电竞比分网-中国电竞赛事及体育赛事平台

關(guān)于ZAKER Skills GEO服務(wù) 合作
36氪 昨天

順為投了一位北大 PI,想用 AI “解密”人腦

人腦從萬維空間中涌現(xiàn)(圖源:格原萬維)

文|胡香赟

編輯|海若鏡

人腦,是自然界演化出的最復(fù)雜的系統(tǒng)之一。

成年人腦只有兩個拳頭大小,但容納了近 860 億個神經(jīng)元及同等數(shù)量的非神經(jīng)元細(xì)胞,它們彼此連通,織就龐大繁復(fù)的腦網(wǎng)絡(luò),承載起人類全部的智能、情感、記憶和自我意識。這套系統(tǒng)如此精妙,以至于人腦最大的悖論是,我們的大腦不夠聰明去理解如此聰明的大腦。

那么,AI 能做得更好嗎?

這是盧萌過去 15 年來一直想做的事。從 2011 年赴劍橋大學(xué)讀博 , 到 2024 年回國前擔(dān)任高級研究員,盧萌一直主攻神經(jīng)退行性疾病研究。遵循傳統(tǒng)神經(jīng)科學(xué)研究范式,他搭建了不少細(xì)胞模型和分析算法,從分子、細(xì)胞層面解析腦疾病與藥物的作用機(jī)制;也借助過成像技術(shù),追蹤疾病進(jìn)程中或用藥后的細(xì)胞內(nèi)部結(jié)構(gòu)變化。

但他隨后意識到,這類研究如同手持繡花針,只能錨定極小的微觀尺度,難以窺見人腦全貌,更無法還原疾病發(fā)生、擴(kuò)散的完整過程。

盧萌由此產(chǎn)生一個想法:如果能逐層打通分子、細(xì)胞、腦區(qū)直至全腦的多尺度信息,或許可以搭建一套 " 完整理解大腦的研究體系 "。

這需要海量數(shù)據(jù)和大規(guī)模算力協(xié)助完成。因此,2017 年左右,盧萌就嘗試將 AI 引入神經(jīng)科學(xué)研究。但彼時的 AI 能力還停留在計算機(jī)視覺階段,難以支撐跨尺度人腦建模。

直到大語言模型出現(xiàn)后,盧萌驚喜地發(fā)現(xiàn),"Transformer 的自注意力機(jī)制與生物信息高度契合 "。" 如果我們把細(xì)胞比作長句子,每個基因就是一個詞,細(xì)胞所處環(huán)境就是上下文,而上下文決定了基因表達(dá)水平、細(xì)胞在組織內(nèi)的狀態(tài)。大模型和生物信息底層原理相通,這為搭建跨尺度人腦模型創(chuàng)造了技術(shù)機(jī)會 "。

于是,2024 年回北大擔(dān)任助理教授后,盧萌正式啟動這項工作,并擔(dān)任 AI4S 公司格原萬維(LattixOrigin)的首席科學(xué)家。

36 氪獨家獲悉,近期,格原萬維已完成近千萬美元種子輪融資。投資方包括順為資本、云沐資本、Xirius 和中關(guān)村資本。本輪募集資金將用于搭建干濕實驗驗證閉環(huán),以及購買算力、組建團(tuán)隊等。

盧萌坦言,想將這套跨尺度解析人腦的宏大構(gòu)想落地,僅憑高校實驗室資源很難維持。AI 快速席卷一切的今天,算力、頂尖跨學(xué)科人才成本水漲船高;模型訓(xùn)練、搭建干濕實驗閉環(huán),每一步都需要持續(xù)資金投入。這也是他選擇吸納外部資金的重要原因。

在盧萌看來,AI 與生物學(xué)的關(guān)系正在發(fā)生根本性翻轉(zhuǎn)。在傳統(tǒng)生物學(xué)研究中,AI 更多是被當(dāng)作一種工具,嵌入既有的生物學(xué)研究流程??蒲腥藛T的假設(shè)是起點,也是終點,能探索的路徑有限。

而他想做的,是" 站在 AI 視角重新組織生物學(xué)研究 "。先有高質(zhì)量、標(biāo)準(zhǔn)化的數(shù)據(jù),再讓模型從海量信息中學(xué)習(xí)底層規(guī)律,而非將人的主觀預(yù)設(shè)強(qiáng)加給模型。

