脑常被描述为一个高度协作的系统。然而，像集中注意力或在不同任务之间切换这样的日常经验，会直观地告诉我们：不同脑区之间会为有限资源展开竞争。我们的脑不可能同时做所有事情，也不可能让所有区域始终一起保持活跃。
在过去20年里，绝大多数脑模拟研究都没有把这些脑区之间的竞争性相互作用纳入考量。相反，这些模拟往往会“强迫”相邻脑区彼此合作，这使得模拟出的模型脑会进入一种“过度同步”的状态，而这种状态在真实的脑中其实很少见。
在一项近期发表于《自然·神经科学》的研究中，一个国际研究团队通过对人类、猕猴和小鼠的无创脑活动记录进行比较研究发现，最真实的全脑模型不仅需要专门脑回路内部的协作性相互作用，还需要不同回路之间的长程竞争性相互作用。
被忽视的竞争
脑从来不是静止不变的。它们的活动起伏可以借助功能性磁共振成像（fMRI）等神经影像方法，以无创方式描绘出来。科学家可以据此建立一个针对特定个体的计算机模型，用来模拟各个脑区如何相互作用。
在新的研究中，研究人员对超过14,000项神经影像研究进行了大规模分析，他们比较了两类脑模型：一类中的脑区之间的所有相互作用都是协作性的；另一类中的各脑区既可以增强彼此的活动，也可以抑制彼此的活动。
研究结果表明，在人类、猴子和小鼠中，包含竞争性相互作用的模型，始终优于仅包含协作性相互作用的模型：竞争模型中的自发活动能更忠实地反映已知的认知回路，例如与注意力或记忆相关的回路。这表明，竞争机制对于脑能否灵活调动合适的脑区组合至关重要，而这种能力正是智能行为的一个标志。
研究人员得出结论：竞争性的相互作用充当了一种稳定的力量，使不同的脑区能轮流主导脑活动起伏的走向，而不致彼此干扰或相互牵制。这种避免活动失控的能力，也可能有助于解释哺乳动物大脑为何具有惊人的能量效率——其效率比现代人工智能系统高出许多个数量级。
更像“你”的脑模型
这项研究的另一个至关重要的发现是：带有竞争性相互作用的模型不仅更准确，而且也更具个体特异性。这意味着，它们更擅长捕捉那种能够将一个个体的脑与另一个区分开来的独特“脑指纹”。
这一发现之所以重要，是因为近年来，神经科学界已经越来越关注为人脑构建个性化的“数字孪生体”——也就是利用计算机模型来模拟特定个体脑内的各部分如何相互作用，以及脑对刺激、疾病或药物可能作出怎样的响应。
然而，即便是在人工智能和大数据时代，脑中数十亿神经元所具有的复杂性，仍使这项任务异常艰难。到目前为止，全脑模型一直难以真正捕捉每个脑的独特之处。由于每个脑的连接方式都略有不同，因此每个人都拥有一张独特的、可构成某种“脑指纹”的神经连接网络。但目前大多数所谓的“脑孪生体”，其实并没有真正做到“个性化”，它们和真实个体之间的差异，几乎和陌生人一样大。
而新研究表明，竞争性相互作用恰恰可能是改进这一问题的关键。没有竞争，数字孪生体就可能变得过于笼统，从而错失真正使你成为“你”的那些特征。
不再迷失在“转化”中
新发现不仅适用于人类，也适用于其他哺乳动物，这表明它们反映的是智能系统运作的基本原则。研究表明，在每一种情况下，带有竞争性相互作用的模型生成的脑活动模式，都与真实认知过程相关的活动模式高度相似。
这可能对转化神经科学具有重大意义。在进入人体试验之前，动物模型通常会被用来测试治疗方法，但物种之间的差异常常限制了这些结果的转化效果。大约90%的神经精神疾病治疗方法都会“迷失在转化过程中”：它们在动物试验中显示出希望，却在人体临床试验中失败。
将人类患者的脑成像数据与全脑建模结合起来，可能会从根本上改变这一局面。一种适用于跨物种的框架，将在基础研究与临床应用之间架起一座强有力的桥梁。
如果某人因癫痫或肿瘤等原因需要接受脑部干预，那么就可以利用其数字孪生体来探索：当施加不同剂量的药物或不同强度的电脉冲刺激时，患者的脑活动将会如何变化。这或许能够显著改进目前在真实患者身上采用的试错式方法，从而带来更好的治疗。
跨物种脑组织所体现出的一般原则，也为理解如何塑造下一代人工智能提供了一条路径。在不太遥远的未来，我们或许能够构建出更忠实再现人脑关键特征的数字孪生体——并且，还有可能构建出更忠实于人类心智的人工智能模型。
#创作团队：
原文：Luppi et al.
编译：糖兽
#参考来源：
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
#图片来源：
封面图&首图：geralt / Pixabay
热门跟贴