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

如今，最先进的人工智能由人工神经网络驱动，而人工神经网络是一种机器学习算法，由被称为“神经元”的组件连接而成。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，尽管它们的运作方式截然不同，但越来越多的研究人员认为，将两者相提并论，既能提高我们对神经科学的理解，也能让人工智能变得更智能。

据了解，基于上述观点，研究人员已经创建了一个 3D AI 小白鼠的模型，特殊的是，这个模型完全复刻了现实小白鼠的生物特征。在虚拟环境中，AI 小白鼠由其神经网络来控制。研究人员还表明，他们可以利用神经科学技术来分析生物大脑活动，以了解神经网络如何控制老鼠的运动。

该研究报告的合著者、哈佛大学博士后研究员 Jesse Marshall 表示，通过让研究人员用不同程度的虚拟生物来测试不同的神经网络，以观察它们在应对复杂挑战方面的表现。他说道：

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，比如敲击杠杆，而大多数机器人都是为完成特定的任务而打造的，比如打扫房间。关于模拟小白鼠的研究是我们努力理解大脑如何实现灵活性的开始，并利用我们获得的有用信息来设计具有类似能力的人工智能体。

这个 AI 小白鼠的肌肉和关节特征，以及视觉能力和本体感觉全都基于真实老鼠的测量数据。其中，本体感觉是指反馈系统，即告诉小白鼠自己的身体部位在哪里，以及这些部位是如何运动的。

随后，研究人员训练了一个神经网络来指导 AI 小白鼠完成任务，比如跳过沟壑，在迷宫中觅食，逃离丘陵环境，并精确触摸到模拟物体。一旦 AI 小白鼠能够成功完成任务，研究小组就会分析其神经活动的记录，利用从神经科学技术来了解神经网络是如何实现运动控制的。

由于研究人员已经建立了为模拟小白鼠提供动力的人工智能，所以，AI 小白鼠的许多行为是研究人员意料之中的。不过，有趣的是，在实验中，神经活动的发生时间似乎比直接控制肌肉和肢体运动的时间要长。

哈佛大学研究生 Diego Aldarondo 说：

这意味着，这个网络反映了抽象尺度上的行为，比如奔跑、跳跃、旋转和其他直观的行为类别。这是一种先前被认为仅存在于动物身上的认知模型。

DeepMind 的高级研究科学家 Josh Merel 表示，目前，他们已经对 AI 小白鼠进行了开源，希望其他研究人员能以此为基础，去进行进一步的研究。

加拿大麦吉尔大学的神经学家 Blake Richards 没有参与这项研究。他认为，虽然神经网络不具备生理真实性，但它能够捕捉到足够多的神经处理方式的重要特征，可以对神经活动影响行为的结果做出有用的预测。这种训练神经网络的方法，更易于收集数据来与真实的生物数据进行比较。

他补充道，“这些虚拟大脑产生的数据或许比动物真实大脑产生的数据更有价值。”

加拿大皇后大学的神经学家 Stephen Scott 表示，虽然人们必须谨慎对待在人工神经网络和生物神经网络之间进行过度比较，但这种方法可能是探索行为神经基础一种富有成效的方式。