據(jù)了解,格原萬維團(tuán)隊已訓(xùn)練出初代 DigitalBrain-M1 人腦基礎(chǔ)模型,在部分腦區(qū)的功能解析上,與影像組學(xué)高度吻合。

隨著后續(xù)模型迭代,盧萌希望,DigitalBrain 系列模型能作為人腦的 "GPT":研究者做腦疾病藥物研發(fā)時,可以依托這套系統(tǒng)快速發(fā)現(xiàn)靶點,解析機(jī)制,找到最優(yōu)的疾病干預(yù)路徑;更進(jìn)一步,或許還能幫助人類理解智能本身。

這些,都將成為摘取人腦 " 科學(xué)圣杯 " 的漫漫長路上,接連踏出的每一小步。

對話(經(jīng)編輯):

煉 8000 萬腦細(xì)胞,畫 " 人腦版 " 谷歌地圖

36 氪:能不能先描述一個畫面,未來,模型具備你預(yù)期的 " 跨尺度推理能力 " 后,能給科學(xué)家研發(fā)新藥帶來什么改變?

盧萌:對比傳統(tǒng)研究模式,模型能幫助研究者更快發(fā)現(xiàn)疾病靶點解析機(jī)制;并且,可以預(yù)測擾動靶點之后會產(chǎn)生怎樣的生物學(xué)效應(yīng),從而更精準(zhǔn)地找到致病基因、發(fā)掘有效靶點,更早干預(yù)疾病。

以阿爾茨海默癥為例,傳統(tǒng)阿爾茨海默癥藥物研發(fā),靶點大多集中在 β 淀粉樣蛋白沉淀上,因為這是患者大腦里最明顯的病理特征。但是,等 β 淀粉樣蛋白沉淀出現(xiàn)時,大腦一般已經(jīng)產(chǎn)生實質(zhì)性損傷。這個階段哪怕清除了沉淀,認(rèn)知損傷也很難被修復(fù)。因此,理想狀況是在明確的病理標(biāo)志物出現(xiàn)前完成干預(yù),阻斷病變進(jìn)入不可逆階段。

如果我們能擁有全模態(tài)、多尺度人腦模型,或許可以推演阿爾茨海默癥的完整發(fā)病進(jìn)程:病變從哪些腦區(qū)起始、又如何擴(kuò)散到其他腦區(qū)?完整病程是怎么演進(jìn)的,什么時候是干預(yù)閾值?這就有可能幫我們找到更早的干預(yù)節(jié)點,在病變進(jìn)入不可逆階段前把它擋住。其價值是根本性的。

36 氪:2024 年,你入職北大。但在開始做 DigitalBrain 系列模型前,你先花了兩年多時間打磨數(shù)據(jù)集,為什么做這件 " 苦工 "?

盧萌:腦疾病藥物研發(fā)的核心瓶頸是,模型與真實人腦不匹配。傳統(tǒng)方法中,科學(xué)家主要靠動物實驗推測人類大腦變化,但兩者生理系統(tǒng)差異巨大,導(dǎo)致大量在動物身上有效的靶點,到人體就失效。例如,小鼠不會自發(fā)患上阿爾茨海默癥,哪怕人為轉(zhuǎn)入致病基因,也只能模擬部分癥狀。

我們認(rèn)為,想更好地開展腦科學(xué)研究、開發(fā)腦疾病藥物,就要以真實人腦數(shù)據(jù)為底層支點,做人腦基礎(chǔ)模型。

早期,我們其實有些低估了項目難度。搭建高質(zhì)量模型的前提是優(yōu)質(zhì)數(shù)據(jù),但在腦科學(xué)領(lǐng)域,研究者無法像做動物實驗?zāi)菢右?guī)模化采集人腦樣本,大多只能從醫(yī)院獲取,導(dǎo)致全球公開的人腦研究數(shù)據(jù)一直非常零散、總量有限,且缺少統(tǒng)一質(zhì)控和標(biāo)注標(biāo)準(zhǔn)。這不利于訓(xùn)練模型。

所以,我們決定從構(gòu)建數(shù)據(jù)集開始做起,再以此為基礎(chǔ),訓(xùn)練出一個能完成跨尺度表征的人腦基礎(chǔ)模型。

36 氪:原始數(shù)據(jù)的主要來源是什么?有沒有比較獨家的自采數(shù)據(jù)?

