 Agent“大脑”里长出网络地图大多数人都使用过手机上的地图软件。
人类在一定程度上依靠地图认路而科学家发现老鼠和蝙蝠等动物的大脑中也有一种脑内地图。
2014 年几位科学家因为发现了大脑中的 GPS 细胞也就是位置细胞和网格细胞获得了当年的诺贝尔奖。
这些细胞等于是大脑里的导航仪位置细胞可以告诉你现在在哪儿网格细胞则像坐标纸一样帮助我们测量走了多远。
有趣的是科学家后来还在蝙蝠大脑里发现了社会位置细胞这种细胞能够记住同伴的位置让动物们在觅食或者躲避天敌时能够默契地配合。
来源左图 Edwards (
右图 Omer et al. (
那么Agent 能不能也长出这样的脑细胞本次研究中方政儒等人并没有教给 Agent 任何关于地图的知识只是让它们在迷宫里一边走、一边试着预测自己和同伴接下来会看到什么。
结果发现Agent 的神经网络中真的自发出现了一种类似网格细胞的激活模式并呈现出整齐的六边形图案就像蜜蜂巢穴一样。
这种图案和动物大脑中的网格细胞非常相似。
更重要的是如果人为地关掉这些细胞Agent 就会突然不认路了。
这说明这些自发形成的结构对于 Agent 构建空间记忆至关重要。
来源方政儒、郭彧Agent 之间也会互相说悄悄话但是假如两个 Agent 一起在迷宫里寻找目标它们该如何交流呢你可能会想它们可以随时互相发送所看到的一切信息。
然而问题来了如果迷宫很大或者信号很差这时传递太多信息就会非常慢和非常耗电。
研究中方政儒等人给 Agent 设置了这样一个挑战让它们只能传递很少的信息以此观察它们是如何合作的。
结果发现这些 Agent 居然自己发明了一套高效的沟通模式它们并不会不停地说话而是只在最需要的时候使用很短的暗号进行交流。
比如当一个 Agent 走进死胡同的时候它会向其他 Agent 发出此路不通的信号当 Agent 走到一个关键岔口的时候它会发出一个“这里有三个方向可选”的信号。
更聪明的是Agent 会判断同伴最有可能在哪里猜错因此它可以只在对方最容易迷路或者漏看的地方才发出提示。
这样一来它们即使将某个要传递的信息压缩 32 倍也能完成同一任务而且成功率还比多次反复说的旧有方法高出了一大截。
除了地图细胞和秘密语言本次研究发现 Agent 还长出了第三种有趣的结构专门负责追踪同伴位置的社会神经元。
方政儒等人发现 Agent 的神经网络中会逐渐分化出三种不同的细胞第一种细胞只关心自己在哪里就像人脑的位置细胞一样第二种细胞只关心同伴在哪里就像人脑的社会位置细胞一样第三种细胞则同时关注自己和同伴的位置。
而如果人为地抑制那些专门关注同伴的细胞Agent 预测同伴位置的能力就会大大下降。
这说明这些细胞是在学会预测他人的过程中自然形成的而不是被事先设计好的。
来源方政儒、郭彧这项研究最引人注意的地方在于Agent 并没有被直接教会怎么认路或者怎么聊天它们只是被赋予了预测同伴这样一个简单的目标。
而在实现这个目标的过程中地图、语言、社交细胞全部自己冒了出来。
这就像我们读书时和同学一起完成小组作业不知不觉学会了分工、记笔记、甚至发明一些只有我们才懂的暗号一样。
这种机制不仅可以帮助我们理解包含人类在内的动物大脑社交能力是如何涌现出来的还能直接用在很多机器人合作的场景里。
例如在仓储物流领域一群搬运机器人或许可以在大型仓库里自主协作、高效地分拣货物即使信号不好也能默契配合而在多机器人搜救场景比如在地震现场或者火灾现场机器人队伍可以快速地探索废墟使用最少的通信量来共享关键信息更快地找到被困者在理解社交障碍领域通过模拟 Agent 社交能力的形成科学家可以更好地研究自闭症等社交障碍的神经机制为治疗提供新的思路。
另据悉方政儒是香港城市大学赛马会“智慧城市”创科实验室的在读博士生导师方玉光教授同时也是清华大学深圳国际研究生院智能感知与机器人实验室的访问学生导师丁文伯教授。
未来他将继续深耕机器人通信感知与决策领域。
学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】