摘 要
仿生智能是指综合利用人工智能和仿生学的原理和方法，模拟自然界生物的形态、特征、行为或过程，以解决复杂问题或创造新的智能化技术和解决方案。对近来仿生智能技术领域的主要发展动向进行了综合评述。首先介绍仿生智能技术的发展现状，随后概述仿生智能技术的未来发展趋势。综述表明，生物界仿形技术、类脑计算技术、人脑结构功能建模技术，近来在“算法-硬件-平台”多方面均取得突破性进展。综述认为，提高仿生攀爬装置的可靠性和环境适应性、探索真菌细胞驱动的生物混合机器人、加强硬件和软件协同设计的神经拟态计算、开发高度智能化的仿生软体机器人等，正在成为仿生智能技术的重要发展方向。
关键词
仿生智能；生物界仿形；类脑计算；人脑结构功能建模；生物混合机器人；软体仿生机器人
1 引 言
仿生智能技术作为人工智能和仿生学的交叉融合领域，近年来取得了突破性进展。它旨在模拟自然界生物的智能行为，并将其应用于计算机科学和工程领域，以解决复杂问题或创造新的技术和解决方案。本文针对生物界仿形技术、类脑计算技术、人脑结构功能建模技术等2024年仿生智能成果显著的主流技术方向，开展技术发展现状分析；通过对以上发展动向的分析，本文将展望仿生智能技术的未来发展趋势，并探讨其在各个领域的应用潜力。
2 生物界仿形技术发展现状
借鉴蜥蜴、蜗牛以及昆虫等自然界生物卓越的爬行和攀爬技能，以提升承担复杂危险环境探查与救援任务的轻量级仿生机器人的稳定性和节能效率［1］。当前进展主要集中在设计速度更快、效率更高的腿式机器人，使描述运动的三个关键性能标准“速度-效率-稳定性”之间的进化权衡程度成为可能。5月，美国卡耐基梅隆大学机器人研究所发布四足仿生攀岩机器人LORIS，相关成果发表在机器人学顶级国际会议ICRA 2024［2］。该成果采用了受昆虫启发的被动抓取器技术，能够在地球重力环境下垂直攀爬粗糙的岩石表面以及平直的煤渣砖墙（如图1所示）。LORIS的设计创新体现在其完全被动的抓取器和腕关节，这一设计不仅降低了机器人的整体重量和复杂度，而且通过优化控制策略显著降低了意外脱落的风险。仿生机器人采用了定向向内抓取策略，并结合板载深度感应和微处理器技术，有策略地移动腿部以实现同时对攀爬表面的抓取。尽管LORIS在多种表面的攀爬测试中展现了其能力，但其当前的可靠性尚不足以满足实际应用的需求。未来的研究需要解决在不均匀地形上的脚部选择问题，并设计出能够适应不同攀爬表面的抓取器。预计LORIS机器人在未来的行星探索任务中将发挥重要作用。7月，德国科布伦茨大学联合团队研制了一种仿生蜥蜴机器人，为人类和其他动物不同运动的进化提供新的见解，相关成果发表在《自然·机器人（Nature npj Robotics）》期刊［3］。已有研究表明，最佳运动模式需要依赖脊椎和四肢的运动，这与蜥蜴的运动模式非常一致，因此蜥蜴通常被称为“运动大师”。该成果通过模拟蜥蜴的奔跑和攀爬行为，深入探讨了不同运动模式的进化优势（如图2所示）。研究结果表明，在快速移动过程中，蜥蜴腿部的作用至关重要，适当地利用脊柱运动可以有效节约能量，然而过度依赖脊柱运动可能会影响攀爬时的稳定性。此项研究不仅为解析动物运动的进化机制提供了新视角，同时也为设计高效、稳定的有腿机器人提供了重要理论依据，预期在未来的搜索与救援任务中具有潜在的应用价值。
生物形态和机器形态混合的仿生智能成为当前研究热点，驱动“生物混合机器人”成为一个新兴的研究领域。该领域涉及将植物、动物和真菌细胞与合成材料相结合来制造机器人，为探索“碳基-硅基”融合、生物技术与电子技术混合等提供了全新的发展路线与试验验证。2月，美国加州理工学院成功开发了一种生物混合水下机器人，该机器人通过将电子元件植入活体水母体内来实现海洋探测功能［4］。该研究采用了三维打印技术，制造了一种装备有传感器的“水母帽”，并将其与活体水母相结合，通过水母在海底的自然游动行为，植入的传感器系统能够实时同步采集海洋的温度、盐度和氧含量数据。此外，该设备集成了一个电子起搏器，能够刺激水母以平时三倍的速度游动。