大脑的未来：神经科学新发现与挑战

摘要

本简报旨在提炼Gary Marcus与Jeremy Freeman所著《哪些神经科学新发现即将改变世界》的核心思想。神经科学正经历一个激动人心的时代，新技术的融合使我们能够以前所未有的深度探索大脑。尽管在绘制大脑图谱、理解神经计算和模拟大脑功能方面取得了显著进展，但大脑的巨大复杂性、组织原则的未知性等挑战依然存在。本简报将深入探讨这些进展与挑战，并展望神经科学的未来走向。

核心主题与重要观点

1. 大脑图谱：绘制复杂连接与活动的蓝图
   
   历史演变：神经科学从Paul Broca的脑区功能定位，到Camillo Golgi的神经元染色，再到井上达二的大脑功能地图，经历了漫长的探索。
   
   当代革命：光遗传学、多电极记录和新型显微镜等技术，使我们有望从基本构成的层面观察大脑。
   
   连接组学：**“连接组”（connectome）旨在绘制大脑中神经连接的完整图谱，如同大脑的“接线图”。尽管面临巨大挑战，但“单个神经元连接条形码”（BOINC）**等技术提供了破解连接组的新方法。
   
   “脑彩虹”和CLARITY技术：这些技术能用颜色追踪和重建神经元，使大脑组织透明化，在完整大脑中观察其结构。


2. 理解神经计算：从单个神经元到大规模网络
   
   全脑神经成像：通过对透明斑马鱼的全脑成像和虚拟现实环境模拟，研究者能够将**“大脑、身体和环境看作一个整体”**。
   
   抽象层次：理解大脑需要找到介于详细神经机制和整体行为功能之间的“抽象层次”，从而避免被海量细节淹没。
   
   网络神经科学：大脑是一个复杂的网络化系统，其功能取决于神经元和脑区间的连接性质。网络神经科学提供了理解**“层创进化”**（emergence）现象的理论框架。
   
   网格细胞：莫泽夫妇发现内嗅皮层中的**“网格细胞”**具有周期性放电模式，为理解高级皮层如何编码空间信息和记忆提供了重要线索。


3. 模拟大脑：从理论到行为再到人工系统
   
   全脑模拟：欧盟资助的**“人类大脑工程”（HBP）旨在通过整合多平台，建立并模拟完整的跨尺度人类大脑，其核心策略是持续迭代更新“统一大脑模型”**，并与实验数据进行自动化检验。
   
   “先创造，再理解”：构建大脑模型本身就是理解大脑的重要工具。
   
   Spaun模型：Chris Eliasmith开发的Spaun模型是一个包含250万个神经元的整体结构，能够模拟人类认知功能，并用于研究年龄相关的认知衰退。
   
   神经形态芯片：这种芯片模拟皮层神经元的行为，以低功耗、实时运转的方式进行计算，有望带来计算能力和效率的显著提升。


4. 神经科学的社会与伦理影响
   
   神经科学的快速发展带来了巨大的社会和伦理考量。
   
   基因组项目的教训：大脑图谱项目应吸取基因组项目的教训，警惕数据所有权、隐私和虚假宣传问题，并确保所有数据能够被公开和免费获取。
   
   伦理与对话：模拟完整大脑功能会引发重要的伦理问题，如“我们是否应该研究有意识的体验和痛苦？”这需要科学家、普通民众和社会组织共同对话，制定负责任的政策。


5. 语言的神经生物学基础
   
   大脑功能定位：Paul Broca的研究揭示了**“布罗卡区”**与语言功能的关联。
   
   FOXP2基因：Simon E. Fisher发现了FOXP2基因，其变异会影响人的说话和语言能力，揭示了语言能力受遗传因素影响。
   
   神经成像基因组学：将高通量DNA筛选与无创神经成像结合，可以直接检验遗传变异与大脑特征的相关性。

核心理念与未来展望

• “计算脑”的范式：大脑是一种**“信息处理器”，其核心问题在于如何存储和编码信息。未来需要“反向工程”**大脑，揭示其基本逻辑操作。


• 寻求中间层：理解大脑需要一个介于详细机制和整体功能之间的**“中间层”，它包含“核心的标准神经计算”**，如过滤和分裂正常化。


• 神经技术的应用：神经技术对医学有深远影响，如人工耳蜗、脑深部电刺激（DBS）和**脑机接口（BCI）**等，可以用于恢复听力、治疗疾病和恢复瘫痪患者的控制力。

八个问题的精简回答

1. 神经科学领域目前面临哪些核心挑战？面临三大挑战：神经元数量庞大且类型多样；大脑的组织原则尚不明确；缺乏高级人类行为的简单动物模型。


2. 大脑图谱是如何从早期发展到现代的？从早期宏观解剖，到神经元发现与功能定位，再到现代的非创伤性成像技术、数字大脑图谱和连接组学，变得越来越精细和数据化。


3. “连接组”是什么？为什么它对理解大脑至关重要？“连接组”指大脑中神经连接的完整图谱，它揭示了人类高超认知能力的来源，有助于疾病诊断与治疗，并为反向设计生物智能提供基础。


4. 神经科学如何应对“大数据”挑战，并从中获取洞见？通过工业化数据处理平台（如Apache Spark）、动态系统方法、多层次的抽象以及实验与理论的紧密结合，从海量数据中提炼出深刻洞见。


5. 人工智能如何能追赶生物智能？“技巧锦囊”理论有何含义？“技巧锦囊”理论指生物智能积累了大量高度专业化的优化算法。AI要追赶生物智能，需破解连接组、研究新皮层，并模拟大脑的计算范式。


6. “罗塞塔大脑”项目旨在解决什么问题？它如何利用DNA测序技术？该项目旨在通过整合多层次的大脑信息，彻底理解大脑的复杂性。它利用高通量DNA测序为神经元打“条形码”，并追踪神经连接、细胞类型等信息。


7. 莫泽夫妇的“网格细胞”研究对理解大脑皮层有何贡献？该研究揭示了大脑皮层中空间编码的机制，为理解独立于感觉输入的高级皮层计算提供了范式，并解释了记忆编码的效率。


8. 大脑反向工程的终极目标和面临的主要挑战是什么？终极目标是系统地理解并合成一个类似生物大脑的产物。主要挑战是连接与行为的鸿沟、海量数据的复杂性、理论与实验的脱节以及伦理和社会影响。