惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

AWS News Blog
AWS News Blog
T
Tenable Blog
Project Zero
Project Zero
T
The Exploit Database - CXSecurity.com
L
LINUX DO - 热门话题
T
Threat Research - Cisco Blogs
T
Threatpost
Security Latest
Security Latest
C
Cisco Blogs
L
Lohrmann on Cybersecurity
S
Security @ Cisco Blogs
Google Online Security Blog
Google Online Security Blog
NISL@THU
NISL@THU
AI
AI
V
Vulnerabilities – Threatpost
Google DeepMind News
Google DeepMind News
C
Cyber Attacks, Cyber Crime and Cyber Security
C
CXSECURITY Database RSS Feed - CXSecurity.com
The Last Watchdog
The Last Watchdog
G
GRAHAM CLULEY
Cloudbric
Cloudbric
H
Hackread – Cybersecurity News, Data Breaches, AI and More
H
Hacker News: Front Page
U
Unit 42
A
Arctic Wolf
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
MyScale Blog
MyScale Blog
O
OpenAI News
Scott Helme
Scott Helme
V2EX - 技术
V2EX - 技术
P
Proofpoint News Feed
博客园 - 叶小钗
Hugging Face - Blog
Hugging Face - Blog
云风的 BLOG
云风的 BLOG
V
Visual Studio Blog
Application and Cybersecurity Blog
Application and Cybersecurity Blog
Cyberwarzone
Cyberwarzone
博客园 - 【当耐特】
H
Heimdal Security Blog
S
Schneier on Security
阮一峰的网络日志
阮一峰的网络日志
Help Net Security
Help Net Security
D
DataBreaches.Net
Y
Y Combinator Blog
Hacker News - Newest:
Hacker News - Newest: "LLM"
TaoSecurity Blog
TaoSecurity Blog
K
Kaspersky official blog
N
News and Events Feed by Topic
WordPress大学
WordPress大学
P
Palo Alto Networks Blog

