（示意圖/取自pixabay）
人們能像研究實驗白老鼠那樣研究人工智慧嗎？
DeepMind和哈佛大學的研究人員，似乎是這麼認為的。具體來說，研究人員製造了一個AI驅動的虛擬白老鼠來執行多種複雜的任務。然後，他們再使用神經科學技術來瞭解虛擬白老鼠的「大腦」是如何控制其運動的。
如今，最先進的人工智慧由人工神經網路驅動，而人工神經網路是一種機器學習算法，由被稱為「神經元」的組件連接而成。從某種程度上來說，這些「神經元」組件受到了大腦結構的啓發，儘管它們的運作方式截然不同，但越來越多的研究人員認為，將兩者相提並論，既能提高我們對神經科學的理解，也能讓人工智慧變得更智慧。
基於上述觀點，研究人員已經創建了一個3D AI白老鼠的模型，特殊的是，這個模型完全復刻了現實白老鼠的生物特徵。在虛擬環境中，AI白老鼠由其神經網路來控制。研究人員還表明，他們可以利用神經科學技術來分析生物大腦活動，以瞭解神經網路如何控制白老鼠的運動。
該研究報告的合著者、哈佛大學博士後研究員Jesse Marshall表示，通過讓研究人員用不同程度的虛擬生物，來測試不同的神經網路，以觀察它們在應對複雜挑戰方面的表現。他說道：「典型的神經科學實驗，探究的是動物大腦，這些動物只會做一些單一動作，比如敲擊槓桿，而大多數機器人都是為完成特定的任務而打造的，比如打掃房間。關於模擬白老鼠的研究，是我們努力理解大腦如何實現靈活性的開始，並利用我們獲得的有用資訊，來設計具有類似能力的人工智慧體。」
這個 AI 白老鼠的肌肉和關節特徵，以及視覺能力和本體感覺全都基於真實老鼠的測量數據。其中，本體感覺是指回饋系統，即告訴白老鼠自己的身體部位在哪裡，以及這些部位是如何運動的。
隨後，研究人員訓練了一個神經網路來指導AI白老鼠完成任務，比如跳過溝壑，在迷宮中覓食，逃離丘陵環境，並精確觸摸到模擬物體。一旦AI白老鼠能夠成功完成任務，研究小組就會分析其神經活動的記錄，利用從神經科學技術來瞭解神經網路是如何實現運動控制的。
由於研究人員已經建立了為模擬白老鼠提供動力的人工智慧，所以，AI白老鼠的許多行為，是研究人員意料之中的。不過，有趣的是，在實驗中，神經活動的發生時間，似乎比直接控制肌肉和肢體運動的時間要長。
哈佛大學研究生Diego Aldarondo說：「這意味著，這個網路反映了抽象尺度上的行為，比如奔跑、跳躍、旋轉和其他直觀的行為類別。這是一種先前被認為僅存在於動物身上的認知模型。」
DeepMind的高級研究科學家Josh Merel表示，目前，他們已經對AI白老鼠進行了開源，希望其他研究人員能以此為基礎，去進行進一步的研究。
加拿大麥基爾大學的神經學家Blake Richards，沒有參與這項研究。他認為，雖然神經網路不具備生理真實性，但它能夠捕捉到足夠多的神經處理方式的重要特徵，可以對神經活動影響行為的結果做出有用的預測。這種訓練神經網路的方法，更易於收集數據來與真實的生物數據進行比較。
他補充道：「這些虛擬大腦產生的數據，或許比動物真實大腦產生的數據更有價值。」
加拿大皇后大學的神經學家Stephen Scott表示，雖然人們必須謹慎對待，在人工神經網路和生物神經網路之間進行過度比較，但這種方法可能是探索行為神經基礎一種富有成效的方式。
本文為雷鋒網授權刊登，原文標題為「AI 小白鼠誕生！能跑能跳，可用於研究生物神經網絡，反哺人工智能技術」