一项发表于《自然·神经科学》的研究引入了一个生成对抗性人工智能框架，该框架将经过训练以在超过68万个10秒神经电生理样本中检测意识、并在565名患者、健康志愿者和动物上验证的深度神经网络，与可解释的、机器学习驱动的神经场模型进行对抗。这种对抗性架构产生了意识状态和昏迷状态的生物学真实模拟，重现了人类、猴子、大鼠和蝙蝠的经验神经生理学特征。在没有明确编程的情况下，AI模型反推了已知的意识障碍对脑刺激的反应，并产生了关于无意识机制的可测试预测。其中两个预测在此得到验证：通过51名意识障碍患者的弥散磁共振成像支持的选择性基底节间接通路破坏，以及通过6名昏迷患者切除脑组织的RNA测序和大鼠卒中模型支持的皮层抑制性-抑制性突触耦合增加。该模型还确定丘脑底核的高频刺激是治疗意识障碍的一种有前景的干预措施，并得到了人类患者的电生理数据支持。这项工作为意识研究以及更广泛的复杂系统中的因果推断和治疗发现引入了一个AI框架。

研究背景与意义

理解意识障碍是神经科学中最具挑战性的问题之一，由于缺乏用于探究机制或测试干预的实验模型而受到阻碍。本研究旨在通过生成对抗性AI框架，结合深度神经网络和神经场模型，来模拟意识与无意识大脑，并揭示意识障碍的机制和潜在治疗方法。

主要发现与验证

研究通过训练深度卷积神经网络（DCNN）作为“意识检测器”，并使其与可解释的神经场模型进行对抗，生成了能够复现跨物种经验电生理特征的意识与昏迷状态模拟。该模型在没有预先编程的情况下，成功“反推”了已知的脑刺激反应（如丘脑刺激），并生成了两个可测试的新预测：（1）意识障碍患者中基底节间接通路的选择性破坏；（2）皮层抑制性-抑制性突触耦合的增加。这些预测分别通过弥散磁共振成像数据和人类昏迷患者及大鼠卒中模型的RNA测序数据得到了验证。模型还预测并验证了丘脑底核高频刺激作为一种潜在的治疗方法。

参考文献

Toker, D., Monti, M. M. et al. (2026). Adversarial AI reveals mechanisms and treatments for disorders of consciousness. Nature Neuroscience, 29, 964–977. DOI: 10.1038/s41593-026-02220-4

该研究开发了一个生成对抗性AI框架，结合深度卷积神经网络（DCNN）意识检测器与神经场模型，通过对抗训练生成模拟意识与昏迷状态的生物真实大脑活动。模型成功复现了跨物种的神经电生理特征，并提出了关于无意识机制（基底节间接通路破坏、皮层抑制性突触耦合增强）的新假设，这些假设通过患者弥散磁共振成像和RNA测序数据得到验证。模型还预测并验证了丘脑底核高频刺激作为意识障碍的潜在疗法。研究团队来自加州大学洛杉矶分校等机构。