菲兹克斯喵

Lesson 17 引力波的功率 (2) Lesson 16 引力波的功率 Lesson 8 Atmospheres Lesson 16 习题课 Lesson 15 引力波 Lesson 14 Noether 定理 Lesson 7 Evolution Lesson 7 传粉的力量 Lesson 13 作用量原理 Lesson 13 配分函数的一些应用 Lesson 12 Penrose 过程与 Hawking 辐射 Lesson 6 Homology Lesson 11 带电荷和旋转的黑洞 Lesson 6 进食行为 Lesson 11 配分函数 Lesson 10 Penrose 图 Lesson 5 Diffusion Lesson 9 微观量与宏观量的联系 Lesson 5 捕食行为 Lesson 8 Schwarzschild 黑洞 Lesson 9 Schwarzschild 黑洞 (2) Lesson 8 近独立子体系分布 Lesson 4 Ignition of the Sun Lesson 7 统计力学绪论 Lesson 7 Killing 矢量场和 Lie 导数 Lesson 6 Schwarzschild 解 Lesson 6 Landau 相变理论 (二) Lesson 3 Lane - Emden Equation Lesson 5 Landau 相变理论 Lesson 3 动物的感知 Lesson 5 Einstein 场方程 Lesson 4 协变的物理定律 Lesson 3 等效原理 & 广义协变性原理 Lesson 4 热力学第三定律 Lesson 2 Equation of State Lesson 3 热力学关系 Lesson 2 神经生物学基础 Lesson 2 度规和联络 Lesson 1 简介 Lesson 1 Lorentz 变换 Lesson 2 热力学定律 Lesson 1 Introduction & Light Lesson 1 介绍 流星监控项目 II - 树莓派配置 Lesson 15 Green 函数法 Lesson 29 散射 (二) Lesson 15 Spatial Patterns & Self-Organization Lesson 14 积分变换 Lesson 29 散射 Lesson 28 散射 (一) Lesson 27 绝热近似 Lesson 14 Dynamics of biological networks (2) Lesson 13 分离变量法总结 Lesson 26 变分法 (二) Lesson 14 Spatial Statistics Lesson 27 带电粒子和电磁场的相互作用 Lesson 13 磁性材料 & 拓扑绝缘体 Lesson 25 变分法 Lesson 13 Fast Radio Burst Lesson 13 Dynamics of biological networks Lesson 24 含时微扰 Lesson 26 相对论中的能量和动量守恒 Lesson 13 On the Intersection between Astronomy and AI Lesson 25 电磁场变换 Lesson 12 超导 Lesson 23 Zeeman Effect Lesson 12 absorbing Lesson 12 China Jingping Labs and Related Physics Lesson 24 狭义相对论的速度变换 Lesson 22 微扰论 Lesson 11 Bessel 函数 Lesson 12 Time Series Analysis Lesson 23 狭义相对论 Lesson 21 能带理论 Lesson 11 量子多体系统 Lesson 11 Molecular Motor (3) Tianwen:The Beauty of the Cosmos Lesson 10 连带 Legendre 函数 Lesson 20 多电子原子 & 固体 Lesson 11 Truncated & Censored Data Lesson 21 偶极辐射 (二) Lesson 10 离子阱量子计算 & 超快分子摄影 Lesson 10 Molecular Motor (2) Lesson 19 多粒子系统 Neutron Stars Lesson 20 偶极辐射 Lesson 9 Legendre 多项式 (二) Lesson 18 双粒子系统 Lesson 10 Clustering & Classification Lesson 19 辐射 (二) Lesson 9 引力波探测 & 原子量子计算 Lesson 17 CG 系数 「三次量子化」:宏观量子能级及其相干叠加态 —— 解读今年的 Nobel Prize Lesson 9 Molecular Motor Exoplanet Lesson 18 辐射 Lesson 16 自旋 (二) Lesson 8 Legendre 多项式 Lesson 17 波导 Lesson 9 Density Estimation
Lesson 4 讲座:乌贼和章鱼的行为与智能
2026-03-17 · via 菲兹克斯喵

—— 梁希同 北京大学生命科学学院

这些都是头足类动物,也就是足长在头上而不是身体上;乌贼的手一般比章鱼要短,但是有两条很长的 (身体的一到两倍长) 的触腕,可以伏击猎物. 乌贼有 8+28+2 条手,章鱼是 88 条手.

对于软体动物来说,它们没有骨骼,因此和人类对自己手臂的控制有很大的差异;另外一个研究的重点是它们的变色行为,比如瞬间隐藏在环境中,或者在身体表面循环播放一些条纹信息,我们认为这是一种信息表达.

我们在科幻奇幻作品中经常想象章鱼一般的怪物,这是因为它们在进化树上和人类差别几乎是最远的,但是智能又是几乎最高的. 章鱼和人类的演化分支开始于一些没有大脑结构的生物,这意味着章鱼的脑和人类的结构将会是完全不同的,非常值得探索. 这节讲座我们主要关注它们的变色行为.

实际上变色并不是最复杂的点,更重要的是它们可以在身体上展示出图案,这和变色龙的变色有一定差别.

实际上它们的皮肤上是很多可以改变大小的色素细胞,通过控制三种不同颜色色素细胞的大小,来控制这一个区域的皮肤颜色 —— 这一过程是通过这个色素细胞周围的肌肉细胞来控制的,最小是几个微米,肉眼看不见;最大能够到几百微米. 但是重点在于其皮肤上有几百万个这种结构,这是如何做到同时并行做这么多计算的?

在实验室,我们通过更换背景,用 24 台相机实时拍摄整个生物的皮肤,观察变色的过程 (这件事情能够在 1 min 内部产生几个 TB 的数据). 构建一个几十万维的「图案空间」来描述每个身体上的细胞的状态,以细胞大小作为表征;再通过某种 降维 的手段得到一个更小的图案空间,便于描述每个时刻身体的图案状态.

