人们能否像研究实验小鼠那样来探究人工智能？来自DeepMind与哈佛大学的研究人员给出了肯定答案——他们成功创建了一个由AI驱动的虚拟小白鼠，它不仅能够奔跑跳跃，还能灵活完成多种复杂任务。更重要的是，研究团队采用了神经科学技术，深入分析了这个虚拟生物“大脑”如何控制运动行为。

当前顶尖人工智能的底层大多依赖人工神经网络——这是一种由“神经元”组件相互连接而成的机器学习算法。尽管这些组件在一定程度上借鉴了生物大脑的结构，但实际运作机制却截然不同。不过，越来越多研究者意识到，将两者进行比较，不仅能帮助神经科学获得更深入的理解，也能为AI的进化提供新思路。

基于这一理念，研究团队构建了一个三维AI小白鼠模型，该模型完全复现了真实老鼠的生物学特征——包括肌肉、关节、视觉能力以及本体感觉（即感知身体部位位置与运动状态的反馈系统），所有数据均来自真实老鼠的测量。在虚拟环境中，这个AI小白鼠由自身的神经网络操控。研究人员同时证明，他们完全可以运用神经科学技术来分析生物大脑的活动，进而弄清神经网络究竟如何控制运动过程。

哈佛大学博士后研究员、论文合著者Jesse Marshall解释了这项研究背后的初衷：“典型的神经科学实验中，研究对象通常只能执行单一动作（例如按压杠杆）；而大多数机器人则是为特定任务设计的（比如清洁房间）。我们通过模拟小白鼠展开的研究，正是理解大脑如何实现灵活行为的起点——并希望将这些有益信息用于设计具备类似能力的AI系统。”

具体而言，研究人员训练了一个神经网络，让AI小白鼠完成一系列任务：跨越沟壑、在迷宫中寻找食物、逃离丘陵地形，以及精准触摸模拟物体。每当小白鼠成功完成这些挑战，团队就会分析其神经活动记录，利用神经科学技术揭示网络如何实现对运动的控制。

由于整个AI小白鼠的“大脑”均由研究人员亲手搭建，因此许多行为表现确实在预期之内。但有趣的发现是：神经活动的发生时间似乎比直接控制肌肉与肢体运动的时间更长。哈佛大学研究生Diego Aldarondo表示：“这意味着神经网络反映的是抽象层面的行为——例如奔跑、跳跃、旋转这些更直观的动作类别。”而这种认知模型此前被认为仅存在于动物身上。

DeepMind高级研究科学家Josh Merel透露，目前这一AI小白鼠已经开源，希望能吸引更多研究者在现有基础上继续探索。

加拿大麦吉尔大学的神经学家Blake Richards（未参与本研究）指出，虽然这个神经网络并不具备完全的生理真实性，但它捕捉到了足够多的神经处理关键特征，从而能够对神经活动如何影响行为做出有价值的预测。这种训练方法也更便于收集数据、与真实生物数据进行比较。他甚至补充道：“这些虚拟大脑产生的数据，或许比动物真实大脑产生的数据更具参考价值。”

当然，加拿大皇后大学的神经学家Stephen Scott也提醒：我们必须谨慎对待人工神经网络与生物神经网络之间的过度类比。但他同时承认，这或许是探索行为神经基础的一种富有成效的途径。