AI模型如何解析和控制大脑？「数字孪生」大脑也许不是伪命题

编译 | 萝卜皮

对于 Martin Schrimpf 来说，人工智能的前景不在于它能够完成哪些任务，而在于它能够揭示人类智能的奥秘。

他正在利用人工神经网络构建大脑的「数字孪生」——这种人工智能模型大致灵感来源于神经元之间的通信方式。

这个最终目标听起来宏大得近乎荒谬，但他的方法却很简单。

首先，他和同事们对人类进行语言或视觉相关任务的测试。然后，他们将观察到的行为或大脑活动与为完成相同任务而构建的人工智能模型的结果进行比较。最后，他们利用这些数据对模型进行微调，从而创造出越来越像人类的人工智能。

这个过程在数据和模型数量较多的情况下效果最佳，因此 Schrimpf 构建了一个名为 Brain-Score 的开源平台，其中包含近百个人类神经和行为数据集。

自 Schrimpf 在 2017 年（当时他还在读研究生）首次开发该平台以来，研究人员已经根据人类数据测试了数千个人工智能模型。

Brain-Score：https://www.brain-score.org/

Schrimpf 原本计划在科技行业工作，但在学术生涯早期与他人共同创办了两家软件初创公司后，他感到有些不满足。

「我以为我可以问问神经科学家大脑是如何运作的，这能帮助我构建更好的人工智能。」他说，「但我意识到，反过来也蕴藏着巨大的机遇：在计算机上用计算机模拟原型，并用人工智能模型来解释大脑。」

他从德国来到美国，在麻省理工学院攻读大脑与认知科学博士学位。2023 年，他回到欧洲，在瑞士洛桑联邦理工学院创办了神经人工智能实验室。

同年，他还与他人合作撰写了一篇论文，展示了人工智能模型如何改变神经科学。

论文链接：https://www.nature.com/articles/s41562-023-01783-7

Schrimpf 所在团队训练了一个模型来生成句子，这些句子在阅读时会激活或抑制读者大脑中的神经活动。当他们在人类受试者身上进行测试时，脑部扫描证实了人工智能生成的句子确实按照模型预测的方式改变了神经活动。

这项研究标志着各领域的研究人员首次对高级大脑活动进行非侵入性控制。通过这种方法，科学家们有望利用人工智能产生的刺激来辅助治疗抑郁症、阅读障碍以及各类与大脑相关的疾病。

媒体与 Schrimpf 就人工神经网络如何揭示智能、神经科学的未来以及预测和影响人类思维的伦理考量进行了探讨，访谈内容已进行精简和编辑。

Q：你研究大脑中的视觉和语言系统。为什么选择研究这些？

Schrimpf：我想建立一个大脑模型。从视觉开始是一个相对务实的决定，因为神经科学的大部分数据在视觉领域，另外在屏幕上可以快速连续地显示多种视觉刺激。转向语言则是为了看看我们正在开发的用于感觉系统（例如视觉）的技术是否能够迁移或者转化。

Q：事实真的如此吗？

Schrimpf：是的，人类的语言系统似乎可以被视为特征的编码器，就像视觉系统一样。这可能意味着大脑中构建词语或物体心理表征的方式，在认知系统中比我们想象得更为普遍。

