游乐游手机版
首页/AI教程/文章详情

哈佛DeepMind开辟虚拟神经科学新领域 在世界模拟器驯养赛博老鼠

时间:2026-07-09 15:24
哈佛大学与谷歌DeepMind合作创建了一只搭载人工神经网络大脑的虚拟老鼠,在物理模拟器中控制身体。其神经活动能准确预测真实老鼠的脑部活动,开辟了“虚拟神经科学”新领域,为研究神经回路和机器人控制提供了新路径。

人类与动物的灵动移动能力堪称进化赋予的杰作,至今尚未被任何机器人完美复刻。那么,如何让机器人也拥有同样的敏捷性?科学家再次将目光投向动物,从小白鼠身上寻找答案。成年老鼠的智力水平相当于8岁儿童,四肢灵活自如,对身体的控制极其精妙。若能通过研究老鼠破解大脑控制运动的密码,建立一套将控制原理与动物神经活动结构相联系的模型,无疑是实现这一目标的最理想路径。

图为《献给阿尔吉侬的花束》中经过改造的智能老鼠形象

然而这一次,没有一只小白鼠为科学献身——科学家构建了一个虚拟的“AI老鼠”!这个搭载人工智能大脑的虚拟啮齿动物,能帮助研究人员深入理解大脑如何生成复杂且协调的动作。研究团队由哈佛大学与谷歌DeepMind人工智能实验室联合组成,他们创造的“虚拟啮齿动物”有望开创一个全新研究领域——“虚拟神经科学”。

这项开创性研究成果发表于《Nature》期刊,研究发现:虚拟控制网络中的激活模式,竟能准确预测真实老鼠大脑在相同行为下产生的神经活动。

论文地址:https://www.nature.com/articles/s41586-024-07633-4

研究团队利用从真实老鼠身上采集的高分辨率神经数据,训练了一个人工神经网络作为虚拟老鼠的“大脑”。这个AI大脑在名为MuJoCo的物理模拟器中操控虚拟身体——该模拟器完整包含了重力等真实物理作用力。

图中展示了研究人员在DeepMind的MuJoCo模拟器中构建的虚拟老鼠,其中的神经网络充当其“大脑”,在物理模拟环境里控制虚拟老鼠的身体运动

在模拟器中,这只“AI大鼠”的动作与实际啮齿动物几乎毫无区别。这标志着从现实到虚拟的路径已经打通,下一步便是从虚拟回归现实——让机器人的动作更加流畅自然,进而推动具身智能领域实现重大飞跃。

AI虚拟老鼠或将开启“虚拟神经科学”全新研究领域

构建具身智能体(Agents)

谷歌DeepMind高级研究总监、该研究合著者Matthew Botvinick指出,团队从构建具身智能体的过程中收获了大量宝贵经验。

Matthew Botvinick,谷歌DeepMind高级研究总监

这些人工智能系统不仅需要具备智能思考能力,还必须在复杂环境中将思考转化为实际动作。他提到:“在神经科学语境下应用这种方法,有望为理解行为与大脑功能提供深刻洞见。”

研究生Diego Aldarondo与DeepMind团队紧密协作,训练人工神经网络实现逆动力学模型——科学家认为人类大脑正是依靠这种模型来指导运动。

举个例子:当我们伸手去拿一杯咖啡时,大脑会迅速计算出手臂的运动轨迹,并转化为指令下达给肌肉。类似地,基于真实老鼠的数据,神经网络接收所需运动的参考轨迹,学习如何产生生成该动作的力。这使得虚拟老鼠能够模仿多种行为,甚至包括一些它未曾明确训练过的动作。

对脑科学与机器人学具有重大意义

研究人员认为,这类模拟可以开创一个全新的“虚拟神经科学”领域——在这个领域中,经过训练的人工智能模拟动物表现出与真实动物几乎一致的行为,能为研究神经回路提供便捷、透明的模型,例如探究神经回路如何受疾病影响。除基础脑科学研究外,该平台还有望用于设计更先进的机器人控制系统。

接下来,科学家们计划让虚拟老鼠自主解决真实老鼠所面临的任务。哈佛大学有机与进化生物学系教授Bence Ölveczky解释说:“通过实验,我们对如何解决这类任务以及如何实现支撑熟练行为习得的学习算法,已经有了诸多设想。”

Bence Ölveczky,哈佛大学有机与进化生物学系教授

“我们希望借助虚拟大鼠来验证这些想法,从而深化我们对真实大脑如何产生复杂行为的理解。”

像研究小白鼠一样研究人工智能

人工神经网络与生物神经网络的比较

我们能否像研究小白鼠一样研究人工智能?DeepMind与哈佛大学的研究人员显然认为可行。Bence Ölveczky教授是构建生物力学逼真数字大鼠模型这一工作的领导者。他带领的研究团队与Google DeepMind科学家的合作,早在2020年就已见诸报道,相关成果曾作为2020年ICLR会议论文发表。

