AI起源于人類利用「電腦」模擬「大腦」，希望計算機(jī)和人類一樣可以處理各種任務(wù)。

或許，計算機(jī)還沒有產(chǎn)生和人類一樣的「智慧」。

但不妨設(shè)想一下「硅基大腦」—— 高級的AI模型，它能夠破譯人類的思維，讓「啞巴」重新說話，也許有朝一日，甚至能預(yù)測大腦的「一舉一動」。

這不是科幻小說，而是Shailee Jain正在努力實現(xiàn)的未來。

在近日采訪中，Shailee Jain分享了踏入AI+神經(jīng)科學(xué)的交叉領(lǐng)域的心路歷程，描述了神經(jīng)科學(xué)的未來：建立「硅基大腦」。

「硅基大腦」

Shailee Jain對神經(jīng)科學(xué)與AI交叉領(lǐng)域的興趣，起源于對大腦復(fù)雜性的迷戀。

AI不僅可以分析海量數(shù)據(jù)、幫助撰寫郵件或推薦股票，還有可能模仿人類最根本的特性——思考、說話和互動。

這種觀點深深吸引了她。

2023年，她加入了加州大學(xué)舊金山分校（UCSF）張復(fù)倫（Edward Chang）博士的實驗室，研究全腦網(wǎng)絡(luò)（brain-wide networks）及單個神經(jīng)元的活動，以了解人類的大腦是如何實現(xiàn)基本的人類特質(zhì)：語言。

神經(jīng)科學(xué)領(lǐng)域長期以來因技術(shù)限制進(jìn)展緩慢，但20世紀(jì)80年代和90年代的腦測量技術(shù)，革命性地改變了這一狀況。

如今，在Chang Lab，在患者接受腦外科手術(shù)時，可以同時記錄單個神經(jīng)元的活動。

10年前，這樣的技術(shù)還無法想象，但現(xiàn)在我們可以追蹤數(shù)百個單神經(jīng)元的活動，為揭示控制語言等復(fù)雜行為的腦回路提供了全新視角。

Shailee Jain是加州大學(xué)舊金山分校威爾神經(jīng)科學(xué)研究所Edward Chang實驗室的博士后研究員。

盡管這些數(shù)據(jù)極其珍貴，但要充分利用它們，需要強(qiáng)大的計算工具。

這正是AI和CS派上用場的地方。

AI與腦活動測量方法的結(jié)合，有望徹底改變神經(jīng)科學(xué)。

探索單神經(jīng)元的AI模型

由于海量數(shù)據(jù)和強(qiáng)大的計算機(jī)，AI為人類理解大腦開辟全新的可能性。

這是一個重要的轉(zhuǎn)折點。

過去十年間，AI已經(jīng)被成功用于分析通過功能性磁共振成像（fMRI）、腦磁圖（MEG）和腦電圖（EEG）等技術(shù)收集的大腦數(shù)據(jù)。

然而，目前，對單神經(jīng)元活動的AI建模，仍處于初期階段。

在UCSF，神經(jīng)外科醫(yī)生、神經(jīng)病學(xué)家和精神病學(xué)家合作，收集了高質(zhì)量、多樣化的大腦數(shù)據(jù)，例如：

• fMRI：大腦的「溫度計」，顯示大腦活動的「熱點」，展示大腦不同區(qū)域在特定時間的活動情況。
• 彌散張量成像（diffusion tensor imaging）：大腦的「交通地圖」，揭示大腦不同區(qū)域之間的連接方式。
• Neuropixel 探針：腦細(xì)胞的「顯微鏡」，記錄單個神經(jīng)元的活動。

3D打印的大腦模型，背景是Shailee Jain的大腦掃描圖。

張復(fù)倫博士，開創(chuàng)性地將Neuropixel探針用于人類手術(shù)。

而且在手術(shù)過程中，病人處于清醒狀態(tài)，在手術(shù)室里執(zhí)行不同的任務(wù)，同時探針記錄神經(jīng)元的活動。

這種精確到神經(jīng)元水平的觀察，為研究大腦提供了前所未有的機(jī)會。

整合多種數(shù)據(jù)

Shailee Jain的工作是將這些多樣化的數(shù)據(jù)輸入到人工神經(jīng)網(wǎng)絡(luò)中，目標(biāo)是讓模型生成與患者大腦相同的活動模式。

這一過程的挑戰(zhàn)在于整合多種數(shù)據(jù)。

例如，fMRI反映的是大腦不同區(qū)域的氧氣使用情況，而不是直接的神經(jīng)活動，雖然數(shù)據(jù)分辨率較低，但對于觀察整個大腦的活動模式具有重要價值；而Neuropixel探針提供了單神經(jīng)元的高分辨率數(shù)據(jù)，卻缺乏全腦視角。

她希望構(gòu)建能處理多種數(shù)據(jù)模式的AI模型，全面描繪人類大腦。

為了訓(xùn)練神經(jīng)網(wǎng)絡(luò)，不僅僅要關(guān)注神經(jīng)數(shù)據(jù)，還要結(jié)合患者讀到的文本、聽到的語言，以及行為數(shù)據(jù)（如理解能力或解題能力）。

