神經科學與受人腦結構啟發的AI技術的一系列最新發展，為我們破解智能之謎開闢了新的可能性。如今，由中國科學院自動化研究所蔣田仔教授領導的研究小組，概述了一套名為「數位孿生大腦」的創新平台的關鍵組件及特性。該平台有望彌合生物智慧與人工智慧之間的差距，並為兩端提供新型解決方案。
此研究已於9月22日發表在《智慧計算》(Intelligent Computing)期刊之上。
生物智慧與人工智慧之間的一大共同點，在於二者皆屬於網路結構。由於大腦由生物網絡構成，因此研究人員希望使用人工網絡構建起相應的數字模型或大腦“孿生”，藉此將關於生物智能的知識輸入模型當中。此舉的最終目標是「推動通用人工智慧發展，促進精準心理醫療」。而且毫無疑問，這項宏大目標的實現離不開全球各學科科學家們的共同努力。
利用數位孿生大腦，研究人員可以透過模擬/調節大腦在不同狀態下執行各種認知任務，藉此探索人腦的工作機制。例如，他們可以模擬大腦在休息狀態下如何正常運作，以及可能受疾病影響而發生哪些問題，或是設計出新的方法來調節大腦活動、引導其擺脫不良狀態。
儘管聽起來如同科幻小說，但數位孿生大腦確實有著堅實的生物學理論基礎。其中整合了三大核心要素：充當結構支架和生物約束機制的大腦圖譜，根據生物數據訓練、用於模擬大腦功能的多級神經模型，再就是用於評估和更新當前「孿生」副本的一系列應用。
這三大核心要素預計將透過閉環不斷發展、相互作用。動態大腦圖譜能夠改善神經模型，進而產生更真實的功能模擬效果。以往，由此類模型構成的「孿生」已經在不斷擴大的實際應用場景下得到驗證，包括疾病生物標記發現和藥物測試等。這些應用將持續提供回饋，由此增強大腦圖譜以補全整個運行閉環。
生物大腦具有複雜的結構和動力學體系，因此必須建立起極為精細的大腦圖譜，包括不同尺度、多種模式、甚至來自不同物種的圖譜，才能掌握數位孿生的建構邏輯。透過全面收集相關圖譜，研究人員可以深入探索大腦的各個層面，以及大腦內各不同區域之間的連結和相互作用，最終破解大腦組織的原理之謎。
而在另一方面，大腦圖譜也代表一種約束，即神經模型必須以圖譜為依據才能實現“生物學合理性”，這同樣帶來了技術挑戰。
蔣田仔團隊認為，腦網絡組圖譜將成為開發數位孿生大腦的重要組成部分。 2016年，中國科學院自動化研究所的研究人員宣布，這份宏觀圖譜包含246個大腦分區，並著力向著對大腦結構和連接性進行「廣泛而細緻的繪製」前進。
同時，鑑於現有大腦模擬平台往往缺乏解剖學基礎，作者認為設計「一套開源、高效、靈活、用戶友好且受圖集約束的大腦模擬平台」將至關重要。該平台必須足夠強大，能夠支援多尺度與多模態建模。當然，目前還有許多懸而未決的問題有待解決，例如如何有效將紛繁複雜的生物學知識紡織進數位孿生副本、如何設計出更好的模擬模型，以及如何將數位孿生大腦集成到實際場景當中等。
總而言之，這樣的數位孿生大腦代表著神經科學與人工智慧的融合。透過整合複雜的大腦圖譜、動態神經模型及大量應用程序，這套平台有望徹底改變我們對生物智慧與人工智慧的理解。在全球科學家的共同努力下，數位孿生大腦有望推動通用人工智慧的發展，徹底改變精準心理醫療，最終幫助我們在徹底掌握人類思想、規劃智慧技術的發展、為腦部疾病尋求變革性治療方法等方向上鋪平道路。
以上是數位孿生大腦：在生物智慧與人工智慧間架起橋樑的詳細內容。更多資訊請關注PHP中文網其他相關文章！