注意

我问了一个「如何降维」的问题,老师的回答:这里的降维一般是通过简单的 PCA,因为我们还是希望维持这个数学空间的线性,因此只能采取这个方法.

结果发现,即使是相同的初态和末态,其变化在图案空间中描绘的轨迹也是完全随机的,每次实验都得到不同的轨迹. 但是对于每一次轨迹,都分成很多个小的段落,每变化一小段都判断一次和环境的差异,然后调整自己的下一步,就像在一个极高维的空间中做拼图验证码. 在统计上,我们计算『「每一步到终点连线」和「每一步到下一步连线」的夹角』这个量的均值,来看是否是每一步都在判断自己的行动. 这个 αˉ→0\bar\alpha\to0,表明它确实是在判断每一个步骤.

下一步是研究它如何了解现在的状况. 我们假设它需要看到自己的身体,所以做对照组实验:

  • 实验组:带上一个类似于狗的那种防抓咬项圈,发现它不会变色
  • 对照组:带一个透明项圈,会变色

同时在摄像机中也可以看到,它每次都会先动一下眼睛,再进行变色.

提示

这个事实最重要的启发是,它们知道什么是自己的身体,什么是自己可以控制的部分,而其他地方是环境. 这并不是 trivial 的,因为它是自我意识的起点. 比如猫可能会追着自己的尾巴,判断不出自己的身体部分.

注意

这里有一个同学问了问题:眼睛看到项圈之后,它难道完全不会尝试变化吗?老师的回答:实际上它还是会做出一定的尝试.

另一个问题:它不可能看到全身,那么是怎么全身变化的?老师的回答:实际上每次刷新都是全局的,我们认为它有几种可能,一种是它可能具有「想象」的能力;另一种可能是,它或许有一些别的感知能够感受色素细胞.

一个经典的判断自我意识的动物实验,是给动物照镜子,再给动物做一个标记,如果动物能够对自己身上的标记做出反应,而不是对镜中的标记做出反应,那么就可以说它们有自我意识. 比如黑猩猩和大象就能通过镜子测试.

但是对于章鱼的测试并不是这么简单,因为不管放不放镜子,章鱼都能感知到自己身上的标记 (章鱼的皮肤可以感光,而且极度敏感). 所以改进的实验是,把镜子换成屏幕,实时展示章鱼的状态,并在视频中用软件在章鱼头上加一个标记,然后对比一天之中有标记和无标记时间段内,章鱼摸自己皮肤的频率. 最后的结果当然是它能够通过镜子测试.

另一阶的统计结果是,章鱼变色在「图案空间」的轨迹是步长越来越短的,这是一个优化;同时每一次停下来的时间会越来越长,这是因为已经很接近环境颜色,因此决策的时间会变长.

在隐藏自己以外,变色的另一个功能是信息传递,比如潜水员靠近是乌贼可能会主动变黑,警示潜水员自己即将喷墨;在同伴之间,雄性乌贼会展示求偶的雄性图案,雌性看到后会靠近,雄性看到后则会产生争斗. 因此雄乌贼有时候会在身体一边展示雄性图案,给雌性看;另一边展示雌性图案降低其他雄乌贼的警戒性. 还有一个事实是,乌贼捕食螃蟹时全身会闪烁,而捕捉虾时不会,这里面的机理还不清楚,可能是用来扰乱猎物的视觉系统.

用手吓乌贼,乌贼会全身变白 (之前的章鱼全身变黑也是一样),而且这个变化过程在「图案空间」中的轨迹是固定的,而不像之前按照环境变色一样. 我们认为这是两套不同的系统,传递信息的变色系统是某种固定的程序,而且两套系统可以相互覆盖. 在短时间惊吓之后,它不用重新判断一次环境,而是可以直接恢复到伪装状态.

