古生物学通常被认为是一门研究过去的科学。但是，数亿年的生命演化也是一场持续时间极长的实验。在漫长时间内，环境和生存压力不断变化，塑造了生物不同的形态、生理和行为，这些经过自然选择形成的“演化方案”，可以为现代科技提供新的设计思路。

古脊椎所卢静研究员团队参与的一项国际合作研究，将古生物学和演化生物学中的视觉演化问题引入人工智能和计算成像领域。该研究聚焦脊椎动物5亿多年来的颜色视觉演化，建立了一套视觉演化计算框架，将视蛋白对不同波长光线的敏感性转化为可计算参数，通过把因为基因漂变带来的蛋白质变化设计为机器学习优化技术的方法，把觅食、目标识别以及不同光照环境等转化为选择压力，从而在计算机中模拟视觉系统的演化过程。

该框架既可以检验早期哺乳动物视觉、灵长类三色视觉、色盲保留以及深海鱼类视觉适应等一系列演化问题，还可以将演化获得的视觉策略应用于计算成像以及适用于癌症检测等特定任务的生产友好的相机设计方案。卢静团队在本研究中提出了相关的古生物学和脊椎动物演化科学问题和研究思路，参与了视觉演化模拟方法的设计，并系统收集、清理和整理了不同脊椎动物的视蛋白、光谱敏感性、生态环境及演化等相关数据，奠定了建立跨越深时尺度的视觉演化计算框架的生物学基础。

该项工作近期已被 NeurIPS 2026正式接收。NeurIPS（Conference on Neural Information Processing Systems，神经信息处理系统大会）是人工智能和机器学习领域最具国际影响力的顶级学术会议之一，与 ICML、ICLR 并列为机器学习领域最重要的三大国际会议。卢静研究员将作为论文报告人，代表研究团队于今年12月在悉尼举行的NeurIPS 2026大会上报告该项研究成果。

数字实验模拟演化过程，检验演化解释

视觉是人类最重要的感觉系统，经过长期演化而来。不同动物“看到的世界”并不相同，是因为视网膜中的视蛋白对不同波长的光具有不同敏感性，从而适应不同的环境选择压力。脊椎动物在其演化早期即已形成丰富的颜色视觉系统。现有研究认为，早期哺乳动物曾经历漫长的“夜行瓶颈”，这一过程可能推动了部分视蛋白的丢失，使多数哺乳动物的颜色视觉由祖先的四色视觉逐渐简化为二色视觉。我们的灵长类祖先则为了在白昼寻找食物，通过视蛋白基因复制重新获得了三色视觉。生活在深海的鱼类，视蛋白的敏感波长发生蓝移。如果把古代动物所处的环境重建出来，计算机能否能找到与真实演化相似的视觉解决方案？

研究建立了模拟视蛋白光谱响应的“opsin layer”，把不同视蛋白最敏感的波长作为可优化参数，并将觅食、发现目标和躲避捕食者等视觉任务转化为选择压力。在模型优化过程中，模型中的光谱敏感峰模仿蛋白基因漂变的规律只能逐渐改变，从而模拟演化过程中由突变和选择造成的渐进变化。结果在模拟环境中获得了相应的光谱敏感性变化，从而验证了上述已经具有生物学证据的重要视觉演化事件，并且为如色盲在暗光下有比较演化优势等长期以来的假说提供了数理定量的依据。

图1｜重建从脊椎动物到灵长类长达5.18亿年的色觉演化轨迹，并对相应的演化解释假说进行检验。

从解释演化，到利用演化

过去我们主要通过化石形态、系统发育和现生动物比较来推断灭绝动物如何生活。更多的类似工作可以进一步把古环境、功能需求等演化约束放进数字实验中，检验某一种演化解释是否真的能够产生我们在化石和现生生物中观察到的结果。

如果自然选择能够在漫长演化过程中，根据不同环境不断调整动物眼睛对光的敏感范围，那么同样的原则是否可以反过来用于设计相机？今天常见的RGB相机主要参考人眼的色觉，采用三个固定的光谱通道。但对于火星探测、医学成像等特定任务，人眼式的RGB组合并不一定是最有效的选择。研究创新地将原本用于模拟视蛋白演化的框架反过来用于相机设计，从“为了完成某项任务，相机应该对什么波长最敏感”出发优化光谱响应，针对不同识别任务产生不同的光谱响应组合。本项研究还通过模拟生物在火星上演化历程，为火星探测提出了相机的独特设计。同时独特的蛋白质漂变优化方式，对工业设计友好，为医学成像等任务定制光学滤光片和成像系统提供更优设计方案。

图2｜演化保守优化的计算框架。

化石记录保存了数亿年生命演化过程中已经消失的结构、功能和适应方式。随着高精度CT、三维重建、功能模拟和人工智能的发展，我们不仅可以复原古生物“长什么样”，还可以进一步研究它们“为什么这样演化”以及“如何工作”，并尝试从中提取可用于现代工程的设计原理。从远古视觉到未来相机，从灭绝动物的结构与功能到机器人、新材料和新型传感器，深时演化留下的亿万年“自然实验”，正在为现代科技创新提供的新的灵感来源。

论文由日本东北大学，中国科学院古脊椎动物与古人类研究所，阿里巴巴，香港大学，香港科技大学（广州），东京大学等单位合作完成。研究得到了国家重点研发计划资助（2025YFF0811700），中国科学院稳定支持等项目的资助。