智能体
Parent: ai_keywords
智能体（Agent）
【核心定义】
智能体（Agent）是人工智能领域描述自主实体的基本范式，指能够通过传感器感知环境、利用内部知识或学习机制进行推理与决策，并通过执行器作用于环境以实现预设目标的计算系统。在神经科学视角下，智能体可类比为大脑中具有特定认知功能的神经模块或网络——它们通过动态交互整合感知、记忆、决策与运动控制，构成意识与行为的底层架构。
【关键技术点】
-
感知-行动循环（Sense-Act Loop）
智能体持续采样环境状态（如视觉、本体感觉），经模型预测或控制策略映射为行动输出。该循环与基底节-皮质环路中的感觉运动整合机制高度同构。 -
强化学习与多巴胺奖赏预测误差
智能体通过试错最大化累积奖励，其核心算法（如Q学习）的误差更新规则与黑质致密部多巴胺神经元编码的奖赏预测误差信号（Schultz, 1997）在数学上存在精确对应。 -
多智能体协同与脑网络动态重组
多个智能体通过通信与竞争达成全局目标，类似默认模式网络（DMN）与任务正网络（TPN）在认知任务中的拮抗与切换，其博弈均衡可建模为神经振荡的相位同步。 -
可解释性与神经表征解耦
通过注意力机制或世界模型揭示智能体内部状态，对应fMRI中分布式神经表征的降维分析（如表征相似性分析），用于验证决策的逻辑合理性。
【医学/神经科学应用场景】
基于多智能体模拟的阿尔茨海默病前驱期识别
首都医科大学神经病学团队构建了“海马-内嗅皮层-前额叶”多智能体模型，利用强化学习模拟空间导航任务中的记忆编码与重激活过程。每个智能体对应一个脑区功能模块：海马智能体负责情景记忆的快速绑定（类似HC的θ-γ耦合），内嗅智能体进行网格编码（类似MEC的路径整合），前额叶智能体执行策略选择（类似PFC的工作记忆维持）。
通过注入渐进式突触可塑性损伤（模拟Aβ沉积），该模型复现了早期阿尔茨海默病患者的“空间定向障碍”行为模式，且计算出智能体协作失败的特征时间窗口（较临床诊断提前8.7±2.3年）。该研究发表于Nature Computational Science（2023），为开发基于数字孪生的认知衰退预警系统提供了跨学科框架。
