科学家发现AI与生物的协作共性，为高效协作AI Agent提供理论基础

“我们比较了 AI 系统和生物系统，发现二者在合作行为方面具有惊人的相似性。”美国加州大学洛杉矶分校（UCLA）洪哲教授对 DeepTech 表示。

随着 AI 技术的发展，我们经常用包括 ChatGPT 和 DeepSeek 等 AI 工具帮助更高效地学习和工作。实际上，AI Agent 也能够通过合作完成更复杂的任务，而研究 AI Agent 的合作行为与研究人类的合作行为存在相似之处。

此前，已有研究提出 AI 系统和生物系统存在相似性。可以说，AI 系统在一定程度上也是受生物启发而来，比如卷积神经网络（CNN，Convolutional Neural Network）的结构就是参考人类的视觉系统构建的。

有些观点认为，未来的 AI Agent 可能并不是单独产生功能的。无论是与用户互动，还是它们自身的功能，或许都需要多个 Agent 之间共同协作来完成。因此，合作行为是非常重要的研究方向。

在近期发表在 Science 的一项研究中，洪哲教授团队通过对小鼠和 AI 系统在合作任务中的行为和神经活动变化的对比，揭示了 AI 系统和生物系统之间在合作行为方面的神经基础，并证明了二者在合作行为中的相似性。

这项研究对研究神经科学，特别是研究社会行为机制的领域具有重要的意义。该领域最本质的问题是理解大脑中的神经元以及大脑是如何控制（广义）行为的，包括决策、社会行为、合作和帮助等。

此外，该研究为人们理解 AI 和 AI Agent 提供了新的思路。一方面，AI 系统在一定程度上受生物启发，很多架构和结构都与生物系统有关。另一方面，通过系统地比较二者的共同点和不同点，也会推进未来对 AI Agent、AI 及其发展的相关研究。

近日，相关论文以《生物和人工智能系统中合作行为的神经基础》（Neural basis of cooperative behavior in biological and artificial intelligence systems）为题发表在 Science[1]。UCLA 博士生 Jiang Mengping 和 Linfan Gu 是第一作者，洪哲和 Jonathan Kao 教授担任通讯作者。

小鼠合作行为的自发策略：靠近、等待和互动

这项研究源于研究团队观察到的现象：合作行为和帮助行为是仅在生物体中才会出现，还是在任何智能体中都会出现，这是一个普遍原则吗？AI Agent 的神经网络中具体有哪些神经元参与到了其合作行为的调控？

需要了解的是，在生物体中通常只能同时控制神经元（例如让其同时活动或同时不活动），有选择性地操控特定神经元活动。但这在 AI 系统中很容易实现，如果清楚地了解它的单元之间具体位置，它是如何被激活的，就能更清楚它背后的机制。

洪哲对 DeepTech 解释说道：“在合作行为中，结果是最终目标，而我们想了解的不仅是一起做某件事的合作现象，更重要的是通过怎样的策略来达成这个目标。”

在实验中，该团队通过协调两只小鼠的行为，让它们在 0.75 秒内同时将鼻子伸进同一洞中，并设置如果完成合作任务则能够获得水的奖励。研究人员观察到一种有趣的现象：两只小鼠为达成合作行为，它们发展出主动接近、等待和互动行为——在合作行为之前会互相碰一下鼻子。

洪哲解释说道：“顶一下鼻子这个动作，其实是它们互相告知对方马上开启合作行为的信号。有意思的是，这并不是本来就存在的，而是小鼠在学习和训练的过程中逐渐形成的默契，这种自发的策略为它们实现最终目标提供了保障。”

用动物或 AI 做实验时，一个很重要的问题是：如果它们产生了某种行为，不管是自发的还是训练出来的，这些行为会在大脑的具体区域被表征出来。研究人员想了解的是，大脑中哪些区域处理这些行为，哪些脑区可能与这些行为的产生及其学习过程有关？

他们发现在合作行为中，前扣带皮层（ACC，anterior cingulate cortex）发挥了关键作用。ACC 是在动物决策中一个重要的脑区，在普遍的框架中也非常关键。该脑区与很多行为有关，而这些行为又与很多社会行为密切相关。

“当时选择研究 ACC，是因为以往的研究发现，ACC 可能在合作行为中发挥重要作用。因此，我们对 ACC 进行了深入的分析和实验。”洪哲表示。

研究团队找到了研究 ACC 的方法：他们能够每秒甚至每毫秒都观察 ACC 神经元的活动，并在合作行为过程中同时记录几百个神经元，以确定 ACC 神经元的活动是否和这些行为有关。

