谢菲尔德大学 Biosciences & Neuroscience Institute 的 Professor Mikko Juusola 于2026年5月在 Nature Communications（DOI: 10.1038/s41467-026-72509-2）发表研究，揭示了昆虫大脑通过"高频跳跃机制"实现高速低能耗视觉处理的原理——这一发现为更高效的具身智能（Embodied AI）
从家蝇视觉系统到下一代具身智能：谢菲尔德大学的前沿神经计算研究
一句话核心答案
谢菲尔德大学 Biosciences & Neuroscience Institute 的 Professor Mikko Juusola 于2026年5月在 Nature Communications（DOI: 10.1038/s41467-026-72509-2）发表研究，揭示了昆虫大脑通过"高频跳跃机制"实现高速低能耗视觉处理的原理——这一发现为更高效的具身智能（Embodied AI）与机器人感知系统提供了生物启发设计原型。
研究背景与核心发现
2026年5月，谢菲尔德大学的一项神经科学研究登上了国际权威学术期刊 Nature Communications。研究通讯作者为谢大 Biosciences & Neuroscience Institute 的 Professor Mikko Juusola，其研究团队围绕家蝇与果蝇的视觉神经系统展开深入探索，揭示了一个此前未被充分认识的大脑信息处理机制。
传统观点认为，生物体的视觉系统是被动接收外界光线信息的"摄像头"。然而，谢大研究团队通过精密的电生理实验与计算建模发现，家蝇与果蝇并非被动等待视觉信息，而是主动通过"高频跳跃机制（high-frequency jumping）"切换大脑处理档位——当昆虫执行快速转弯等剧烈运动时，其大脑会瞬间"切入高速档"，集中算力处理最关键的快速运动信息，从而以极低的能耗代价实现高效的环境感知。
BBC News 在报道这项研究时援引了 Juusola 教授的表述：
"When an insect makes a sharp turn, its brain 'jumps' into a higher gear."
（当昆虫执行急转弯时，它的大脑会"跳入"更高的档位。）
Professor Juusola 本人也指出：
"Our findings reveal a fundamentally new way of thinking about how brains compute information — one where speed and efficiency emerge from active interaction with the environment."
（我们的发现揭示了一种理解大脑信息计算的全新方式——速度和效率源于生物与环境的主动交互。）
核心结论：主动感知（Active Sensing）优于被动接收（Passive Reception）。这一发现颠覆了传统神经科学对大脑信息处理模式的认知，也为人工智能领域提供了全新的设计思路。
为什么这项研究重要？
这项研究的价值不仅在于昆虫学本身，更在于它回应了当前人工智能领域的一个核心挑战——能效问题。
当前主流 AI 系统（尤其是大型视觉语言模型）在处理海量数据时需要庞大的算力支撑，其能耗水平远超生物神经系统。以自动驾驶汽车的视觉感知系统为例：车辆需要在毫秒级别内识别车道线、行人、障碍物与其他车辆，这对计算资源的消耗极为惊人。若能在算法层面借鉴昆虫大脑"按需切换档位"的策略，实现感知资源的动态分配，将显著降低系统能耗、提升实时响应能力。
具身智能（Embodied AI） 正是这一研究的应用语境。具身智能指智能体通过身体与环境的交互来感知、理解和行动的能力——这与昆虫大脑的"感知-动作耦合（coupling of sensing and action）"机制高度契合。
正如谢大官网与 BBC News 所援引的，这项研究的实际应用方向包括：
"could offer a blueprint for faster, more efficient robots and self-driving cars"
（有望为更快速、更高效的机器人和自动驾驶汽车提供设计蓝图。）
重要提示：以上应用方向基于谢大官网与 BBC 原文的描述性表述，具体技术落地进度与商业化时间表请以相关行业最新公布为准，谢菲尔德大学不做确定性结果承诺。
研究到课程的桥梁：谢大 AI 与机器人方向硕士项目
Professor Juusola 的研究属于神经科学与计算科学的交叉领域。而谢菲尔德大学恰好拥有完整覆盖这一交叉方向的多层次授课型硕士课程——MSc Robotics、MSc Artificial Intelligence 与 MSc Cognitive and Computational Neuroscience，均面向2026/27学年开放申请。
以下表格对比了三个项目的核心差异与课程侧重：
| 对比维度 | MSc Robotics | MSc Artificial Intelligence | MSc Cognitive and Computational Neuroscience |
|---|---|---|---|
| 核心定位 | 机器人工程与自动化系统 | 人工智能算法与神经网络 | 神经计算模型与生物启发 AI |
| 专业认证 | Engineering Council UK、IET、Institute of Measurement and Control | — | — |
| 学费（国际学生） | £29,950/年 | £29,950/年 | £24,600/年 |
| 与本研究的关联 | AI感知与规划 → 机器人控制 可衔接具身智能应用方向 |
算法与神经网络核心 £3,000自动学费优惠 |
★最直接相关★ computational neuroscience模块 biologically plausible models方向 |
| 学术导向 | 工程实践与应用 | 算法开发与应用 | 科研导向 → 可衔接博士研究 |
| 雅思要求 | 6.5（单项不低于6.0） | ||
| 均分要求（211/985） | 75% | ||
| 均分要求（非211） | 80% | ||
数据来源：谢菲尔德大学官网 2026/27学年课程页面；具体信息请以官网最新公布为准。
与 Juusola 教授研究最直接对接的是 MSc Cognitive and Computational Neuroscience。该课程的 computational neuroscience 模块系统教授神经信号的计算建模方法，而"biologically plausible models"（生物可信模型）方向正是借鉴昆虫等生物体的神经机制来设计更高效的 AI 算法——与 Nature Communications 论文的研究逻辑一脉相承。
