近日，國際頂級學術期刊Nature刊發(fā)了電院盧策吾教授團隊及合作者在行為理解方面的研究成果(Cortical Ensembles Orchestrate Social Competition through Hypothalamic Outputs)，該論文兩位共同通訊作者為電院盧策吾教授與Salk研究院Kay M. Tye教授，是繼近年來Alphafold等一系列人工智能基礎科學前沿交叉（AI for Science）工作后的又一進展。

基于計算機視覺與機器學習的行為神經(jīng)機制解析

該成果基于計算機視覺技術定量闡釋了機器視覺行為理解與腦神經(jīng)的內在關聯(lián)，并首次建立了其穩(wěn)定映射模型，形成基于大規(guī)模計算機視覺行為檢測-腦神經(jīng)信號關聯(lián)發(fā)現(xiàn)行為神經(jīng)回路的新研究范式?；谠摍C器學習模型，聯(lián)合團隊深入解析了“社會層級”（Social Hierarchy）行為神經(jīng)控制機理（比如，低等級小鼠會讓高等級小鼠優(yōu)先進食，低等級小鼠會表現(xiàn)出服從行為）?！吧鐣蛹墶保⊿ocial Hierarchy）一直是學界重要問題，即哺乳動物是如何判斷其他個體與自己的社會群體地位高低的？其背后的神經(jīng)控制機制是怎么樣的？我們在大規(guī)模的小鼠群體競爭視頻中，定位 “社會層次”行為，并同時記錄到社會等級行為的腦部活動狀態(tài)，深度解析了社會等級行為在大腦中的形成機制，即發(fā)現(xiàn)內側前額葉皮層-外側下丘腦（mPFC-LH）回路具有控制社會層次行為的功能，并得到嚴格生物學實驗的證實。該研究形成了基于機器視覺學習發(fā)現(xiàn)未知行為功能神經(jīng)回路的新研究范式。

視覺行為檢測-腦神經(jīng)信號關聯(lián)模型

盧策吾團隊圍繞行為理解主要工作

盧策吾團隊人工智能研究

視覺行為檢測-腦神經(jīng)信號關聯(lián)模型

盧策吾團隊圍繞行為理解主要工作

盧策吾團隊長期從事人工智能研究，圍繞行為理解開展，從機器認知角度：研究如何讓機器看懂行為；從神經(jīng)認知角度：研究機器認知語義與神經(jīng)認知的內在關聯(lián)；從具身認知角度，研究如何將行為理解知識遷移到機器人系統(tǒng)。取得多項研究成果如圖3所示，此次Nature成果正是盧策吾團隊行為理解成果的一部分。（來源：上海交大）