让人工智能成为神经科学的合作伙伴

过去一年，大型语言模型（LLMs）取得了重大进展，如ChatGPT。这些模型解释和生成人类文本源（以及其他序列数据）的能力对人类活动的许多领域都有影响。今天发表在《神经元》杂志上的一篇观点文章认为，与许多专业人士一样，神经科学家既可以受益于与这些强大工具的合作，也可能面临被甩在后面的风险。

在之前的研究中，作者表明，开发能够解释和分析神经科学数据的LLMs的重要先决条件已经得到满足，就像ChatGPT解释语言一样。这些人工智能模型可以针对许多不同类型的数据构建，包括神经成像、遗传学、单细胞基因组学，甚至手写临床报告。

在传统的研究模式中，科学家研究某个主题的先前数据，提出新的假设，并使用实验对其进行检验。由于可用的数据量巨大，科学家通常专注于狭窄的研究领域，如神经成像或遗传学。然而，LLMs可以吸收比一个人所能吸收的更多的神经科学研究。在《神经元》杂志上发表的论文中，作者认为，有一天，专门研究神经科学不同领域的LLMs可以用来相互交流，弥合神经科学研究中的孤立领域，揭示人类无法独自发现的真理。例如，在药物开发的情况下，专门研究遗传学的LLMs可以与神经成像LLMs一起使用，以发现有希望的候选分子来阻止神经退化。神经科学家将指导这些LLMs并验证其输出。

主要作者Danilo Bzdok提到，在某些情况下，科学家可能并不总是能够完全理解这些LLMs发现的生物过程背后的机制。

他说:“我们必须接受这样一个事实，即大脑的某些方面可能是不可知的，或者至少需要很长时间才能理解。然而，即使我们没有完全掌握他们得出结论的方式，我们仍然可以从最先进的LLMs中获得洞察力，并取得临床进展。”

为了实现神经科学中LLMs的潜力，Bzdok说，科学家需要比许多研究机构目前拥有的更多数据处理和存储基础设施。更重要的是，需要向数据驱动的科学方法转变，这种研究方法主要依靠人工智能和LLMs，并由顶尖期刊发表和公共机构资助。虽然强假设驱动的传统研究模式仍然是关键，不会消失，但Bzdok说，在旧模式效果不佳的情况下，利用新兴的LLMs技术可能对推动下一代神经治疗很重要。

“引用约翰·奈斯比特的话，今天的神经科学家‘淹没在信息中，但渴望知识’，我们生成生物分子数据的能力正在掩盖我们从这些系统中收集理解的能力。LLMs为这个问题提供了一个答案。他们可能能够从神经科学领域提取、协同和综合知识，这项任务可能不会超出人类的理解范围。”