Science：洪暐哲团队系统阐述合作行为的神经基础，为开发具备高效协作能力的人工智能系统提供生物学启示和理论基础

2025年9月25日，加州大学洛杉矶分校（UCLA）洪暐哲教授团队在《Science》杂志发表题为“Neural basis of cooperative behavior in biological and artificial intelligence systems”的研究论文，系统阐述了生物系统中合作行为的神经基础，并发现人工智能系统表现出类似的合作行为以及相似的神经表征。UCLA洪暐哲教授和Jonathan C. Kao教授是这篇文章的通讯作者，蒋梦萍和顾林凡为共同第一作者。

合作行为是指多个个体协调努力、共同实现特定目标的过程，它不仅是人类社会发展的基石，也是动物群体生存和进化的重要策略。通过合作，个体能够显著提升对环境的适应能力，群体的整体生存质量也得到大幅改善。因此，深入研究合作行为的产生机制具有重要的科学价值和社会意义。

图1：小鼠通过合作获得奖励

小鼠间的合作行为及其关键因素

这个研究首先验证了小鼠的合作能力及其影响因素(图1)。在实验中，研究人员训练小鼠在极短的时间窗口（0.75秒）内执行同步行为以获得奖励。经过系统性训练后，实验结果显示小鼠确实能够协调彼此的行为来获取奖励。值得注意的是，研究发现有约76%的小鼠能够表现出显著高于随机水平的合作行为。在这部分表现优异的小鼠中，大约一半（41%）展现出了非常高的合作效率。

通过严格的对照实验和行为分析，研究团队证实小鼠的合作行为并非简单的时间序列模仿或被动响应，而是基于双方主动学习任务规则、积极参与协调的结果。研究进一步揭示了两个关键要素。信息共享的重要性：实时了解同伴的行为信息对合作至关重要。当研究人员阻断同伴信息传递时，小鼠之间的合作行为完全消失。共同目标的必要性：成功的合作需要双方具有一致的目标导向。在单方面合作条件下（一方需要合作而另一方无需合作即可获得奖励），合作行为无法建立。

合作行为的神经生物学基础

为了探索合作行为的神经机制，研究团队采用单细胞钙成像技术（Miniscope）实时记录小鼠前扣带回皮层（anterior cingulate cortex, ACC）的神经元活动模式。分析结果表明，ACC区域内不同神经元亚群特异性地编码与合作相关的行为信息，研究人员能够基于这些神经元活动成功解码当前行为的合作状态（成功或失败）。更为重要的是，这种神经解码能力与小鼠的合作效率呈现显著正相关关系——ACC解码能力越强的小鼠，其合作表现也越出色。

随着训练过程的推进，研究团队观察到一个有趣的动态变化：编码正确合作行为的神经元比例逐渐增加，且这一比例与合作效率的提升密切相关。这一发现表明，合作行为越成功，大脑对合作模式的神经表征也越强化和精确。

图2：小鼠在合作过程中的行为策略

合作行为策略的神经编码

研究过程中出现的一个关键问题是：小鼠在训练过程中是否会发展出特定的行为策略来促进合作成功？答案是肯定的。研究团队识别出了三种核心的社交行为策略：接近对方（approach）、等待对方到达（waiting）以及通过直接接触实现动作同步（interaction）（图2）。

这三种行为策略在训练过程中逐渐强化和完善。值得注意的是，当同伴信息被人为屏蔽或双方无需协作时，这些社交行为策略会显著减弱，甚至几乎完全消失。神经机制分析显示，ACC的不同神经元亚群分别编码这三种行为策略，研究人员能够通过神经元活动模式准确解码出特定的行为策略类型。更重要的是，神经元对这些行为策略的表征强度与小鼠合作效率呈显著正相关，揭示了神经表征与合作能力之间的直接关联。

成功的合作不仅需要采用适当的策略，还需要在关键时刻基于同伴行为做出正确决策。小鼠必须准确判断：当同伴已经准备就绪时，需要立即触发行为；而当同伴尚未准备好时，则需要抑制自身行为直至时机成熟。研究发现，经过训练后，小鼠的正确决策行为显著增加，错误行为明显减少，且ACC神经元活动能够有效编码和解码这些决策过程。

在整个合作过程中，小鼠需要持续密切关注同伴信息以优化行为策略并做出准确决策。研究表明，ACC神经元活动能够编码和解码同伴的位置信息。有趣的是，表征同伴位置信息的神经元比例越高，合作效率越优异——更擅长合作的小鼠对同伴信息的神经表征更为强烈和精确。

这些实验结果揭示了影响合作成败的关键要素：采取合适的行为策略、做出正确的行为决策，以及有效处理同伴相关信息。这些因素与合作效率的关系在神经元层面表现出高度一致性。

ACC神经活动对合作行为的直接调控

为了验证ACC神经元活动是否直接调控合作行为，研究团队采用化学遗传学方法，在ACC表达hM4Di以抑制神经元活动。实验结果显示，抑制ACC神经元活动会显著降低小鼠合作成功率，削弱合作行为的协同性，并减少小鼠间的社交行为策略。

进一步的光遗传学实验提供了更精确的时间窗口信息。研究发现，在合作行为前1秒钟抑制ACC神经元能够显著扰乱合作行为，降低成功率；而在合作行为后1秒钟的抑制则对合作成功率无明显影响。这一发现表明，ACC神经元活动直接调控合作行为，且合作行为前的时间段是影响合作成功的关键窗口期。

图3：人工智能系统表现出合作行为

人工智能系统中的合作行为现象

研究团队将合作行为的探索扩展至人工智能领域，探讨了一个重要问题：人工智能系统是否会表现出类似的合作行为？如果行为模式相似，其相应的神经表征是否也与小鼠类似？

为回答这些问题，研究人员采用多智能体强化学习（multi-agent reinforcement learning, MARL）方法，基于循环神经网络（recurrent neural networks, RNN）构建了能够在特定区域内自由移动的AI agents。这些AI agents如同小鼠一样，能够观察彼此的行为并执行类似的合作任务：在规定时间内实现同步行为以获得奖励（图3）。

实验结果表明，AI agents能够通过协同运动实现合作成功，且这种运动协同主要出现在与合作相关的关键时间节点。更值得注意的是，AI agents还表现出其他与小鼠相似的行为模式，能够根据同伴行为做出正确决策（如采用"等待"行为策略）。这些行为模式的神经表征也与小鼠高度相似：不同的"神经元"亚群编码合作的各个方面，抑制相应事件的"神经元"会影响智能体的合作效率，且影响模式与各"神经元"功能特异性相对应。

研究意义与展望

这些发现表明，人工智能系统能够自发发展出与生物系统类似的行为模式及神经表征，为我们理解合作行为的产生机制以及影响合作成败的关键因素开辟了新的研究路径。该研究不仅深化了我们对合作行为神经基础的科学认知，也为开发更加智能化、具备高效协作能力的人工智能系统提供了重要的生物学启示和理论基础。这种跨学科的研究方法为未来探索复杂社会行为的神经机制提供了新的范式。

文章链接：https://www.science.org/doi/10.1126/science.adw8151