正如飞行员可以在模拟器中练习飞行操作，科学家也许很快能够在“虚拟大脑”中进行脑科学实验。斯坦福医学院与多家科研机构合作，近日在《自然》（Nature）杂志上发表了一项突破性研究，构建出一套可以精准模拟小鼠视觉皮层活动的人工智能模型，也被称为“大脑的数字孪生”。
该模型通过训练大规模脑活动数据构建而成，能预测数万神经元在观看新的视频或图像时的反应。这一“数字鼠脑”不仅能够加速脑科学研究，还为深入理解神经系统的工作机制提供了新工具。
“如果你构建出一个高度准确的大脑模型，就可以开展更多实验，而且效率更高，”论文通讯作者、斯坦福医学院眼科学教授安德烈亚斯·托利亚斯（Andreas Tolias）表示，“最有前景的实验再回到真实大脑中进行验证。”
本研究的第一作者为贝勒医学院（Baylor College of Medicine）医学博士生王睿（Eric Wang）。
超越训练边界：类“基础模型”AI登场
与以往只能在训练数据范围内进行模拟的AI模型不同，这一新模型具备“泛化能力”，可以预测对全新视觉输入的反应，甚至还能推断出单个神经元的解剖特征。这使其被归类为“基础模型”（foundation model）的一种——类似ChatGPT那样，可以从大规模数据中学习，并将知识迁移至全新任务上。
“某种意义上，智能的种子正是这种稳健的泛化能力，”托利亚斯说，“我们的终极目标，就是让模型能够在未见过的场景中表现出色。”
用“动作片”训练鼠脑AI
研究人员让小鼠观看了超过900分钟的视频片段——包括诸如《疯狂的麦克斯》（Mad Max）之类的动作电影。这些影片虽非为小鼠设计，但因其强烈的运动画面，能显著激活小鼠以运动感知为主的低分辨率视觉系统。
“我们找不到专门为小鼠拍的电影，只能退而求其次，”托利亚斯笑称，“动作片够用。”
研究团队使用这批数据训练出一个“核心模型”，随后再通过少量额外数据调整，创建出特定小鼠的“数字孪生”。
准确模拟神经元响应，甚至揭示连接规则
训练后的数字孪生模型能够精准预测小鼠大脑对新图像与视频的神经反应。更令人惊喜的是，尽管模型仅基于神经活动训练，它还能推断神经元的空间位置、类型，甚至它们之间的连接方式。
研究人员将模型预测结果与显微镜下对小鼠视觉皮层的结构成像进行对照，发现高度吻合。这部分验证工作来自另一个同时发表在《自然》的项目——MICrONS（大规模神经元结构与功能图谱计划）。
另一项同步研究中，研究人员还借助数字孪生发现：在神经元之间建立连接时，具有相同刺激偏好的神经元更容易连结，比如都对蓝色敏感的神经元更倾向彼此相连，而不是根据在视网膜上位置的接近程度来选择连接对象。
“这就像人交朋友，更在意兴趣相投，而不是住得近，”托利亚斯解释道。
人脑数字孪生未来可期
由于“数字大脑”不受生物寿命限制，科学家可以在其上进行几乎无限次数的模拟实验。原本耗时数年甚至几十年的研究，可能在数小时内完成，极大提升了研究效率。
“我们正在试图打开‘黑箱’，从单个神经元乃至整个网络层面，揭示大脑是如何编码和处理信息的。”
研究团队计划将这一技术拓展到小鼠视觉皮层以外的脑区，乃至更复杂的动物大脑，如灵长类动物。
“最终，我们相信可以构建出部分人脑的数字孪生，”托利亚斯说，“这才刚刚是个开始。”
本研究由斯坦福大学、哥廷根大学（University of Göttingen）与艾伦脑科学研究所（Allen Institute for Brain Science）等机构共同完成。
参考文献：Eric Y. Wang et al, Foundation model of neural activity predicts response to new stimulus types, Nature (2025). DOI: 10.1038/s41586-025-08829-y
编辑：王洪
排版：李丽
评论 (0)