AI控制的3D老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老鼠模型，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老鼠在3D环境中的运动，可以为神经科学家提供线索，了解真实大脑如何控制生物体。

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3D环境的创建。在这个环境中，存在一个3D老鼠模型，并将由AI模型控制。该研究的目标是研究控制老鼠的神经网络是否具有与生物大脑中发现的类似功能。

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，但许多神经科学家和研究人员认为，两者之间的相似之处可以为我们了解大脑的工作原理提供有用的见解，可能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AI研究人员的控制实验平台。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它们如何接近（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上解释的那样，虽然平均神经科学实验分析动物在执行一项任务（或仅几项任务）时的大脑活动，但大多数机器人仅设计用于执行几项任务，需要更强大的解释来说明如何使灵活的大脑运作和产生。根据Marshall的说法，该论文“是我们了解灵活性如何产生和在大脑中实现以及如何利用这些见解设计具有类似能力的人工智能代理的开始”。

计算机工程老鼠在生物学上是准确的，具有真实老鼠的所有关节和肌肉。老鼠还具有模拟感官，如本体感受（空间中的身体部位感知）和视觉。控制老鼠运动的神经网络是在四个不同的任务上训练的：用精确的时机敲击球，导航迷宫，跳过间隙和导航陡峭的斜坡区域。

当虚拟老鼠完成任务时，研究团队使用基于神经科学领域技术的技术分析了网络活动的记录。研究人员分析了网络活动，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，应用了常见的模式来处理不同的场景。神经活动通常表现为离散序列，这是真实啮齿动物和鸟类中观察到的现象。一个意外的发现是，AI模型中的自然活动似乎在预期的时间内持续存在，仅仅是控制四肢和肌肉的运动。这种现象可能表明，AI网络在抽象层面上表现出行为和运动，例如跳跃和奔跑。这与针对真实动物提出的认知模型相吻合。

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报道的，这些模型与真实神经网络共享许多重要的神经处理特征，并且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和训练神经网络的方法，使其能够在更真实的环境中进行比较，从而更好地比较生物数据实验。

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以成为研究行为的神经基础的有用方法。虚拟老鼠能够执行多个阶段的复杂行为，这些行为可以精确地与神经活动相关联。这比大多数使用动物模型的实验具有优势，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使得实验难以进行。

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老鼠在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。