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辟了新的可能性。如今，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“數字孿生大腦”的創新平臺的關鍵組件及特性。該平臺有望彌合生物智能與人工智能之間的差距，并為兩端提供新型解決方案。

此項研究已于9月22日發表在《智能計算》(Intelligent Computing)期刊之上。

生物智能與人工智能之間的一大共同點，在于二者均屬于網絡結構。由于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”，借此將關于生物智能的知識輸入模型當中。此舉的最終目標是“推動通用人工智能發展，促進精準心理醫療”。而且毫無疑問，這一宏大目標的實現離不開全球各學科科學家們的共同努力。

利用數字孿生大腦，研究人員可以通過模擬/調節大腦在不同狀態下執行各種認知任務，借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，或者設計出新的方法以調節大腦活動、引導其擺脫不良狀態。

盡管聽起來如同科幻小說，但數字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、用于模擬大腦功能的多級神經模型，再就是用于評估和更新當前“孿生”副本的一系列應用。

這三大核心要素預計將通過閉環不斷發展、相互作用。動態大腦圖譜能夠改進神經模型，從而生成更加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，包括疾病生物標志物發現和藥物測試等。這些應用將持續提供反饋，由此增強大腦圖譜以補全整個運行閉環。

生物大腦具有復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，才能掌握數字孿生的構建邏輯。通過全面收集相關圖譜，研究人員可以深入探索大腦的各個方面，以及大腦內各不同區域之間的聯系和相互作用，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字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，并著力向著對大腦結構和連接性進行“廣泛而細致的繪制”前進。

與此同時，鑒于現有大腦模擬平臺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臺”將至關重要。該平臺必須足夠強大，能夠支持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復雜的生物學知識紡織進數字孿生副本、如何設計出更好的模擬模型，以及如何將數字孿生大腦集成到實際場景當中等。

總而言之，這樣的數字孿生大腦代表著神經科學與人工智能的融合。通過集成復雜的大腦圖譜、動態神經模型及大量應用程序，這套平臺有望徹底改變我們對于生物智能與人工智能的理解。在全球科學家的共同努力下，數字孿生大腦有望推動通用人工智能的發展，徹底改變精準心理醫療，最終幫助我們在透徹把握人類思想、規劃智能技術的發展、為腦部疾病尋求變革性治療方法等方向上鋪平道路。