為什么你永遠打不中蒼蠅？它用幾毫秒展示機器動態視覺的終極形態

你有沒有打過蒼蠅？不管你揮得多快、用什么工具，它似乎總能在最后一毫秒側身閃走，令人沮喪。這個問題除了打擾睡眠，也同樣在神經科學界懸置了幾十年：按照經典神經處理模型，高速運動中，蒼蠅的視覺應該是模糊一片，該怎么看清疾速撲來的威脅？

2026 年 5 月 5 日，發表在《自然·通訊》（Nature Communications）上的一篇論文，給出了一個顛覆性的答案。

英國謝菲爾德大學（University of Sheffield）與倫敦瑪麗女王大學（Queen Mary University of London）聯合哥倫比亞大學的研究團隊，在家蠅的視覺神經回路中發現了一個此前從未被描述過的機制：突觸高頻跳躍（synaptic high-frequency jumping）。這個機制不僅解開了蒼蠅的閃避之謎，也為 AI 和機器人領域的工程師們提供了一套全新的機器視覺方案。

（來源：https://www.nature.com/articles/s41467-026-72509-2）

蒼蠅視覺的老問題到底是什么？

蒼蠅的復眼由成百上千個獨立的小眼拼接而成，每個小眼都有自己的光感受器。從結構上看，這套系統的分辨率遠不及人眼，傳統研究認為，家蠅體內光感受器的閃光融合頻率大約在 230 Hz 左右，這是描述視覺系統能分辨連續閃爍的上限指標。

問題在于：蒼蠅在飛行中的快速轉身（也叫“掃視”，saccade）會產生極高的角速度，頭和身體的急轉使視網膜上的圖像在極短時間內大幅移位。根據經典神經科學的推算，這類快速運動理應讓蒼蠅的視覺陷入一片模糊，就像你在黑暗中用慢速快門拍一張照片，拍出來的大概率是模糊一片。

學界為此甚至提出了“掃視盲”（saccadic blindness）這一說法，即動物在掃視期間視覺會暫時失效。這在人類身上是部分成立的，快速眼動時，我們確實對閃爍不敏感。

但蒼蠅呢？如果它在高速飛行中真的短暫失明，又怎么能在手掌拍下的瞬間精準閃避，難道靠的是運氣？這個邏輯上的裂縫，就是這項研究的起點。

發現“渦輪增壓”：突觸高頻跳躍

謝菲爾德大學神經科學研究所的研究團隊，以多年積累的形態動力學信息處理理論框架為基礎，對家蠅（Musca domestica）的視覺神經回路展開了系統性研究。

他們綜合動用了多種實驗手段：用同步輻射 X 射線成像對固定樣品做高精度光學結構分析，用電子顯微鏡測量光感受器微絨毛（microvilli，光子采樣單元）的數量和排列，用高速紅外顯微鏡在活體蒼蠅上實時追蹤光感受器的微觀運動，再以胞內微電極直接記錄光感受器和大單極細胞（Large Monopolar Cell，LMC）在不同視覺刺激下的電壓響應，最后在所有實驗數據的基礎上構建完整的神經回路多尺度計算模型。

（來源：https://www.nature.com/articles/s41467-026-72509-2）

關鍵的發現出現在光感受器（R1-R6 細胞）到大單極細胞的突觸傳遞環節。研究人員給蒼蠅呈現模擬自然飛行中掃視運動的高對比度、快速閃爍光刺激，同時用胞內微電極記錄下游大單極細胞的響應。結果發現，下游響應信號不僅跟上了光感受器的輸出，還以一種奇特的方式把信號“搬”到了更高的頻率段。

具體來說，當光感受器產生相對平滑、緩慢上升或下降的電壓信號時，大單極細胞的輸出卻變成了一連串尖銳、極快的雙相瞬態信號（biphasic transients），準確鎖定在每一次光強變化的上升沿和下降沿。這種把慢信號轉化成高頻脈沖串的行為，被研究團隊命名為“突觸高頻跳躍”。

