想象一下，你身处一个陌生的城镇中心。即使你最初对周围环境并不熟悉，你也可以探索周围环境，并最终在脑海中绘制出一幅环境地图——建筑物、街道、标志等相互之间的关系。大脑构建空间地图的能力是人类更高级认知类型的基础：例如，有理论认为语言被编码在大脑中类似地图的结构中。

尽管尖端人工智能和神经网络能够做到一切，但它们无法凭空构建地图。

“人们有一种感觉，即使是最先进的人工智能模型也还不是真正的智能，”计算生物学助理教授兼 Heritage 医学研究所研究员 Matt Thomson 说道。“它们不能像我们一样解决问题;它们无法证明未经证实的数学结果或产生新的想法。”

“我们认为这是因为它们无法在概念空间中导航;解决复杂问题就像在概念空间中移动，就像导航一样。人工智能更像是死记硬背——你给它一个输入，它会给你一个回应。但它无法综合不同的想法。”

汤姆森实验室的一篇新论文发现，神经网络可以通过一种称为预测编码的算法来构建空间地图。这篇论文于 7 月 18 日发表在《自然机器智能》杂志上。

在研究生詹姆斯·戈内特的带领下，两人在 Minecraft 游戏中构建了环境，融合了树木、河流和洞穴等复杂元素。他们录制了玩家随机穿越该区域的视频，并使用该视频训练配备了预测编码算法的神经网络。

他们发现神经网络能够学习 Minecraft 世界中的物体如何相互组织，并且能够“预测”在空间中移动时会出现什么样的环境。

更重要的是，该团队“打开”了神经网络(编码相当于“检查引擎盖下”)，发现各种对象的表示在空间上是相对于彼此存储的 - 换句话说，他们看到了存储在神经网络中的 Minecraft 环境的地图。