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。
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。
好文章,需要你的鼓励
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。