腦常被描述為一個高度協(xié)作的系統(tǒng)。然而，像集中注意力或在不同任務(wù)之間切換這樣的日常經(jīng)驗，會直觀地告訴我們：不同腦區(qū)之間會為有限資源展開競爭。我們的腦不可能同時做所有事情，也不可能讓所有區(qū)域始終一起保持活躍。

在過去20年里，絕大多數(shù)腦模擬研究都沒有把這些腦區(qū)之間的競爭性相互作用納入考量。相反，這些模擬往往會“強迫”相鄰腦區(qū)彼此合作，這使得模擬出的模型腦會進入一種“過度同步”的狀態(tài)，而這種狀態(tài)在真實的腦中其實很少見。

在一項近期發(fā)表于《自然·神經(jīng)科學(xué)》的研究中，一個國際研究團隊通過對人類、獼猴和小鼠的無創(chuàng)腦活動記錄進行比較研究發(fā)現(xiàn)，最真實的全腦模型不僅需要專門腦回路內(nèi)部的協(xié)作性相互作用，還需要不同回路之間的長程競爭性相互作用。

被忽視的競爭

腦從來不是靜止不變的。它們的活動起伏可以借助功能性磁共振成像（fMRI）等神經(jīng)影像方法，以無創(chuàng)方式描繪出來。科學(xué)家可以據(jù)此建立一個針對特定個體的計算機模型，用來模擬各個腦區(qū)如何相互作用。

在新的研究中，研究人員對超過14,000項神經(jīng)影像研究進行了大規(guī)模分析，他們比較了兩類腦模型：一類中的腦區(qū)之間的所有相互作用都是協(xié)作性的；另一類中的各腦區(qū)既可以增強彼此的活動，也可以抑制彼此的活動。

研究結(jié)果表明，在人類、猴子和小鼠中，包含競爭性相互作用的模型，始終優(yōu)于僅包含協(xié)作性相互作用的模型：競爭模型中的自發(fā)活動能更忠實地反映已知的認(rèn)知回路，例如與注意力或記憶相關(guān)的回路。這表明，競爭機制對于腦能否靈活調(diào)動合適的腦區(qū)組合至關(guān)重要，而這種能力正是智能行為的一個標(biāo)志。

研究人員得出結(jié)論：競爭性的相互作用充當(dāng)了一種穩(wěn)定的力量，使不同的腦區(qū)能輪流主導(dǎo)腦活動起伏的走向，而不致彼此干擾或相互牽制。這種避免活動失控的能力，也可能有助于解釋哺乳動物大腦為何具有驚人的能量效率——其效率比現(xiàn)代人工智能系統(tǒng)高出許多個數(shù)量級。

更像“你”的腦模型

這項研究的另一個至關(guān)重要的發(fā)現(xiàn)是：帶有競爭性相互作用的模型不僅更準(zhǔn)確，而且也更具個體特異性。這意味著，它們更擅長捕捉那種能夠?qū)⒁粋€個體的腦與另一個區(qū)分開來的獨特“腦指紋”。

這一發(fā)現(xiàn)之所以重要，是因為近年來，神經(jīng)科學(xué)界已經(jīng)越來越關(guān)注為人腦構(gòu)建個性化的“數(shù)字孿生體”——也就是利用計算機模型來模擬特定個體腦內(nèi)的各部分如何相互作用，以及腦對刺激、疾病或藥物可能作出怎樣的響應(yīng)。

然而，即便是在人工智能和大數(shù)據(jù)時代，腦中數(shù)十億神經(jīng)元所具有的復(fù)雜性，仍使這項任務(wù)異常艱難。到目前為止，全腦模型一直難以真正捕捉每個腦的獨特之處。由于每個腦的連接方式都略有不同，因此每個人都擁有一張獨特的、可構(gòu)成某種“腦指紋”的神經(jīng)連接網(wǎng)絡(luò)。但目前大多數(shù)所謂的“腦孿生體”，其實并沒有真正做到“個性化”，它們和真實個體之間的差異，幾乎和陌生人一樣大。

而新研究表明，競爭性相互作用恰恰可能是改進這一問題的關(guān)鍵。沒有競爭，數(shù)字孿生體就可能變得過于籠統(tǒng)，從而錯失真正使你成為“你”的那些特征。

不再迷失在“轉(zhuǎn)化”中

新發(fā)現(xiàn)不僅適用于人類，也適用于其他哺乳動物，這表明它們反映的是智能系統(tǒng)運作的基本原則。研究表明，在每一種情況下，帶有競爭性相互作用的模型生成的腦活動模式，都與真實認(rèn)知過程相關(guān)的活動模式高度相似。

這可能對轉(zhuǎn)化神經(jīng)科學(xué)具有重大意義。在進入人體試驗之前，動物模型通常會被用來測試治療方法，但物種之間的差異常常限制了這些結(jié)果的轉(zhuǎn)化效果。大約90%的神經(jīng)精神疾病治療方法都會“迷失在轉(zhuǎn)化過程中”：它們在動物試驗中顯示出希望，卻在人體臨床試驗中失敗。

將人類患者的腦成像數(shù)據(jù)與全腦建模結(jié)合起來，可能會從根本上改變這一局面。一種適用于跨物種的框架，將在基礎(chǔ)研究與臨床應(yīng)用之間架起一座強有力的橋梁。

如果某人因癲癇或腫瘤等原因需要接受腦部干預(yù)，那么就可以利用其數(shù)字孿生體來探索：當(dāng)施加不同劑量的藥物或不同強度的電脈沖刺激時，患者的腦活動將會如何變化。這或許能夠顯著改進目前在真實患者身上采用的試錯式方法，從而帶來更好的治療。

跨物種腦組織所體現(xiàn)出的一般原則，也為理解如何塑造下一代人工智能提供了一條路徑。在不太遙遠(yuǎn)的未來，我們或許能夠構(gòu)建出更忠實再現(xiàn)人腦關(guān)鍵特征的數(shù)字孿生體——并且，還有可能構(gòu)建出更忠實于人類心智的人工智能模型。

#創(chuàng)作團隊：

原文：Luppi et al.

編譯：糖獸

#參考來源：

https://theconversation.com/how-to-build-a-digital-twin-of-the-human-brain-what-existing-models-overlook-279681

https://www.nature.com/articles/s41593-026-02205-3

#圖片來源：

封面圖&首圖：geralt / Pixabay