DeepMind 和哈佛大（dà）学的研究人员似（sì）乎是这么认为（wéi）的——具体来说，研究（jiū）人员制造了一个（gè） AI 驱动的虚拟小白鼠来执行多种（zhǒng）复杂的任务。然后，他们再使用神经科学技术来了解（jiě）虚拟小白鼠的“大脑”是如何控制其运动的。

如今（jīn），最（zuì）先进（jìn）的人工智能由人（rén）工神（shén）经网络驱动，而人（rén）工神经网络是一种机器学习算（suàn）法，由被称为“神经元”的（de）组件连接而成。从某种（zhǒng）程度上来（lái）说（shuō），这些“神经（jīng）元”组（zǔ）件受到（dào）了大脑结构（gòu）的启发，尽管它们（men）的（de）运作方式截然不同，但（dàn）越（yuè）来越多的（de）研究人员认为，将两者相提并论，既能提高我们对（duì）神经科学的理解，也能（néng）让人工智能变得（dé）更（gèng）智能。

据了解，基于（yú）上述观点，研究（jiū）人员已经创建了一个（gè） 3D AI 小白鼠的模型，特殊的是，这个模型（xíng）完全（quán）复刻了现实小白鼠的生（shēng）物特征。在虚拟环境中，AI 小白鼠由（yóu）其神（shén）经网络来控（kòng）制。研究（jiū）人员还表明（míng），他们可（kě）以利用神经科（kē）学技术来分（fèn）析生物大脑活动，以了（le）解神经网络如何控制老鼠的运（yùn）动（dòng）。

该研究报告的合（hé）著者、哈佛大（dà）学博士后研究员 Jesse Marshall 表示（shì），通过让研究人员（yuán）用不同程度的虚拟生（shēng）物来测试（shì）不同的神经网络，以观察它们（men）在应对复杂挑战（zhàn）方面的表现。他（tā）说道：

典型的神经科学实验探究的是动物大脑，这些动物只会做一些单一动作，比如（rú）敲击（jī）杠（gàng）杆，而大多（duō）数机器人都（dōu）是为完成特定的任（rèn）务而打（dǎ）造的，比如打扫房（fáng）间。关于模拟小白鼠（shǔ）的研究是我们努力理解大脑如何（hé）实现灵活性的开始，并利用我们获得的有用（yòng）信息来设计具有（yǒu）类似能力（lì）的（de）人工智能体。

这（zhè）个 AI 小（xiǎo）白鼠的肌肉和关节（jiē）特征（zhēng），以（yǐ）及视觉能（néng）力和（hé）本（běn）体感觉全都基于真实老鼠的测量数据。其中，本体感（gǎn）觉是指（zhǐ）反（fǎn）馈系统（tǒng），即告诉（sù）小白鼠自（zì）己的身体部位在哪里，以及这些部（bù）位（wèi）是如（rú）何运动的（de）。

随后（hòu），研究人员（yuán）训练（liàn）了一个神（shén）经（jīng）网络（luò）来指（zhǐ）导 AI 小白鼠（shǔ）完成（chéng）任务（wù），比（bǐ）如跳过沟壑，在（zài）迷宫中觅食，逃离（lí）丘陵（líng）环境，并精确触摸到模拟物体。一旦 AI 小（xiǎo）白鼠能够成功完成任务（wù），研究（jiū）小组就会分析其神经活动的记录，利用（yòng）从神经科学技（jì）术来了（le）解神经（jīng）网络是如何实现运动（dòng）控制的。

由于研究人员已经建（jiàn）立了为（wéi）模拟小白鼠提供动力的人工智能，所以，AI 小白鼠（shǔ）的许多行为是研（yán）究人员意料（liào）之中（zhōng）的。不（bú）过，有趣（qù）的是，在实（shí）验中，神经活动的发生时间似（sì）乎比（bǐ）直接控制肌肉和（hé）肢（zhī）体（tǐ）运动（dòng）的时间要长。

哈佛大学研（yán）究（jiū）生（shēng） Diego Aldarondo 说：

这意味着，这个网络反映了（le）抽象尺度上的行为，比如奔（bēn）跑、跳（tiào）跃、旋转和其他（tā）直观的行为类别（bié）。这（zhè）是（shì）一种先前被认为（wéi）仅存在于动物（wù）身上的认知模型。

DeepMind 的（de）高级研究科学（xué）家 Josh Merel 表示，目前，他们已经（jīng）对 AI 小白（bái）鼠（shǔ）进行了开源，希望其他（tā）研究人员能以（yǐ）此为基础，去进行进（jìn）一（yī）步（bù）的研究。

加拿大（dà）麦吉尔大学（xué）的神经学家 Blake Richards 没有参（cān）与这项研究。他认为，虽然神经网络不具备生理真（zhēn）实性，但（dàn）它（tā）能够捕捉到足够多的神经处理方（fāng）式的重要特征，可以（yǐ）对（duì）神（shén）经活动影响行（háng）为（wéi）的结果做（zuò）出（chū）有用的（de）预测。这种训练神经网络的方法（fǎ），更（gèng）易于收集数据来与真实（shí）的生物数据进行比较。

他补（bǔ）充道，“这些（xiē）虚拟大脑（nǎo）产生的数据或许（xǔ）比动物真实大脑产生的数据更有价值（zhí）。”

加拿（ná）大皇后大学的神经学家 Stephen Scott 表示，虽然人们必（bì）须谨慎对待在（zài）人工神经网（wǎng）络和生物神经网络之间进行过（guò）度（dù）比较，但这种方法可能是探索行为神经（jīng）基础一（yī）种富有成效的方（fāng）式。