研究人员使用可解释的人工智能将假设动物的觅食行为分解成可测量的认知动态。他们希望他们的成功能让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，“思维的神经基础”是如何工作的。
这项复杂的工作是在休斯顿贝勒医学院和莱斯大学进行的，并在《美国国家科学院院刊》发表的一项研究中进行了描述。
通讯作者Xaq Pitkow博士和他的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。这项任务要求网络整合一路上获得的证据，同时记住之前的进展并计划后续行动。
“我们的方法成功地恢复了代理的内部模型和主观偏好，并发现神经计算与理性模型一致，”作者在讨论部分评论道。
在贝勒的博客文章中，科学作家阿纳玛阿罗德里古兹博士写道，研究团队使用了一种跟踪思维过程的方法，称为逆向理性控制。这种方法需要观察一种行为，并推断出最能解释观察到的行为的信念或想法。
罗德里格斯写道：“传统上，这一领域的研究人员一直以这样一种方式工作，即动物能最好地解决任务，它们的行为能使它们的净收益最大化。”“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。”
Pitkow补充说，有时动物对环境中发生的事情有“错误”的信念或假设，但鉴于它们认为周围正在发生的事情，它们仍然会为自己的任务找到最佳的长期结果。"
皮特科说，这可以解释为什么动物似乎表现出理性和“次优”的行为。
