人工智能控制的3D大鼠可能带来新的神经科学见解

哈佛大学和DeepMind的研究人员最近创建了一个虚拟的、生物学上准确的3D大鼠模型，可以由人工神经网络控制。研究人员希望，研究人工神经网络如何控制模拟大鼠通过3D环境，可以为神经科学家提供线索，了解如何控制生物体的真实大脑。

正如IEEE Spectrum最近报道，一篇新论文将在本周的国际学习表示会议上发表，详细介绍了模拟的3D环境的创建。在这个环境中，存在一个3D的大鼠模型，这个计算机生成的实验室大鼠将由人工智能模型控制。该研究的目标是查看控制大鼠的神经网络是否具有类似于生物大脑中发现的功能。

深度神经网络的构建块是神经元或节点，它们使用数学函数转换数据。这些神经元以类似于大脑的突触连接的方式连接在一起。虽然人工神经网络和真实大脑之间存在许多显著的差异，但一些神经科学家和研究人员认为，两者之间的相似之处可能会提供对大脑工作原理的有用见解，可能会改进人工智能和神经科学。

研究人员创建的3D计算机生成环境旨在作为人工智能研究人员的受控实验平台。研究人员将能够使用该环境来实验各种神经网络如何处理挑战以及如何接近（或不接近）生物网络。正如研究论文的合著者、博士后研究员Jesse Marshall在IEEE Spectrum上引用的话说，虽然平均神经科学实验分析动物在执行一个任务（或几个任务）时的大脑，而大多数机器人仅为几个任务而设计，但需要更强大的灵活大脑的运行和产生机制。根据Marshall的说法，该论文“是我们努力了解大脑中如何产生和实现灵活性的开始，并利用我们获得的见解来设计具有类似能力的人工智能代理”。

计算机工程的大鼠在生物学上是准确的，具有真实大鼠所拥有的所有关节和肌肉。大鼠还具有模拟的感官，如本体感受（对身体部位在空间中的位置的感觉）和视觉。控制大鼠运动的神经网络是在四个不同的任务上训练的：在精确的时间上敲击一个球，导航迷宫，跳过间隙和导航崎岖的陡峭区域。

当虚拟大鼠完成任务时，研究团队使用基于神经科学领域中使用的技术的方法分析了网络活动的记录。研究人员分析了网络的活动，以确定网络如何实现执行分配任务所需的运动控制方案。

研究人员发现，神经网络重用了一些表示来执行不同的任务，应用于不同场景的共同模式。神经活动通常表示为离散序列，这是在真实啮齿动物和鸟类中观察到的。一个意外的发现是，人工智能模型中的自然活动似乎存在于比预期更长的时间，如果人工智能模型仅仅控制肢体和肌肉的运动。 这可能表明人工智能网络在抽象层面上表现出行为和运动，例如跳跃和奔跑。这反映了针对真实动物提出的认知模型。

虽然人工神经网络可能缺乏真实神经网络的生理体现和真实性，但加拿大麦吉尔大学的神经科学家Blake Richards认为，正如IEEE Spectrum报道，这些模型与真正的神经网络在神经处理方面共享许多重要特征，并且它们在预测神经活动如何影响行为方面是有用的。因此，最近的论文的成就是设计了一种实验神经网络和在更真实的环境中训练它们的方法，使得与涉及生物数据的实验的比较更好。

加拿大皇后大学的神经科学家Stephen Scott也认为，新论文中设计的框架可能是一种有用的方法来研究行为的神经基础。虚拟大鼠能够执行各种多阶段、复杂的行为，这些行为可以与神经活动精确地相关联。这比大多数使用动物模型的实验更有优势，因为大多数实验仅在简单任务上进行，而记录神经活动的复杂性很高。

然而，Scott也承认，从执行复杂任务的动物中收集神经数据的过程可能极为困难。因此，Scott希望看到论文作者将虚拟大鼠执行简单任务时的神经活动与真实实验室实验中的活动进行比较，以便更好地了解虚拟模型和真实大脑模式之间的差异。