模拟生命体，智源线虫登上Nature子刊封面，探索AGI的第三条路径
智源研究院提出了BAAIWorm 天宝-- 一个全新的、基于数据驱动的生物智能模拟系统，首次实现秀丽线虫神经系统、身体与环境的闭环仿真。BAAIWorm 天宝通过构建线虫的精细神经系统、身体和环境模型，为探索大脑与行为之间的神经机制提供重要研究平台。2024 年 12 月 16 日，智源研究院理事长黄铁军和生命模拟研究中心马雷等共同关于 BAAIWorm 天宝的重要进展在国际著名科学期刊《自然・计算科学》（Nature Computational Science）上发表，并于 12 月 21 日被选为期刊封面故事。BAAIWorm 天宝的重要创新之处在于其不仅关注神经系统的建模，还将身体与环境纳入考量，形成一个闭环系统，通过模拟线虫的行为，探索神经结构如何影响智能行为。这一工作不仅为研究生物智能提供了新的平台，也为具身智能理论的进一步发展和人工智能领域的应用奠定了基础。伦敦大学学院 Padraig Gleeson（OpenWorm 团队，本文审稿人之一）评价 BAAIWorm：“这是一项了不起的成果，它将秀丽线虫的生理学和解剖学信息整合进了一个计算模型。在不同层面呈现了诸多进展，而且各项成果相互融合，构成了一幅条理清晰的图景。我认为，这是一项我们在秀丽线虫建模和理解‘脑 - 身体 - 环境’交互方面的重要进展。”《自然・计算科学》资深编辑 Ananya Rastogi 指出：“这项工作让我眼前一亮。动态的机体与环境相互作用以及精细的模拟相结合，使得在闭环系统中研究大脑活动如何影响行为成为可能。”这一成果的另一审稿人表示：“这项研究为我们从整体上理解神经系统建立了新的研究范式。传统的神经科学研究往往侧重于分离和理解神经系统或大脑的特定方面。然而，通过综合这些细节全面理解整个生物体仍然是一项挑战。这项研究引入了一种很有前景的方法：尝试构建一个完整的生物体模拟。”- https://www.nature.com/articles/s43588-024-00738-w
- https://www.nature.com/articles/s43588-024-00740-2
- https://github.com/Jessie940611/BAAIWorm
近年来，随着神经科学和人工智能技术的深度交叉融合，研究者们越来越多地尝试通过构建生物体模型来理解神经系统与行为之间的关系，并推动具身智能的研究。国际上的个别研究机构在这一领域取得了显著进展。2022 年，瑞士洛桑联邦理工学院（EPFL）发布了NeuroMechFly，一个基于果蝇的神经 - 机械耦合模型，用以研究神经系统如何驱动行为，相关成果发表于《Nature Methods》[1]。2024 年，EPFL 进一步发布了NeuroMechFly v2，对该模型进行了优化，进一步提高了神经 - 身体交互的功能性 [2]。与此同时，DeepMind 也在推动生物智能模拟方面迈出了重要步伐，2020 年初步发布了Virtual Rodent，该模型通过模拟啮齿动物的大脑与身体运动，推动了对生物智能的理解。2024 年，DeepMind 在《Nature》上发布了 Virtual Rodent 的更新版，进一步提升了该模型在神经网络和行为模拟方面的能力 [3]。生物智能无疑是人工智能研究的源头。BAAIWorm 天宝通过高精度还原和模拟生物智能，为理解和探索生物启发的具身智能的核心机制提供了重要的实验平台。通过将大脑、身体和环境的互动整合到一个闭环系统中，BAAIWorm 天宝展示了神经系统如何通过与身体及环境的协同作用，产生复杂而高效的行为。