论文地址:https://openreview.net/pdf?id=SyxrxR4KPS

哈佛大学博士后研究员、该论文第三作者Jesse Marshall指出,这个平台允许研究人员测试不同神经网络在不同生物真实性程度下的表现,从而了解它们应对复杂挑战的能力——堪称神经科学领域的“风洞”。这篇论文的发表也成为团队探索大脑如何产生并实现灵活性的起点。

该“虚拟啮齿动物”在训练中成功完成了多项任务,包括跨越缝隙、在迷宫中觅食,以及用前爪精确触球两次且间隔时间精准。加拿大女王大学神经学家Stephen Scott认为,尽管对人工神经网络与生物神经网络之间进行广泛类比需要谨慎,但这种方法很可能成为探索行为神经基础的一条极具成效的路径。

哈佛大学与DeepMind的深度合作

哈佛大学与谷歌DeepMind人工智能实验室的密切合作,正是虚拟大鼠研究持续深入的基础。Ölveczky高度赞扬了这次合作:“DeepMind开发出一条训练生物力学智能体在复杂环境中移动的管道。我们根本没有足够的资源来运行这样的模拟并训练这些网络。”Botvinick也表示,与哈佛研究人员的合作是“一个极其令人兴奋的机会”。

来源:https://www.aiagiai.com/1616.html
上一篇生成式AI能否加速汽车自动驾驶实现 下一篇Meta用AI重塑元宇宙,扎克伯格梦想未灭
本站内容用于信息整理与展示,如有侵权或内容问题请及时联系处理。

相关推荐

补充同频道和同主题内容,方便继续浏览更多相关内容。

同类最新

继续查看同栏目最近更新的文章。

更多
Claude Code 必知的14个高效工作流,让你的开发效率提升300%
AI教程 · 2026-07-09

Claude Code 必知的14个高效工作流,让你的开发效率提升300%

Claude Code 常用工作流 先分享几项核心判断:Claude Code 真正强大的地方,并非仅仅在于它能编写代码——而是它让“编码”这件事本身变得更加高效且可控。你大概率遇到过这类场景:接手一个陌生项目,花了一整天才能理清架构;线上出现报错,翻遍日志也找不到根本原因;想要重构遗留代码,又担心

阿里云通义AIGC平台完全指南:设计师AI生产力革命
AI教程 · 2026-07-09

阿里云通义AIGC平台完全指南:设计师AI生产力革命

一、写在前面:为什么设计师需要关注AIGC? 如果你还在手动一张一张制作海报、反复修改客户口中“感觉不对”的配色方案、为电商详情页准备几十张不同场景的产品图——那么你一定经历过这些痛点: 创意瓶颈:脑海中有画面,但手绘无法呈现 重复劳动:调整尺寸、更换背景、批量生成变体消耗了大量时间精力 成本焦虑:

零基础毕设代码二次开发:3文件定位法及Vue/Java修改对照表
AI教程 · 2026-07-09

零基础毕设代码二次开发:3文件定位法及Vue/Java修改对照表

每年一到毕业季,计算机专业的同学总会陷入一个共同的怪圈:从 GitHub 上扒下来一套代码,或者用 AI 生成一个项目,看起来挺完整的,可导师一句“加个筛选条件”或“换个页面颜色”,瞬间就懵了——不敢改,不会改,怕改崩。是不是很熟悉? 一、为什么AI生成的毕设代码你 "不敢改 "? 1 1 毕业生的三大

反向海淘订单系统:状态机与分布式事务实战设计
AI教程 · 2026-07-09

反向海淘订单系统:状态机与分布式事务实战设计

先分享一个反直觉的结论:反向海淘订单管理的真正挑战,往往不在于业务逻辑本身,而在于状态流转。一个订单的生命周期拉长到跨国运输,中间涉及的环节多、系统多、参与者多,状态稍有错乱就可能引发连锁事故。Taocarts团队在实践中踩了不少坑,最终沉淀下来的这套状态机与分布式事务方案,成功解决了这一复杂难题。

AI并未抢走程序员饭碗而是更新了编程菜单
AI教程 · 2026-07-09

AI并未抢走程序员饭碗而是更新了编程菜单

AI并未大规模替代程序员,而是改变了职业结构。重复性编码岗位需求下降35%至15%,而AIAgent开发等岗位需求激增187%。开发者焦虑从“被替代”转向“跟不上变化”,60%程序员已使用AI辅助编程。人的核心价值转向架构设计、技术决策和审查AI生成代码,AI技能带来16%薪资溢价。