从解码大脑地图到预测认知衰退，AI正在让神经科学家看到前所未有的风景
引子
一场静悄悄的革命正在神经科学实验室中发生。大语言模型（LLM）的崛起不仅改变了我们的日常生活，也正在改变科学研究的方式。在这场变革中，AI正成为神经科学家的重要工具，帮助他们解开大脑的奥秘。本文将带你走进8位顶级科学家的实验室，看看AI如何在他们的研究中发挥作用。
背景
近年来，大型语言模型（LLMs）在规模和技能上迅速增长。它们在复杂推理方面更为出色，可以遵循科学提示，并且现在不仅处理文本，还处理图形和代码。科学家们迅速利用这些优势，将LLMs构建到他们的工作流程中；他们使用这些工具分析文献、头脑风暴假设、查询数据库、与复杂数据集交互并调查新结果。
第一部分：解码生命的密码
1.1 AI绘制超高清大脑地图 - CellTransformer项目
在加利福尼亚大学旧金山分校，Reza Abbasi-Asl和他的团队开发了一种名为CellTransformer的模型，用于绘制超高分辨率的大脑地图。这个模型通过学习细胞的“细胞邻域”来预测细胞的分子特征，从而生成一个全新的、无偏见的大脑地图。这种方法不仅重现了已知的大脑区域，还发现了许多之前未被分类的细分区域。这一发现为理解大脑结构提供了新的视角。
展开剩余66%1.2 预测大脑疾病的未来 - FTD研究新突破
Nina Miolane领导的团队则专注于额颞变性（FTD）的研究。他们使用图神经网络（GNNs）处理大规模蛋白质组学数据，预测未来的认知衰退。通过LLM增强的可解释性技术，他们能够识别出推动模型预测的主要蛋白质，为治疗FTD提供了新的方向。
第二部分：重塑研究方法
2.1 AI作为科研助手 - 从文献分析到实验设计
Katrin Franke在斯坦福大学的工作展示了LLMs如何成为非母语英语使用者的得力助手。她使用LLMs润色草稿、检查语法和调整语气，使写作变得更加容易。此外，她还利用LLMs进行编码任务和数据分析，大大提高了工作效率。
2.2 人机协作的新模式 - 混合团队如何提升研究效率
Bradley Love在洛斯阿拉莫斯国家实验室的BrainGPT.org项目中，探索了LLMs在预测实验结果方面的潜力。研究发现，LLMs在某些情况下甚至超越了人类专家。这种人机协作的新模式不仅提高了预测准确性，还加速了科学发现的过程。
第三部分：颠覆性发现
3.1 AI模型与人脑的惊人相似
Martin Schrimpf在洛桑联邦理工学院的研究发现，GPT型模型的内部表示与人类语言网络内的表示惊人地相似。这一发现不仅揭示了AI模型与人脑之间的深层联系，还为非侵入性调节大脑活动提供了新的可能性。
3.2 自动化发现背后的新挑战
Kim Stachenfeld在谷歌DeepMind和哥伦比亚大学的研究展示了LLMs在自动生成计算模型方面的潜力。尽管这种方法带来了许多好处，但也引入了新的挑战，如理解不同代码元素的功能以及它们与前期工作的关系。
结语
思考：技术革新背后的伦理考量
随着AI在神经科学中的应用越来越广泛，我们必须认真思考其背后的伦理问题。如何确保AI工具的准确性和可靠性？如何防止滥用这些工具？这些问题需要我们在技术进步的同时，不断进行深入探讨。
展望：AI与神经科学的融合未来
AI与神经科学的融合正在开启一个充满无限可能的新时代。从解码大脑地图到预测认知衰退，AI正在让神经科学家看到前所未有的风景。我们有理由相信，随着技术的不断发展，我们将迎来更多令人振奋的发现，为人类健康和社会福祉做出更大的贡献。
发布于：北京市