盧萌:坦誠講,早期時團(tuán)隊與國內(nèi)醫(yī)院的合作基礎(chǔ)相對薄弱,主要使用公開研究數(shù)據(jù)。

我們整合了包括跨國聯(lián)合科研項目 BICCN(大腦細(xì)胞普查網(wǎng)絡(luò))等 200 余項研究,全部原始數(shù)據(jù)總量近億級的人腦細(xì)胞,規(guī)模上位居全球前列。橫向?qū)Ρ龋?023 年 BICCN 在《Science》上發(fā)表的核心研究成果的數(shù)據(jù)量為 330 萬,頂級腦科學(xué)研究機(jī)構(gòu)艾倫研究所(Allen Institute)最大的人腦數(shù)據(jù)集 SEA-AD(2026)為 600 萬。

此外,我們的數(shù)據(jù)類型也較廣泛,包含超過 4000 名供體、年齡跨度為 0-96 歲,覆蓋全腦 165 個腦區(qū)以及神經(jīng)元、膠質(zhì)細(xì)胞、血管細(xì)胞等全部細(xì)胞類型。

這個量級、豐富度已可供我們先訓(xùn)練初代 DigitalBrain-M1 人腦基礎(chǔ)模型,探索人腦共通的底層機(jī)制和約束。后續(xù),我們計劃推進(jìn)與國內(nèi)外頂級醫(yī)院等醫(yī)療機(jī)構(gòu)的合作,進(jìn)一步補充中國人腦數(shù)據(jù)等特色數(shù)據(jù)。

36 氪:如果核心數(shù)據(jù)源都是公開的,你們花這么大力氣做這件事的價值主要是什么?

盧萌:簡單的數(shù)據(jù)收集、匯總,門檻確實較低。

但我們做了專業(yè)的數(shù)據(jù) " 精煉 "。我們參考艾倫 " 金標(biāo)準(zhǔn) " 的標(biāo)注體系,對各項研究進(jìn)行了統(tǒng)一的去批次、降噪、補充元信息、對齊到同一個表征空間,產(chǎn)出 AI-ready 的標(biāo)準(zhǔn)化人腦數(shù)據(jù)集,形成訓(xùn)練底座。

同時,我們還開發(fā)了獨有的基因檢索功能。過去,研究人員只能了解某個基因在局部腦區(qū)的表達(dá),還得先找到原始切片圖或表達(dá)矩陣,再自己寫代碼處理,耗時長,結(jié)論也未必清晰。在我們的系統(tǒng)中,大家能像打車軟件一樣直接檢索任意基因在全腦各腦區(qū)各類細(xì)胞中的準(zhǔn)確表達(dá)情況,還可選擇疾病和年齡條件,DigitalBrain-Atlas 的數(shù)據(jù)覆蓋面與精度都是行業(yè)內(nèi)較為領(lǐng)先的。

這就像給人腦構(gòu)建了一個谷歌地圖,精準(zhǔn)了解基因坐標(biāo)。這將對研究人腦,以及定位腦疾病致病基因、挖掘相關(guān)藥物靶點,乃至腦機(jī)接口研究等工作有重要意義。目前,我們已將近 1700 萬個細(xì)胞的標(biāo)準(zhǔn)化數(shù)據(jù)開源,供全球研究者免費檢索使用。

圖源:格原萬維 DigitalBrain-Atlas(https://digitalbrain-human.com/)

36 氪:將各項研究 " 標(biāo)準(zhǔn)化 " 的主要難點是什么?

盧萌:繁瑣之處在于,需逐份核對數(shù)據(jù)集。雖然自動化批量處理算法也能做這件事,但無法解決全部問題,例如,部分?jǐn)?shù)據(jù)集存在文件名與內(nèi)部數(shù)據(jù)不匹配、重復(fù)標(biāo)注、標(biāo)注錯誤等問題。在海量數(shù)據(jù)點里定位錯誤來源,就像從成千上萬個零件里排查故障零件。為保質(zhì)量,我們會逐一做人工復(fù)核校驗。

人腦基模的 Scaling Law

36 氪:完全用人腦細(xì)胞數(shù)據(jù)訓(xùn)練出來的模型,現(xiàn)在表現(xiàn)得怎么樣?

