斯坦福大学科学家利用人工智能创建大脑的“数字孪生体”

正如飞行员使用飞行模拟器安全地练习复杂动作一样，科学家们可能很快就会对高度逼真的小鼠大脑模拟进行实验。在一项新的研究中，斯坦福医学院的研究人员及其合作者开发了一种人工智能模型，用于创建小鼠视觉皮层（负责处理视觉信息的大脑区域）的“数字孪生”。

这个数字孪生模型基于大量真实小鼠观看电影片段时记录的神经活动数据集进行训练。训练完成后，它可以准确预测数万个神经元对新图像和视频的反应。数字孪生可以使研究大脑内部运作变得更容易、更高效。

“如果建立一个非常精确的大脑模型，那就意味着可以做更多的实验，”斯坦福大学眼科医学教授、4月10日发表在《自然》杂志上的这项研究的资深作者安德烈亚斯·托利亚斯博士说。“然后，可以将最有希望的那些模型在真实的大脑中进行测试。”

该研究的主要作者是贝勒医学院医学生 Eric Wang 博士。

之前的视觉皮层人工智能模型只能模拟大脑对训练数据中看到的刺激类型的反应，而新模型则不同，它可以预测大脑对各种新视觉输入的反应。它甚至可以推测每个神经元的解剖特征。

新模型是基础模型的一个例子，它是一种相对较新的人工智能模型，能够从大型数据集中学习，然后将这些知识应用于新任务和新类型的数据 - 或者研究人员所说的“在训练分布之外进行推广”。（ChatGPT 是一个熟悉的基础模型示例，它可以从大量文本中学习，然后理解并生成新文本。）

“从很多方面来说，智能的种子就在于强大的泛化能力，”托利亚斯说道，“而最终的目标就是能够泛化到训练分布之外的场景。”

为了训练新的AI模型，研究人员首先记录了真实小鼠在观看电影（为人类制作的电影）时的大脑活动。理想情况下，这些电影能够接近小鼠在自然环境中看到的内容。

“要为老鼠拍一部写实的电影非常困难，因为好莱坞电影里没人会拍老鼠电影，”托利亚斯说。不过动作片已经足够接近了。

数字孪生可以帮助科学家研究大脑内部运作。图片来源：Emily Moskal/斯坦福医学院

老鼠的视觉分辨率较低——类似于我们的周边视觉，这意味着它们主要看到的是运动，而不是细节或颜色。“老鼠喜欢运动，这会强烈激活它们的视觉系统，所以我们给它们播放了包含大量动作的影片，”托利亚斯说。

在多次短时间的观看过程中，研究人员记录了八只老鼠在观看《疯狂的麦克斯》等动作电影片段时超过900分钟的大脑活动。摄像机监测了它们的眼球运动和行为。

研究人员利用汇总数据训练核心模型，然后经过一些额外的训练，该模型可以定制为任何单个老鼠的数字孪生。

这些数字孪生能够精确模拟其生物对应体对各种新视觉刺激（包括视频和静态图像）的神经活动。托利亚斯表示，大量的聚合训练数据是数字孪生成功的关键。“它们之所以如此精准，是因为它们在如此庞大的数据集上进行了训练。”

尽管新模型仅针对神经活动进行训练，但它可以推广到其他类型的数据。

一只特定老鼠的数字孪生能够预测视觉皮层中数千个神经元的解剖位置和细胞类型以及这些神经元之间的连接。研究人员利用该小鼠视觉皮层的高分辨率电子显微镜成像验证了这些预测。该成像是更大项目的一部分，旨在以前所未有的细节绘制小鼠视觉皮层的结构和功能图谱。该项目名为MICrONS，其成果已同时发表在《自然》杂志上。

由于数字孪生可以在小鼠寿命结束后继续发挥作用，科学家可以在同一只动物身上进行几乎无限数量的实验。原本需要数年时间的实验现在可以在数小时内完成，数百万个实验可以同时进行，从而加速对大脑信息处理方式和智能原理的研究。

托利亚斯说：“我们正在尝试打开黑匣子，从单个神经元或神经元群体的层面来理解大脑，以及它们如何协同工作来编码信息。”

事实上，新模型已经产生了新的见解。在另一项同时发表在《自然》杂志上的相关研究中，研究人员利用数字孪生探索了视觉皮层中的神经元如何选择与之建立连接的其他神经元。

科学家们早已知道，相似的神经元倾向于建立连接，就像人们建立友谊一样。数字孪生揭示了哪些相似性最为重要。相比于对同一视觉空间区域做出反应的神经元，神经元更倾向于与对相同刺激（例如蓝色）做出反应的神经元建立连接。

“这就像一个人根据自己的喜好而不是所在位置来选择朋友，”托利亚斯说。“我们了解了大脑组织结构的更精确的规则。”

研究人员计划将他们的模型扩展到其他大脑区域以及具有更高级认知能力的动物，包括灵长类动物。

“最终，我相信至少可以构建部分人脑的数字孪生，”托利亚斯说。“这只是冰山一角。”

编译自/ScitechDaily