以上文提到的小鼠合作策略为例，研究人员能够在 ACC 神经元的活动中观察到相关的信息。比如在等待时，对应的神经元活动会变强。这说明 ACC 和这些行为可能有关，而且 ACC 的活动强度与合作的好坏呈正相关。也就是说，ACC 如果能更好地反映对方的位置，小鼠的合作行为则效果更好。

此外，研究人员还可以对 ACC 进行功能调控。研究人员发现，通过降低小鼠 ACC 的活动，小鼠的行为策略会消失，合作行为的效率也会大幅降低。例如，正常情况下，小鼠在 0.3 至 0.4 秒内就能完成合作，但在 ACC 活动降低后，它们的表现会变差很多。

图丨抑制 ACC 神经活动会损害合作行为（来源：Science）

在该研究中，研究人员不仅观察小鼠的行为、进行生物相关实验，而且扩展到 AI 和 AI Agent，还用多智能体强化学习（MARL，g multi-agent reinforcement learning）的策略比较了 AI Agent 在类似的环境中的合作行为。研究人员开发了两个基于循环神经网络的 AI Agent，并在模拟动物行为的环境中训练其协作。通过观察和学习，这些 Agent 逐渐发展出与小鼠相似的行为策略和神经表征。

该研究共经历近四年，回顾研究过程，洪哲指出，最大的挑战是让 AI Agent 或小鼠进行合作。

实际上，在研究初始阶段研究人员对小鼠的时间设置得比较简单。他们发现，如果是在 3 秒内完成合作行为，小鼠会采取完全不同的策略——它们总是能找到一些方法拿到奖励，但过程中并没有合作行为。

洪哲表示：“科学研究的过程并不是一条直线，这种意想不到的情况让我印象深刻。”为此，该团队进行了多次调整和尝试，最终将两只小鼠互相合作的时间设置为 0.75 秒内。

从源头去寻找问题的本质

洪哲本科和博士分别毕业于清华大学和美国斯坦福大学，之后他在美国加州理工大学从事博士后研究工作。目前，洪哲团队致力于研究社会行为的规律以及社会行为神经机制，即动物或人类在进行社会行为时，大脑中的神经元如何调控这些行为。过去十年，他们专注于研究生物体的神经网络如何调控社会行为，特别是亲社会行为中的合作行为。

大脑是人体中最复杂的器官，也是我们目前对其了解最少的器官。其他器官虽然由很多细胞组成，但细胞类型相对单一。而在大脑中，尽管神经元之间有相似之处，但是任何两个神经元的差异可能非常大。

从很早开始，洪哲就对问题的本质高度关注，并喜欢探索复杂过程背后的机制，特别是神经科学中的社会神经科学方向。“人与人之间或动物之间的社会行为非常复杂，其需要大脑的高度参与，是一个高度非线性的、很难预测的过程。不管是自然智能还是 AI，最高境界都是社会行为。”洪哲说。

为探索问题的本源，他经常提出一系列问题：为什么我们会去做一件事情，这件事能够为别人带来哪些好处？我们为什么会想到去这么做？这个动机背后在大脑中对应的是什么？具体是哪个区域去激励这些个体，使其产生一些行为，从而为其他个体带来好处？

该方向的研究具有广泛的社会意义。实际上，整个经济、政治、社会结构都是一个广义的社会行为。所以，从两个人的小团体到一个庞大的社会，背后个体的大脑和一群个体的大脑是如何控制这些行为的。

今年 7 月，研究团队在发表于 Nature 的一篇论文中 [2]，也研究了 AI 与生物体之间的相似性，其研究重点是社会行为。他们发现，当两个人或两个 AI 进行社会行为时，脑活动/神经活动表现出高度的一致性。并且，甚至在某些方面 AI 与生物体的互动模式极为接近。研究结果表明，共享神经动力学代表了生物和 AI 体中相互作用神经系统的一个基本且可推广的特征，并凸显了共享神经动力学在驱动社交互动方面的功能意义。

在接下来的研究阶段中，研究人员将对 ACC 继续深入探索。例如，ACC 是如何接收信息的，又是如何将这些信息传递到其他脑区的。此外，ACC 处理的信息在其他脑区是否存在？如果存在，又有什么相同点和不同点？“这个过程需要很多神经元共同协同完成，甚至可能需要整个大脑协同工作，我们对未来的探索充满期待。”洪哲表示。

参考资料：

1.Jiang, M. et al. Neural basis of cooperative behavior in biological and artificial intelligence systems. Science(2025). https://doi.org/10.1126/science.adw8151

2.Zhang, X., Phi, N., Li, Q. et al. Inter-brain neural dynamics in biological and artificial intelligence systems. Nature 645, 991–1001 (2025). https://doi.org/10.1038/s41586-025-09196-4

运营/排版：何晨龙