大家好，我是来自北京大学的梁希同。今天跟大家介绍一下我们研究的一些神奇动物。这些动物现在就在我们实验室里，被统称为头足类动物。
这些动物位于整个生物进化树的角落里，是一个比较独特的类群。我们之所以对它们感兴趣，是因为它们的神经系统非常复杂。可以说，它们有着无脊椎动物里最复杂的脑。
在实验室里饲养章鱼时，我们会给章鱼一个罐子，让它住在里面。这个是其中一只章鱼，我们给它一个罐子之后，第二天到实验室发现它偷偷地把这个罐子转了180度，罐口朝着我们看不见的方向。它还搬了一个红色的盖子盖住罐口，就像一个门。感觉它想保护自己的隐私，不想让我们看到它在里面干什么。
这些复杂的行为显示出它们有非常高的智能。而且不同的个体之间还有很明显的个性，有的喜欢这种装饰，有的喜欢那种装饰。
从演化历程来看，它和我们人类早在大约6亿年前就已经分开了。6亿年前，我们共同的祖先是一些非常简单的、像虫子一样的生物，它们基本上没有我们可以称之为脑的结构。
我们之所以想研究这些生物，就是希望更多地了解它们的神经系统、了解它们到底有哪些地方和我们不一样。如果有些地方是一样的，那这些一样的东西可能就是神经系统的普遍法则。而那些不一样的东西，可以给我们更多关于生物智能的启示。
比如说，它们有一个人类没有的、非常独特的能力，就是变色。这是一只章鱼瞬间从黑色变成环境图案的过程。这个视频没有加速过，它变化得非常快，一瞬间就完成了。而且它还可以根据不同的环境变化出不同的图案。
我们想了很多方式，来试图理解这10万个色素细胞究竟是怎么被组织起来一起工作的。其中一种方式是，我们可以把这10万个色素细胞的状态定义或者投射到图案空间里，每一个时刻的状态都作为这个空间里的一个点，把这些点连接起来，就可以把图案的变化描述成一个图案空间里的运动轨迹。
我们还会给同一只动物做同样的背景图案的测试，观察它两次变色的过程是不是一样的。图中蓝色的线是第一次变色过程，红色的是第二次变色过程。两次测试的图案肉眼看起来还是比较相似的，但是如果在图案空间里看，这两条轨迹大不一样。
我们重复测试了同一只动物很多次，发现它每次变色的轨迹都不一样，这些在图案空间里面漫游的线就像是一团乱麻，每次都走不一样的道路。
那为什么会这样呢？我们有两个假设。第一个假设认为，可能这个动物每次想要用同样的方式变色，但是变色的实现过程中有一些噪音干扰，导致它每次变色都和预期的路径有偏离，就像人喝醉了之后很难走一条直线。第二种可能性是，我们觉得每一次的不同可能是它主动造成的。它每次都想要主动地探索不同的变色可能性。在探索的过程中，它还可以根据变色的结果来纠正，最后聚拢到和环境最像的一个图案。
为了验证到底那种假说正确，我们做了一个简单的统计。我们把每次变色过程根据快慢交替切分成不同的步骤，观察它每个步骤每次变色的方向，然后把这个方向和一开始起点到目标的方向做一个夹角的对比，记为β角。另外，我们还会描述每次变色的方向与此刻到目标的方向这个新的夹角，记为α角。
我们实际看到的结果是，这个绿色的α角几乎在0度附近，而β角是没有规律的。于是这否定了第一个假说。也就是说，它并不记得一个既定的变色方向，而是每次停下来之后需要重新思索，重新决定下一步要怎么变。
那么，我们研究章鱼和乌贼究竟可以带来哪些启示呢？首先，像刚刚我们说的监测它皮肤上色素细胞的动态，同步追踪了几十万个色素细胞的状态，这比现在一些神经科学研究中同时记录的大脑神经细胞状态的数量大得多。所以我们需要提前开始思考，当我们有了一个很大规模的神经活动数据集时，应该如何去分析和理解它？
其次，变色过程并不是一个简单的对环境图案的复制行为，而是通过观察环境图案，从中提取出一些关键的视觉特征之后，再把这些视觉特征重新生成出一张图案的过程。这些图案跟环境并不完全一样，但是通常足以让我们认不出它了。所以这些视觉特征，其实是这些动物们发现的具有普遍性的捕食者视觉系统漏洞。它们利用这些漏洞，就避免了被普遍的视觉系统甚至被一些人工智能系统侦测到。
而且这种利用视觉特征重新生成图案的过程，很像现在非常流行的图像生成式大模型神经网络，比如输入一些描述之后，AI算法就可以生成出一张很漂亮的图案。而乌贼这种能够在身体上生成图像的能力，是生物界我们唯一找到能够与之类比的神经网络。所以，如果我们能了解更多这个神经网络的工作原理，就能帮助我们做出更好的AI算法。
最后我们想说，乌贼和章鱼能帮助我们理解大脑运算的复杂性。其实我们人类大脑的运算也非常复杂，但这些都是内部的复杂性，在外面难以观测到。以现在的技术，很多复杂性都很难研究。但是对于乌贼和章鱼来说，它们有很多复杂的内心活动都直接展现在了自己的身体上，所以我们可以从外面直接观察到，这就给了我们一个理解这种复杂性的很好的机会。