數字層面的結果同樣令人震驚。光感受器的有效信號帶寬在高對比度掃視刺激下約達 440 Hz，已是經典測量值 230 Hz 的近兩倍；經過突觸高頻跳躍之后，大單極細胞的有效信號帶寬進一步延伸到約 1,000 Hz，是經典閃光融合頻率的四倍以上。

大單極細胞的神經信息傳輸速率達到約 4,100 bits/s，光感受器約為 2,500 bits/s，兩者均為目前文獻中報道的最高神經信息速率，約是此前在麗蠅中測得數據的兩倍以上。

行為實驗同樣印證了這一速度：蒼蠅能在 13 到 20 毫秒內做出同步響應，甚至在光感受器的響應信號尚未達到峰值之前就已經開始行動。用論文主要作者米科·尤索拉（Mikko Juusola）教授的話來說：“視覺并不受限于昆蟲大腦處理信息的速度。相反，大腦會自動提速以跟上身體，消除延遲，確保信息盡可能快速地流動。”

背后的物理機制：不只是“更快的神經”

這套機制最神奇的地方在于，它是一個多層次協同的系統工程。

家蠅的復眼并非靜態攝像頭。研究發現，每個光感受器的感光結構（rhabdomere，即視網膜小節）會在受到光刺激時發生超快速的軸向和側向微觀運動：沿光軸方向收縮和伸長，同時做活塞式側移。

這種“光機械微掃視（photomechanical microsaccade）”持續地重塑和重新定位感受野，使采樣范圍隨視覺刺激動態變化。傳統模型把 R1-R6 光感受器視為靜止的、視野固定的采樣單元，實驗數據卻證明，它們其實是主動運動的采樣器，能夠通過自身的微運動銳化視覺信息，減少運動模糊。

每個感光結構含有約 41,000 到約 74,000 個不等的微絨毛，視眼內位置而定，每根微絨毛是一個獨立的光子采樣單元，吸收一個光子后觸發一次“量子碰撞”，之后進入不應期，恢復后才能再次采樣。

正是這種“隨機-量子-不應期”采樣機制，使得對快速、高對比度閃爍光的采樣效率遠優于慢速隨機噪聲：研究中使用低對比度高斯白噪聲刺激時，光感受器和 LMC 的信息速率僅為高對比度掃視刺激下的二分之一到三分之一。

更關鍵的變換發生在第一視覺突觸。光感受器通過組胺能突觸將信號傳遞給 LMC，使 LMC 產生超極化響應，同時，LMC 向光感受器發回去極化的興奮性反饋。在普通狀態（低速、低對比度刺激）下，這套回路表現得和經典模型差不多，信號平穩傳遞，頻率范圍有限。

但當掃視式快速刺激到來時，突觸處的動力學發生了某種相變：光感受器的信號瞬變觸發了高頻量子組胺釋放，LMC 對這些快速的上升沿和下降沿產生極敏銳的雙相瞬態響應，有效把信號頻率平移到了更高的載波頻帶，從而繞過了經典突觸傳輸的頻率瓶頸。

（來源：https://www.nature.com/articles/s41467-026-72509-2）

論文將這套結構稱為“形態動力學神經疊加”架構。形態動力學指的是神經元物理結構本身隨活動狀態快速改變；“疊加”則指多個來自相鄰小眼、視野略有偏差的光感受器匯聚到同一個 LMC，形成超完備的時空編碼。

這一架構的精妙之處在于：蒼蠅無須被動接受掃視帶來的運動模糊，它們可以主動利用身體運動來增強視覺采樣。每一次身體的急轉，反而成為神經系統切換到“高速檔”的觸發信號。

