商傳媒｜何映辰／台北報導
美國卡內基美隆大學（Carnegie Mellon University）的神經科學研究所，正運用先進的人工智慧（AI）技術，透過分析大腦功能性磁振造影（fMRI，一種測量大腦活動的掃描技術）數據，建立模型來預測人腦視覺皮層（負責處理視覺資訊的腦區）對影像的反應。這項前瞻性研究是「神經人工智慧」（NeuroAI）領域的最新進展，旨在結合神經科學與 AI 的洞見，共同推動智慧的理解與應用。
近年來，人工智慧與神經科學的發展趨勢相互借鏡。深度神經網路（一種模仿人腦結構的 AI 模型）在其中扮演關鍵角色，因為其內部的運作模式與大腦活動模式有相似之處，有助於彌補 AI 和神經科學之間的鴻溝。神經人工智慧這個新興領域，讓兩者的研究成果能相互強化，加速彼此的進步。
卡內基美隆大學的神經科學研究人員積極參與多項大型跨領域合作。例如，西蒙斯生態神經科學合作計畫（Simons Collaboration on Ecological Neuroscience）是一項為期十年、耗資 8000 萬美元的計畫，目標是發展數學理論，解釋大腦如何將感知轉化為行動。卡內基美隆大學教授 Xaq Pitkow 便參與其中，將神經記錄技術與計算模型結合。
此外，「皮質網路機器智慧計畫」（Machine Intelligence from Cortical Networks）已成功繪製了一立方毫米的小鼠腦組織圖譜，其中包含約 20 萬個細胞及超過 5 億個連接。該計畫的核心目標是同時測量同一腦組織內的解剖結構連接（大腦各區域的物理連結）與神經活動，以連結大腦的結構與功能。研究人員表示，結合如此全面的大腦結構與功能測量，理解思維的基本機制可能指日可待。
這類跨學科合作，整合了神經科學家、機器學習研究人員和數學家等不同領域的專家，對於激發創新至關重要。卡內基美隆大學正在開發數學框架，以彌合大腦資訊處理方式與計算系統原理之間的差距。其中，Aran Nayebi 助理教授透過研究動物學習，來識別 AI 系統目前仍缺乏的行為能力，並為智慧的工程化提供具體目標。Jenelle Feather 助理教授則開創性地使用模型來幫助聽力受損者恢復聽覺處理（大腦分析聲音的過程）。她的模型能直接從聲音等物理輸入預測神經反應，為轉譯研究與個人化聽力解決方案提供途徑，例如模擬不同聽力障礙並設計更個人化的人工電子耳或人工耳蝸演算法。
這些研究的最終目標是深入理解智慧的本質，並開拓科技、醫學與腦部健康領域的嶄新可能性。