正如飛行員使用飛行模擬器安全地練習複雜動作一樣，科學家們可能很快就會對高度逼真的小鼠大腦模擬進行實驗。在一項新的研究中，斯坦福醫學院的研究人員及其合作者開發了一種人工智能模型，用於創建小鼠視覺皮層（負責處理視覺信息的大腦區域）的「數字孿生」。
這個數字孿生模型基於大量真實小鼠觀看電影片段時記錄的神經活動數據集進行訓練。訓練完成後，它可以準確預測數萬個神經元對新圖像和視頻的反應。數字孿生可以使研究大腦內部運作變得更容易、更高效。
「如果建立一個非常精確的大腦模型，那就意味着可以做更多的實驗，」史丹福大學眼科醫學教授、4月10日發表在《自然》雜誌上的這項研究的資深作者安德烈亞斯·托利亞斯博士說。「然後，可以將最有希望的那些模型在真實的大腦中進行測試。」
該研究的主要作者是貝勒醫學院醫學生 Eric Wang博士。
之前的視覺皮層人工智能模型只能模擬大腦對訓練數據中看到的刺激類型的反應，而新模型則不同，它可以預測大腦對各種新視覺輸入的反應。它甚至可以推測每個神經元的解剖特徵。
新模型是基礎模型的一個例子，它是一種相對較新的人工智能模型，能夠從大型數據集中學習，然後將這些知識應用於新任務和新類型的數據-或者研究人員所說的「在訓練分佈之外進行推廣」。（ChatGPT是一個熟悉的基礎模型示例，它可以從大量文本中學習，然後理解並生成新文本。）
「從很多方面來說，智能的種子就在於強大的泛化能力，」托利亞斯說道，「而最終的目標就是能夠泛化到訓練分佈之外的場景。」
為了訓練新的AI模型，研究人員首先記錄了真實小鼠在觀看電影（為人類製作的電影）時的大腦活動。理想情況下，這些電影能夠接近小鼠在自然環境中看到的內容。
「要為老鼠拍一部寫實的電影非常困難，因為荷里活電影裏沒人會拍老鼠電影，」托利亞斯說。不過動作片已經足夠接近了。
老鼠的視覺解像度較低——類似於我們的周邊視覺，這意味着它們主要看到的是運動，而不是細節或顏色。「老鼠喜歡運動，這會強烈激活它們的視覺系統，所以我們給它們播放了包含大量動作的影片，」托利亞斯說。
在多次短時間的觀看過程中，研究人員記錄了八隻老鼠在觀看《瘋狂的麥克斯》等動作電影片段時超過900分鐘的大腦活動。攝像機監測了它們的眼球運動和行為。
研究人員利用匯總數據訓練核心模型，然後經過一些額外的訓練，該模型可以定製為任何單個老鼠的數字孿生。
這些數字孿生能夠精確模擬其生物對應體對各種新視覺刺激（包括視頻和靜態圖像）的神經活動。托利亞斯表示，大量的聚合訓練數據是數字孿生成功的關鍵。「它們之所以如此精準，是因為它們在如此龐大的數據集上進行了訓練。」
儘管新模型僅針對神經活動進行訓練，但它可以推廣到其他類型的數據。
一隻特定老鼠的數字孿生能夠預測視覺皮層中數千個神經元的解剖位置和細胞類型以及這些神經元之間的連接。研究人員利用該小鼠視覺皮層的高解像度電子顯微鏡成像驗證了這些預測。該成像是更大項目的一部分，旨在以前所未有的細節繪製小鼠視覺皮層的結構和功能圖譜。該項目名為MICrONS，其成果已同時發表在《自然》雜誌上。
由於數字孿生可以在小鼠壽命結束後繼續發揮作用，科學家可以在同一隻動物身上進行幾乎無限數量的實驗。原本需要數年時間的實驗現在可以在數小時內完成，數百萬個實驗可以同時進行，從而加速對大腦信息處理方式和智能原理的研究。
托利亞斯說：「我們正在嘗試打開黑匣子，從單個神經元或神經元群體的層面來理解大腦，以及它們如何協同工作來編碼信息。」
事實上，新模型已經產生了新的見解。在另一項同時發表在《自然》雜誌上的相關研究中，研究人員利用數字孿生探索了視覺皮層中的神經元如何選擇與之建立連接的其他神經元。
科學家們早已知道，相似的神經元傾向於建立連接，就像人們建立友誼一樣。數字孿生揭示了哪些相似性最為重要。相比於對同一視覺空間區域做出反應的神經元，神經元更傾向於與對相同刺激（例如藍色）做出反應的神經元建立連接。
「這就像一個人根據自己的喜好而不是所在位置來選擇朋友，」托利亞斯說。「我們了解了大腦組織結構的更精確的規則。」
研究人員計劃將他們的模型擴展到其他大腦區域以及具有更高級認知能力的動物，包括靈長類動物。
「最終，我相信至少可以構建部分人腦的數字孿生，」托利亞斯說。「這只是冰山一角。」
