神经基础模型如此有效，但我们是否更理解大脑？

我们正在见证一种对所谓“神经活动基础模型（foundation models of neural activity）”的巨大热情。神经基础模型，本质上类似于那些已经成为深深嵌入我们生活中的人工智能聊天机器人：它们读取了大量神经数据，并通过训练学习了其中的统计规律。训练完成后，这些神经基础模型可以将所学到的内容进行泛化，用来预测新的神经活动模式、运动输出或对感觉刺激的反应。

可以说，神经基础模型最引人入胜之处在于，它们能够从不同动物、相关脑区或类似任务的活动中学习。这暗示了关于大脑的一个非凡事实。正如人工智能聊天机器人利用语言中有限的字符和语法规则，去学习个体作者作品背后的统计结构，从而写出十四行诗、推荐食谱或讨论生命意义一样，神经基础模型的泛化能力也表明，神经活动同样由一套在不同大脑之间共享的“字符”和“语法规则”所构成。

在这篇文章中，我将尝试通过将这些模型的表现与近期的神经科学发现联系起来，解释这些神经基础模型为何能够发挥作用，并指出我认为神经科学家可以利用这些模型来理解大脑的关键机遇，以及未来面临的挑战。

在过去十年中，人们逐渐清楚地认识到，大脑功能的许多方面，更适合用分布在大量神经元中的群体活动模式来描述，而不是由某些特定的神经元子群来承担。例如，在研究猴子如何根据两个连续刺激的相对强度做出决策时，并不存在所谓的“是什么”或“何时”神经元；相反，前额叶皮层中的所有神经元共同形成两组群体活动模式，分别定义了刺激是什么以及何时出现。同样，在猴子或小鼠的运动皮层中，也似乎不存在“运动准备”或“运动执行”神经元：所有神经元都参与到运动准备和运动执行的群体活动模式之中。这些发现以及其他许多研究都强烈表明，“大脑的语言”是建立在单个神经元活动所构成的特定群体模式之上的，这些模式实现了认知、感觉和运动控制中的关键过程。

对我们来说重要的是，这些群体模式在同一群体内的不同神经元之间似乎相当一致，这意味着你有可能仅从任意一部分被记录的神经元中恢复出完整的神经过程。此外，这些群体活动模式在执行相同运动行为或在相同环境中导航的不同个体之间也是保持一致的。在相关任务之间，它们也往往是相似的，尽管神经科学家目前还无法事先判断何时会如此、何时不会如此。既然大脑功能可以用群体活动模式来很好地描述，而这些模式既可以从同一群体中完全不同的神经元子集恢复出来，又在个体之间保持不变并在相关任务之间表现出相似性，那么支撑神经基础模型的强大统计机制就能够通过整合不同个体和任务的数据，学习这些不变性和共性。换句话说，近期的神经科学发现解释了为什么神经基础模型理应有效，而且确实有效。

除了整合这些近期发现之外，神经基础模型还是强有力的工具，它们将使我们——并且已经在使我们——能够从至少两个主要方向上学习关于大脑的新知识。

首先，神经基础模型可以帮助我们通过持续量化——甚至可能“定性化”——那些介导行为的活动模式的组织方式，从而加深对神经群体“语言”的理解。例如，我们可以利用这些模型来刻画不同神经发育和神经系统疾病如何改变神经群体活动。神经基础模型还可以帮助我们定义，不同解决同一有趣任务的方式——比如玩同一局俄罗斯方块——如何影响神经群体的集体活动。最后，这些模型还提供了一个机会，通过量化不同物种在神经群体活动上的相似性，来建立跨物种之间的联系。这一研究方向对于在进化谱系中建立同源性关系至关重要，这种同源性不仅基于神经解剖和行为谱系，也基于神经功能。考虑到许多神经技术正是针对这种“系统层级”来缓解运动和精神疾病，在不同模式生物与人类之间建立活动模式的相似性，可能会加速转化研究，并产生巨大的社会影响。

