「硅基大脑」来了，UCSF华人实验室建成，神经科学将来不会成为碳基？

「硅基大脑」来吧，AGI还会远吗？加州大学旧金山分校医学顶校？（UCSF），张复伦，中国科学家（Edward Chang）实验博士后，描述神经科学 未来AI。

人工智能起源于人类利用「电脑」模拟「大脑」，但愿计算机能像人类一样处理各种任务。

或许，电脑还没有产生和人类一样的东西。「智慧」。

但是不妨想象一下「硅基大脑」—— 先进的AI模型，它能破解人的思维，「哑巴」再说一遍，也许有一天，甚至可以预测大脑。「一举一动」。

那不是科幻小说，而是Shailee。 Jain正在努力实现未来。

最近的采访中，Shailee Jain分享了AI进入AI。 神经科学交叉领域的心路历程，描述了神经科学的未来：建立「硅基大脑」。

「硅基大脑」

Shailee 由于对大脑复杂性的痴迷，Jain对神经科学和AI交叉领域感兴趣。

AI不仅能分析大量数据，帮助编写电子邮件或推荐股票，而且有可能模仿人类最根本的特征——思考、言语和互动。。

这一观点深深地吸引了她。

她于2023年加入加州大学旧金山分校。（UCSF）张复伦（Edward Chang）研究全脑网络的博士实验室（brain-wide networks）以及单一神经元的活动，以了解人脑是如何实现基本人类特征的：语言。

由于技术的限制，神经科学领域长期以来进展缓慢，但是20世纪80年代和90年代的大脑测量技术革命性地改变了这种状况。

现在，在Chang Lab，当病人接受脑外科手术时，可以同时记录单个神经元的活动。

十年前，这种技术是不可想象的，但现在我们可以跟踪数百个单神经元的活动，为揭示控制语言等复杂行为的脑回路提供了一个全新的视角。

Shailee Jain是威尔神经科学研究所Edwardward，加州大学旧金山分校。 博士后研究员在Chang实验室。

尽管这些信息极其珍贵，但是要充分利用它们，需要强大的计算工具。

那是AI和CS派上用场的区域。

AI与脑活动测量方法的结合，有望彻底改变神经科学。

AI模型探索单神经元

由于大量的数据和强大的计算机，AI可以帮助人们理解大脑发展的新概率。

它是一个重要的转折点。

在过去的十年里，通过功能磁共振成像分析，成功地使用了AI。（fMRI）、脑磁图（MEG）和脑电（EEG）等待大脑数据的技术收集。

但是，目前，单神经元活动AI建模仍处于早期阶段。

神经外科医生、神经病学家和精神病学家在UCSF合作，收集高质量、多样化的大脑数据，例如：

• fMRI：大脑「温度表」，显示大脑活动「热点」，在特定时间内展示大脑不同区域的活动情况。
• 漫长的张量显像（diffusion tensor imaging）：大脑「交通地图」，揭示大脑不同区域之间的连接方式。
• Neuropixel 探测器：脑细胞「显微镜」，记录单个神经元的活动。

以Shaileee为背景的3D打印大脑模型 大脑扫描图Jain。

在人类手术中，张复伦博士开创性地使用了Neuropixel探针。

而且在手术过程中，病人处于清醒状态，在手术室执行不同的任务，同时探针记录神经元的活动。

这一具体到神经元水平的分析，为大脑的研究提供了前所未有的机会。

整合多种数据

Shailee Jain的工作是将这些多样化的数据输入到神经网络算法中，目的是使模型产生与病人大脑相同的活动模式。

这个过程的挑战在于整合各种数据。

例如，fMRI反映了大脑不同区域的氧气应用，而非直接神经活动。虽然数据分辨率较低，但对观察整个大脑活动模式具有重要价值。然而，Neuropixel探针提供了单个神经元的高分辨率数据，但缺乏整个大脑角度。

