神经科学与受人脑结构启发的ai技术的一系列最新发展，为我们破解智能之谜开辟了新的可能性。如今，中国科学院自动化研究所蒋田仔教授领导的研究小组，概述了一套名为“数字孪生大脑”的创新平台的关键组件及特性。该平台有望弥合生物智能与人工智能之间的差距，并为两端提供新型解决方案。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
此项研究已于9月22日发表在《智能计算》(Intelligent Computing)期刊之上。
生物智能与人工智能之间的一大共同点，在于二者均属于网络结构。由于大脑由生物网络构成，因此研究人员希望使用人工网络构建起相应的数字模型或大脑“孪生”，借此将关于生物智能的知识输入模型当中。此举的最终目标是“推动通用人工智能发展，促进精准心理医疗”。而且毫无疑问，这一宏大目标的实现离不开全球各学科科学家们的共同努力。
利用数字孪生大脑，研究人员可以通过模拟/调节大脑在不同状态下执行各种认知任务，借此探索人脑的工作机制。例如，他们可以模拟大脑在休息状态下如何正常运作，以及可能受疾病影响而发生哪些问题，或者设计出新的方法以调节大脑活动、引导其摆脱不良状态。
尽管听起来如同科幻小说，但数字孪生大脑确实有着坚实的生物学理论基础。其中整合了三大核心要素：充当结构支架和生物约束机制的大脑图谱，根据生物数据训练、用于模拟大脑功能的多级神经模型，再就是用于评估和更新当前“孪生”副本的一系列应用。
这三大核心要素预计将通过闭环不断发展、相互作用。动态大脑图谱能够改进神经模型，从而生成更加真实的功能模拟效果。以往，由此类模型构成的“孪生”已经在不断扩大的实际应用场景下得到验证，包括疾病生物标志物发现和药物测试等。这些应用将持续提供反馈，由此增强大脑图谱以补全整个运行闭环。
生物大脑具有复杂的结构和动力学体系，因此必须建立起极为精细的大脑图谱，包括不同尺度、多种模式、甚至来自不同物种的图谱，才能掌握数字孪生的构建逻辑。通过全面收集相关图谱，研究人员可以深入探索大脑的各个方面，以及大脑内各不同区域之间的联系和相互作用，最终破解大脑组织的原理之谜。
而在另一方面，大脑图谱也代表一种约束，即神经模型必须以图谱为依据才能实现“生物学合理性”，这同样带来了技术挑战。
蒋田仔团队认为，脑网络组图谱将成为开发数字孪生大脑的重要组成部分。2016年，中国科学院自动化研究所的研究人员宣布，这份宏观图谱包含246个大脑分区，并着力向着对大脑结构和连接性进行“广泛而细致的绘制”前进。
与此同时，鉴于现有大脑模拟平台往往缺乏解剖学基础，作者认为设计“一套开源、高效、灵活、用户友好且受图集约束的大脑模拟平台”将至关重要。该平台必须足够强大，能够支持多尺度与多模态建模。当然，目前还有许多悬而未决的问题有待解决，例如如何有效将纷繁复杂的生物学知识纺织进数字孪生副本、如何设计出更好的模拟模型，以及如何将数字孪生大脑集成到实际场景当中等。
总而言之，这样的数字孪生大脑代表着神经科学与人工智能的融合。通过集成复杂的大脑图谱、动态神经模型及大量应用程序，这套平台有望彻底改变我们对于生物智能与人工智能的理解。在全球科学家的共同努力下，数字孪生大脑有望推动通用人工智能的发展，彻底改变精准心理医疗，最终帮助我们在透彻把握人类思想、规划智能技术的发展、为脑部疾病寻求变革性治疗方法等方向上铺平道路。