其次，神经基础模型有可能帮助我们在不同层级的大脑功能之间建立联系，从神经递质到单个神经元，再到神经回路和脑区。我一直在讨论的那些神经活动的群体模式，毫无疑问是由神经元实现的，这意味着原则上可以将它们还原为其组成的神经元——尽管它们是否能够由这些组成神经元“构建”出来，是一个我在这里无法展开讨论的关键问题。然而，一个重要的问题正在浮现：这些群体活动模式的某些方面，是否可以与明确界定的神经元子群之间建立可处理的映射关系？近期的研究表明，仅基于神经活动，就可以相当准确地预测某个神经元记录自小鼠视觉系统的哪个区域，甚至可以区分多达11种不同的兴奋性细胞类型。这些引人注目的结果，是通过考察单个神经元如何映射到神经基础模型所学习到的群体模式上得出的，这表明单个神经元亚类与群体活动之间确实存在可以被发现的映射关系。

我上面概述的这些机会令人振奋。然而，我们仍然不知道神经基础模型是否能够揭示出我们可以理解的行为神经解释。我的意思是，由于这些模型拥有大量参数，我们可能很难从中提炼出那种有助于思考的、简洁的心理表征，而这正是科学理解的特征。例如，我可以用牛顿定律向我的侄子解释，为什么当他把手臂和腿收紧时，在椅子上可以转得更快，但对于神经基础模型而言，是否存在这样一种压缩后的描述，可以将其特征映射到行为上？还是说，它们最终只会停留在强大的预测机器这一层面？

另一个迫在眉睫的问题是，是否能够在多种行为之间整合全脑记录。迄今为止的大多数研究，集中在某一脑区在相对相似任务中的表现，或者在同一任务或行为中一系列相关脑区的活动，当然，这一问题实际上对整个神经科学的各个分支都同样重要。要实现这一总体目标，一个根本性的挑战在于，对于像当前神经基础模型这样既“吃数据”又“吃参数”的模型，我们是否会陷入博尔赫斯所预见的情形：在他的短篇小说《论精确性之科学》（On Exactitude in Science）中，一个制图师社会绘制出了一张与帝国一一对应的完美地图，但却无人关心，因为人们无法从这样一张与现实同样细致的地图——对我们来说，也就是模型——中学到任何有用的东西。

最后，我所讨论的这类神经基础模型并没有身体。有人或许会认为，从原则上讲，通过身体对世界进行感知和作用，可以被抽象为某种“变换”，在拥有足够神经和行为数据的情况下，这些变换是可以学习的。然而，究竟多少数据才算“足够”？我的直觉是，这个问题在实践中可能会变得难以处理。因为这不仅仅是学习复杂变换的问题——例如从视网膜到外侧膝状体再到初级视觉皮层（V1），或者从运动皮层输出到脊髓回路、运动神经元，最终到运动本身——还在于这些变换依赖于许多因素，比如自上而下的调制、注意力、投入程度、身体状态，甚至可能包括个体的发展轨迹和终生经验。正是这种挑战，推动了关于大脑—身体—世界交互回路的基础模型研究，这类模型有可能将这些因素与神经群体真正“在做什么”区分开来。

当然，即便我们无法理解神经元、它们的群体活动以及所揭示的行为之间的关系，神经基础模型仍然可能是有用的。例如，这些关系可以被用于开发新的神经技术，这些技术“知道”应当针对哪些神经元，从而将群体大脑活动从疾病状态中引导出来，带来新的治疗方法。也许通过借助机器学习中的一些技巧，我们甚至可以避免落入博尔赫斯式制图师的陷阱，使神经基础模型成为一种有效描绘大脑功能的新工具。归根结底，只有在探索这片未知领域的过程中，我们才能发现神经基础模型是否能够真正改变——并非双关语——神经科学和神经技术。

作者：Juan Gallego

译者：EY

https://www.thetransmitter.org/neuroai/why-neural-foundation-models-work-and-what-they-might-and-might-not-teach-us-about-the-brain/