尽管当今最先进的AI系统已经在编写代码和辅助药物发现等领域取得了显著成就，但在识别模糊或变形物体方面，它们可能仍需向普通的老鼠学习。意大利国际高等研究学院（SISSA）的研究人员在《模式》杂志上发表的一篇论文中指出，当涉及到处理旋转、调整大小或部分遮挡的物体时，图像识别模型的表现不及老鼠。

研究人员设计了一项实验，使用卷积神经网络（CNN），一种深度学习模型，试图模仿老鼠在识别不同条件下物体的能力。结果显示，虽然人工智能模型最终能够与老鼠匹敌，但这需要消耗大量的计算资源和能力。相比之下，老鼠视觉不仅高效且适应性强，还能在各种条件下准确识别物体。例如，老鼠的眼睛位于头部两侧，这赋予了它们更宽广的视野，有助于躲避捕食者。此外，老鼠眼睛会根据头部方向反向移动，使得它们在低头时看似斜视。

在这项实验中，老鼠被训练用零食奖励来识别显示器上的物体，并通过触发触摸传感器来确认识别结果。研究人员发现，无论是面对原始位置的物体还是经过旋转、缩放或部分遮挡的物体，老鼠都能轻松应对，而人工智能则需要不断增加层次和计算资源才能达到相似的效果。

这项研究表明，经过数百万年进化而来的老鼠视觉系统比现有的先进图像识别技术更为有效。SISSA 神经学家兼论文作者 Davide Zoccolan 在一份声明中表示：“大鼠通常被认为是视觉的糟糕模型，但实际上它们表现出了复杂的能力，迫使我们重新思考其视觉系统的潜力，同时也重新思考人工神经网络的局限性。”

这些发现提醒我们，尽管人工智能在某些特定任务上已经非常出色，但它们并非万无一失。例如，大型语言模型在医学院和法学院的标准化测试中已经超越了一些人类，但AI仍然无法在没有医生的情况下做出正式的医疗诊断，专业律师因引入包含虚假事实的AI生成的法律摘要而被罚款和停职。与此同时，双足机器人中实现的高级AI系统也经常难以保持平衡。换句话说，AI还有很多东西需要学习，无论是从人类还是动物身上。