人类大脑的复杂性无与伦比。它拥有860亿神经元和850亿其他细胞，形成约100万亿个连接。如果大脑是一台计算机，它每秒将执行一次百亿亿次(exaflop)数学计算，仅消耗相当于20瓦的电力。尽管大脑令人印象深刻，但神经学家仍无法完全解释神经元如何协同工作。
为了寻找答案，佐治亚理工学院(Georgia Institute of Technology)神经科学、神经技术与社会研究所(INNS)的研究人员正在使用数学、数据和人工智能技术来解锁思维的秘密。他们共同帮助将大脑原始的电"噪音"转化为关于人们如何思考、运动和感知世界的真正见解。
提前警告：请为即将面临的这项大脑研究的复杂性做好准备。
像大脑一样构建AI
如果人工智能程序中的人工神经元按照大脑中的方式排列会怎样？这样的人工智能程序将帮助我们理解为什么大脑会以这种方式组织。这种神经-AI融合将工作得更快、使用更少的能量，并且更容易解释。
创建此类系统是心理学助理教授阿普尔瓦·拉坦·穆尔蒂(Apurva Ratan Murty)的目标，他正在创建地形AI模型，如上述三个领域——受大脑启发的视觉、听觉和语言模型。在不久的将来，他预测医生可能能够利用这些模式来预测脑损伤和其他疾病的效应。"我们还没到那一步，"他说，"但我们的工作比以往任何时候都更接近那个未来。"
计算思维和运动
猫如何行走让生物医学工程师切坦·潘达里纳特(Chethan Pandarinath)全神贯注。他使用传感器分析两组猫腿部肌肉——屈肌和伸肌——如何由脊髓控制。了解这一过程可能帮助因脊髓损伤、中风或进行性神经退行性疾病而部分瘫痪的患者重新站起来。
这位副教授表示："我的实验室正在使用人工智能工具，使我们能够将复杂的脊髓活动数据转化为我们可以解释的内容。它告诉我们复杂活动模式背后有一个简单的基础结构。"
揭示大脑的尖峰模式
"大脑就像交响乐团的指挥，"物理学教授西蒙·斯蓬伯格(Simon Sponberg)说。"单个乐器有一定的独立控制权，但大部分音乐来自大脑对身体中不同'演奏者'音符的精确协调。"他研究蜂鸟大小的鹰蛾(Manduca sexta)极快振动的翅膀。它敏捷的飞行动作是10块肌肉电活动尖峰的结果。
斯蓬伯格发现了一些令他惊讶的事情——大脑更注重随时间精确安排尖峰的模式，而不是创造尖峰的数量。对斯蓬伯格来说，每一毫秒都很重要。"我们刚开始了解神经系统在发育过程中如何首先获得精确计时的尖峰模式，"他说。
通过统计预测决策
将一只老鼠放入迷宫中，食物在远处，它会学会找到它。但老鼠——和人类——的生活并不那么简单。有时它们想探索、只想喝水，或只是想回家。此外，动物的决策基于其历史，而不仅仅是当前感受。
为了深入挖掘决策过程，计算科学与工程学院的助理教授吴安琪(Anqi Wu)为老鼠提供了更多选项。通过使用一种名为SWIRL（切换逆向强化学习）的新计算框架，她的发现优于那些未能考虑历史行为的模型。"我们不仅寻求理解动物行为，也理解人类行为，以洞察人类长期决策过程，"她说。
用数学建模思维的连接
连接性塑造了大脑皮层(cerebral cortex)的认知，大脑皮层是大脑中的分层结构。特别是视觉皮层，处理从视网膜通过丘脑中的外侧膝状体核(Lateral Geniculate Nucleus, LGN)传递的视觉数据，并将其引导至大脑中的正确认知区域。计算神经科学家韩娜·崔(Hannah Choi)想要解开这个谜团。"我感兴趣的大问题是LGN架构中的网络连接模式如何与计算相关，"这位数学助理教授说。
为了寻找答案，她向老鼠展示重复的图像模式，如花-猫-狗-房子，然后打乱模式。目标是什么？掌握丘脑的非线性动力系统如何工作。如果科学家和医生更好地了解大脑区域如何连接在一起，这种知识可能会带来更好的疾病治疗。
【全文结束】
