至今為止沒有儀器可以測量生物大腦的「想法」。神經科學家很有興趣鑽研大腦的思考過程究竟是怎樣的一個過程，把模擬神經元對各種條件的判斷提高到一個新的層次。
美國貝勒醫學院（Baylor College of Medicine）和萊斯大學（Rice University）的研究人員利用人工智慧模型，為大腦活動的研究開啟了一個新的思路。
「幾個世紀以來，神經科學家都是通過把大腦活動與輸入和輸出的信息聯繫起來研究大腦的工作方式。比如，要研究運動的神經科學，科學家先測量肌肉的運動和大腦的神經元活動，然後把兩者聯繫起來尋找規律。」
這份研究的主要作者之一貝勒醫學院的神經科學助理教授皮特科（Xaq Pitkow）說，「可是要研究大腦的意識，我們找不到任何東西與神經活動進行對比。」
為研究大腦產生想法的過程，研究人員認為先要測量一個想法。可是想法看不見、摸不著，怎麼測量？他們開發了一個反向推理的系統，從行為反向推理最可能導致這一行為的想法。
這項研究的另一部分，研究人員開發了另一個經過訓練的人工智慧模型，再把前一個部分反向推理得到的想法將展現的大腦活動，與觀測到的大腦活動進行對比。
「我們把從推理得到的想法，和展現這些想法的大腦活動進行對比，如果它們相符，就說明我們掌握了大腦得出這些想法的推理過程。」
在一項實驗中，研究人員讓一隻動物分辨一個盒子裡面水果是生的還是成熟的。其實所有的水果都是不成熟的，但是這個系統模型從動物的行為推測出，動物的想法是認為這些水果裡面有的是成熟的，有的是不成熟的。
皮特科又舉一個例子說，以前，科學家以為動物的大腦總是以最佳方案為原則去完成任務。可是這份研究通過這種新的研究方式，發現不見得總是這樣。
「有時候動物對周圍的環境所做的判斷是『錯誤』的，基於這樣的判斷，它們去思考最佳的行動方案。可能這就是為什麼我們會看到動物有時候的行為是次優方案的原因。」皮特科說。
皮特科說，例如，動物在捕獵的時候對周圍聲音信息的判斷很重要。如果它們判斷這些聲音來自同一個獵物，那麼大腦所決定的最佳行動方案應該是把所有的行動都聚焦於這個聲音的來源。
如果這個捕食者錯誤地認為這些聲音來自不同的獵物，這就會導致它們採用不同的行為方案、一個次優方案——比如不斷地掃視四周，從而確定其中一個獵物。
因此這項研究認為，動物是根據它們的判斷做出「理性」、但是看起來「次優」的行為方案。研究人員有信心他們的模型的確推理出了動物大腦的「想法」。
這份研究近期發表在《美國國家科學院院刊》（PNAS）上。