共计 2121 个字符，预计需要花费 6 分钟才能阅读完成。
突触可塑性实现了对图像模式的自然内部聚类。图片来源：《自然通讯》（2025）。DOI: 10.1038/s41467-025-67076-x
一项关于 生物脑模型 的最新研究取得了突破性进展。一支由达特茅斯学院、麻省理工学院和纽约州立大学石溪分校科学家组成的团队，构建了一个高度仿生的大脑计算模型。这个 生物脑模型 不仅在与实验室动物完全相同的简单视觉分类学习任务中表现优异，甚至还引导研究者发现了一组此前被忽视的、反直觉的 神经元活动 模式。值得注意的是，完成这些发现的模型，从未使用任何动物实验数据进行训练。
该模型完全从零开始构建，其设计核心在于忠实模拟 神经元 如何连接成微观回路，以及这些回路如何通过电信号和化学信号在更广泛的大脑区域间通信，最终产生认知与行为。当研究团队让该 生物脑模型 执行他们此前用动物完成的相同任务（观察点状图案并判断其所属类别）时，模型产生的神经活动模式和行为结果与动物高度相似，其技能习得过程中同样不规律的学习曲线也与动物几乎一致。这项研究已发表于《自然通讯》期刊。
“它只是生成新的模拟大脑活动图谱，然后我们才将其与实验室动物的数据进行对比。匹配程度如此惊人，这确实有点令人震惊，”达特茅斯学院心理与脑科学教授、该研究的资深作者理查德·格兰杰表示。
研究论文中的图表显示，模型和实验动物以高度相似的速度学会了同一项任务。图片来源：Pathak 等人。
研究的共同作者、麻省理工学院皮考尔学习与记忆研究所的厄尔·K·米勒教授补充道，构建此 生物脑模型 及其后续迭代版本的目标，不仅在于深入理解大脑的工作原理，还在于探索大脑在疾病状态下如何异常工作，以及哪些干预措施可以纠正这些异常。米勒、格兰杰及团队成员已共同创立了公司 Neuroblox.ai，以开发生物技术应用。
“其理念是建立一个大脑仿生建模平台，从而能以更高效率发现、开发和改进神经疗法，”米勒解释道，他同时也是麻省理工学院脑与认知科学系的教员。“例如，药物开发和疗效测试可以在流程早期、在投入临床试验的高风险和高成本之前，就在我们的平台上进行。”
构建兼顾细节与架构的模型
该 生物脑模型 由达特茅斯学院博士后阿南德·帕塔克创建。其独特之处在于，它同时兼顾了微观细节与宏观架构：既模拟了单个 神经元 对如何相互连接，也涵盖了跨脑区的信息处理如何受乙酰胆碱等神经调节化学物质的影响。
帕塔克及其团队反复迭代设计，确保模型遵循在真实大脑中观察到的各种约束条件，例如 神经元 如何通过更广泛的节律实现同步。帕塔克表示，许多现有模型只关注微观或宏观尺度，而他们的目标是“既不想失去树木，也不想失去森林”。
模型中被称为“原始单元”的微观结构，比喻为“树木”，指的是由几个 神经元 组成的小型回路。这些回路基于真实细胞的电学和化学特性连接，以执行基本的计算功能。例如，在该 生物脑模型 的大脑皮层中，一种原始单元包含从视觉系统接收输入的兴奋性 神经元 ，它们通过受神经递质谷氨酸影响的突触连接。这些兴奋性 神经元 又与抑制性 神经元 密集连接，形成一种“赢者通吃”的竞争性架构——这在真实大脑中用于调节信息处理。
在宏观尺度上，该模型涵盖了执行基本学习记忆任务所需的四个大脑区域：皮层、脑干、纹状体，以及一个通过乙酰胆碱爆发向系统注入少量“噪声”的强直性活性 神经元 结构。例如，当模型对点状图案进行分类时，这种“噪声”最初确保了模型处理视觉输入时存在一定的可变性，从而使模型能够通过探索不同的行为及其结果来学习。随着学习进行，皮层和纹状体回路会加强抑制该结构的连接，使模型的行为能越来越一致地基于所学内容。
生物脑模型 在学习任务中展现出了现实世界的特性，包括米勒在动物研究中常观察到的一种动态现象：随着学习推进，皮层和纹状体在大脑节律的 β 频段变得更加同步，这种增加的同步性与模型（以及动物）做出正确判断的时间点相关。
揭示关键的“不一致”神经元
然而，这个 生物脑模型 还向研究人员展示了一个意外发现：一组约占 20% 的 神经元 ，其 神经元活动 似乎高度预示着错误的发生。当这些所谓的“不一致”神经元 影响回路时，模型就会做出错误的分类判断。格兰杰表示，起初团队认为这只是模型的某个怪癖。
但随后，他们回头检视了米勒实验室积累的、动物执行相同任务时的真实大脑数据。“我们确信这不可能存在，因为如果有人发现，早就该提出来了，”格兰杰说，“但它确实存在，只是从未被注意到或分析过。”这一发现凸显了 生物脑模型 在揭示复杂 神经元活动 方面的强大能力。
米勒推测，这些反直觉的细胞可能具有某种进化意义：固守既定规则固然好，但如果环境规则改变了呢？偶尔尝试替代方案，可能让大脑偶然发现新出现的条件组合。事实上，皮考尔研究所另一个实验室近期发表的证据表明，人类和其他动物有时确实会采取这种策略。
尽管当前 生物脑模型 的表现已超出团队预期，但他们仍在持续扩展其复杂性，以处理更多样化的任务和环境。例如，他们已添加了更多脑区和新神经调节化学物质，并开始测试药物等干预措施如何影响模型的动态。这为未来的神经科学研究和治疗开发开辟了新道路。
阿南德·帕塔克等人，《皮质纹状体微组件的仿生模型发现神经编码》，《自然通讯》（2025 年）。DOI: 10.1038/s41467-025-67076-x
