AI 模型如何帮助理解和控制大脑

为马丁·施林普夫（打开新标签页），人工智能的前景不在于它可以完成的任务。而是 AI 可能揭示的人类智能。

他正在努力使用人工神经网络构建大脑的“数字孪生”，人工智能模型大致受到神经元之间交流方式的启发。

这个最终目标听起来几乎荒谬宏大，但他的方法很简单。首先，他和他的同事们在与语言或视觉相关的任务上测试人们。然后，他们将观察到的行为或大脑活动与为执行相同作而构建的 AI 模型的结果进行比较。最后，他们使用这些数据来微调他们的模型，以创建越来越像人类的 AI。

该过程最适合处理更多数据和更多模型，因此 Schrimpf 构建了一个名为大脑评分（打开新标签页）其中包含近 100 个人类神经和行为数据集。自 Schrimpf 于 2017 年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 AI 模型，当时他还在读研究生。

Schrimpf 最初计划在科技行业工作，但在他早期的学术生涯中共同创立了两家软件初创公司后，他感到没有成就感。“我想我可以问神经科学家大脑是如何工作的，这将帮助我构建更好的 AI，”他说。“但我意识到在相反的方向上存在一个巨大的机会：[在计算机上] 以计算机模拟方式构建想法原型，并使用 AI 模型来解释大脑。”

他从祖国德国搬到美国，在麻省理工学院获得大脑和认知科学博士学位。2023 年，他搬回欧洲，在瑞士洛桑联邦理工学院创办了 NeuroAI 实验室。

Schrimpf 的实验表明，大脑的视觉和语言系统以类似的方式处理信息。

塞缪尔·卢比奥 （Samuel Rubio） 为 Quanta 杂志拍摄

那一年，他还与人合著了一项研究，展示了AI 模型如何改变神经科学（打开新标签页）。Schrimpf 和他的同事训练了一个模型来生成句子，当阅读这些句子时，这些句子会激活或抑制读者大脑中的神经活动。当他们用人类受试者进行测试时，大脑扫描证实，人工智能生成的句子确实以模型预测的方式改变了神经活动。该研究标志着任何领域的研究人员首次对高级大脑活动进行无创控制。使用这种方法，科学家们可能会使用 AI 生成的刺激来帮助治疗抑郁症、阅读障碍和其他与大脑相关的疾病。

Quanta 与 Schrimpf 讨论了人工神经网络对智能的揭示、神经科学的未来以及预测和影响人类思想的道德考虑。为清晰起见，采访内容经过了压缩和编辑。

您研究大脑中的视觉和语言系统。为什么是这些？

我想建立一个大脑模型。从视觉开始是一个实际的决定，因为该领域产生了神经科学的大部分数据，主要是因为屏幕擅长快速连续地显示许多刺激。转向语言是一个决定，看看我们为感觉系统（如视觉）开发的技术是否会转化。

瑞士洛桑联邦理工学院校园内的 Schrimpf。

塞缪尔·卢比奥 （Samuel Rubio） 为 Quanta 杂志拍摄

他们是吗？

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。这可能意味着单词或物体的心理表征在大脑中构建的方式比我们假设的更普遍。

众所周知，理解人工神经网络是很困难的，所以当一个模型看起来确实与真实的神经数据一致时，你怎么知道它不仅仅是表面的相关性呢？

我们拥有这些模型的所有信息。只是很难解析。我们试图让数据自己说话。你可以比较两个人脑，发现它们的活动模式是相似的。这基本上就是我们对模型所做的，其中包含我们在 Brain-Score 列表中拥有的所有神经和行为数据。

