- 史丹福數碼大腦計劃結合神經學與人工智能，為期五年。
- 計劃將利用7 Tesla MRI掃描儀進行神經影像數據的研究。
- 人工智能模型將成為數字觀測所，幫助醫學研究人員進行模擬。
- 研究結果將免費提供給全球研究人員，促進開放科學資源。
史丹福大學啟動了一項名為「史丹福數碼大腦計劃」的五年計劃，這是一個神經學與人工智能的獨特結合。該計劃的研究人員利用最新一代的 7 Tesla 磁共振成像（MRI）掃描儀，旨在建立人類大腦的人工智能基礎模型。他們希望透過來自科技投資者的主要慈善資金，創建全面的神經影像數據集，以訓練算法預測大腦的功能，並加速針對抑鬱症和帕金森病等疾病的治療，通過針對性的腦部刺激來實現。
計劃的研究重點
與一般基於文本訓練的大型語言模型不同，史丹福數碼大腦計劃將專注於對特別準備的神經影像數據進行機器學習模型的訓練。史丹福的吳蔡神經科學研究所的研究人員將啟動幾個實驗性活動，記錄與人類視覺、記憶、語言、運動、注意力、感知及社交理解相關的大腦活動。從這些大腦活動中，他們將提取廣泛的統計模式，讓系統能夠生成與前所未有的大腦活動提示相關的輸出。
為了記錄這些數據，團隊在盧卡斯成像中心使用了最新一代的 7 Tesla MRI 掃描儀，並配合最先進的便攜式 OPM-MEG 系統。憑藉這些高解析度工具以及廣泛的影片資料庫，他們可以精確追蹤神經活動的空間位置和時間，甚至達到毫秒級的精度。史丹福大學放射科的助理教授喬納森·波利梅尼指出，每個系統都是世界上最強大的大腦影像工具之一，結合使用將提供無與倫比的大腦活動視圖。
這些數據將通過史丹福的高效能馬洛威 GPU 計算集羣進行處理。
數字觀測所的潛力
經過訓練，這些人工智能模型實際上成為了一個數字觀測所，利用生成建模作為瞭解人類生物學的切入點。正如氣象學家使用複雜的計算機模擬模型來預測氣候條件，醫學研究人員將應用這一大腦建模系統來虛擬驗證他們的假設。科學家可以在一晚內運行數千次模擬，發現導致醫療疾病的微小網絡功能障礙，以比傳統實驗室方法快一個量級的速度測試概念。
大腦模型對於治療主要抑鬱障礙等狀況具有潛力，這仍然是全球主要的殘疾原因。大腦影像模型預計能夠縮短延遲，通過確定哪些治療能提供最大的幫助，指導電刺激到達大腦的目標區域，以使關鍵神經電路恢復到健康狀態。心理學和計算機科學的助理教授丹·雅敏斯表示：「修復系統的最佳方法——無論是汽車、心臟還是大腦——是建立一個詳細模型，讓您能夠比較其正常運作狀態下的樣子和故障狀態下的樣子。」
他指出，史丹福擁有神經科學專業知識以及必要的硬件計算能力，以實現全面運作的數字大腦。
研究完成後，史丹福將免費向全球研究人員提供這些系統和數據集，作為開放科學資源。這項工作將建立在開放訪問平台如 OpenNeuro 上，以加速全球對自閉症、阿爾茨海默病及相關疾病的治療追求。
開放科學資源的意義
史丹福數碼大腦計劃不僅專注於人工智能與神經影像的結合，還強調開放科學的重要性。研究完成後，將數據集免費提供給全球研究人員，有助於加速對多種神經疾病的研究和治療。這種共享資源的做法能促進科學界的合作，並提高研究效率，特別是在當前面對全球健康挑戰的背景下，這樣的舉措顯得尤為重要。