DeepMind 和哈佛（fó）大学的研究（jiū）人员似乎是这么认为的——具体来说，研究人员制造了一个 AI 驱动的虚（xū）拟小白鼠（shǔ）来（lái）执行（háng）多种复（fù）杂的任务。然后，他们再使用神经科学（xué）技术（shù）来了解虚拟小白鼠的（de）“大脑”是如何控（kòng）制其运动的。

如（rú）今，最先进的人工智能由（yóu）人（rén）工神经网络驱动，而人工神经网（wǎng）络是一（yī）种机器学习算（suàn）法，由被称为“神经元”的组件连接而（ér）成。从某种程度上来说，这些“神经元”组件受到了大脑结构的启发，尽管它们（men）的运作方式（shì）截（jié）然不同，但越来越多（duō）的研究人员（yuán）认为，将（jiāng）两者相提并论，既能提高我们（men）对（duì）神经科学的理解，也能让（ràng）人工智能变得更智能。

据了（le）解（jiě），基（jī）于上（shàng）述观（guān）点，研究人员已经创建（jiàn）了一个 3D AI 小白（bái）鼠的模（mó）型，特殊的是，这（zhè）个模（mó）型完全复刻了现实小白（bái）鼠的生（shēng）物特征。在（zài）虚拟环境中（zhōng），AI 小白（bái）鼠由其神（shén）经网（wǎng）络来（lái）控制。研究（jiū）人员还表明，他们可以利用神经科学技术来分析生物大脑活动，以了解神经网络如（rú）何控（kòng）制老鼠的运动。

该（gāi）研（yán）究报告的合（hé）著者、哈佛大学（xué）博士后研究员（yuán） Jesse Marshall 表示，通过让研究人员用不（bú）同程度的虚拟生物来测试不同的神经网络，以观（guān）察它们在应对复杂挑战方面的表现。他（tā）说道：

典（diǎn）型的神经科学实验探究的是动物（wù）大脑，这些动物只会（huì）做一（yī）些（xiē）单一动作，比如敲击杠杆，而大多（duō）数机器人都是为完成特（tè）定的任务（wù）而打造的，比（bǐ）如打扫房间（jiān）。关于模拟小白鼠的研究是我（wǒ）们努力理解大脑如何实现灵（líng）活性的开（kāi）始，并利用我（wǒ）们（men）获得的（de）有用信息来设计具有类似能力（lì）的人工智能体。

这个（gè） AI 小白鼠的肌肉和关节特征，以及视觉能力和本（běn）体感觉全都基于真实老鼠（shǔ）的（de）测量数据。其中（zhōng），本（běn）体感觉是指反馈系统，即告诉（sù）小白鼠自（zì）己的（de）身体部位在哪里，以及这些（xiē）部位是如（rú）何运动（dòng）的。

随后，研究人员（yuán）训（xùn）练了（le）一个神经（jīng）网络来（lái）指（zhǐ）导（dǎo） AI 小白鼠完成任务，比如跳过沟（gōu）壑，在迷宫中觅（mì）食（shí），逃离丘陵环（huán）境，并（bìng）精确触摸到模拟（nǐ）物体。一旦 AI 小白（bái）鼠能够成功（gōng）完成任务，研究小（xiǎo）组（zǔ）就（jiù）会分析其神经活动的记（jì）录，利用从神经（jīng）科学技术（shù）来了解神（shén）经网络是如何实（shí）现运动控制的（de）。

由于（yú）研究人员已经建（jiàn）立（lì）了为模（mó）拟小（xiǎo）白鼠提（tí）供动力的人工智能，所（suǒ）以，AI 小白鼠的许多（duō）行为是研究人员意料之中的。不过，有趣的是（shì），在（zài）实验中，神经活动的发生时间似乎比直接（jiē）控制（zhì）肌肉和肢体（tǐ）运动（dòng）的（de）时间要长（zhǎng）。

哈佛大学研究生 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（pǎo）、跳跃、旋转和（hé）其他（tā）直观的行（háng）为类别。这是一种先（xiān）前（qián）被认为仅存在于动（dòng）物（wù）身上的（de）认知（zhī）模型。

DeepMind 的高级（jí）研（yán）究科学（xué）家 Josh Merel 表示，目前，他（tā）们已经对 AI 小白鼠进行了开源，希望其他研究人员能以此（cǐ）为（wéi）基础，去进行进一步的研究。

加拿大麦吉尔（ěr）大学的神经学家 Blake Richards 没有参（cān）与这（zhè）项研究。他认（rèn）为，虽然神经（jīng）网络不具备生理真（zhēn）实性，但它能够（gòu）捕捉到（dào）足够多（duō）的神经处（chù）理（lǐ）方式的重要特征，可以对神（shén）经活动影（yǐng）响行为（wéi）的（de）结果做出有用（yòng）的预测。这（zhè）种训练神经网络的方法，更易于收集数（shù）据来与真实的（de）生物（wù）数据进行（háng）比（bǐ）较。

他补充道，“这些虚拟大脑产生的数据（jù）或许比动物（wù）真（zhēn）实大脑产生的数据更有（yǒu）价值。”

加拿大皇后大学（xué）的神经学家 Stephen Scott 表示（shì），虽（suī）然人们必须谨慎（shèn）对待在人工神（shén）经（jīng）网络和生物神经网络之（zhī）间进行过度（dù）比（bǐ）较，但（dàn）这种方法可能是探索行为（wéi）神经基础一（yī）种（zhǒng）富有（yǒu）成（chéng）效的方式。