这一创新性的生物混合水下机器人设计，不仅为海洋环境监测提供了新的思路，也展示了生物与电子技术融合的潜力。9月，美国康奈尔大学成功研制了一种由真菌和计算机组件构成的生物混合机器人（如图3所示），该成果发表在《科学·机器人（Science Robotics）》期刊［5］。该机器人能够将真菌对环境变化的生理响应转化为电脉冲，进而转换为数字指令。该研究显示，“真菌-计算机”接口有效地促进了菌丝体与机器人之间的通信，当对真菌的菌丝体进行光照处理时，产生的电脉冲能够有效地驱动机器人进行运动。此外，由于真菌具有避光性，增加紫外线的照射会导致真菌产生更强烈的电信号响应，从而加速机器人的移动速度。与传统合成机器人相比，新型的真菌“生物混合机器人”在检测农田中的化学污染物、毒素或病原体方面展现了更高的灵敏度。真菌能够在极端环境（如高盐度水体或低温条件下）生存，这使得该类机器人在极端环境中的适用性优于动物或植物生物混合机器人。另一个优势是，这些机器人在完成任务后，所需的清理工作较少，且遗留的有害物质也相对较少。这些特性使得真菌生物混合机器人在环境监测和探测领域具有广泛的应用潜力。
3 类脑计算技术发展现状
类脑计算牵引类脑仿脑智能发展，通过模拟人类大脑的结构和功能，来实现更加智能化的机器学习和智能系统。为提升人工智能计算效率、降低能源消耗、规避通信损耗，模拟大脑结构（重点在于约占人类大脑重量80%的大脑皮层结构）及信号传递机理，采用从技术图谱到元器件研发的发展路线，逐步实现“微观单元-宏观结构”一体化动态模拟和协同学习建模。6月，在盖茨基金会支持下，美国Numenta公司启动名为“千脑计划（Thousand Brains Project）”的类脑智能研发项目［6］，旨在开发一套类脑人工智能技术及原型系统，该框架将按照与人脑相同的原理运行，但与当今主导人工智能的深度神经网络的原理有着根本的不同。该项目通过对大脑皮层进行逆向工程，构建全新且可靠的人工智能技术体系，以应对当前深度神经网络在能耗和稳定性方面所面临的挑战。整体而言，该计划的目标是模拟大脑皮层的结构，其中每个皮质柱都被视为一个独立的学习机器；通过多个单元的协作，模拟神经科学的结构，以实现感知运动任务和学习过程。项目强调大脑皮层在感知运动学习中的关键作用，并提出大脑能够以动态方式学习，从而适应新的数据。该研究目前的主要焦点是算法与软件开发，为后续硬件的设计与研发打下基础，以期未来最终构建新型的计算机系统。Numenta公司承诺，其研究成果将开源发布，并不会对相关技术主张专利权。2024年，仿生人造轴突、仿生人造突触取得突破性进展，为类脑计算硬件研发提供支撑。4月，荷兰乌得勒支大学联合团队构建一种新型人造突触设备，与传统基于固体材料的人造突触不同，新突触基于人脑内的介质水和盐构建一种锥型微流体通道结构（如图4所示），并首次证明，与人脑相同的介质系统可处理复杂信息，相关成果发表于《美国国家科学院院刊（Proceedings of the National Academy of Sciences）》期刊［7］。该人造突触尺寸为150 μm×200 μm，被称为离子电子忆阻器，包含一个充满水和盐离子的锥形微通道，能够根据输入电脉冲的强度调节通道的电导率，模拟神经元间连接的强化或弱化过程，展现出类似生物突触的行为机制。此项研究通过使用与人脑相似的介质来模仿人脑的通信模式，为创建能够更真实地模拟人脑卓越计算能力的计算系统奠定了理论基础。9月，美国德克萨斯农工大学、桑迪亚国家实验室和斯坦福大学联合发布一种受到大脑轴突启发的全新材料，相关成果发表于《自然（Nature）》期刊［8］，标志着通过模拟大脑轴突功能以提升计算技术方面取得了重要进展。轴突是脊椎动物神经细胞或神经元的一部分，可以将电脉冲从神经细胞体传导出去，受此启发，该材料在传递电信号过程中能够实现自发放大，从而克服了传统芯片中信号衰减的问题。该成果利用特殊电子材料的电子相变特性，通过加热手段来增强材料的导电性，有效地避免了信号损耗，并展现了负电阻等特性，形成了全新的仿生主动式电信号传输方案，在整个完整的信号路径中连续实现信号放大（如图5所示）。这一发现有望显著提高计算效率，特别是在人工智能和大规模计算领域，有助于应对日益增长的能源需求。
