读脑术：脑机接口+AI能预测老鼠神经活动
原文中文，约1500字，阅读约需4分钟。
📝
内容提要
谷歌DeepMind团队建立了虚拟啮齿动物模型，通过人工神经网络预测神经活动，发现逆动力学模型的AI神经网络更好地预测神经活动，可用于模拟神经对不同自然运动的控制，有助于对动物行为的神经控制建模。
🔎
延伸解读
虚拟啮齿动物的构建方法
研究团队利用大鼠解剖数据创建生物力学模型，并在MuJoCo物理引擎中实现。通过给虚拟大鼠赋予人工神经网络“大脑”，并结合无标记3D姿态估计与深度模仿学习，使虚拟大鼠能够模仿真实大鼠的自由移动。这种方法不仅重现了复杂行为，还提供了因果关系的生成模型，有助于分析内部结构。
逆动力学模型的优势
逆动力学模型将3D运动轨迹和感觉信息转化为运动命令，这是运动神经系统的主要挑战。研究发现，该模型在预测纹状体和运动皮层的神经活动方面，优于可测量的运动特征或替代控制模型。这表明逆动力学模型能更简洁地描述整个行为的神经活动结构。
对神经科学和脑机接口的启示
该方法为模拟神经对不同自然运动的控制提供了框架，有助于建模日益复杂的动物行为的神经控制。网友讨论认为，这项技术可能推动脑机接口发展，实现精确读心术和思维可视化，但也引发对潜在风险的担忧，如可能被用于控制意志和思想。
❓
Q&A
谷歌DeepMind的虚拟啮齿动物模型有什么特点？
该模型利用人工神经网络驱动生物力学大鼠模型，能够重现复杂动物行为并提供因果关系和内部结构分析。
逆动力学模型在预测神经活动方面的表现如何？
研究发现逆动力学模型的AI神经网络在预测神经活动方面表现更佳，优于其他模型。
该研究如何验证虚拟啮齿动物模型的有效性？
通过比较虚拟啮齿动物与真实大鼠的神经活动，验证了模型的有效性。
逆动力学模型的主要挑战是什么？
运动神经系统的主要挑战是实现逆动力学，即将运动意图转化为运动指令。
该研究对未来脑机接口技术有什么启示？
研究表明，脑机接口可能实现精确读心术和思维可视化，未来发展令人期待。
虚拟啮齿动物模型如何帮助理解动物行为？
该模型提供了一个框架来模拟神经对不同自然运动的控制，有助于建模复杂动物行为的神经控制。
🏷️