盧萌:先厘清一個問題,模型不會自動實現(xiàn)跨尺度推理。預(yù)訓(xùn)練階段,它輸出的是表征嵌入(embedding),即將基因、細(xì)胞的生物學(xué)信息編碼成數(shù)字向量。生物學(xué)上越相似的東西,在這個向量空間里離得越近。但這是模型理解生物信息的 " 基礎(chǔ)產(chǎn)物 ",還不能直接用來做疾病推演、靶點預(yù)測等復(fù)雜任務(wù)。

但有意思的是,我們用 DigitalBrain-M1 的表征分析腦區(qū)之間的功能關(guān)聯(lián),結(jié)果和傳統(tǒng)影像組學(xué)(fMRI)的觀測高度匹配。

最典型的是 BA23 和 BA32 兩個腦區(qū)。它們都在大腦內(nèi)側(cè)的扣帶回上,你可以想象成大腦中間有一條 C 形走廊,BA32 在前,BA23 在后,隔得不算近。但功能上,它們同屬默認(rèn)模式網(wǎng)絡(luò),負(fù)責(zé)回憶、內(nèi)省、自我價值評判等活動。DigitalBrain-M1 只看成千上萬個細(xì)胞的基因表達(dá),沒見過腦影像信息,卻能識別出這兩個腦區(qū)存在功能關(guān)聯(lián),這說明模型捕捉到跨層級腦網(wǎng)絡(luò)的底層生物學(xué)規(guī)律,是一種人腦結(jié)構(gòu)的涌現(xiàn),令我們非常振奮。

當(dāng)然,目前達(dá)成的還只是部分腦區(qū)的匹配,全腦范圍的精準(zhǔn)匹配還做不到。我們后續(xù)會開發(fā)適配器和解碼器,讓模型能直接做推理和預(yù)測。

36 氪:模型輸出結(jié)果和常規(guī)影像學(xué)結(jié)果相互印證,說明你們這套研究人腦的技術(shù)路徑是可行的?

盧萌:我認(rèn)為,這至少證明我們探索出了一個正確的方向。

36 氪:延續(xù)這個思路,DigitalBrain 后續(xù)的迭代規(guī)劃是怎樣的?

盧萌:構(gòu)建 AI4S 的 Scaling Law,不斷擴(kuò)大數(shù)據(jù)集規(guī)模,提高算力和參數(shù)量。就好比 ChatGPT,GPT-2 最初只是一個可以續(xù)寫文本的模型,但其真正的價值在于走上了 Scaling Law 的正確路線,只是能力不夠顛覆。后續(xù) GPT-4、GPT-5 隨著規(guī)模放大,涌現(xiàn)出的推理能力、多模態(tài)能力,使模型能夠落地到很多小模型階段預(yù)想不到的應(yīng)用場景。

在這個維度上,DigitalBrain-M1 相當(dāng)于 GPT-2,是我們打通技術(shù)路線的第一個版本。M2 已經(jīng)啟動研發(fā),我們希望模型能涌現(xiàn)出更強(qiáng)的多尺度人腦解析能力。

36 氪:要實現(xiàn)這些目標(biāo),還需要做哪些事情?

盧萌:需要打造兩套閉環(huán)。首先是對外生態(tài)閉環(huán),聯(lián)合醫(yī)院共建數(shù)據(jù)集;第二,聯(lián)合高校構(gòu)建干濕實驗閉環(huán)。

AI4S 和純 AIGC 不太一樣,前者必須依靠真實實驗數(shù)據(jù)來迭代模型。但傳統(tǒng)科研 " 小作坊 " 模式的數(shù)據(jù)產(chǎn)出效率遠(yuǎn)遠(yuǎn)不夠,所以我們需要依靠自動化和機(jī)器人,以工業(yè)級規(guī)模生產(chǎn)生物學(xué)數(shù)據(jù),支撐 Scaling Law 落地。

服務(wù)腦機(jī)接口等研究

36 氪:除新藥研發(fā)外,腦機(jī)接口是公司規(guī)劃的遠(yuǎn)期落地場景。但腦機(jī)接口給人的印象更多是 " 讀腦信號、植電極、刺激大腦 ",和你們做的 " 分子層面的人腦模型 " 聽起來是兩回事,這兩者是怎么聯(lián)系起來的?

