第 14 讲 · 认知模拟
“模拟大脑”听起来像一个任务，其实可以指完全不同的目标：精细复现神经元和皮层柱、完成多种认知行为、开发类脑硬件，或让生物脑和机器协同工作。判断一个项目做到哪一步，必须先看它选择了什么尺度。
认知模拟首先要选择抽象层次
模拟越细，参数和计算成本越高，也越难直接连接复杂行为；模拟越抽象，越容易完成任务，却可能丢掉生物机制。常见层次包括：
- 细胞与突触层：模拟放电、离子通道或突触可塑性；
- 局部回路层：模拟皮层柱和不同神经元类型的连接；
- 脑区与系统层：模拟视觉、工作记忆、基底核等系统协作；
- 认知功能层：直接模拟感知、推理、学习和行动；
- 脑机系统层：让生物脑与机器在闭环中互补。
没有一种层次天然“最真实”。如果目标是研究药物对神经元的影响，细胞层很重要；如果目标是解释人如何在多个任务之间切换，系统和认知层可能更合适。
蓝脑计划：从皮层基本单元开始
蓝脑计划使用高性能计算机重建神经元形态、电生理性质和连接，尝试模拟皮层柱等局部回路。课件提到的锥体细胞、篮细胞和 RSNP 细胞等类型，说明它不是把每个节点都当成同一种抽象神经元。
这类工作能检验“给定结构和参数，会涌现出怎样的网络活动”，但局部回路模拟并不等于已经复制完整人脑，更不等于自动获得认知或意识。
Human Brain Project 与各国脑计划：不仅是造一个大模型
Human Brain Project 把脑数据、模拟、神经信息学和计算平台组织在一起。美国 BRAIN 计划更强调测量和操控神经回路的新技术；中国脑计划围绕脑认知原理、脑疾病、类脑计算与脑机智能等方向展开。
这些计划共同面对一个基础问题：不同实验产生的数据尺度不同，怎样把分子、细胞、回路、脑区和行为证据连接起来。高算力只是条件，跨尺度模型和可验证实验才决定科学价值。
Spaun：同一个神经系统完成多种任务
Spaun（Semantic Pointer Architecture Unified Network）由约 250 万个模拟神经元组成，包含视觉输入、信息编码、变换计算、奖励评价、信息解码、工作记忆、动作选择、路由丘脑、运动加工与运动输出等模块。
它的重要之处不是神经元数量，而是多个任务共享同一套系统：视觉输入先被编码为内部表征，工作记忆保持任务相关内容，基底核式动作选择决定下一步，最后产生运动输出。这样可以观察一个统一模型在不同任务间怎样复用表征和控制机制。
神经形态芯片：让硬件结构贴近事件驱动神经计算
传统冯·诺依曼架构频繁在存储器与处理器之间搬运数据，处理大规模神经网络时可能受到带宽和能耗限制。神经形态芯片把大量神经元、突触和局部存储放在更紧密的硬件结构中，并常采用脉冲与事件驱动计算：没有事件时少做工作，有脉冲时只更新相关单元。
“类脑”这里主要指计算组织方式，不表示芯片复制了人脑全部细节。评价它应看能耗、延迟、可塑性、可编程性和实际任务能力，而不只看模拟神经元数量。
脑机融合比单向脑机接口多一个闭环
普通描述常把脑机接口理解为读取脑信号控制设备。课件中的脑机融合更进一步：系统同时利用生物脑的感知、适应与意图，以及机器的计算、存储和执行能力；双方通过反馈共同改变。
一个闭环可以写成：
脑状态解码 → 机器理解与规划 → 环境或身体动作 → 感觉反馈 → 人与算法共同适应。
课程用 CAM 描述生物脑，用 ABGP 智能体模型描述机器单元：A 表示环境感知，B 表示信念，G 表示目标，P 表示规划。模型的重点是解决异构单元怎样共享任务状态、协调决策，而不只是把电极接到机械臂上。
判断“模拟成功”要回到验证问题
一个认知模拟至少应回答：
- 它模拟的是哪个层次，忽略了什么；
- 参数来自实验、拟合，还是人为设定；
- 它能否预测没有参与建模的数据或行为；
- 与更简单模型相比，复杂结构是否带来可检验的增益；
- 项目展示的是神经相似、行为相似，还是主观体验——三者不能互相替代。
这五个问题能避免把“规模很大”“名字里有人脑”直接等同于已经理解心智。