生物行移动版

近年来，受大型语言模型（如ChatGPT）启发，神经科学家开始构建所谓的“神经基础模型”——在海量神经数据上训练的深度网络，能够学习不同动物、不同脑区、不同任务中神经活动的共同统计规律。训练完成后，这些模型可以预测新的神经活动模式、运动输出或对感觉刺激的反应。一篇发表于《The Transmitter》“NeuroAI”栏目的深度分析指出，神经基础模型之所以能够跨个体、跨脑区、跨任务泛化，是因为大脑本身的功能由有限种类的集体活动模式构成，且这些模式在不同个体和相似任务间保持相对稳定。然而，模型是否能带给我们可理解的神经科学理论，以及如何避免陷入“完美地图”的困境，仍是重大挑战。

神经基础模型是什么？从语言到神经活动的类比

语言模型通过学习字符和语法规则，能够生成莎士比亚风格的十四行诗、撰写菜谱或讨论生命的意义——尽管它们从未被显式编程。同样，神经基础模型在大量神经群体记录数据（例如来自不同猴子执行相同决策任务的多电极阵列数据）上训练，学习其中的统计结构。训练后，模型能够：

• 根据部分神经活动填充缺失的神经信号。

• 预测即将发生的运动或感知事件。

• 将从一个任务中学到的规律迁移到相关但不同的任务中。

这种泛化能力暗示了一个深刻的结论：神经活动也必须由有限数量的“字符”和“语法规则”组成，这些基本元素在不同大脑之间是共享的。

为何有效？集体神经活动的“可学习性”

过去十年的神经科学发现，大脑功能的最佳描述方式不是存在专门的“编码神经元”（例如“决定神经元”或“运动准备神经元”），而是分布在大规模神经元上的集体活动模式。关键实证包括：

• 决策任务：在猴子前额叶皮层，没有单个神经元专门编码“什么刺激”或“何时呈现”。相反，所有神经元共同形成两组集体活动模式，分别定义刺激身份和刺激时间。

• 运动控制：在猴子或小鼠的运动皮层，没有“运动准备神经元”或“运动执行神经元”的泾渭分明。所有神经元都同时参与准备和执行阶段的集体活动模式，只是在不同时间窗口内的相对权重发生平滑变化。

这些集体活动模式具有两个关键属性，使得基础模型可以学习：

1. 群体内可恢复性：你不需要记录全部神经元。从同一群体中任意子集的神经元中，都能合理地恢复出整个集体活动模式。这意味着模型可以学习到冗余、鲁棒的表示。

2. 跨个体/任务不变性：执行相同行为（如伸手抓取）或导航相同环境的不同动物，其集体活动模式是高度相似的。相关任务之间的模式也往往类似（尽管神经科学家尚无法先验判断何时成立）。

因此，神经基础模型本质上是在聚合多个个体、多次实验、相关任务的数据，学习这些跨个体不变、跨任务可迁移的集体动力学规则。

两大应用方向：从理解疾病到跨越物种

作者Juan Gallego（伦敦帝国理工学院）指出，神经基础模型将推动至少两个方向的前沿研究：

1. 量化神经群体语言的“语法”

   • 疾病影响：表征不同神经发育疾病（如自闭症）或神经退行性疾病（如帕金森病）如何特异性改变集体活动模式。

   • 策略差异：当不同动物采用不同的内在策略完成同一任务（如玩俄罗斯方块的两种方式），模型可以量化其对神经群体动态的影响。

   • 跨物种同源性：建立不仅基于解剖和行为、而且基于神经功能的跨物种对应关系。这对于将动物模型研究成果（如深部脑刺激、脑机接口）转化至人类至关重要。

2. 连接不同尺度的神经机制

   • 集体活动模式无疑由单个神经元实现，原则上可还原至其组成神经元。但一个关键问题是：是否存在可处理的映射，将集体模式中的某些特征对应到特定的神经元亚类（例如，某种抑制性中间神经元）？

   • 近期研究表明：仅基于神经活动本身，就可以相当准确地预测一个神经元来自小鼠视觉系统的哪个区域，甚至区分多达11种兴奋性细胞类型。这些结果基于检查单个神经元在基础模型所学习的集体模式中的嵌入，表明可发现的映射确实存在。

核心挑战：理解性 vs. 预测性，以及“完美地图”的困境

尽管前景令人兴奋，但神经基础模型面临根本性挑战：

1. 理解的危机：由于模型包含海量参数，我们可能很难从中提炼出简洁、可思考的心理对象——这正是科学理解的特征。就像我们可以用牛顿三定律向孩子解释“为何缩回手臂能转得更快”，但神经基础模型可能只会给出一个极其复杂的、无法简化的预测函数。它们可能始终停留在“令人难以置信的预测机器”层面，而无法提供可解释的神经计算理论。

2. 博尔赫斯“完美地图”的陷阱：阿根廷作家豪尔赫·路易斯·博尔赫斯在短篇小说《论科学的精确性》中描绘了一个制图师社会，他们绘制了一幅与帝国完全一致的完美地图——但没人关心这张地图，因为他们无法从中学习任何有用的东西（细节太多，没有抽象）。同样，如果我们试图建立一个包含全脑、所有行为、所有时间尺度的基础模型，它是否会因为过于详细而变得无法使用？目前的数据和参数饥渴型模型离这个陷阱有多远？

3. 无身体的模型：目前的神经基础模型通常没有身体。原则上，感觉输入和运动输出可被抽象为“可学习的变换”。但在实践中，这些变换依赖于自上而下的调制、注意力、参与度、身体状态、发育轨迹和终身经验。脱离具体身体和环境约束的纯神经模型，可能永远无法捕捉到大脑的真实功能。这催生了“大脑-身体-世界交互循环”的基础模型，试图将所有这些因素分离。

结语：即使不理解，仍可应用

即使我们无法理解模型所揭示的神经-行为关系，这些模型仍可用于开发新型神经技术——例如，一个“知道”应刺激哪些神经元以将集体活动驱离疾病状态的闭环刺激器。通过机器学习技巧，我们或许能避免陷入完美地图的陷阱，使神经基础模型成为绘制脑功能图谱的有效新工具。最终，只有真正踏入这一未知领域，我们才能发现神经基础模型是否会改变（非双关语） 神经科学和神经技术的未来。

参考来源：
Gallego, J. (2026, April 13). Why neural foundation models work, and what they might—and might not—teach us about the brain. The Transmitter. https://www.thetransmitter.org/neuroai/why-neural-foundation-models-work-and-what-they-might-and-might-not-teach-us-about-the-brain/