正如飛行員可以在模擬器中練習飛行操作，科學家也許很快能夠在“虛擬大腦”中進行腦科學實驗。斯坦福醫(yī)學院與多家科研機構合作，近日在《自然》（Nature）雜志上發(fā)表了一項突破性研究，構建出一套可以精準模擬小鼠視覺皮層活動的人工智能模型，也被稱為“大腦的數(shù)字孿生”。

該模型通過訓練大規(guī)模腦活動數(shù)據(jù)構建而成，能預測數(shù)萬神經元在觀看新的視頻或圖像時的反應。這一“數(shù)字鼠腦”不僅能夠加速腦科學研究，還為深入理解神經系統(tǒng)的工作機制提供了新工具。

“如果你構建出一個高度準確的大腦模型，就可以開展更多實驗，而且效率更高，”論文通訊作者、斯坦福醫(yī)學院眼科學教授安德烈亞斯·托利亞斯（Andreas Tolias）表示，“最有前景的實驗再回到真實大腦中進行驗證。”

本研究的第一作者為貝勒醫(yī)學院（Baylor College of Medicine）醫(yī)學博士生王睿（Eric Wang）。

超越訓練邊界：類“基礎模型”AI登場

與以往只能在訓練數(shù)據(jù)范圍內進行模擬的AI模型不同，這一新模型具備“泛化能力”，可以預測對全新視覺輸入的反應，甚至還能推斷出單個神經元的解剖特征。這使其被歸類為“基礎模型”（foundation model）的一種——類似ChatGPT那樣，可以從大規(guī)模數(shù)據(jù)中學習，并將知識遷移至全新任務上。

“某種意義上，智能的種子正是這種穩(wěn)健的泛化能力，”托利亞斯說，“我們的終極目標，就是讓模型能夠在未見過的場景中表現(xiàn)出色。”

用“動作片”訓練鼠腦AI

研究人員讓小鼠觀看了超過900分鐘的視頻片段——包括諸如《瘋狂的麥克斯》（Mad Max）之類的動作電影。這些影片雖非為小鼠設計，但因其強烈的運動畫面，能顯著激活小鼠以運動感知為主的低分辨率視覺系統(tǒng)。

“我們找不到專門為小鼠拍的電影，只能退而求其次，”托利亞斯笑稱，“動作片夠用?！?/p>

研究團隊使用這批數(shù)據(jù)訓練出一個“核心模型”，隨后再通過少量額外數(shù)據(jù)調整，創(chuàng)建出特定小鼠的“數(shù)字孿生”。

準確模擬神經元響應，甚至揭示連接規(guī)則

訓練后的數(shù)字孿生模型能夠精準預測小鼠大腦對新圖像與視頻的神經反應。更令人驚喜的是，盡管模型僅基于神經活動訓練，它還能推斷神經元的空間位置、類型，甚至它們之間的連接方式。

研究人員將模型預測結果與顯微鏡下對小鼠視覺皮層的結構成像進行對照，發(fā)現(xiàn)高度吻合。這部分驗證工作來自另一個同時發(fā)表在《自然》的項目——MICrONS（大規(guī)模神經元結構與功能圖譜計劃）。

另一項同步研究中，研究人員還借助數(shù)字孿生發(fā)現(xiàn)：在神經元之間建立連接時，具有相同刺激偏好的神經元更容易連結，比如都對藍色敏感的神經元更傾向彼此相連，而不是根據(jù)在視網膜上位置的接近程度來選擇連接對象。

“這就像人交朋友，更在意興趣相投，而不是住得近，”托利亞斯解釋道。

人腦數(shù)字孿生未來可期

由于“數(shù)字大腦”不受生物壽命限制，科學家可以在其上進行幾乎無限次數(shù)的模擬實驗。原本耗時數(shù)年甚至幾十年的研究，可能在數(shù)小時內完成，極大提升了研究效率。

“我們正在試圖打開‘黑箱’，從單個神經元乃至整個網絡層面，揭示大腦是如何編碼和處理信息的?！?/p>

研究團隊計劃將這一技術拓展到小鼠視覺皮層以外的腦區(qū)，乃至更復雜的動物大腦，如靈長類動物。

“最終，我們相信可以構建出部分人腦的數(shù)字孿生，”托利亞斯說，“這才剛剛是個開始。”

本研究由斯坦福大學、哥廷根大學（University of G?ttingen）與艾倫腦科學研究所（Allen Institute for Brain Science）等機構共同完成。

參考文獻：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

編輯：王洪

排版：李麗