模仿了生物神经元之间完全基于脉冲的高效通信模式，神经拟态计算领域依然延续较高研发热度［9］，在算法到元器件芯片到平台等各环节取得突破性进展，在精确、时敏任务中应用前景广阔。5月，比利时列日大学开发了一种新型的神经拟态脉冲神经元，旨在提升神经拟态人工智能的性能。该成果通过创新改造传统人工神经元，创造性设计实现一种名为“脉冲循环细胞”的新型脉冲神经元，该神经元能够更自然、更动态地模拟神经元的脉冲活动［10］。此外，脉冲循环细胞神经元能够将人工神经网络的复杂算法与脉冲神经网络的能源效率相结合，为开发新一代脉冲拟态网络提供了可能。脉冲神经网络旨在弥合神经科学和机器学习之间的差距，使用最拟合生物神经元机制的模型来进行计算，因此被称为第三代神经网络。这项研究的应用前景包括自动驾驶等领域，标志着在神经形态计算领域的重要进展。9月，印度科学研究所联合团队发布一种迄今为止最精确、功能最全面的14位（万亿级）神经拟态加速器设备，该设备创下了4.1万亿次运算/秒/瓦的能效新纪录，相关成果发表于《自然（Nature）》期刊［11］。该研究灵感来自于人脑，通过利用分子的自然摆动和抖动来处理和存储信息。这一神经形态加速器平台采用了分子忆阻器模拟技术，能够模拟人脑处理和存储信息的方式，从而高效地处理神经网络训练、自然语言处理等高级计算任务，并能追踪和控制分子运动。该平台采用了基于节能环保材料的高性能神经形态设备，显著提高了人工智能驱动的计算性能。这一突破性的研究成果预示着，新型神经形态计算设备有望替代现有的计算设备，为人工智能领域带来革命性的变革。4月，美国英特尔公司发布世界上最大的神经拟态系统Hala Point［12］（如图6所示），并初始部署在桑迪亚国家实验室。该系统采用英特尔Loihi 2神经拟态处理器作为核心，旨在支持未来类脑仿生的人工智能研究，并解决当今人工智能效率和可持续性的挑战。Hala Point系统是在英特尔的第一代大规模研究系统Pohoiki Springs的基础上进行优化和升级的。新系统的架构得到了显著改进，能够支持分布在140544个神经拟态处理核心上的115亿个神经元和1280亿个突触，实现了神经元容量的超过10倍增长，以及性能的12倍提升。与使用中央处理器和图形处理器的传统计算机相比，Hala Point系统在执行人工智能推理和处理优化问题时速度可提高50倍，能耗仅为传统计算机的百分之一。
4 人脑结构功能建模技术发展现状
人脑拥有860亿个神经元、100万亿个神经突触，从能耗来看却仅相当于几十瓦。2024年针对大脑功能结构、大脑导航及定位机理的研究与建模，实现了多个人类历史首次，进一步为类脑计算等仿生智能子领域提供基础环境支撑。5月，英国伯明翰大学与德国慕尼黑大学联合团队首次精准确定了人类大脑中用于空间自我定位及导航的“神经罗盘”的位置（如图7所示）。该研究通过分析受试者在移动头部或眼睛时产生的大脑信号，揭示了大脑处理导航信息的方式，以及这些信号如何与视觉地标等其他线索相互作用。因此，该成果为深入探索大脑的导航和定向能力提供了新的研究路径，并为理解帕金森病和阿尔茨海默病等神经退行性疾病提供了新的视角，同时还为进一步改进机器人和人工智能导航技术提供了新的思路，相关成果发表在《自然·人类行为（Nature Human Behaviour）》期刊［13］。5月，美国哈佛大学、谷歌研究院联合团队采用电子显微镜与人工智能算法相结合的技术，对哺乳动物大脑的复杂神经网络进行了颜色编码和重建。据此成功构建了迄今为止具有最高突触分辨率的人类大脑皮层1立方毫米片段的图谱。该图谱详细记录了57000个细胞、230毫米长的血管以及1.5亿个突触的信息，数据总量达到1400 TB。这一成果为在超细胞、细胞和亚细胞水平上研究脑组织提供了前所未有的视角，相关成果发表于《科学（Science）》期刊［14］。5月，在美国国立卫生研究院的资助下，美国哈佛医学院和博德研究所联合团队成功构建了迄今为止最大且最先进的大脑多维基因调控网络图谱，该图谱详细阐述了调控大脑生物通路和细胞功能的调节元件及其对大脑功能的影响。该研究绘制了覆盖大脑发育不同阶段以及多种大脑相关疾病的基因调控网络，为深入理解精神分裂症、创伤后应激障碍和抑郁症等精神障碍提供了重要信息，并有助于识别精神疾病新疗法的潜在分子靶点。
