正如飛行員可以在模擬器中練習(xí)飛行操作，科學(xué)家也許很快能夠在“虛擬大腦”中進行腦科學(xué)實驗。斯坦福醫(yī)學(xué)院與多家科研機構(gòu)合作，近日在《自然》（Nature）雜志上發(fā)表了一項突破性研究，構(gòu)建出一套可以精準(zhǔn)模擬小鼠視覺皮層活動的人工智能模型，也被稱為“大腦的數(shù)字孿生”。

該模型通過訓(xùn)練大規(guī)模腦活動數(shù)據(jù)構(gòu)建而成，能預(yù)測數(shù)萬神經(jīng)元在觀看新的視頻或圖像時的反應(yīng)。這一“數(shù)字鼠腦”不僅能夠加速腦科學(xué)研究，還為深入理解神經(jīng)系統(tǒng)的工作機制提供了新工具。

“如果你構(gòu)建出一個高度準(zhǔn)確的大腦模型，就可以開展更多實驗，而且效率更高，”論文通訊作者、斯坦福醫(yī)學(xué)院眼科學(xué)教授安德烈亞斯·托利亞斯（Andreas Tolias）表示，“最有前景的實驗再回到真實大腦中進行驗證。”

本研究的第一作者為貝勒醫(yī)學(xué)院（Baylor College of Medicine）醫(yī)學(xué)博士生王睿（Eric Wang）。

超越訓(xùn)練邊界：類“基礎(chǔ)模型”AI登場

與以往只能在訓(xùn)練數(shù)據(jù)范圍內(nèi)進行模擬的AI模型不同，這一新模型具備“泛化能力”，可以預(yù)測對全新視覺輸入的反應(yīng)，甚至還能推斷出單個神經(jīng)元的解剖特征。這使其被歸類為“基礎(chǔ)模型”（foundation model）的一種——類似ChatGPT那樣，可以從大規(guī)模數(shù)據(jù)中學(xué)習(xí)，并將知識遷移至全新任務(wù)上。

“某種意義上，智能的種子正是這種穩(wěn)健的泛化能力，”托利亞斯說，“我們的終極目標(biāo)，就是讓模型能夠在未見過的場景中表現(xiàn)出色?！?/p>

用“動作片”訓(xùn)練鼠腦AI

研究人員讓小鼠觀看了超過900分鐘的視頻片段——包括諸如《瘋狂的麥克斯》（Mad Max）之類的動作電影。這些影片雖非為小鼠設(shè)計，但因其強烈的運動畫面，能顯著激活小鼠以運動感知為主的低分辨率視覺系統(tǒng)。

“我們找不到專門為小鼠拍的電影，只能退而求其次，”托利亞斯笑稱，“動作片夠用?！?/p>

研究團隊使用這批數(shù)據(jù)訓(xùn)練出一個“核心模型”，隨后再通過少量額外數(shù)據(jù)調(diào)整，創(chuàng)建出特定小鼠的“數(shù)字孿生”。

準(zhǔn)確模擬神經(jīng)元響應(yīng)，甚至揭示連接規(guī)則

訓(xùn)練后的數(shù)字孿生模型能夠精準(zhǔn)預(yù)測小鼠大腦對新圖像與視頻的神經(jīng)反應(yīng)。更令人驚喜的是，盡管模型僅基于神經(jīng)活動訓(xùn)練，它還能推斷神經(jīng)元的空間位置、類型，甚至它們之間的連接方式。

研究人員將模型預(yù)測結(jié)果與顯微鏡下對小鼠視覺皮層的結(jié)構(gòu)成像進行對照，發(fā)現(xiàn)高度吻合。這部分驗證工作來自另一個同時發(fā)表在《自然》的項目——MICrONS（大規(guī)模神經(jīng)元結(jié)構(gòu)與功能圖譜計劃）。

另一項同步研究中，研究人員還借助數(shù)字孿生發(fā)現(xiàn)：在神經(jīng)元之間建立連接時，具有相同刺激偏好的神經(jīng)元更容易連結(jié)，比如都對藍色敏感的神經(jīng)元更傾向彼此相連，而不是根據(jù)在視網(wǎng)膜上位置的接近程度來選擇連接對象。

“這就像人交朋友，更在意興趣相投，而不是住得近，”托利亞斯解釋道。

人腦數(shù)字孿生未來可期

由于“數(shù)字大腦”不受生物壽命限制，科學(xué)家可以在其上進行幾乎無限次數(shù)的模擬實驗。原本耗時數(shù)年甚至幾十年的研究，可能在數(shù)小時內(nèi)完成，極大提升了研究效率。

“我們正在試圖打開‘黑箱’，從單個神經(jīng)元乃至整個網(wǎng)絡(luò)層面，揭示大腦是如何編碼和處理信息的?！?/p>

研究團隊計劃將這一技術(shù)拓展到小鼠視覺皮層以外的腦區(qū)，乃至更復(fù)雜的動物大腦，如靈長類動物。

“最終，我們相信可以構(gòu)建出部分人腦的數(shù)字孿生，”托利亞斯說，“這才剛剛是個開始?！?/p>

本研究由斯坦福大學(xué)、哥廷根大學(xué)（University of G?ttingen）與艾倫腦科學(xué)研究所（Allen Institute for Brain Science）等機構(gòu)共同完成。

參考文獻：Eric Y. Wang et al, Foundation model of neural activity predicts response to new stimulus types,?Nature?(2025).?DOI: 10.1038/s41586-025-08829-y

編輯：王洪

排版：李麗