獼猴會玩游戲嗎？實驗證明它們可以成為“吃豆人”高手！《eLife》日前在線發(fā)表了題為《獼猴在吃豆人游戲中的分層組合策略》的研究論文。該研究由中國科學院腦科學與智能技術(shù)卓越創(chuàng)新中心（神經(jīng)科學研究所）、靈長類神經(jīng)生物學國家重點實驗室楊天明研究組完成。

這項研究設(shè)計了一種新穎有趣的實驗范式——吃豆人游戲，并且訓(xùn)練獼猴學會使用搖桿完成該游戲范式的主要任務(wù)。該研究將復(fù)雜的行為范式和人工智能建模結(jié)合，定量研究了獼猴解決復(fù)雜問題的啟發(fā)式行為策略特點，為理解大腦實現(xiàn)高級認知功能的計算機制提供了全新方法和重要啟發(fā)。

日常生活中，人們大部分的重要目標通常超出了簡單決策的實現(xiàn)范疇，然而，這些目標可以通過設(shè)計一系列縝密的基礎(chǔ)策略組合來實現(xiàn)。個體可以根據(jù)當前的情況優(yōu)先考慮每一種策略的收益和風險，并在較容易完成的子任務(wù)中具體問題具體分析。高度動態(tài)變化的環(huán)境會時刻伴隨著出乎意料的意外和干擾，因此保持相機而變的靈活性也在決策過程中至關(guān)重要。盡管研究動物的復(fù)雜行為和潛在的神經(jīng)機制在神經(jīng)科學和認知科學領(lǐng)域是一個持續(xù)受到關(guān)注的科學問題，但大部分的動物行為范式復(fù)雜程度，都不足以支持研究動物如何簡化動態(tài)多樣的策略以完成復(fù)雜的高級認知任務(wù)。

為解決這些問題，該研究改編經(jīng)典街機游戲吃豆人，并訓(xùn)練獼猴學會使用操縱桿來控制吃豆人在一個封閉的迷宮中運動收集食物，獼猴避開敵人追擊將獲得實時果汁作為獎勵。在經(jīng)過一段時間的訓(xùn)練后，獼猴能夠理解游戲中各個元素和獎勵懲罰之前的關(guān)聯(lián)，并依次相應(yīng)地做出連續(xù)的運動抉擇，來躲避敵人的追擊，獲取更多的獎勵，甚至在特定規(guī)則下對敵人實現(xiàn)反殺。雖然該游戲高度動態(tài)且元素復(fù)雜，但本質(zhì)上它比較類似一個動物野外覓食任務(wù)，這也可能是該研究成功訓(xùn)練動物的關(guān)鍵要素。

為定量地描述獼猴行為策略的特點，研究人員利用機器學習和統(tǒng)計方法，動態(tài)擬合匹配游戲玩法與多個智能策略模型。這種多智能體協(xié)作決策模型也是人工智能領(lǐng)域?qū)崿F(xiàn)吃豆人游戲最高分數(shù)的設(shè)計關(guān)鍵。該計算模型首先設(shè)計了一組策略基組，策略基組中每個策略都只解決游戲中一個子任務(wù)，例如覓食最近的食物、躲避敵人追擊或者通過能量豆食物改變敵人的狀態(tài)，其次，該模型將不同的策略基組對比擬合到到獼猴的游戲行為數(shù)據(jù)中，推斷策略的動態(tài)權(quán)重。該計算模型對獼猴手柄運動的預(yù)測準確率能夠達到90%以上。

更重要的是，通過策略動態(tài)權(quán)重的分析，發(fā)現(xiàn)獼猴通過使用分而治之的啟發(fā)式方法，在每個時間只關(guān)注游戲的一個子任務(wù)，分布式地解決這些問題，從而實現(xiàn)對游戲總體目標的優(yōu)化。更令人感到吃驚的是，研究發(fā)現(xiàn)獼猴能夠在時序上組合這些策略基組，構(gòu)建更為復(fù)雜的復(fù)合策略，來處理特定的更有挑戰(zhàn)性的任務(wù)。以上的研究結(jié)果表明，獼猴能夠優(yōu)化掌握一套策略基組，并采用分層決策的方式來解決十分復(fù)雜的任務(wù)。

本研究著眼于系統(tǒng)認知神經(jīng)科學和人工智能廣泛關(guān)注的交叉領(lǐng)域，將復(fù)雜的行為范式和嚴謹?shù)挠嬎憬＿M行結(jié)合，為未來研究靈長類動物的高級認知提供了重要的實驗證據(jù)和新穎的分析方法。

該研究由博士后楊千里、林中喬，博士生張文怡、陳希源，以及工作人員李建澍和張嘉琦在楊天明研究員的指導(dǎo)下完成，研究組的其他成員也在課題的各個階段給予了幫助。該工作得到科技部、中科院、上海市科委和基金委的資助。

關(guān)鍵詞： 研究成果