要想“看”得更清楚，具身智能得學學蒼蠅

如果只停留在對昆蟲神經生理學的描述顯然不夠，研究團隊明確指出，這套機制對人工智能和機器人工程有直接的啟示價值。

當前主流 AI 視覺系統的工作方式，本質上更像慢速快門照片：固定幀率、大規模數據處理、被動感知。無論是自動駕駛汽車還是機器人導航，這類系統都依賴強大的計算集群，耗電量大、響應延遲高、對突發動態場景適應性差。蒼蠅的方案則完全不同，它們的傳感和行動緊密耦合。視覺系統成了隨身體運動實時調整采樣策略的主動探測器。信息處理的效率不來自更大的計算量，而來自在正確的時刻處理正確的信息。

論文共同作者，哥倫比亞大學的奧雷爾·A·拉扎爾（Aurel A. Lazar）教授進一步對這一理念作出了闡釋：“自然告訴我們，智能不來自處理更多的數據，而是在正確的時間處理正確的數據。通過將運動直接整合進計算，生物系統實現了超凡的效率。”

倫敦瑪麗女王大學的拉爾斯·奇特卡（Lars Chittka）教授也指出：“蒼蠅看世界不像攝像機拍快照。它們的視覺與行動緊密交織，用運動本身來銳化感知、加速神經處理。理解生物如何實現這種預測性、低延遲感知，可能為人工視覺和類腦計算工程提供全新思路。”

（來源：Unsplash）

具體的工程路徑上，這項發現可能在幾個方向上產生推動作用。在神經形態計算領域，英特爾的 Loihi 芯片、IBM 的 TrueNorth 等項目已在嘗試模擬神經元的脈沖式信號處理，而突觸高頻跳躍機制提供了一個更精確的突觸動力學模型，有望啟發硬件工程師改變設計思路，制造出在快速變化場景下能量效率更高的視覺處理芯片。

在機器人感知領域，目前的機器人相機多為被動感知，引入“主動掃視”機制，讓機器人用微小的受控運動來增強感知的時空分辨率，就可能在無需提升計算功耗的前提下大幅改善動態場景的處理能力。

對于自動駕駛而言，快速變化的交通場景對視覺系統的實時性要求極高，相比依靠固定幀率攝像頭加大量算法后處理，利用車輛自身運動（如轉彎、加速）對視覺采樣策略進行動態優化，是一個更值得深入探索的思路。

重塑認知框架：大腦如何用運動思考

這項研究還觸碰到一個更基礎的神經科學問題。傳統神經處理模型把大腦視為被動的信號接收和處理器：感覺信號從外部輸入，經固定通路傳遞，最終生成輸出。

但這項研究支持的框架截然不同：神經系統的處理效率，本質上來自感知-行動的主動循環。蒼蠅的視覺是光感受器微運動、掃視行為、突觸動力學和神經反饋共同編排的集體表演。運動不是干擾因素，反而成為編碼策略的核心組成部分。

這和近年來認知科學領域興起的具身認知框架不謀而合：智能不在于大腦內部的符號操作，而在于有機體與環境的持續交互。約尼·塔卡洛（Jouni Takalo）博士（論文第一作者之一，負責生物物理統計模型的構建）表示，我們的模型展示了數千個微小傳感器如何協同工作來重塑視覺信號。通過團隊合作，這些傳感器可以即時將關注點轉移到最需要的地方，讓昆蟲即使在野外高速運動中也能做出快速、可靠的反應。

整個研究讓人不由得對生物進化的效率產生敬畏。家蠅的大腦重量以毫克計算，神經元數量不到百萬，卻在 4,100 bits/s 的信息速率和 1,000 Hz 的視覺帶寬上，輕松超越了人類目前大多數人工視覺系統的性能功耗比。不靠算力堆砌，它靠的是幾億年演化出的、將物理運動和神經計算融為一體的精妙架構。

這或許才是對 AI 工程師最具顛覆性的啟示：下一代高效智能系統的突破口，可能不在于更大的模型、更多的參數，我們或許需要從根本上重新思考感知和行動的關系。

參考論文：

https://www.nature.com/articles/s41467-026-72509-2

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生