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」
人类和动物那种轻松灵活的移动能力，堪称进化的杰作——至今没有任何机器人能完全复刻。那么，怎么才能让机器人也拥有这种敏捷？科学家们把目光投向了动物，又开始拿小白鼠做实验了。毕竟成年老鼠的智力与8岁儿童相当，四肢灵活，对身体的控制力极其精妙。如果能通过老鼠破解大脑控制运动的密码，建立一个将控制原理与动物神经活动结构联系起来的模型，那无疑是最理想的路径。
《献给阿尔吉侬的花束》中被改造的智能老鼠
但这一次，没有一只小白鼠为科学献身——科学家们造出了一只虚拟的“AI老鼠”！这个搭载人工智能大脑的虚拟老鼠，能帮助人们深入了解大脑如何产生复杂、协调的动作。研究团队来自哈佛大学与谷歌DeepMind人工智能实验室，他们创造的“虚拟啮齿动物”很可能开辟一个全新领域——“虚拟神经科学”！
这项开创性研究发表在Nature上，结果发现：虚拟控制网络中的激活状态，居然能准确预测真实老鼠大脑在同一行为下的神经活动。
论文地址：https://www.nature.com/articles/s41586-024-07633-4
研究小组利用从真实老鼠身上记录的高分辨率数据，训练了一个人工神经网络，作为虚拟老鼠的“大脑”。这个AI大脑在一个叫MuJoCo的物理模拟器中控制虚拟身体——模拟器里包含了重力等真实作用力。
研究人员在DeepMind的MuJoCo模拟器中创建了虚拟老鼠，神经网络充当虚拟老鼠的“大脑”，在物理模拟器中控制老鼠的身体
在模拟器中，“AI大鼠”的动作与真正的啮齿动物几乎一模一样。这意味着从现实到虚拟已经走通，下一步就是从虚拟再抵达现实——让机器人的动作更加丝滑，从而带来具身智能的巨大飞跃。
AI老鼠或将开辟「虚拟神经科学」新领域
构建具身agents
谷歌DeepMind高级研究总监、该研究的合著者Matthew Botvinick表示，团队从构建具身智能体的挑战中学到了很多。
Matthew Botvinick
这些AI系统不仅需要智能思考，还需要在复杂环境中将这种思考转化为实际行动。他提到：“在神经科学背景下采用这种方法，似乎有可能为行为和大脑功能提供洞见。”
研究生Diego Aldarondo与DeepMind的研究人员密切合作，对人工神经网络进行了训练，以实现逆动力学模型——科学家认为我们的大脑就是利用这种模型来指导运动的。
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应遵循的轨迹，并将其转化为运动指令。类似地，基于真实老鼠的数据，神经网络被输入了所需运动的参考轨迹，并学习产生生成该运动的力。这使得虚拟老鼠能够模仿各种行为，甚至包括一些它没有明确训练过的动作。
对脑科学和机器人学意义重大
研究人员认为，这些模拟可以开创一个崭新的“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的行为与真实动物无异，可以为研究神经回路提供方便、透明的模型，比如研究神经回路如何受疾病影响。除了基础的脑科学研究，这个平台还有可能用于设计改进的机器人控制系统。
接下来，科学家们想让虚拟老鼠自主解决真实老鼠遇到的任务。哈佛大学有机和进化生物学系的Bence Ölveczky教授解释说：“从实验中，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有很多想法。”
Bence Ölveczky
“我们希望开始使用虚拟大鼠来测试这些想法，并帮助推进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AI
人工神经网络 vs. 生物神经网络
我们可以像研究小白鼠一样研究人工智能吗？DeepMind和哈佛大学的研究人员显然认为可以。Bence Ölveczky教授是建立生物力学逼真的数字大鼠模型这项工作的领导者。由他带领的研究人员和Google DeepMind科学家的合作，早在2020年就见诸报端，相关成果作为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、该论文三作Jesse Marshall表示，这个平台可以让研究人员测试不同神经网络在不同程度上的生物真实性，从而了解它们应对复杂挑战的能力——可以说这是神经科学的风洞。这篇论文的发表也成了团队努力了解大脑如何产生和实现灵活性的起点。
“虚拟啮齿动物”在训练中完成了多项任务，包括跳过缝隙、在迷宫中觅食，以及用前爪触球两次，两次触球之间有精确的时间间隔。加拿大女王大学的神经学家Stephen Scott认为，虽然人们必须谨慎对待人工神经网络和生物神经网络之间过于广泛的类比，但这种方法很可能是探究行为神经基础的一条非常富有成效的路径。
哈佛与DeepMind之间的合作
哈佛大学与谷歌DeepMind人工智能实验室之间的密切合作，正是虚拟大鼠研究不断深化的基础。Ölveczky对这次合作大加赞扬：“DeepMind开发出了一条管道，用以训练生物力学agents在复杂环境中移动。我们根本没有资源来运行这样的模拟，来训练这些网络。” Botvinick也表示，与哈佛研究人员的合作同样是“一个非常令人兴奋的机会”。
