|
策略层通常在亚秒级别等时间尺度上运作，更多用于编码快速动作的行为特征，这可能说明了策略层负责即时动作的编码。
为了研究出神经网络如何编码出完成不同任务所需的动作，研究人员分析了核心层、策略层在不同任务中的变化。使用多维标度（MDS，multidimensional scaling）将虚拟老鼠活动嵌入二维。
结果显示，核心层在不同任务中的表现有较大不同，策略层在不同任务中的表现有较多重叠。
结语：接下来将用简单任务测试
虚拟老鼠为神经网络研究带来了更多可能性，还有助于提升AI技术水平。这项研究的论文合著者杰西·马歇尔（Jesse Marshall）说：“这篇论文是我们了解大脑如何灵活处理任务的开始，通过获得的知识，我们也可以设计出具有类似能力的人工代理。”
但另一位研究者斯科特认为，在实际操作层面上还有一些问题亟待解决。“在这么复杂的任务中收集动物的神经数据是十分困难的。”他说。
目前，研究人员计划在实验室环境中用一些简单的任务来测试虚拟老鼠，这样就可以将虚拟老鼠的神经活动模式与之前在真实动物身上发现的模式进行比较、看出两种神经模式从哪里开始分化。
文章来源：OpenReview，IEEE Spectrum （编辑：52刷机网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
