从细菌到动物和人类，生物都可以感知其环境和过程，并存储和检索这些信息。他们学习如何使用适当的动作对以后的情况做出反应。

由Frank Cichos教授领导的莱比锡大学物理学家团队与布拉格查尔斯大学的同事合作，已经开发出一种方法，可以使微型人工微游泳者具有一定的使用机器学习算法学习的能力中国机械网okmao.com。

他们最近在《科学机器人》杂志上发表了有关该主题的论文。

微型游泳器是人造的，自推进的微小颗粒。它们能够在解决方案中进行定向运动。

莱比锡大学的分子纳米光子学小组已经开发出小于头发直径的十分之一的特殊颗粒。他们可以通过加热表面的微小金颗粒并将其转化为运动来改变运动方向。“

但是，这些小型机器无法像生活的机器一样接收和学习信息。为此，我们在外部控制微游泳器，以便他们通过所谓的强化学习在虚拟环境中进行导航，” Cichos说。

借助虚拟奖励，微游泳者可以通过液体找到自己的出路，同时主要通过布朗运动将其反复抛弃。“

我们的结果表明，最好的游泳者并不是最快的，而是有最佳的速度，”曾担任亚历山大·冯·洪堡基金会研究员的维克托·霍尔贝克（Viktor Holubec）说，布拉格的大学。

根据科学家的说法，将人工智能和这些微扫描仪中的主动系统连接起来，是迈向新的智能微观材料的第一步，而这种新型微观材料既可以自主执行任务，又可以适应其新环境。

同时，他们希望人工微游泳和机器学习方法的结合将为生物系统中集体行为的出现提供新的见解。

这位物理学家说：“我们的目标是开发能够感知环境影响并对其做出积极反应的人工，智能构建基块。” 

一旦这种方法被完全开发并应用于其他材料系统，包括生物系统，它就可以用于例如智能药物或微观机器人群的开发。