仿生器官的体外建模、生成与培养成为全新研究方向，有望颠覆传统以“小鼠实验”为主的试验方案，进而为人脑发育过程研究、特种精神类疾病治疗干预等开辟了新渠道。1月，美国南加利福尼亚大学开发了一种人类小脑类器官模型原型hCerOs。该模型能够产生人类小脑中的两种主要类型细胞，为阐明控制小脑发育和疾病的细胞类型特异性机制提供了可能性，首次实现在“全人类培养系统”中培养成熟的浦肯野细胞，相关成果发表在《细胞·干细胞（Cell Stem Cell）》期刊［15］。该成果能够生成胎儿小脑的多样性复杂细胞，包括在体外首次生成的人类特异性菱形唇祖细胞群以及成熟细胞，后者在分子和电生理学特征上类似于22~28周人类胎儿小脑中的浦肯野细胞，并显示出其体内对应细胞的分子和电生理学特征。这一研究成果为探索小脑发育过程、自闭症谱系障碍等神经退行性疾病，以及推进治疗干预策略提供了新的研究方法。6月，瑞士生物计算和生物处理器公司FinalSpark推出全球首个可在线访问的体外人脑神经元平台Neuroplatform［16］，支持用户远程访问16个人脑类器官模型。该研究旨在开发世界上首个活体处理器，目前已向9家研究机构开放了其远程访问平台。Neuroplatform平台的运行依赖于“硬件-软件-生物组织”的混合结构，其主要创新在于使用4个多电极阵列来容纳活体组织类器官（主要为脑组织三维细胞团）。目前平台具备学习和处理生物信息的能力，且能耗仅为传统数字芯片的百万分之一，显著降低了计算活动对环境的影响。这一进展为生物计算领域提供了新的研究工具，有望推动该领域的发展。
5 仿生智能技术发展趋势分析
随着技术的不断进步和应用场景的不断拓展，仿生智能技术将为人类社会带来更加智能、高效、便捷的未来。总结仿生智能技术未来发展趋势如下。
（1）模仿昆虫、爬行动物的攀爬和抓握仿生装置，在救援搜救、日常巡检、战场侦察等诸多场景应用广泛。提高可靠性、环境自适应性等是未来重点发展方向，通过创新设计和智能控制，使仿生机器人能够在实际应用中发挥更大的作用。尽管现有的仿生攀爬和抓握装置在多种表面的攀爬测试中展现了其能力，但其可靠性尚不足以满足实际应用的需求。未来的研究需要解决在不均匀地形上的脚部选择问题，并设计出能够适应不同攀爬表面的抓取器。一是针对提高可靠性，通过改进材料、传感器、控制系统和算法，提高局部（仿生装置）和整体（机器人）在复杂环境中的稳定性，降低故障率，确保在实际应用中的可靠性和持久性；二是为了在不均匀环境上做出正确的脚部选择，仿生攀爬装置需要配备高级的地形感知能力，可以通过集成高分辨率摄像头、深度传感器、力传感器等来实现，使仿生机器人能够实时获取周围环境的三维信息和地面的力学特性；三是优化脚部选择机制，由于在不均匀地形上的攀爬过程中，脚部的选择至关重要，因此未来的研究需要开发更为先进的决策算法，使仿生装置能够根据地形的不规则性和稳定性自动选择最佳的脚部位置和姿态，这涉及机器视觉、触觉感知和机器学习技术的综合应用，以实现对地形的快速识别和适应；四是创新适应性抓取器，为适应不同的攀爬表面环境，仿生智能技术的发展需要集中在设计更为灵活和适应性强的抓取器，支持根据不同的表面特性（如粗糙度、硬度、倾斜度等）自动调整其形状、硬度和抓握力，以实现稳定和有效的攀爬。