盧萌:從生物學(xué)的基本原理而言,所有層級的結(jié)構(gòu)和動力學(xué)都由最底層的基因表達(dá)決定,這也是我們的出發(fā)點。我們希望 DigitalBrain 可以作為基礎(chǔ)底座模型,服務(wù)腦機(jī)接口以及其他人腦大尺度研究。腦機(jī)接口的核心,其實就是找到精準(zhǔn)靶點,用合適的模式做刺激調(diào)控。而找靶點、預(yù)測刺激效果,恰恰是我們的模型能發(fā)揮作用的地方。

例如抑郁癥、精神分裂癥這類精神疾病。依托完整的分子信息,模型可以推演大腦的連接網(wǎng)絡(luò),再基于網(wǎng)絡(luò)做預(yù)測、模擬擾動,評估特定基因背景下的患病概率;或定位網(wǎng)絡(luò)里比較脆弱的節(jié)點,研究怎么調(diào)控才能降低發(fā)病風(fēng)險。相當(dāng)于告訴你 " 刺激哪里、怎么刺激 "。

其實這就相當(dāng)于數(shù)據(jù)共享。腦機(jī)接口可以調(diào)用我們的人腦基模優(yōu)化自身模型,而我們也希望獲取腦機(jī)接口的實測數(shù)據(jù),迭代我們自己的模型。不同領(lǐng)域團(tuán)隊都在朝著同一個研究目標(biāo)收斂,可以理解為雙向奔赴。

36 氪:如果腦機(jī)接口公司、醫(yī)療影像公司自己做模型,是不是也能做這件事?

盧萌:的確,一些腦機(jī)接口、腦影像公司雖也在做人腦基礎(chǔ)模型,但主要基于影像數(shù)據(jù)做訓(xùn)練,其分辨率為毫米級,能看腦區(qū)整體情況,但缺乏最底層的單細(xì)胞、基因表達(dá)這類微觀分子信息;一些虛擬細(xì)胞企業(yè)嘗試做類似的事,但主要聚焦在實驗室條件下的細(xì)胞擾動訓(xùn)練,缺乏真實細(xì)胞的人腦層級信息。我們以人腦細(xì)胞為基礎(chǔ),構(gòu)建基于基因表達(dá)的層級涌現(xiàn)模型,是我們獨特的地方。

這其實也是投資機(jī)構(gòu)對我們感興趣的原因之一。在我們的體感中,科技投資人們希望挖掘科學(xué)邏輯無懈可擊,且具備創(chuàng)新性的方向。腦科學(xué)領(lǐng)域,很多同時滿足這兩個條件的事情大家都已經(jīng)在做了,且競爭比較充分,例如用腦機(jī)接口治療帕金森、癱瘓等。而構(gòu)建 " 跨尺度人腦基礎(chǔ)模型 " 這件事本身,還沒有人做過。

36 氪:想要真正落地在腦機(jī)接口場景,DigitalBrain 模型還需要補齊哪些能力?

盧萌:首先,需要從現(xiàn)在的局部匹配到實現(xiàn)完整、精準(zhǔn)的全腦腦網(wǎng)絡(luò)涌現(xiàn)能力;其次是動態(tài)狀態(tài)空間,也就是時間序列預(yù)測能力。不只是預(yù)測靜態(tài)的腦區(qū)關(guān)聯(lián),還要能預(yù)測施加刺激、擾動之后,腦網(wǎng)絡(luò)的狀態(tài)怎么隨時間變化。比如刺激之后效果能持續(xù)多久,不同頻率、不同強(qiáng)度的刺激有什么不同效果等。

36氪

36氪

讓創(chuàng)業(yè)更簡單

訂閱

覺得文章不錯,微信掃描分享好友

掃碼分享

熱門推薦

查看更多內(nèi)容

企業(yè)資訊

查看更多內(nèi)容