这个AI正在解码我们的大脑，它比人类更适合当科学家

壹：

罗米·洛伦兹（Romy Lorenz）是一个金发碧眼的年轻姑娘，充满活力和创新精神。在伦敦帝国理工学院的神经科学大师里奇（Rob Leech）的指导下，她于2013年开始了自己的学术旅程。正当她的博士项目进展过半时，她面临了一个巨大的挑战——实验并未取得预期的进展。

罗米回忆道：“我们的目标是创建一个实时的神经反馈系统。让病人在大脑扫描仪内体验，并根据扫描数据实时调整他们的大脑活动。”为了实现这一宏大设想，里奇和罗米将著名的游戏《我的世界》（Minecraft）作为实验平台，利用其代码反映玩家的大脑活动。

在2014年的一次实验中，罗米让志愿者进入磁共振扫描仪，在像素风格的游戏世界中自由探索。通过两个手柄控制游戏角色，志愿者们在游戏画面与大脑扫描的实时反馈中进行体验。实验的核心是一个能够解码大脑扫描信息并据此调整游戏环境的程序。如果玩家注意力不集中，软件会降低游戏的亮度；反之，当玩家集中精神时，软件则会增加亮度。

罗米的实验聚焦于大脑默认模式网络的活动控制，尝试连接大脑皮层的部分区域与更深层的区域，如海马体。当人们的注意力分散时，这个网络最为活跃。初次实验并未如愿成功。

罗米坦诚地说：“我并未期待初次实验就能成功。但当博士项目进展过半，原计划的路径似乎陷入了僵局。我知道我必须寻求新的突破。”

贰：

在与神经学家阿杜（Aldo Faisal）的探讨中，罗米和里奇开始思考新的方向。他们意识到，如果改变实验方式，探索更多不同的参数组合来驱动大脑达到他们想要的状态，会发生什么？这种实验过于复杂，需要实时的精细控制，于是他们决定引入人工智能进行实验控制。虽然AI在许多领域已经得到广泛应用，但在神经科学领域的应用仍然是个挑战。

罗米表示：“我们希望借助《我的世界》这个实验解决许多新的问题。我们尝试了一个高度复杂的游戏环境，并努力解码大脑中不同网络如何实时互动。”

为了测试自己的想法，罗米决定从一个已经被充分研究的问题开始：视觉和听觉皮质的独立激活。她希望通过简单的刺激方式，如空白屏幕配合口技表演或东京火车站的视频配合测试音，来激活特定的脑区。接下来，人工智能需要自学这些方式，通过调整视频播放速度或改变声音特征来激活或抑制大脑的特定区域。

尽管罗米和里奇尝试了不同的AI算法，但都没有成功。但他们没有放弃，继续寻找合适的解决方案。

叁：

在统计学家乔瓦尼（Giovanni Montana）和他的博士生里卡多（Ricardo Pio Monti）的帮助下，罗米和里奇于2015年开发了一种基于贝叶斯优化的人工智能算法。这种算法以18世纪的长老会牧师托马斯·贝叶斯的名字命名，它可以根据以往的知识和经验计算出某种假设的合理性，并主动寻找最佳的答案或实验方案。

5月，罗米再次邀请志愿者进入她的fMRI扫描仪，进行新一轮的实验。“fMRI的优势在于，志愿者在扫描仪内体验的我们可以实时看到实验的效果。”罗米充满期待地说。这个新的方法是否能够成功激活或抑制大脑的特定区域？只有实验结果才能给出答案。当首位志愿者安然进入扫描仪的那一刻，机器的探测手段仿佛开始了漫无目的的探索，但突然间，它找到了最佳的视听组合。“我们曾以为这只是偶然的幸运。”罗米回忆道，“然而随着每位新志愿者的加入，系统展现出了其稳定的效果。”令人振奋的是，这套人工智能算法平均仅用了六分钟就能找到最优的刺激方案。里奇无法掩饰自己的喜悦。

“我们意识到这项技术具有革命性的力量。”他激动地说。他们创造出了首位人工智能神经科学家，并决定将其命名为“自动神经科学家”。他们屏息静待，对其未来的应用充满期待。

尽管科学追求客观，然而人类的主观偏见却难以完全避免。尽管我们拥有超凡的模式识别能力，却也常常陷入虚假相关的陷阱。Ioannidis教授在2005年的惊世论文《为何多数研究结论都是错误的》引发了科学界的震动。此后，不断有研究报告显示，许多心理学研究无法复现。而认知神经科学领域的情况更为严峻。

大脑内部的复杂机制始终困扰着神经科学家们。过去几十年里，他们通过扫描大脑寻找特定活动对应的回路，但答案始终扑朔迷离。例如，疼痛回路与突出回路之间的界限极为模糊，而名为颞上沟的区域则负责处理各种各样的任务。这些研究成果的可靠性经常受到质疑，许多研究样本量小、统计方法不足、分析存在缺陷。有时，即使复现了某些研究，相关性也可能在更大样本的研究中消失。这就是曾经引发广泛讨论的“死三文鱼效应”所揭示的问题。

