专家解读（YouTube）· CSHL Leading Strand · YouTube·· 2 小时前评分23
CSHL AI in Biology 研讨会：Andreas Tolias 谈大脑数字孪生与脑基础模型
CSHL Symposium on AI in Biology: Interview with Andreas Tolias
导读
CSHL Leading Strand 邀请 Baylor/Rice 的 Andreas Tolias 介绍"大脑数字孪生"框架：在猕猴 V1 采集数千神经元电生理数据，训练深度网络高精度预测单个神经元对自然图像的响应。模型还揭示部分神经元对 UV 波段异常敏感，引导出可被实验验证的新假设；同一方法已扩展到猕猴听觉皮层，用于解码面对不同声音时的语义表征。
要点概括
CSHL Leading Strand 邀请 Baylor / Rice 的 Andreas Tolias 讲"大脑数字孪生"——用大规模神经记录训练 AI 模型预测神经元对视觉刺激的反应，作为脑基础模型与可解释神经科学的平台。
- 数字孪生框架：在猕猴 V1 采集大规模电生理（数千神经元），用深度网络学习"刺激 → 神经元响应"的映射，训练出的模型可高精度预测单个神经元对自然图像的反应，被称为大脑的数字孪生。
- 神经元选择性可解释：模型揭示部分神经元对紫外线（UV）波段异常敏感——这一"UV 选择性"此前在生物学上未被充分注意，模型预测引导实验验证其存在，体现 AI 反哺假设生成。
- 跨物种 / 语言解码：团队把同一套方法用于猕猴听觉皮层，并尝试让模型"读出"猕猴面对不同声音时的语义表征，延伸到对动物"语言"／通信信号的解码，强调基础模型的可迁移性。
- 定位与边界：计算神经科学 / 脑基础模型，
来源：专家解读（YouTube） · youtube.com