人工智能驅動的大鼠可能成為神經科學的重要新工具

我們可以像研究實驗鼠一樣學習AI嗎?在研究人員DeepMind和哈佛大學似乎這么認為。他們構建了一個AI驅動的虛擬大鼠，可以執(zhí)行多個復雜任務。然后，他們使用神經科學技術來了解其人工“大腦”如何控制其運動。

當今最先進的AI由人工神經網絡提供動力-機器學習算法由稱為“神經元”的相互連接的組件層組成，這些組件受大腦結構的松動啟發(fā)。盡管它們的工作方式截然不同，但越來越多的研究人員認為，兩者之間的相似之處既可以增進我們對神經科學的理解，又可以使AI更智能。

現在，將于本周在國際學習表示會議上發(fā)表的一篇新論文的作者創(chuàng)建了大鼠的生物學上精確的3D模型，該模型可以在模擬環(huán)境中通過神經網絡進行控制。他們還表明，他們可以使用神經科學技術來分析生物的大腦活動，以了解神經網絡如何控制大鼠的運動。

哈佛大學的合著者，博士后研究員杰西·馬歇爾(Jesse Marshall)說，該平臺可能相當于風洞的神經科學，他可以讓研究人員以不同程度的生物真實性測試不同的神經網絡，以了解他們如何很好地應對復雜的挑戰(zhàn)。

他說：“神經科學中的典型實驗會探查動物的大腦，它們會執(zhí)行諸如敲擊杠桿之類的單一行為，而大多數機器人都是為解決特定任務而量身定制的，例如家庭吸塵。”“本文是我們努力了解靈活性如何在大腦中產生和實現的開始，并利用我們獲得的見識來設計具有類似功能的人工制劑。”

虛擬嚙齒動物根據真實大鼠的測量結果顯示肌肉和關節(jié)，以及視覺和本體感覺，這是一種反饋系統(tǒng)，可以告訴動物其身體部位以及運動方式。然后，研究人員訓練了一個神經網絡，以指導大鼠完成四個任務：跳過一系列間隙，在迷宮中覓食，試圖逃脫丘陵環(huán)境以及在球上執(zhí)行精確定時的敲擊。一旦大鼠成功完成任務，研究小組便使用從神經科學借來的技術分析其神經活動的記錄，以了解神經網絡如何實現完成任務所需的運動控制。

由于研究人員已經構建了為老鼠提供動力的AI，因此他們發(fā)現的很多東西都是可以預期的。哈佛大學的合著者兼研究生迭戈·阿爾達隆多說，但是他們獲得的一個有趣的見識是，神經活動的發(fā)生似乎比直接控制肌肉力量和肢體運動所預期的時間更長。

他說：“這意味著網絡以奔跑，跳躍，旋轉和其他直觀的行為類別的抽象尺度表示行為，”他說，這是一種先前被認為存在于動物體內的認知模型。