罗米深知这一点，他强调：“科学家也是人，我们无法做到绝对客观。”毕竟，我们的大脑是为了生存而优化的，而非为了实验。当罗米首次提出使用人工智能来研究人脑时，里奇立刻明白了其中的深意。与人类科学家相比，人工智能的偏见相对较少，它可以不断地复制和验证研究成果。里奇回忆道：“我从未想过这种方法，但如果罗米坚持，我们不可能有今天的成就。”里奇曾在剑桥大学攻读心理学本科，他深受奥地利心理学家Feyerabend的影响，认为科学应该追求进步，不拘一格。使用人工智能来理解人类智能正是这一思想的典型实践。“我们可以彻底改变科研的常规模式。”里奇说。在“自动神经科学家”的成功之后，里奇看到了神经科学的无限可能，“让贝叶斯优化一切！”他充满期待地说。除了理解人脑的运作方式外，“自动神经科学家”还有许多其他潜在的应用价值。例如设计临床测试、了解如何通过刺激大脑来改变行为等。罗米和里奇意识到，“自动神经科学家”的成功只是开始，他们需要挑战自己，挖掘更多的潜力。“我们希望进行一些令人震惊的研究，同时回答新的问题。”罗米说。他们的挑战来自于一次与同事亚当的对话。亚当当时正在攻读博士学位并与欧文合作开发在线认知测试来监测大脑功能恢复情况并评估智力药物的效果。他们决定开展一项新研究来评估年龄、性别、生活方式等因素对智力的影响。他们选择了多项认知测试来评估各种能力并尝试寻找智力的通用支柱来评估人类的智力水平。“这个想法可以追溯到心理学家Charles Spearman在很早之前提出的理论。”亚当解释说。这项新研究让他们对未来充满期待也带来了许多新的挑战与机遇当完全通过“g”评估人类智能成为可能的今天，Odd One Out这样的测试只是衡量这一复杂参数的不同方式之一。如果你在其中一个测试中表现出色，那么在其他的智能测试中，你也可能表现出惊人的能力。

当这项测试在2010年上线时，欧文和亚当一同前往加拿大的西安大略大学深造。亚当回忆道，由于数以千计的访客突然涌入，网站一度陷入瘫痪。

全球范围内，超过11万人在四个多月的时间里参与了这项测试。通过对一百万多个数据点的筛选，他们得出了明确的结论：智能并不能简单地归结为单一因素。“在衡量大量认知任务时，个体表现上的差异至少可以由三种独立因素来解释：短期记忆、推理以及语言能力。”亚当分享道。

为了验证这一发现，亚当和欧文推测这三种因素可能对应着大脑中三个截然不同的回路。于是，他们招募了16名被试，在fMRI扫描仪中进行智能支柱测验。

他们的猜想得到了证实。

“那些表现上相关性较低的任务在大脑中激活的也正是不同的网络。”亚当解释道。比如演绎推理似乎与大脑额叶和顶叶里的外侧部有关，而空间工作记忆则与额叶深处的某个区域相关联。

基于这些实验，他们提出了一个观点：大脑中的每个网络都支撑着一种特定的能力。这一结论似乎显而易见。

2012年，亚当和欧文的研究成果被发表在神经科学领域的权威期刊《Neuron》上。在论文开头，他们写道：“在人类智能的研究中，少有如此古老而又充满争议的主题。”这一声明引起了广泛的关注。

这项研究也引发了一阵反对的浪潮。尽管一些认知神经科学家对这项工作表示认同，但许多心理测量研究者却表达了强烈的质疑。有期刊发表评论指出，他们的研究结果“基于一系列假设和主观决定”，其解释空间很大。甚至有研究者通过Twitter表示这是“过去十年中最差的论文之一”。

在探寻人类智能奥秘的征途上，我们的目标不仅是开发一个AI机器，更是希望它能够像人类一样，通过不断迭代学习，逐步揭示智能的深层结构。这个目标被亚当清晰地阐述出来：“我们想要开发一个AI机器，让它具备从海量数据中提炼出人类智能核心要素的能力。”为了实现这一目标，他们不仅扩大了测试规模，从2012年的12个测试扩充到了60个，还将其公之于众，让每个人都有机会参与其中。

想象一下，机器学习算法每次从一百人的信息中提取精华，然后对这些任务进行微调与筛选，形成一个独立的集合。在这个集合中，每个任务的表现都是独立的，与其他任务毫无关联。自动神经科学家们会修改测试，设计出符合自身需要的实验。这一过程在某种程度上，已经超越了传统的研究方式。

为了更形象地解释AI在理解大脑方面的作用，里奇将其比作猜字游戏。一个人选出单词，另一个人则通过逐个字母的猜测来逼近答案。传统的脑扫描方式类似于一次性猜出整个单词，而AI的方法则更注重逐个字母的试错与调整。这种新的研究方法具有更广泛的影响。里奇坚信，人工智能能够消除研究中的主观因素，从一个不完美的假设出发，逐渐优化并探索更广阔的领域。虽然仍需要人类提出假设、编写代码、设计实验等，但机器的速度和可靠性已经超越了人类。里奇进一步指出：“这种方法的DNA中蕴含着复制的力量，具有变革整个领域的潜力。未来的自动神经科学家可以变成自动的放射科医师、自动心理学家等。”

罗米的经历也为我们提供了一个鲜活的例子。在获得博士学位并发表12篇论文之后，她仍对所在的领域感到失望。她在研究脑机交互接口、帮助截瘫患者时意识到，尽管许多实验室获得了大量资金，但他们只是在微小地改进算法，而无法带来真正的进步。四年后，她终于找到了值得奋斗的新领域。

再说到网上人人都能参与的认知测试Cognitron。这是一个由人工智能设计的心理技能测试平台。只需登录

在这个平台上，每个人都能成为研究的一部分，共同推动人工智能对人类智能深层次的理解。这不仅仅是一个测试平台那么简单，它更是一个集结了人类智慧的宝库，为未来的研究提供了无限可能。