我们可以像研究实验鼠一样学习AI吗?在研究人员DeepMind和哈佛大学似乎这么认为。他们构建了一个AI驱动的虚拟大鼠，可以执行多个复杂任务。然后，他们使用神经科学技术来了解其人工“大脑”如何控制其运动。

当今最先进的AI由人工神经网络提供动力-机器学习算法由称为“神经元”的相互连接的组件层组成，这些组件受大脑结构的松动启发。尽管它们的工作方式截然不同，但越来越多的研究人员认为，两者之间的相似之处既可以增进我们对神经科学的理解，又可以使AI更智能。

现在，将于本周在国际学习表示会议上发表的一篇新论文的作者创建了大鼠的生物学上精确的3D模型，该模型可以在模拟环境中通过神经网络进行控制。他们还表明，他们可以使用神经科学技术来分析生物的大脑活动，以了解神经网络如何控制大鼠的运动。

哈佛大学的合著者，博士后研究员杰西·马歇尔(Jesse Marshall)说，该平台可能相当于风洞的神经科学，他可以让研究人员以不同程度的生物真实性测试不同的神经网络，以了解他们如何很好地应对复杂的挑战。

他说：“神经科学中的典型实验会探查动物的大脑，它们会执行诸如敲击杠杆之类的单一行为，而大多数机器人都是为解决特定任务而量身定制的，例如家庭吸尘。”“本文是我们努力了解灵活性如何在大脑中产生和实现的开始，并利用我们获得的见识来设计具有类似功能的人工制剂。”

虚拟啮齿动物根据真实大鼠的测量结果显示肌肉和关节，以及视觉和本体感觉，这是一种反馈系统，可以告诉动物其身体部位以及运动方式。然后，研究人员训练了一个神经网络，以指导大鼠完成四个任务：跳过一系列间隙，在迷宫中觅食，试图逃脱丘陵环境以及在球上执行精确定时的敲击。一旦大鼠成功完成任务，研究小组便使用从神经科学借来的技术分析其神经活动的记录，以了解神经网络如何实现完成任务所需的运动控制。

由于研究人员已经构建了为老鼠提供动力的AI，因此他们发现的很多东西都是可以预期的。哈佛大学的合著者兼研究生迭戈·阿尔达隆多说，但是他们获得的一个有趣的见识是，神经活动的发生似乎比直接控制肌肉力量和肢体运动所预期的时间更长。

他说：“这意味着网络以奔跑，跳跃，旋转和其他直观的行为类别的抽象尺度表示行为，”他说，这是一种先前被认为存在于动物体内的认知模型。