是否有镜像神经元的计算模型？

从维基百科：

镜像神经元是一种在动物行动时以及动物观察到另一人执行的相同动作时均会激发的神经元。

镜像神经元与模仿学习有关，模仿学习是当前现实世界中AI实现中缺少的非常有用的功能。代替从输入输出示例（监督学习）或从奖励（强化学习）中学习，具有镜像神经元的智能体将能够通过简单地观察其他智能体，将其运动转换为自己的坐标系来学习。关于计算模型，我们对此有什么看法？

本文根据Hebbian学习（一种已在AI中广泛使用的机制）对镜像神经元进行了描述。我不知道本文中给出的公式是否实际上已经通过计算实现。

不管是“我接球”还是“他接球”，所有存储的“接球”和“接球”实例将被弱激活，而“接球”将被强烈激活。这不是“镜像”吗？如果您还知道“我有手臂”和“他有手臂”等，那么当“他有一些障碍”时，就不难想到“我可以有一些障碍”。

实际上，我们确实有很多事情要做，几乎可以立即想到3D电影实例的运动捕捉。如果我认为这不是观察另一个参与者的情况，那么计算机已经相对应地善于利用我们拥有的图像识别软件来做到这一点，而这是理解一个动作是否能够产生良好结果的问题。网络，这是计算机无法执行的操作，因为它不是单节点网络问题。例如，我们已经对计算机进行了编程以理解人类语言（可以说是沃森），但是即使沃森也无法理解说“ f ***”是不好的概念。（查一下，这是个有趣的小故事。）

但是，要点是，学习算法在某种意义上不是真正的学习，因为计算机当前尚无“好结果”的感觉，因此，在这一阶段，观察学习在某种意义上非常局限于“猴子看，猴子做”。

也许我所读过的最接近的东西是网络上的消防搜索和救援机器人，当其中一个被摧毁时，它们会相互广播，因为这些机器人会知道该区域是他们必须避免的地方。

否则，我认为这是观察学习的问题。一个人可以观察到拳打某人通常会让你反击，一台计算机会观察并模仿动作，无论好坏。