競爭：腦網絡運作中被忽視的關鍵

腦常被描述為一個高度協作的系統。然而，像集中注意力或在不同任務之間切換這樣的日常經驗，會直觀地告訴我們：不同腦區之間會為有限資源展開競爭。我們的腦不可能同時做所有事情，也不可能讓所有區域始終一起保持活躍。

在過去20年里，絕大多數腦模擬研究都沒有把這些腦區之間的競爭性相互作用納入考量。相反，這些模擬往往會“強迫”相鄰腦區彼此合作，這使得模擬出的模型腦會進入一種“過度同步”的狀態，而這種狀態在真實的腦中其實很少見。

在一項近期發表于《自然·神經科學》的研究中，一個國際研究團隊通過對人類、獼猴和小鼠的無創腦活動記錄進行比較研究發現，最真實的全腦模型不僅需要專門腦回路內部的協作性相互作用，還需要不同回路之間的長程競爭性相互作用。

被忽視的競爭

腦從來不是靜止不變的。它們的活動起伏可以借助功能性磁共振成像（fMRI）等神經影像方法，以無創方式描繪出來?？茖W家可以據此建立一個針對特定個體的計算機模型，用來模擬各個腦區如何相互作用。

在新的研究中，研究人員對超過14,000項神經影像研究進行了大規模分析，他們比較了兩類腦模型：一類中的腦區之間的所有相互作用都是協作性的；另一類中的各腦區既可以增強彼此的活動，也可以抑制彼此的活動。

研究結果表明，在人類、猴子和小鼠中，包含競爭性相互作用的模型，始終優于僅包含協作性相互作用的模型：競爭模型中的自發活動能更忠實地反映已知的認知回路，例如與注意力或記憶相關的回路。這表明，競爭機制對于腦能否靈活調動合適的腦區組合至關重要，而這種能力正是智能行為的一個標志。

研究人員得出結論：競爭性的相互作用充當了一種穩定的力量，使不同的腦區能輪流主導腦活動起伏的走向，而不致彼此干擾或相互牽制。這種避免活動失控的能力，也可能有助于解釋哺乳動物大腦為何具有驚人的能量效率——其效率比現代人工智能系統高出許多個數量級。

更像“你”的腦模型

這項研究的另一個至關重要的發現是：帶有競爭性相互作用的模型不僅更準確，而且也更具個體特異性。這意味著，它們更擅長捕捉那種能夠將一個個體的腦與另一個區分開來的獨特“腦指紋”。

這一發現之所以重要，是因為近年來，神經科學界已經越來越關注為人腦構建個性化的“數字孿生體”——也就是利用計算機模型來模擬特定個體腦內的各部分如何相互作用，以及腦對刺激、疾病或藥物可能作出怎樣的響應。

然而，即便是在人工智能和大數據時代，腦中數十億神經元所具有的復雜性，仍使這項任務異常艱難。到目前為止，全腦模型一直難以真正捕捉每個腦的獨特之處。由于每個腦的連接方式都略有不同，因此每個人都擁有一張獨特的、可構成某種“腦指紋”的神經連接網絡。但目前大多數所謂的“腦孿生體”，其實并沒有真正做到“個性化”，它們和真實個體之間的差異，幾乎和陌生人一樣大。

而新研究表明，競爭性相互作用恰恰可能是改進這一問題的關鍵。沒有競爭，數字孿生體就可能變得過于籠統，從而錯失真正使你成為“你”的那些特征。

不再迷失在“轉化”中

新發現不僅適用于人類，也適用于其他哺乳動物，這表明它們反映的是智能系統運作的基本原則。研究表明，在每一種情況下，帶有競爭性相互作用的模型生成的腦活動模式，都與真實認知過程相關的活動模式高度相似。

這可能對轉化神經科學具有重大意義。在進入人體試驗之前，動物模型通常會被用來測試治療方法，但物種之間的差異常常限制了這些結果的轉化效果。大約90%的神經精神疾病治療方法都會“迷失在轉化過程中”：它們在動物試驗中顯示出希望，卻在人體臨床試驗中失敗。

將人類患者的腦成像數據與全腦建模結合起來，可能會從根本上改變這一局面。一種適用于跨物種的框架，將在基礎研究與臨床應用之間架起一座強有力的橋梁。

如果某人因癲癇或腫瘤等原因需要接受腦部干預，那么就可以利用其數字孿生體來探索：當施加不同劑量的藥物或不同強度的電脈沖刺激時，患者的腦活動將會如何變化。這或許能夠顯著改進目前在真實患者身上采用的試錯式方法，從而帶來更好的治療。

跨物種腦組織所體現出的一般原則，也為理解如何塑造下一代人工智能提供了一條路徑。在不太遙遠的未來，我們或許能夠構建出更忠實再現人腦關鍵特征的數字孿生體——并且，還有可能構建出更忠實于人類心智的人工智能模型。

#創作團隊：

原文：Luppi et al.

編譯：糖獸

#參考來源：

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

#圖片來源：

封面圖&首圖：geralt / Pixabay