DeepMind 和哈佛大（dà）学的研究人员似乎是这么认为的——具体（tǐ）来（lái）说，研究人员制造了一个（gè） AI 驱动的虚拟小（xiǎo）白（bái）鼠（shǔ）来执行多种（zhǒng）复（fù）杂的任务。然后，他们（men）再使用神（shén）经（jīng）科（kē）学（xué）技术来了解虚拟小（xiǎo）白（bái）鼠的“大脑”是如何控制其运动的。

如今，最（zuì）先进的人工智能（néng）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（yóu）被称为“神经元”的组件（jiàn）连接而成。从某种程度上来说（shuō），这些“神经元”组（zǔ）件（jiàn）受（shòu）到了大脑结构（gòu）的启发（fā），尽管它们（men）的运作方式截然不同，但越来（lái）越多的研究人员认为（wéi），将（jiāng）两者相提（tí）并论，既能提高我们对（duì）神经科学的理解，也（yě）能（néng）让人工智能变得更智（zhì）能（néng）。

据（jù）了解，基于上述观点（diǎn），研究人（rén）员（yuán）已经创（chuàng）建了一个 3D AI 小白鼠的模型，特殊的是，这个模型（xíng）完（wán）全复（fù）刻了（le）现实小白（bái）鼠（shǔ）的生物特（tè）征（zhēng）。在虚（xū）拟环境中，AI 小（xiǎo）白鼠由（yóu）其神经网络来控制。研究人员还表明，他（tā）们可以利（lì）用神经科学技术来分析（xī）生物（wù）大脑活（huó）动，以了解（jiě）神（shén）经网（wǎng）络如何控（kòng）制老鼠的运动。

该研（yán）究报告的合著者、哈佛大学博士（shì）后研（yán）究员 Jesse Marshall 表示（shì），通过让研究（jiū）人员用不（bú）同程度的虚拟（nǐ）生物来测（cè）试不同的（de）神（shén）经网络，以观察它们（men）在应对复杂挑战方面的表现（xiàn）。他说道（dào）：

典型的神经科学实验探究的是（shì）动物大（dà）脑，这些动物只会做一些单一动作，比如敲击杠（gàng）杆，而大（dà）多数机器（qì）人都是为完成特定的任务而打造（zào）的（de），比（bǐ）如打（dǎ）扫房间。关于模拟小白鼠（shǔ）的（de）研究是我们努力理解大脑如何实现（xiàn）灵活性的开（kāi）始（shǐ），并（bìng）利（lì）用我们获得的有用信息来设计具有（yǒu）类似能力的人工智（zhì）能体。

这个 AI 小白鼠的肌（jī）肉（ròu）和（hé）关节特征，以及视觉能力和本体感觉全都基于真（zhēn）实老鼠的测量数据。其中（zhōng），本体感觉是（shì）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（yuán）训练了一个神经网络来指导 AI 小白（bái）鼠完成任务，比如（rú）跳过沟壑，在迷宫中觅食，逃（táo）离（lí）丘陵（líng）环境，并（bìng）精确触摸到（dào）模拟物体。一旦 AI 小（xiǎo）白鼠能够成功完成任务，研究小组（zǔ）就会（huì）分（fèn）析其神（shén）经活动的记（jì）录，利用从神经（jīng）科学技（jì）术来了解神经网（wǎng）络（luò）是如（rú）何实（shí）现运动控制的。

由（yóu）于研（yán）究人员已经建立了为模拟小白鼠提（tí）供动力的人工智能，所以（yǐ），AI 小白鼠的许多行为是研（yán）究人员意料之中的。不过，有趣的是，在实验中（zhōng），神经活动的发生时间似乎比直（zhí）接（jiē）控制肌肉（ròu）和肢体（tǐ）运动（dòng）的（de）时间（jiān）要长。

哈（hā）佛大学研究生（shēng） Diego Aldarondo 说：

这意味着（zhe），这个网络反映了抽象尺度上的行（háng）为，比如奔（bēn）跑、跳跃（yuè）、旋转和其他（tā）直观的行为类（lèi）别。这是一种（zhǒng）先前被认（rèn）为仅存在于动物身上的认知模型（xíng）。

DeepMind 的高级研（yán）究科（kē）学家 Josh Merel 表（biǎo）示，目前，他们已经对 AI 小白鼠进行了开源，希望其（qí）他（tā）研究人员能以此为基（jī）础，去（qù）进（jìn）行进一步（bù）的研究。

加拿大（dà）麦吉尔大（dà）学的神经学家 Blake Richards 没有（yǒu）参与这项研（yán）究。他认为，虽然神经网络（luò）不具备生理（lǐ）真实性，但它（tā）能够捕捉到足够多的神经处理方式的重（chóng）要特征，可以（yǐ）对神经活动（dòng）影（yǐng）响行为的结（jié）果做（zuò）出有用的预测。这种训练神经网（wǎng）络的方法，更（gèng）易于收集数据来与真实的生物数据进行比（bǐ）较。

他补充（chōng）道（dào），“这些虚拟大脑产生的数据或许比（bǐ）动物真实大脑产生（shēng）的数（shù）据更有价值。”

加拿大皇（huáng）后大学的神经学家 Stephen Scott 表示，虽然人（rén）们必须谨慎对待（dài）在人工神经网（wǎng）络和（hé）生物神经网络之间进（jìn）行过（guò）度（dù）比较（jiào），但这种方法（fǎ）可能是探索行为神经基础一种富（fù）有成效的方式。