Nam H. Le、Douglas Blackiston、Michael Levin 和 Josh Bongard 训练了一套系统，将“加快”等简短指令转换为从先前记录的xenobot 电刺激试验中选择一项。他们的9 月 30 日 arXiv 预印本报告称，在最具挑战性的留出比较中，首选模型有 80.0% 的次数选中了符合预期方向的存档结果。这是离线匹配结果。作者没有报告将模型预测应用于新受刺激的 xenobot。

对于希望引导生命系统的生物学家，关键问题是 AI 在一句话与物理干预之间做了什么。这里它评估了旧运动轨迹，帮助训练指令到时长的模型，并返回与所需行为最接近的既往试验。它没有证明新生物体会以相同方式响应。

重大变化

  • 变化内容：研究人员使用 AI 评判器，将自然语言的运动请求与现有 xenobot 存档中的电刺激时长相联系。这样就能训练语言接口，而无需为每条指令都采集新实验。
  • 为何重要：拥有干预和结果记录的研究人员可以先判断这些记录是否支持实用的语言接口，再投入实验室时间开展前瞻性试验。本研究中的接口只处理一个刺激参数和粗略运动方向，其实际价值尚未测试。
  • 后续观察：关键的下一项实验是将选定时长应用于新的 xenobot，并测量其运动是否遵循指令。预印本提出了该测试；报告的准确率衡量的是存档匹配。

模型实际学到了什么

Xenobot 是由非洲爪蟾（Xenopus laevis）细胞构成的小型活体结构。在本文复用的实验中，研究人员在电刺激前后追踪了单个结构。刺激时长是新系统唯一可以选择的参数。存档视频显示该 xenobot 之后移动得更快还是更慢。

作者先从视频中提取二维路径。追踪流程使用 Segment Anything Model 和多种检测方法来处理气泡、反光和碎屑。随后，他们向论文 AI 使用声明中所称的 Claude 视觉语言模型提供指令和绘制的运动轨迹。Claude 对记录运动与文字的匹配程度打分；它看不到刺激时长。

这些分数成为固定奖励表。另一个网络接收指令嵌入并预测刺激时长。在主要训练方法中，研究人员为每条提示拟合存档时长上的平滑分数曲线，推导目标时长，再训练网络进行预测。展示结果时，系统将预测与已记录试验匹配并显示其轨迹。论文图 1展示了这一流程；图 10 演示则针对三个输入提示返回旧轨迹。论文中的“实时接口”指交互式显示，并非对生物体的实时控制。

存档结果有多可靠？

初始集合包含 149 次追踪试验。作者排除了 48 次不可靠试验，剩下来自不同 xenobot 的 101 次：26 次归类为更快，75 次归类为更慢。他们报告训练子集有 61 次、测试子集有 40 次。系统使用了 33 条训练提示；评估还使用了训练中未出现的提示。如果相关存档子集中按时长最接近的三次试验投票支持所需运动方向，测试就将预测时长计为正确。

在同时使用新提示和存档测试子集的比较中，论文首选训练方法达到80.0%准确率，覆盖 30 个训练随机种子。始终预测“更慢”的规则在此得到66.7%，因为测试平衡了三种提示类型，却将“减速”和“停止”合并为同一更慢类别。使用测得速度变化构造更简单目标的模型在该比较中达到59.1%。这些是作者在其数据集上的结果，并非在新 xenobot 上测得的成功率。

作者还用从追踪轨迹独立推导的运动标签检查了 AI 评判器。他们报告，快与慢的分类一致率为 97%。这支持评判器用于这种粗略区分，但其分数与速度变化幅度的相关性较弱。该方法无法可靠地将轻微减速与停止作为不同命令学习；主要结果中两者都计为“更慢”。

数据划分中有一个细节需要独立审查者厘清。第 3.4 节描述了用 33 条训练提示对全部 101 次存档试验评分以创建奖励表；而第 3.5 节描述了分开的存档训练/测试评估。论文将后者称为留出测试，但正文没有清楚说明测试试验分数如何从训练目标中排除。这一不确定性限制了将 80.0% 解读为对未见存档记录泛化能力的信心。

缺失的生物学测试

干预仍只是从存档中检索的时长。模型无法组合新电刺激方案、选择其他刺激设置，也无法证明新 xenobot 会像存档个体那样响应。训练和评估都没有增加湿实验室试验。尽管标题和讨论提到更广泛的可能性，预印本并未证明类器官、组织修复或临床用途有类似结果。

该论文是 arXiv 预印本，报告的证据不包括独立复现。它的直接贡献是从从未将指令与干预配对的记录中学习的方法。该方法能否前瞻性引导活细胞，仍是一个实验问题。

来源与延伸阅读