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，被认为是目前最先进的人工智能(AI)技术。该技术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人员利用AI技术制造出了一只虚拟的3D小鼠模型，该模型可在模拟环境中通过人工神经网络的控制，完成跳跃、觅食、逃跑、击球等多项复杂任务。同时，研究人员运用神经科学技术来分析小鼠的大脑活动，解释神经网络如何控制小鼠的行为。

这项研究源于大脑神经网络结构的启发，但人工神经网络中的神经元不同于实际人脑的工作方式。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直是研究热点，而AI技术是研究神经活动与动物行为之间关系的重要途径。研究人员尝试利用神经科学技术解释人工神经网络如何控制生物的某些行为，这或许能够提供人工智能研究的新思路。

为了更好地研究人工神经网络控制生物行为的原理，研究人员在MuJoCo(一个物理模拟器，可用于机器人控制优化等研究)环境中设计出一只3D虚拟结构的AI小鼠模型，并对AI小鼠进行相关的神经活动和行为特征的研究。

这只AI小鼠的尾巴、脊柱和脖颈包含多段关节，可以驱动多关节的肌腱控制。研究人员借助训练好的神经网络指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，研究人员结合小鼠的行为分析它的神经网络活动，研究小鼠如何完成多项任务。其中，研究人员的行为学记录主要包括运动学、关节、算力、感觉输入等单元活动。

首先，研究人员试图找到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分析方法，提取AI小鼠的两组行为特征：小鼠运动时的关节角度，可以描述AI老鼠姿态和运动学特征;小鼠运动时最常出现的15个关节角度及相应姿势，产生特定的行为特征。

随后，研究人员用t-分布邻域嵌入算法(t-SNE)，将AI小鼠的行为特征嵌入2D虚拟行为“地图”。除了行为参数，研究人员还测量和分析了AI小鼠中长短期记忆细胞的神经活动。通过对比分析AI小鼠的行为特征和神经活动数据，来解释神经网络如何控制小鼠的行为。

通常来讲，动物行为分析的复杂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复杂的行为，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技术水平。同时，对于了解大脑如何灵活处理任务，设计出具有类似能力的AI产品具有重要意义。目前，研究者计划进一步测试AI虚拟小鼠的神经活动模式，并与真实小鼠身上发现的神经模式进行比较，研究两种神经模式的异同，这将有助于增进人类对生物神经系统的理解。