智能蜂窝砖：迈向物理世界的集体智能

Sakana AI的研究人员再次从自然界中汲取灵感，将集体智能的概念从软件拓展到物理世界。他们与哥本哈根IT大学和Autodesk合作，开发了一种由数百个简单蜂窝砖块组成的系统，每个砖块运行相同的神经细胞自动机，仅通过与物理连接邻居的局部通信，就能协作识别整体形状，无需任何中央控制器或全局知识。相关论文已被《自然·通讯》接收发表。

这些蜂窝砖是小型印刷电路板立方体，每个面上有电气连接器、微控制器、LED和电源。它们可以堆叠成任意物体，通过自定义数字串行协议仅与邻居通信，经过数十次更新循环后集体收敛到一个统一的形状标签。在模拟实验中，系统达到了98.97%的准确率；在硬件实验中，使用从26块砖（吉他）到197块砖（圆桌）的四种形状，系统实现了100%的成功率。

系统的核心是神经细胞自动机（NCA），这是一种通过深度学习训练局部更新规则的自动机。每个砖块的任务是基于邻居信息和自身记忆状态，判断它属于哪种形状类别（如飞机、椅子、汽车、桌子、房子、吉他或船）。与传统的精确匹配不同，该系统能泛化到整个形状类别，比如识别不同的桌子或飞机，展现出更强的灵活性和容错性。

鲁棒性测试显示，即使有5%的砖块失效，大多数形状仍保持高准确率；平面和船在15%失效时性能下降也很小。例外的是像吉他这样存在狭窄瓶颈的形状，单个故障可能切断两侧的通信。系统还能泛化到训练时未见的变化，例如五条腿的桌子或偏移桥的船，但缩小版的桌子可能被误判为椅子。

研究人员分析了隐藏通道的激活模式，发现系统早期会建立左右和径向的梯度，类似于生物发育中的形态发生素。这解释了如何区分桌子和椅子：椅子靠背产生前后轴信号，引导细胞从默认的“桌子”重新分类为“椅子”。

在损伤检测方面，系统同时训练了形状分类和局部损伤检测，平均准确率达94.8%。更令人兴奋的是，从少量种子细胞开始，系统能通过反复添加新细胞来恢复完整形状，无需预先训练。模拟实验扩展到64x64x64网格和超过18000个立方体，展示了良好的可扩展性，能够再生出鱼、Sakana AI标志和心脏等复杂形状。

这项工作标志着集体智能研究从软件走向硬件的重要一步，为智能材料、可重构机器人等应用奠定了基础。