共计 1972 个字符，预计需要花费 5 分钟才能阅读完成。
一支由多机构组成的研究团队，基于严格的生物学原理，成功构建了一个新型脑功能模型。这个模型不仅在简单的视觉分类学习任务中，表现出了与实验室动物相当的水平，更令人意外的是，它帮助科学家们发现了一组此前在同类动物实验数据中被完全忽视的神经元活动模式。
来自达特茅斯学院、麻省理工学院和纽约州立大学石溪分校的研究人员近日宣布，他们开发的新型计算脑模型严格遵循生物生理学原理。在实验中，该模型达到了与实验动物相当的学习水平。尤为引人注目的是，该模型揭示了一组神经元表现出反直觉的活动模式——这一现象在以往的真实动物实验数据中从未被察觉。
值得强调的是，这个仿生脑模型并未接受任何动物实验数据的训练。研究团队是从零开始构建了这一系统，力求真实模拟神经元如何连接成回路，以及电信号与化学信号如何在脑区之间传递信息，并最终产生认知与行为。当模型执行与动物实验完全相同的任务（例如观察点状图案并判断其所属类别）时，其产生的神经活动与行为结果与动物高度相似，甚至学习进展的波动曲线也几乎完全一致。
“模型首先生成全新的模拟脑活动图谱，再与动物实验数据进行比对。两者的吻合程度令人震惊，”达特茅斯学院心理与脑科学教授、发表于《自然通讯》的新研究资深作者理查德·格兰杰表示。
该模型及其后续迭代版本的目标，不仅在于揭示大脑的工作机制，还将探索疾病状态下的大脑异常及可能的干预措施。麻省理工学院皮考尔学习与记忆研究所的厄尔·K·米勒教授补充了这一点。米勒、格兰杰与研究团队已联合创立了 Neuroblox.ai 公司，致力于开发生物技术应用。石溪大学生物医学工程教授、Neuroblox 项目首席研究员莉莲·R·穆希卡 - 帕罗迪担任公司首席执行官。
“我们旨在打造一个大脑仿生建模平台，以更高效地发现、开发和完善神经疗法。例如，药物开发和疗效测试可以在进入昂贵且高风险的临床试验之前，先在我们的平台上进行初步验证，”同时任职于麻省理工学院脑与认知科学系的米勒解释道。
构建仿生模型
该模型由达特茅斯学院博士后阿南德·帕塔克创建，其独特之处在于同时整合了微观细节与宏观架构。微观细节包括单个神经元间的连接方式，而宏观架构则涵盖了乙酰胆碱等神经调节化学物质对信息处理的影响。帕塔克与团队通过多次迭代，确保模型符合真实大脑的各类约束条件，例如神经元如何通过节律实现同步。他指出，许多现有的模型往往只侧重单一尺度。
“我们既不愿见木不见林，也不愿见林不见木，”帕塔克形象地比喻道。
研究中的“树木”被称为“基元”——每个由数个神经元组成的小型回路，它们根据真实细胞的电化学原理连接，以执行基础的计算功能。例如，在模型的大脑皮层版本中，一种基元包含通过谷氨酸突触接收视觉输入的兴奋性神经元。这些神经元又与抑制性神经元密集连接，通过竞争机制关闭其他兴奋性神经元，这模拟了真实大脑中用于调节信息处理的“赢家通吃”架构。
在更大尺度上，模型涵盖了完成基础学习记忆任务所需的四个脑区：皮层、脑干、纹状体，以及一个通过乙酰胆碱爆发向系统注入“噪音”的“强直性活跃神经元”结构。当模型执行点状图案分类任务时，TAN 结构初期会引入行动可变性，使模型能通过探索不同行动及结果进行学习。随着学习的持续，皮层与纹状体回路会强化抑制 TAN 的连接，使模型行动逐渐趋于一致。
模型在学习任务中涌现出诸多现实特性，包括米勒在动物研究中常观察到的一种动态：随着学习的推进，皮层与纹状体在脑节律的“贝塔”频段同步性增强，这种同步峰值的出现时间与模型（及动物）做出正确分类判断的时刻高度相关。
发现“不一致”神经元
但模型同时向研究人员展示了一组约占总数 20% 的神经元，其活动似乎强烈预示着错误判断。当这些“不一致”的神经元影响回路时，模型就会做出错误的分类。格兰杰坦言，团队最初认为这是模型的缺陷，但随后查阅米勒实验室积累的动物实验数据时，却发现了完全相同的现象。
“我们原本确信真实数据中不可能存在这种模式，因为如果有人发现，早该被报道了。但它确实一直存在，只是从未被注意到或分析过，”格兰杰表示。
米勒推测，这些反直觉的细胞可能具有进化意义：固守既定规则虽然好，但如果环境突然改变呢？偶尔尝试替代方案能让大脑偶然适应新的条件。事实上，皮考尔研究所另一实验室近期发表的证据表明，人类与动物确实存在此类行为模式。
格兰杰指出，尽管当前模型的表现已经超出预期，团队仍在持续扩展其复杂度以应对更多样化的任务场景。例如，增加脑区数量和神经调节化学物质的种类，并已经开始测试药物等干预措施对其动态的影响。
除格兰杰、米勒、帕塔克与穆希卡 - 帕罗迪外，研究共同作者还包括斯科特·布林卡特、哈里斯·奥尔甘齐迪斯、赫尔穆特·斯特雷、萨吉安·森内夫与埃文·安祖拉托斯。本研究获得了 Baszucki 脑研究基金、美国海军研究办公室与 Freedom Together 基金会的支持。
