天津大學臧蘊亮團隊：果蠅腦用“雙保險”機制，教會AI系統對抗噪聲丨NeurIPS速遞

導語

在自然進化的長期演化中，果蠅微小的嗅覺系統展現出驚人的智能——它能在嘈雜、多變的氣味環境中穩定識別食物來源。研究發現，這種魯棒性并非源于單一機制，而是依靠看似“冗余”的神經模塊間的動態協作。天津大學教授、集智社區學者臧蘊亮教授團隊最新發表在NeurIPS的研究工作揭示，側抑制（LI）與脈沖頻率自適應（SFA）在果蠅腦中以互補方式協同工作，使系統能根據環境噪聲靈活調節策略，為構建高魯棒性人工智能提供了新的生物學啟示。

關鍵詞：果蠅嗅覺回路、冗余神經機制、魯棒學習、側抑制（LI）、脈沖頻率自適應（SFA）、神經擬態計算、類腦智能

來源：集智俱樂部

作者：臧蘊亮

編輯：趙思怡

論文題目：Seemingly Redundant Modules Enhance Robust Odor Learning in Fruit Flies 論文地址：https://arxiv.org/abs/2510.21315 發表時間：2025年10月24日 論文來源：arxiv

一、生物學中的“冗余”之謎

生物神經系統中，常存在不同模塊執行相似功能的現象，即所謂“生物學冗余”。比如果蠅嗅覺回路中的側抑制 (Lateral inhibition, LI) 與脈沖頻率自適應 (Spike frequency adaptation, SFA)，兩者都被認為能增強氣味模式的分離能力，幫助腦更好地區分不同氣味。

一個自然的疑問是：既然功能相似，為何進化會同時保留它們？是簡單的備份冗余，還是在復雜環境中，它們各有專攻、協同作戰？

二、互補，是比冗余更智慧的策略

為解開這一謎題，研究團隊構建了果蠅嗅覺環路的脈沖神經網絡模型，并在不同噪聲環境下進行系統性測試。

圖1. 果蠅嗅覺回路計算模型示意圖

結果清晰顯示：兩者并非重復備份，而是在不同噪聲條件下發揮專長，形成功能互補：

• 側抑制：低噪聲下的“精準調諧器”

在低至中等噪聲環境中，LI能顯著提升判別精度，作用突出；但在極高噪聲下，其優勢逐漸減弱。

• 脈沖頻率自適應：高噪聲下的“穩定衛士”

SFA在各種環境中均能穩定提升性能，并在高噪聲下表現出卓越的魯棒性，成為系統在極端條件下的可靠保障。

三、動態協調：隨環境而變的智能策略

當LI與SFA共同工作時，它們的效益是可疊加的。在大多數噪聲環境下，“LI + SFA”組合均能實現最優性能。只有在極端噪聲中，SFA的穩定性優勢才使其略微領先。

圖2. 不同噪聲強度下各機制的判別準確率對比

這表明，果蠅腦采用的是一種噪聲依賴的動態招募策略：根據環境狀況，靈活調配LI與SFA的參與程度，從而在多變世界中始終保持最佳的學習與判別能力。

從果蠅到AI：我們學到了什么？

這項研究不僅揭示了生物系統利用“功能重疊”機制實現環境自適應性的精巧策略，更為構建下一代高魯棒性AI系統提供了直接啟示：

· 可借鑒LI與SFA的協同機制，設計能根據輸入數據噪聲水平自適應調整內部處理策略的智能分類器；

· 為神經擬態計算 硬件與算法設計提供了可驗證的生物學原理支持；

· 推動AI在復雜現實場景中，實現更高水平的環境適應性、能效與穩健性。

此外，受果蠅嗅覺神經回路機制的啟發，清華大學季向陽團隊提出全新人工智能方法——FlyLoRA，將隱式的按秩混合專家（MoE）機制引入LoRA架構，發表在2025年的NeurIPS，臧蘊亮教授也以共同作者參與。該方法無需顯式路由器參數，僅通過固定稀疏隨機矩陣實現隱式路由與任務解耦，在多項任務中性能顯著優于現有方法，同時具備優秀的模型合并魯棒性[1]。

參考文獻

[1]Zou, Heming, et al. "FlyLoRA: Boosting Task Decoupling and Parameter Efficiency via Implicit Rank-Wise Mixture-of-Experts." arXiv preprint arXiv:2510.08396 (2025).

閱讀最新前沿科技趨勢報告，請訪問歐米伽研究所的“未來知識庫”

https://wx.zsxq.com/group/454854145828

未來知識庫是“ 歐米伽 未來研究所”建立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。