这一研究不仅加深了对生物智能的理解，也为开发具有类似感知与运动能力的人工具身智能系统提供了新的视角。在秀丽隐杆线虫中，运动、觅食等行为是由其神经回路、肌肉生物力学和实时环境反馈之间的协调互动驱动的。然而，传统的模型往往将神经系统或身体环境孤立开来，未能捕捉到支撑复杂行为的整体 “大脑 - 身体 - 环境” 交互。在生物物理学上精确模拟这种复杂性仍然是一个挑战，这也突显了构建完整的闭环模型的必要性，以连接神经网络、生物力学和环境反馈。智源研究院生命模拟研究中心旨在开发这样一个闭环的生物物理精细模型（“生命模型”），以精确模拟生物体在神经、生物力学和环境互动中的复杂行为。团队采用可扩展的多层次方法，包括多舱室神经元模型，通过细致模拟神经网络中间隙连接、突触和神经元的活动，生成了生理上准确的神经动态。在这项研究中，团队着手开发一个开源模型 ——BAAIWorm，用于在闭环系统中模拟秀丽隐杆线虫的体现行为。BAAIWorm（一个集成脑 - 身体 - 环境的模型）作为一个开源模块系统，为研究线虫行为的神经控制机制提供了一个多功能平台。BAAIWorm 基于实验数据，由两个子模型组成：一个是生物物理层面上精细的神经网络模型，模拟秀丽隐杆线虫的神经系统；另一个是根据线虫解剖学构建的身体模型，并被一个可计算的简化 3D 流体环境所包围（见图 1）。神经网络模型中的每个神经元都被表示为一个多舱室模型，模拟神经元的结构和功能部分（如胞体、神经突），以精确复现秀丽隐杆线虫神经元的电生理特性以及基于实验数据的精细突触和间隙连接结构。身体模型则结合了 96 个肌肉细胞，这些肌肉细胞基于秀丽隐杆线虫的解剖学，在四个象限中建模，以实现计算对称性。表面级的力模拟了推力和阻力，优化了计算效率，同时反映了生物体在流体环境中的互动特性。系统也简化模拟了环境中的连续感官输入（如食物浓度梯度）。这些输入会动态影响神经计算，进而驱动肌肉收缩，形成一个闭环反馈系统，形成协调的运动轨迹，能够与真实线虫行为类比（见图 1）。图 1：BAAIWorm 天宝是一个具身秀丽隐杆线虫仿真平台。BAAIWorm 天宝将一个生物物理层面非常精细的神经网络模型与一个生物力学身体和三维环境整合在一个闭环系统中，进行感官刺激和肌肉信号的交互。神经网络模型包含了具有精细结构的神经元模型及突触和间隙连接，通过迭代优化模型参数（如连接权重，连接极性等），逼近真实秀丽隐杆线虫的神经动力学特性。身体模型由 3,341 个四面体（作为身体结构的基本建模元素）和 96 个肌肉组成，与三维环境互动，实现实时的运动仿真。研究团队基于线虫神经元的真实生理特性，构建了一个生物物理层面上的高精度神经网络模型。神经网络模型中的每个神经元都被表示为一个多舱室模型，模拟神经元的结构和功能部分（如胞体、神经突），以精确复现秀丽隐杆线虫神经元的电生理特性以及基于实验数据的精细突触和间隙连接结构。该模型是目前已知首个同时在神经元层面和神经网络层面都具有真实动力学特性的，基于多舱室建模的高精度秀丽隐杆线虫神经网络模型。该模型符合生物线虫解剖特性，可精准稳定的追踪和度量三维软体运动。相比于 OpenWorm，在仿真性能和环境尺度等指标上取得了数量级的提升。BAAIWorm 天宝首次建立了线虫神经网络模型与身体环境模型的闭环交互，模拟线虫通过之字形运动接近食物的行为。环境中的食物浓度刺激感觉神经元，运动神经元驱动肌肉收缩，生成协调的运动轨迹。在这一过程中，研究人员可以通过模拟的方法，实时观察线虫的轨迹、神经活动以及肌肉信号。通过 BAAIWorm 天宝，可同时观察线虫运动情况与神经网络每个细节的动态情况。
专业的前沿科技媒体与产业服务平台