（2）生物混合机器人作为仿生学领域的一个新兴研究方向［17］，致力于将植物、动物及真菌细胞与人工合成材料融合，以构建机器人系统，相关研究机构正在积极探索其在环境监测、生物医学、农业等领域的应用潜力。尽管此领域展现出极大的潜力，但其中仍存在若干关键性挑战：动物细胞的运用不仅涉及高昂的经济成本，还引发了伦理层面的讨论；同时，植物细胞对外界刺激的响应速度较慢，限制了其应用范围。2024年的研究进展表明，真菌细胞可能成为克服这些障碍的关键途径。因此，生物混合机器人技术的未来发展方向概述如下：一是开展真菌细胞的生物学特性研究，包括生长模式、代谢过程、对刺激的反应等，以便更好地利用这些特性来构建生物混合机器人；二是提升材料与生物兼容性，开发与真菌细胞兼容的合成材料，这些材料不仅可以支持真菌细胞的生长和功能，还应具有与机器人其他部件无缝集成的能力；三是优化控制系统的集成，设计能够与真菌细胞相互作用的控制系统，使仿生机器人能够利用真菌细胞的生物学功能来执行诸如感知环境、执行动作或进行自我修复等任务；四是伦理和法律框架的建立，随着真菌细胞在生物混合机器人中的应用，需要建立相应的伦理和法律框架来指导研究，确保符合社会准则和伦理标准。
（3）神经拟态计算是仿生智能硬件发展的关键方向，能够模仿人脑的结构和功能，实现存算一体化，软件硬件协同策略，成为神经拟态技术发展的必由之路。一是硬件领域的创新与发展方面，随着摩尔定律的持续发展，硬件的集成度和性能将进一步提高，为神经拟态计算提供更强大的支持。未来的研究将集中在如何通过硬件优化来提升神经拟态计算的能力（包括增加支持的神经元数量、提高计算效率以及降低能耗）、实现更高级的系统整合（包括开发更小尺寸、更高性能的神经拟态芯片）。二是软件领域的创新与发展方面，亟待开发新型算法并进行优化，以更好地利用神经拟态硬件的优势。未来的技术发展将涉及更高效的机器学习算法，这些算法能够更好地与神经拟态硬件的特性相匹配，提高数据处理速度和智能决策能力。三是软件与硬件的协同设计方面，为了最大化软硬协同的效果，软件和硬件的设计需要更加紧密地结合，因此软件算法的开发需要充分考虑硬件的特性，而硬件的设计也需要考虑到软件的需求，协同设计将促进两者之间的相互优化，提升整体系统的性能。此外，随着神经拟态计算逐渐深入应用，需要建立神经拟态计算和相应软件算法的行业标准，确保不同系统之间的兼容性和互操作性，进而在此基础上开发可扩展和模块化的神经拟态计算系统，使其能够适应不同的应用需求，并便于升级和维护。
（4）仿生软体机器人以其独特的柔软性和高度智能化，在医疗、工业、军事等多个领域展现出巨大的潜力和价值，有望成为整机状态仿生机器人发展的突破口。仿生软体机器人，作为一种模拟生物软体组织特性的机器人，其设计与制造源自于对生物体结构的深入研究，即通过模仿生物体的结构特征，研发出具有相似属性的高分子弹性材料，并将其应用于机器人构建中。上述材料的运用，赋予了机器人柔软且可变形的特性，从而使其能够灵活应对多样化的环境挑战。仿生软体机器人的研究与应用受到了广泛关注，主要归因于其独特的技术特性和优势：首先，其柔软可变形的特性使得机器人能够适应复杂的环境条件，无论是在狭窄空间内的穿梭、还是在不规则地面上的移动，仿生软体机器人均能轻松完成任务；其次，机器人的高度自主性使其能够在无需人工干预的情况下，实现环境感知、决策制定和行动执行，这一能力使得仿生软体机器人在多种复杂环境中能够独立完成作业，显著降低了人工干预的需求；此外，仿生软体机器人具备自我修复功能，当遭受损伤时，能够自动进行修复并恢复功能，从而提升了系统的可靠性和稳定性。未来，随着计算机技术与人工智能的持续进步，仿生软体机器人将逐步具备自主感知、自主决策和自主行动的能力，成为一种高度智能化的机器人系统。
6 结束语
仿生智能技术作为人工智能和仿生学的交叉融合领域，近年来取得了突破性进展，展现出巨大的潜力和应用价值。本文分析了仿生智能技术在生物界仿形技术、类脑计算技术、人脑结构功能建模技术以及仿生器官体外建模、生成与培养等方面的主要发展动向，并展望了未来发展趋势。未来，仿生智能技术将朝着以下方向发展：仿生攀爬技术将进一步提高可靠性和环境自适应性、生物混合机器人技术将积极探索真菌细胞的应用、类脑计算技术将进一步加强硬件和软件的协同设计、仿生软体机器人将逐步具备自主感知与自主决策的能力。随着技术的不断进步和应用场景的不断拓展，仿生智能技术将在医疗、工业、军事、环境监测等领域发挥越来越重要的作用，为人类社会带来更加智能、高效、便捷的未来。