人工神经网络是一类由多层神经元互联组件构成的机器学习算法，被认为是目前最前辈的人工智能（AI）技能。
该技能由人工神经网络驱动，机器学习算法的组成部件则被称为“神经元”。
近日，英国人工智能公司DeepMind和美国哈佛大学的研究职员利用AI技能制造出了一只虚拟的3D小鼠模型，该模型可在仿照环境中通过人工神经网络的掌握，完成跳跃、觅食、逃跑、击球等多项繁芜任务。
同时，研究职员利用神经科学技能来剖析小鼠的大脑活动，阐明神经网络如何掌握小鼠的行为。

这项研究源于大脑神经网络构造的启示，但人工神经网络中的神经元不同于实际人脑的事情办法。
研究者认为，将二者放在一起研究不仅可以帮助我们理解神经科学，还有助于打造出更加智能的AI。

在生物科学领域，神经活动与动物行为之间的关系一贯是研究热点，而AI技能是研究神经活动与动物行为之间关系的主要路子。
研究职员考试测验利用神经科学技能阐明人工神经网络如何掌握生物的某些行为，这或许能够供应人工智能研究的新思路。

为了更好地研究人工神经网络掌握生物行为的事理，研究职员在MuJoCo（一个物理仿照器，可用于机器人掌握优化等研究）环境中设计出一只3D虚拟构造的AI小鼠模型，并对AI小鼠进行干系的神经活动和行为特色的研究。

这只AI小鼠的尾巴、脊柱和脖颈包含多段枢纽关头，可以驱动多枢纽关头的肌腱掌握。
研究职员借助演习好的神经网络辅导小鼠完成跳过空隙、觅食、逃离丘陵、精确击球四个动作。

AI小鼠模型制作完成后，研究职员结合小鼠的行为剖析它的神经网络活动，研究小鼠如何完成多项任务。
个中，研究职员的行为学记录紧张包括运动学、枢纽关头、算力、觉得输入等单元活动。

首先，研究职员试图找到AI虚拟小鼠不同行为与其大脑神经区域之间的对应关系。
他们按照动物行为学剖析方法，提取AI小鼠的两组行为特色：小鼠运动时的枢纽关头角度，可以描述AI老鼠姿态和运动学特色；小鼠运动时最常涌现的15个枢纽关头角度及相应姿势，产生特定的行为特色。

随后，研究职员用t-分布邻域嵌入算法（t-SNE），将AI小鼠的行为特色嵌入2D虚拟行为“舆图”。
除了行为参数，研究职员还丈量和剖析了AI小鼠中是非期影象细胞的神经活动。
通过比拟剖析AI小鼠的行为特色和神经活动数据，来阐明神经网络如何掌握小鼠的行为。

常日来讲，动物行为剖析的繁芜程度决定了神经网络实验的设定形式，而本次实验中的AI虚拟小鼠可以实现更加繁芜的行为，例如觅食、击球等。

有评论认为，该研究为人工神经网络研究带来更多可能性，有助于提升AI技能水平。
同时，对付理解大脑如何灵巧处理任务，设计出具有类似能力的AI产品具有主要意义。
目前，研究者操持进一步测试AI虚拟小鼠的神经活动模式，并与真实小鼠身上创造的神经模式进行比较，研究两种神经模式的异同，这将有助于匆匆进人类对生物神经系统的理解。