他希望建立一个可以处理多种数据模式的AI模型，全面描述人脑。

为了训练神经网络，我们不仅要关注神经数据，还要结合患者阅读的文本、听到的语言和行为数据(如理解或解决问题的能力)。

技术应用

通过整合这些信息，我们希望建立一个能模拟人脑的信息。「硅脑」。

未来的数字孪生大脑和应用

脑机接口的新一代

新一代脑机接口接口是硅脑技术最令人兴奋的应用之一（BCI）的研发。

近几年来，利用BCI技术，Chang博士团队，帮助瘫痪、不会说话的病人，重新获得了与他人交流的能力。

但是，目前的BCI系统需要为每个病人收集大量的训练数据，耗时且昂贵。

硅脑有望改变这种状况。

基于大量的神经数据，训练一个AI模型，可以开发一个可以立即使用的设备，无需大规模校正，可以帮助患者从第一天开始恢复语言或动作。

对病人的护理有很大的影响。

精神病治疗

这项技术在精神健康领域具有较长的潜力。

长久以来，我们对神经精神疾病的认识一直受到工具的限制。

神经精神疾病，如精神分裂症、双相情感障碍、抑郁症等，患病条件极其复杂，是一种复杂的网络，涉及大脑多个区域的神经元。

为了理解人脑各个部位的工作原理，虽然不能分析活着的人脑，但是可以通过人工大脑模型来做到这一点。

特定神经精神疾病患者的数据提供给AI系统，可以了解大脑不同部位如何相互作用，以及这些相互作用如何出错。

它可能会带来新的、更有针对性的治疗方案，而不仅仅是缓解症状，而是处理隐性神经机制。

人工模型越来越接近模拟不同的大脑疾病，我们可以在人类身上进行无法进行的实验。在受控环境中，我们可以探索特定的刺激或治疗措施，以及如何影响神经活动，从而更好地理解和治疗这些疾病。

随著时间的推移，还可以进一步扩展研究，探讨大脑如何感知外部世界，提取记忆，最终如何产生思想。

未来，在人工大脑模型中，不同的大脑疾病甚至可以模拟，不能在人类患者身上进行实验。这将有助于人们更好地理解和治疗这些复杂的疾病，并深入研究大脑如何感知外部，提取记忆，产生思维。

数字孪生

展望未来20-50年，相信基于大脑数据训练的AI系统可以建立起来。「数字孪生」——每一个人独特的大脑模型。

这类AI生成模型不仅可以复制一般的大脑活动，而且可以准确地模拟个体的神经模式，从而为大脑活动提供准确的分析。

例如，手术前，患者的数字孪生模型可用于模拟手术和预测结果；对于神经精神疾病，可以根据每个患者独特的大脑活动模式设计高度个性化的治疗方法。

面临的难题和道德问题

尽管前景令人兴奋，这项技术才刚刚起步。

今后要不断完善这些模型，确保其在治疗应用中的伦理和公平。

尤其在使用人脑数据时，知情同意和数据隐私尤为重要。

另外，随着这些模型的成熟，特别是当模型能够预测个人大脑活动时，需要对技术滥用的潜在风险进行深入探讨。

这是一个发人深省的问题。

但是随着技术的不断发展，我们可能会离这个未来更近。

充分利用AI的力量，我们不只是想象未来，而是亲自创造未来。

作者介绍

现在，她是加州大学旧金山分校。（UCSF）Chang神经外科 博士后研究员Lab。

以前，在德克萨斯大学奥斯汀分校（UT Austin）在Huth实验室，她完成了计算机科学硕士/博士学位，并与谷歌AI语言团队和英特尔脑启发计算实验室的研究人员合作。

她的博士论文聚焦于对人脑和神经自然语言的联合解释。（NLP）如何处理模型的语言。

卡纳塔克在印度国家技术学院（NITK），在德国Leuphana大学的设备学习小组里，她完成了本科学习。

参考资料：

https://magazine.ucsf.edu/building-a-silicon-brain

本文来自微信微信官方账号“新智元”，作者：KingHZ，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com