如果有大量数据，并且模型不断接近天花板——我认为这就是我们在视觉和语言方面所处的情况——那么它们可能并不完美，但它们开始保持一致。

这些 AI 系统与大脑有多相似？

人工神经网络与大脑中的神经元处理单元具有神经元级别的相似性。它们可以反映与大脑相当一致的活动，甚至可以模仿人类行为。

Schrimpf 拿着麻省理工学院的博士毕业帽，其中包括他大脑的 3D 模型和他在麻省理工学院工作期间的其他纪念品。

塞缪尔·卢比奥 （Samuel Rubio） 为 Quanta 杂志拍摄

我们可能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，目前的模型对脑科学已经有多大用处。我认为他们比大多数人认为的要好得多。

一些神经科学家表示，您的方法没有考虑心理数据。这公平吗？

确实，在许多方面，我们正在抛弃经典的神经科学方法。我们说，“让我们获得更多数据并构建我们可能实际上不了解内部机制的模型。

古典神经科学家对我们的研究的反应往往是积极的怀疑。我认为许多人没有意识到这些模型在模拟大脑功能方面已经有多么出色。

我不认为这只是一种方法是正确的。它们都有自己的成功和局限性。只是最终哪个会更有效有不同的赌注，我押注这种 AI 建模方法。

我们离大脑的数字孪生有多近？你期望看到一个吗？

这正是 Brain-Score 试图量化的！我乐观地认为我们可以接近，我希望这只需要几十年。如果我们到达那里，我会想，“太好了，我们做到了。现在让我们看看我们能用它做什么。

Schrimpf 训练了 AI 模型来创建能够精确改变读者大脑活动的句子。

塞缪尔·卢比奥 （Samuel Rubio） 为 Quanta 杂志拍摄

你会用它做什么？

我们的梦想之一是生成一种字体，可以帮助阅读障碍者解析句子。如果我们有一个阅读障碍模型，我们可以探索它并找到文本的变化，使人们更容易阅读。

或者，如果我们有一个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。还有侵入性刺激——你可以问模型如何直接将大脑状态改变为抑郁程度较低的状态。

使用 AI 影响大脑活动是否有任何限制？

在决策或一般记忆等领域，我们仍然远未影响神经活动。但是，如果我们能够准确地模拟认知，我们也应该能够诱导我们可以测量的特定感知体验。

不过，这是一个道德雷区。您如何开发能够负责任地影响思想的 AI 模型？

我们需要在这方面与专家合作，我们正在探索这一点，因为我们正在朝着有朝一日可能成为产品的方向发展。创建立法框架至关重要，但即使在今天，政策制定者也不清楚什么是可能的。我们已经可以用大脑做很多事情，而大脑周围没有任何法律框架。

我确实担心时间表过得太快。正如我们在 AI 中看到的那样，当它成为公众关注的焦点时，会有很多追溯工作来确保一切都正确完成。似乎无论社会发展如何，安全都是事后才想到的。

“人工神经网络与大脑中的神经元处理单元具有神经元级别的相似性，”Schrimpf 说。“它们可以反映与大脑合理一致的活动，甚至可以模仿人类行为。”

塞缪尔·卢比奥 （Samuel Rubio） 为 Quanta 杂志拍摄

您发现，纯粹在计算任务上训练的 AI 模型仍然可以密切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？

如果你看一下当前的 AI 系统，它们看起来非常智能。它们有缺陷，但我肯定会开始称它们能够做的那种推理是智能的。所以，我确实认为智能是可简化的。我们有一个特定的生物实现，但我们已经看到证据表明它并不是唯一的实现。

这些证据是否改变了你认为作为人类的意义？

如果我们接受人类行为源于物理过程，那么人工构建此类过程就没有内在的限制。AI 模型放弃了生化突触，使用简单的单元级处理，而不是复杂的细胞机制。然而，我们看到出现了让人想起人类认知的行为。

所以，我认为我们在人类身上看到的智能并不是我们独有的。这是一种可能在其他地方出现的信息处理模式。就我个人而言，我对此并不感到不安。我认为这是一个更多地了解自己的机会。在我看来，人类体验的独特之处不是底层的组成部分，而是一生中积累的经验的集合。