Q：众所周知，人工神经网络很难理解，因此，当一个模型似乎与真实的神经数据一致时，你怎么知道这不仅仅是一种表面上的相关性？

Schrimpf：我们掌握了这些模型的所有信息，只是解析起来非常困难。我们试图让数据自己说话。

你可以比较两个人的大脑，发现他们的活动模式相似。这基本上就是我们利用 Brain-Score 列表中的所有神经和行为数据构建模型的方法。

如果数据量很大，而模型不断接近上限——我认为我们在视觉和语言方面就面临这种情况——那么它们可能并不完美，但它们正在开始趋于一致。

Q：这些人工智能系统与大脑有多相似？

Schrimpf：人工神经网络在神经元层面与大脑中的神经处理单元具有相似性。它们能够反映与大脑相当一致的活动，甚至可以模仿人类行为。

我们或许永远无法用简化的模型完美地解释大脑。但对我来说，更有趣的问题是，现有的模型对脑科学究竟有多大用处。我认为它们比大多数人认为的要好得多。

Q：一些神经科学家说你的方法没有考虑到心理数据。这公平吗？

Schrimpf：确实，在很多方面，我们正在抛弃经典的神经科学方法。我们说：「让我们获取更多数据，构建一些我们可能无法真正理解其内部机制的模型。」

经典神经科学家对我们的研究往往抱有褒贬不一的态度。我认为很多人并没有意识到这些模型在模拟大脑功能方面已经非常出色。

我不认为只有一种方法是正确的。它们都有各自的优势和局限性。这只是对哪种方法最终会更有效的不同押注，而我押注的是这种人工智能建模方法。

Q：我们距离大脑的数字孪生还有多远？你期待看到它吗？

Schrimpf：这正是 Brain-Score 想要量化的！我乐观地认为我们能够接近目标，并且希望只需几十年时间。如果我们真的做到了，我会想：「太棒了，我们做到了。现在让我们看看能用它做什么。」

Q：你会用它做什么？

Schrimpf：我们的梦想之一是开发一种「字体」，帮助患有阅读障碍的人理解句子。如果我们建立了阅读障碍模型，我们就可以对其进行探索，找到文本中哪些地方更容易阅读。

或者，如果我们拥有正在接受抑郁症治疗的患者大脑的数字孪生，我们就可以优化有效的治疗方案。此外，还可以进行侵入式刺激——你可以让模型直接将大脑状态转变为抑郁程度较低的状态。

Q：利用人工智能影响大脑活动是否存在极限？

Schrimpf：在决策或一般记忆等领域，我们距离影响神经活动还很遥远。但如果我们能够准确地模拟认知，我们也应该能够诱导可测量的特定感知体验。

Q：然而，这是一个道德雷区。如何开发「能够负责任地影响思维」的人工智能模型？

Schrimpf：我们需要与专家合作，而且我们正在探索这个问题，并致力于未来可能成为产品的东西。建立立法框架至关重要，但即使在今天，政策制定者也不清楚哪些是可行的。我们已经可以对大脑进行很多研究，只是目前还没有任何法律框架。

我确实担心时间线进展得太快了。就像我们在人工智能领域看到的那样，等到它引起公众关注时，为了确保一切顺利，还需要做很多事后工作。似乎无论社会如何发展，安全都是事后才考虑的。

Q：你发现，纯粹基于计算任务训练的人工智能模型仍然可以精确预测人类的神经反应。这是否意味着人类智能可以简化为计算？

Schrimpf：如果你观察当前的人工智能系统，它们看起来非常智能。当然，它们还存在缺陷，但我肯定会将它们能够进行的「推理」称为智能。所以，我确实认为智能是可以简化的。我们人类有一种特定的生物实现方式，但我们已经看到证据表明，它并非智能唯一的实现方式。

Q：这些证据会改变你对人类本质的理解吗？

Schrimpf：如果我们接受人类行为源于物理过程的观点，那么人工构建此类过程就没有任何内在限制。

人工智能模型摒弃了生化突触，使用简单的单元级处理，不再是复杂的细胞机制。但是，我们看到人工智能的行为却与人类认知相近。

所以，我认为我们在人类身上看到的智慧并非我们独有。它是一种信息处理模式，可以在其他地方产生。就我个人而言，我对此并不感到不安。我将其视为一个进一步了解我们自身的机会。

在我看来，人类体验的独特之处不在于其底层的构成要素，而在于其在一生中积累的各种经验的集合。

相关内容：https://www.quantamagazine.org/how-ai-models-are-helping-to-understand-and-control-the-brain-20250618/