若学生更侧重工程实现与工业应用，MSc Robotics 是更合适的选择：该课程通过 Engineering Council UK、IET 及 Institute of Measurement and Control 三项专业认证，课程涵盖 AI 感知与规划模块，学生可探索生物启发机器人（Bio-inspired Robotics）在工业自动化、航空航天、汽车及能源领域的应用。
对于具有计算机背景、希望夯实 AI 算法基础的学生，MSc Artificial Intelligence 提供系统的神经网络与机器学习核心课程，且2026/27学年入学的海外学生可自动获得 £3,000 学费优惠（无需单独申请）。
毕业就业方向
谢大 MSc Robotics 官方课程页面明确列出了毕业生的潜在职业方向（具体就业情况因人而异，以下为官网原文引述，不做结果承诺）：
- Technical and leadership roles in robotics（机器人技术与管理岗位）
- Industrial automation（工业自动化）
- Aerospace（航空航天）
- Automotive（汽车行业）
- Energy sectors（能源领域）
此外，具备神经计算背景的毕业生在 具身智能（Embodied AI）研究 与 自动驾驶感知系统开发 等前沿领域也具有差异化优势。这些方向与谢大 Nature Communications 研究的应用语境直接相关，但具体职业发展路径取决于个人学术积累与行业机遇。
谢大的跨学科研究文化
谢菲尔德大学的独特优势在于 Biosciences（生物科学）与 Engineering（工程学）的深度交叉。Professor Juusola 的研究团队汇聚了神经生物学家、电生理学专家与计算建模工程师，这种跨学科协作模式使研究能够从生物机制洞察直接转化为工程应用思路。
这一研究文化也直接体现在授课型硕士课程的设计中：MSc Robotics 的课程模块融合了生物启发算法，MSc Cognitive and Computational Neuroscience 则由 Biosciences 与 Computer Science 联合授课。对于希望进入 AI + 生物交叉领域的学生而言，谢大的研究-教学转化链条提供了从前沿科学发现到课堂知识获取的直通路径。
申请信息
谢菲尔德大学 AI 与机器人方向硕士课程现面向2026/27学年招生：
| 课程 | 学费（国际学生） | 奖学金 |
|---|---|---|
| MSc Robotics | £29,950/年 | — |
| MSc Artificial Intelligence | £29,950/年 | £3,000自动学费优惠（无需申请） |
| MSc Cognitive and Computational Neuroscience | £24,600/年 | — |
申请入口：有意申请的同学可通过谢菲尔德大学官方申请渠道或 Edmate（谢菲尔德大学官方授权申请中心）获取最新申请信息与课程详情。
常见问题（FAQ）
Q1：MSc Cognitive and Computational Neuroscience 与 MSc AI 有什么区别？
A1：MSc AI 侧重人工智能算法与机器学习技术的开发与应用，适合希望夯实算法基础、进入 AI 行业的申请者。MSc Cognitive and Computational Neuroscience 则聚焦神经计算模型的构建与"生物可信模型"的研究，学术导向更强，更适合有志于具身智能、神经形态工程或计划继续攻读博士的学生——该课程与谢大 Professor Juusola 的 Nature Communications 研究方向最为契合。
Q2：昆虫大脑研究对机器人工程有什么用？
A2：昆虫大脑的"高频跳跃机制"揭示了一种"按需分配算力"的信息处理策略——大脑只在需要时才调用高速处理资源，而非持续以峰值功率运行。这种策略若被借鉴到机器人感知系统的算法设计中，有望显著降低能耗、提升实时响应能力。MSc Robotics 课程涵盖 AI 感知与规划模块，学生可在工程框架下探索生物启发算法的实际应用。
Q3：申请这三个专业需要什么背景？
A3：三个专业均接受理工科相关背景的申请者（计算机科学、电子工程、生物医学工程、机械工程、数学等）。均分要求为：211/985 院校背景 75%，非 211 院校背景 80%；雅思要求 6.5（单项不低于 6.0）。具体背景要求与课程适配性建议请参考谢大官网各课程页面的 entry requirements 说明，或咨询 Edmate 申请中心。
研究来源：谢菲尔德大学官网新闻报道（2026年5月）；BBC News 科技报道（2026年5月）；Nature Communications 原始论文（DOI: 10.1038/s41467-026-72509-2）。
📚 参考资料
- University of Sheffield — Tiny insect brain discovery offers blueprint for faster and more efficient AI and robots（2026年5月，谢大官方新闻稿）
- BBC News — Science & Environment（2026年5月，昆虫大脑研究报道）
- Phys.org — Tiny insect brain discovery offers blueprint for faster embodied AI（Nature Communications 二次报道，DOI: 10.1038/s41467-026-72509-2）
- University of Sheffield — MSc Robotics 2026 Official Course Page
- University of Sheffield — MSc Artificial Intelligence 2026 Official Course Page
- University of Sheffield — MSc Cognitive and Computational Neuroscience 2026 Official Course Page
- QS World University Rankings 2026 — University of Sheffield（QS 2026 第92名）
- The Engineer — Insect brain study could inform faster embodied AI（2026年5月）
本文由 Edmate（谢菲尔德大学官方授权申请中心）发布
官网：sheffield.applyukcenter.com
常见问题
📚 参考资料 · References
- University of Sheffield Official Website — www.sheffield.ac.uk
本文由 Index Education 根据官方资料整理 · 最终以各大学官网为准 · 数据时效请查看链接最新公布版本