技術(shù)應(yīng)用

通過整合這些數(shù)據(jù)，有希望創(chuàng)建能夠模擬人類大腦的「硅腦」。

數(shù)字孿生大腦以及未來應(yīng)用

新一代腦機(jī)接口

硅腦技術(shù)最令人興奮的應(yīng)用之一是新一代腦機(jī)接口（BCI）的開發(fā)。

近年來，利用BCI技術(shù)，Chang博士的團(tuán)隊，幫助癱瘓和無法說話的患者，重新獲得了與人交流的能力。

然而，目前的BCI系統(tǒng)需要針對每位患者收集大量訓(xùn)練數(shù)據(jù)，耗時且成本高昂。

硅腦有望改變這一現(xiàn)狀。

基于海量神經(jīng)數(shù)據(jù)，訓(xùn)練一個AI模型，可以開發(fā)無需大規(guī)模校準(zhǔn)，即可立即使用的設(shè)備，從第一天起就能幫助患者恢復(fù)語言或動作。

這將對患者護(hù)理產(chǎn)生巨大影響。

精神病治療

在精神健康領(lǐng)域，這項技術(shù)的潛力更為深遠(yuǎn)。

長期以來，我們對神經(jīng)精神疾病的理解一直受到工具的限制。

精神分裂癥、雙相情感障礙和抑郁癥等神經(jīng)精神疾病，發(fā)病條件極其復(fù)雜，是涉及大腦多個區(qū)域神經(jīng)元的復(fù)雜網(wǎng)絡(luò)。

為了了解人腦各部分的工作原理，雖然無法剖析活著的人腦，但可以通過人工大腦模型來做到這一點。

特定神經(jīng)精神疾病患者的數(shù)據(jù)，提供給AI系統(tǒng)，可以了解大腦不同部分如何相互作用的模式，以及這些相互作用如何出錯。

這可能會帶來新的、更有針對性的治療方法，解決潛在的神經(jīng)機(jī)制，而不僅僅是緩解癥狀。

人工模型越來越接近對不同腦部疾病的模擬，我們將能夠開展在人類身上無法進(jìn)行的實驗。在受控的環(huán)境中，能夠探索特定刺激或干預(yù)措施，如何影響神經(jīng)活動，從而更好地理解和治療這些疾病。

隨著時間的推移，還可以進(jìn)一步擴(kuò)展研究，探討大腦如何感知外部世界、提取記憶，以及最終如何產(chǎn)生思想。

未來，在人工大腦模型中，甚至可以模擬不同的腦部疾病，進(jìn)行無法在人類患者身上完成的實驗。這將幫助人類更好地理解和治療這些復(fù)雜的疾病，并深入研究大腦如何感知外界、提取記憶和產(chǎn)生思維。

數(shù)字孿生

展望未來20至50年，相信基于腦數(shù)據(jù)訓(xùn)練的AI系統(tǒng)，能夠創(chuàng)建「數(shù)字孿生」——每個人獨特的大腦模型。

這些AI生成的模型不僅能復(fù)制一般的腦活動，還能精確模擬個人的神經(jīng)模式，從而為大腦活動提供精準(zhǔn)的分析。

例如，手術(shù)前，患者的數(shù)字孿生模型，可以用于模擬手術(shù)并預(yù)測結(jié)果；對于神經(jīng)精神疾病，可根據(jù)每位患者獨特的腦活動模式，設(shè)計高度個性化的治療方案。

面臨的挑戰(zhàn)與道德問題

盡管前景令人興奮，這一技術(shù)剛剛起步。

未來需要不斷改進(jìn)這些模型，并確保其在臨床應(yīng)用中的倫理性和公平性。

尤其是在人腦數(shù)據(jù)的使用中，知情同意和數(shù)據(jù)隱私至關(guān)重要。

此外，隨著這些模型變得更加成熟，需要深入探討技術(shù)濫用的潛在風(fēng)險，特別是當(dāng)模型能夠預(yù)測個體腦活動時。

這些問題發(fā)人深省。

但隨著技術(shù)的快速發(fā)展，我們距離這一未來或許比想象中更近。

充分利用AI的力量，我們不僅是在設(shè)想未來，而是在親手創(chuàng)造未來。

作者介紹

目前，她是加州大學(xué)舊金山分校（UCSF）神經(jīng)外科Chang Lab的博士后研究員。

之前，在德克薩斯大學(xué)奧斯汀分校（UT Austin）Huth實驗室，她完成了計算機(jī)科學(xué)碩士/博士學(xué)位，期間與谷歌AI語言團(tuán)隊和英特爾腦啟發(fā)計算實驗室的研究人員進(jìn)行了合作。

她的博士論文聚焦于聯(lián)合解釋人類大腦和神經(jīng)自然語言處理（NLP）模型如何處理語言。

在印度國家技術(shù)學(xué)院卡納塔克（NITK），她完成了本科學(xué)習(xí)，并在德國Leuphana大學(xué)的機(jī)器學(xué)習(xí)組度過了一段時間。