注意

我问了一下具体如何实现两个系统的共存,老师回答:我们认为具体的机理是两个系统能够控制同一个色素细胞,但是它们 merge 的点并不是皮肤和肌肉这一层,而是更高的一层的某个神经元接受了两个系统的信号,然后实现共同控制.

具体的实现是,原先构成伪装图案的那些细胞中,更大的细胞仍然相较于其他细胞更大,只是为了表达信息而缩小到了合适的程度,这样在信息解除之后可以迅速回退到原来的伪装状态.

而且接着上面伪装图案的话题来说,我们尝试给它们完全相同的环境,但是并不会缩短它们的变色时间. 一个合理的解释是,自然界中并不会出现完全相同的环境,所以这个记忆并没有意义;同时记一些普适的图案也没有意义,因为它自己能够记住、捕食者也能够记住一些普适图案. 所以在这种 task 上是没有学习的必要的. 另外,记住自己的图案实际上非常困难,因为这样的图案维度太高了.


我们想看看它能不能学习. 实验上,首先给它白色光滑的环境,和复杂有突起的环境,之后在黑暗中把它移动到一个有突起的环境,开灯一瞬间是可以看见它处于复杂环境的那种图案;另一个实验是加入某种气味作为提示,提取其图案记忆. 这两个实验都表明章鱼具有跨模态的一些记忆能力.

把光照到章鱼能够感光的皮肤上,发现有光照的地方其色素细胞变得更大,也就是其图案更加清晰. 这有什么自然选择上的作用呢?在一个表面上,章鱼永远是三维的一个物体,如果光有一个角度,那么身体就会存在阴影;但是如果有上面所提到的感光效应,那么可以在某种程度上抵消掉这种阴影效果,更好地与环境融为一体. 而且,如果仅仅用眼睛来观察光的方向,那么大脑就要处理光线追踪问题,这就像 GPU 做的事情一样复杂;但是如果像章鱼一样,用皮肤来感光,外周神经来控制,中枢神经系统的计算压力会大大减少,这是非常聪明的调控机制.

这一类生物是唯一一种已知的生物「图像生成」神经网络,因此在 AI 发展的今天,我们更有理由来研究这些生物.

稍微总结一下伪装的功能:

  • 警戒 aposematism

  • 隐蔽 crypsis

  • 乔装 masquerade

    和隐蔽的区别是,只要伪装成一个「出现在此处合理」的物体,不需要和环境完全匹配.

  • 拟态 mimicry


下面简单说一说触手运动的问题. 首先要确认的一点是,它们的触手运动维度特别高,而且需要并行控制八条腿,这是非常复杂的系统. 和人类相比,章鱼的神经元有 60%60\% 在外周,而且与剩下在大脑的 40%40\% 只有很少的联系,而人类是 1%1\% 控制身体,99%99\% 在中枢. 章鱼触手上的每一个吸盘都有一个神经节,构成外周神经系统的一个组成单元,可以完成独立的运动. 每次抓到食物,碰到食物的那个吸盘就会 locally 启动「抓」的程序.

实验上,我们把章鱼养在鱼缸的隔板某一侧,隔板上开一个小洞,章鱼被训练会从洞里面伸出手抓取另一边鱼缸中的食物. 这样我们固定了触手可能出现的位置,然后用固定相机来拍摄. 但是我们现有的两种追踪方法:

  • 在特定点的皮肤贴上标记,然后识别之后,在电脑中构建它每时刻的运动;

    但是贴上标记会影响章鱼本身的行为

  • 无观测,用软件追踪关节的行动来重建运动.

    章鱼没有关节,因此这个方法失效

所以只可以用最笨的方法,用相机一帧一帧识别然后三维动态追踪重建. 但是我们还是做不到同时观测神经,因此只能从软件的角度从触手肌肉分布图谱来构造数字章鱼触手,然后在电脑里面反推神经肌肉控制模式.