人工智能与脑理论的再次相遇：从神经形态计算到人机共生的跨学科探索

本文针对人工智能(AI)与脑理论(BT)的交叉研究现状展开深度剖析，基于NIH BRAIN NeuroAI 2024研讨会成果提出三大关键建议：强调在拟合人工神经网络(ANN)与神经科学大数据的同时，需聚焦大脑工作原理的探索；主张整合结构与功能分析，研究"系统的系统"；呼吁关注动物智能多样性而非仅语言推理能力。研究通过神经形态计算、亚神经单元建模等创新方法，为理解脑机协同的4C原则(计算、通信、协调、控制)提供新视角，对推动生物启发AI发展及评估人机共生社会影响具有重要价值。

　　

在数字技术席卷全球的今天，人工智能与神经科学的跨界融合正在重塑人类对智能本质的认知。这场始于上世纪控制论时代的学科对话，随着深度学习技术的爆发迎来了新的高潮。然而，当前研究面临三重困境：大规模人工神经网络消耗惊人资源却难以揭示大脑工作原理；神经科学海量数据与AI算法间缺乏理论桥梁；动物多样化的生存智能被简化为语言推理的单一维度。这些挑战呼唤着新一轮的学科范式革新。

美国南加州大学的Michael A. Arbib教授团队在《Biological Cybernetics》发表重要述评，系统梳理了NIH BRAIN NeuroAI 2024研讨会的42场报告，通过比较分析方法揭示了当前神经AI研究的前沿动态。研究采用神经形态芯片设计、亚神经单元建模、数字孪生构建等技术手段，结合果蝇全脑连接组和小鼠微环路等模型系统，对智能本质进行多尺度解析。

在神经形态计算方面，Brad Aimone展示了支持百万级CMOS神经元模拟的集成电路设计，其能耗仅相当于鹦鹉脑水平。Kwabena Boahen提出基于树突中心学习的3D架构方案，突破传统2D芯片限制。这些创新为降低AI能耗（E1议题）提供了生物启发方案，但研究者也警示：过度追求生物拟真可能适得其反，更应关注"生理形态"（physiomorphic）设计原则。

亚神经计算研究揭示了超越突触可塑性（E2议题）的新维度。Panayiota Poirazi证实树突分区通过输入隔离和突触聚类支持差异可塑性。Wolfgang Losert则发现星形胶质细胞参与慢速信息整合，暗示"神经元-胶质细胞"可能构成基本计算单元。这些发现为发展终身学习算法提供了神经生物学基础，但如何平衡生物细节与计算效率仍是未解难题。

哺乳动物皮层数字孪生研究呈现两极态势。Doris Tsao通过猕猴颞叶皮层双轴编码模型，完美诠释面部识别任务的神经表征；而Anton Arkhipov倡导的全脑等比例重建则引发争议——过度精确的复制是否真能增进理解？正如评论指出："地图不等于疆域"，功能相关性应优先于结构保真度。

数学建模为复杂神经现象提供了定性分析工具。Carina Curto的阈值线性网络理论揭示了步态编码的动力学原理，SueYeon Chung的神经流形几何学则统一解释了从视觉处理到社会学习的多模态表征。这些抽象框架为神经AI模型提供了可验证的约束条件。

研究特别强调被忽视的运动控制维度。Mitra Hartmann的啮齿类触须生物力学模型证明，感觉运动整合必须考虑外周器官特性。这一发现呼应了控制论传统，但当前AI研究对动作智能的关注仍显不足。

在智能本质的探讨中，Evelina Fedorenko将大语言模型(LLM)视为语言研究的新模式生物，但遭到质疑——LLM的缓冲记忆机制与人类工作记忆存在本质差异。作者指出，真正的智能应植根于动物生存策略的多样性，而非仅限人类特有的符号处理能力。

这项研究的重要意义在于：首次系统评估了神经AI领域的进展与局限，提出整合"结构-功能-行为"的多层次研究框架。其创新性体现在三方面：建立神经形态计算与生物节律的定量关联；发展出树突计算等新型生物启发算法；重新定义智能研究的比较生物学基础。这些成果不仅为降低AI能耗提供技术路径，更深刻影响了我们对意识起源、记忆巩固等基本科学问题的认识。

研究的局限性在于对神经调制系统、社会认知等关键维度覆盖不足。未来研究应加强三方面工作：开发能模拟神经可塑性多样性的通用脑芯片；建立连接微观环路与宏观行为的计算理论；评估神经AI技术的社会伦理影响。正如作者警示的，在追求技术突破的同时，必须警惕"智能工具异化为控制手段"的风险，这需要科学家、政策制定者和公众的协同努力。