研究人员已使用可解释的AI将假设动物的觅食行为分解为可测量的认知动力学。他们希望他们的成功能够导致人们更好地理解人类的思维方式，或者像研究人员所说的那样，“思想的神经基础”如何运作。
这项复杂的工作是在休斯敦的贝勒医学院和莱斯大学进行的，并在《美国国家科学院院刊》上发表的一项研究中进行了描述。
通讯作者Xaq Pitkow博士及其同事解释了他们如何训练人工神经网络来完成简单的觅食任务。这项任务需要网络整合沿途获得的证据，同时还要记住先前的进展并计划后续的行动。
“我们的方法成功地恢复了代理人的内部模型和主观偏好，并发现了与该理性模型相一致的神经计算，”作者在讨论部分中评论。
在贝勒博客文章中，科学作家安娜·玛丽亚·罗德里格斯(AnaMaríaRodríguez)博士写道，研究团队使用了一种追踪思维过程的方法，称为逆向理性控制。该方法需要观察一种行为并推断出最能解释所观察到行为的信念或思想。
Rodriguez写道：“传统上，该领域的研究人员一直以动物能够最佳地解决任务的方式工作，其行为方式可以最大程度地发挥其净收益。”“但是当科学家研究动物行为时，他们发现情况并非总是如此。”
对此Pitkow补充说，有时候，动物对其环境所发生的事情有“错误”的信念或假设，但鉴于他们认为周围发生的事情，他们仍然会为自己的任务寻找最佳的长期结果。”
皮特科说，这可以解释为什么动物似乎表现出理性而“次优”的行为。
