BRAIN / BRAIN × AI20 SEP 2026
脑科学与AI77｜先猜再验，还是先测全再算：神经科学的"微芯片时刻"在一条线虫身上
光遗传学拿了今年的诺贝尔奖。同一时间，一篇文章被翻译过来：光遗传学的共同开创者、麻省理工的博伊登，和宾夕法尼亚大学的计算神经科学家科丁，在 2025 年 10 月联名发表的《全脑、自下而上的神经科学：时候到了》。
神经科学的老办法是"自上而下"：先看到一个现象，提一个假设，设计实验去验证。可大脑有几百个脑区、几千种细胞、可能几百万种分子，可能的假设多到天文数字，绝大多数都是错的。博伊登和科丁主张反过来"自下而上"：在同一只动物身上，把所有零件、所有连接、所有活动都测出来，再在电脑里搭一个能预测行为的模型——就像先懂了晶体管，才造得出芯片。第一站，就是那条只有 302 个神经元的线虫。
302 01 线虫的神经元数 |
3层 02 分子、连接、活动 |
2023 03 信号传播图谱 |
中文标题说神经科学"困在'假设—验证'的死胡同里太久了"，这有点夸张，原文并没有说死胡同。但它提出的问题是真问题，而且和我们这个系列好几篇正好接上：第 ㉓ 篇"302 个神经元，算了四十年"，第 70 篇"路网有了，车流还没有"，第 74 篇"AI 靠试得多加有人判卷"。
一位研究者在操作显微镜。自下而上的神经科学，要在同一只线虫身上，把分子、连接和活动全部测出来。图片来源：Tima Miroshnichenko / Pexels
两种研究大脑的路：自上而下是先看现象、提假设、做实验验证，假设空间太大、多数是错的；自下而上是在同一只动物身上测全分子、连接和活动，再搭模型预测行为，第一站是302个神经元的线虫。
BRAIN / 01
一、老办法：先猜再验
神经科学过去一百年，主要是这样做研究的：
—提一个假设："可能是杏仁核里某一群细胞在起作用"；—设计实验去验证：把那群细胞关掉，看小鼠还僵不僵。
这条路很有成果。这个系列讲过的很多发现——多巴胺报告"意外"（第 55 篇）、位置细胞和网格细胞（第 60 篇）——都是这样找到的。
但博伊登和科丁指出了它的天花板：
—假设空间太大：几百个脑区、几千种细胞类型、几百万种分子，能提出的假设几乎无穷，绝大多数是错的。—验证一个，只懂一点：即使某个假设被证实了，也只理解了系统里的一小部分机制。—发现不会"复利"：芯片的进步是一步带一步、越来越快的；神经科学的重大发现，却很少让下一个发现变得容易很多。
这和第 74 篇讲的数学正好呼应：人凭直觉在巨大的可能性里挑几条路试，效率高，但会形成共同的盲区。
BRAIN / 02
二、新办法：先测全，再算
博伊登和科丁的类比是微芯片：
—1900 年，没人能想象一把沙子能变成会"思考"的芯片；—直到量子力学弄懂了电子在半导体里怎么动，才能从晶体管的已知性质出发，先在电脑里模拟，再造出来；—一旦有了这样的"底层真相"，创新就从靠运气变成靠设计，一项带动一项。
他们主张神经科学也走这条路：把大脑的零件和它们之间的相互作用全部测出来，然后从下往上搭一个模型，让模型去预测行为。
为什么从线虫开始
—秀丽隐杆线虫只有 302 个神经元，却会进食、交配、逃避危险、做简单的决策。—它的接线图 1986 年就画出来了（第 70 篇）。—它是透明的，可以在活着的时候用光照射、拍下所有神经元的活动。
需要测什么、怎么测
原文列了三层，而且强调要在同一只线虫身上测：
—分子：每个神经元里有哪些蛋白、哪些受体。工具之一是博伊登实验室 2015 年发明的"膨胀显微镜"——把组织像气球一样均匀撑大，再用普通显微镜就能看清很小的结构。2021 年，研究者已经画出了线虫每一个神经元的基因表达图谱。—活动和因果：用光遗传学每次只打开一个神经元，同时拍下全身所有神经元怎么反应——"拨动 A，看 B 怎么动"。
最后一步最关键。它不是"看"，而是"动手"：第 ㊴、㊾ 篇讲过，光遗传学的价值，正是把神经科学从"相关"推进到"因果"。
BRAIN / 03
三、一个已经出现的惊喜：接线图会骗人
原文提到"全线虫钙成像加单细胞光遗传学控制已经投入使用"，这里补上最有意思的一项结果。
2023 年，普林斯顿大学莱弗团队在《自然》发表了线虫的"信号传播图谱"：他们一个个地刺激线虫的神经元，记录其他神经元的反应，画出了一张"实际上谁影响谁"的功能图。结果发现：
—原因之一是：很多神经元之间没有直接连线，却能在一秒之内互相影响——靠的是神经肽这类化学物质，从细胞里释放出来，扩散到附近有相应受体的细胞上。这种"不走线路"的信号，在接线图上是看不见的。—用实测的信号传播图谱，比用接线图，更能预测线虫自发的神经活动。
这正好给第 70 篇"路网有了，车流还没有"补上了最硬的证据：光有路网不够，还有大量"不走路"的信号；必须动手去拨、去测，才知道实际的车流。这也是博伊登和科丁坚持"测全、并且做因果扰动"的原因。
BRAIN / 04
四、这个类比哪里不完全对
微芯片的比喻很有力，但有几处要打折扣：
—晶体管种类少、彼此一样；神经元种类多、各不相同。原文自己也承认这一点。一块芯片里的上亿个晶体管几乎完全相同；线虫的 302 个神经元，几乎每一个都不一样。—神经元会变。突触会随经验变强变弱（第 62 篇），多巴胺这类物质会改变整片网络的状态（第 55 篇）。芯片出厂后不变，大脑每时每刻都在变。—个体之间不一样。同一种线虫，不同个体的细节也有差别。这正是原文强调"要在同一只身上测全，还要测很多只"的原因。—"自上而下"并没有错。多巴胺的奖励预测误差，就是先有强化学习的理论、再去大脑里验证找到的（第 29、55 篇）。更可能的未来是两条路相互配合：自下而上提供"零件说明书"，自上而下提供"要解释什么"。
BRAIN / 05
五、从线虫到人，差在哪
—规模：线虫 302 个神经元，果蝇约 16.7 万（第 70 篇），人约 860 亿。每往上一步，都是好几个数量级。—透明度：线虫是透明的，可以用光测全身；哺乳动物的大脑不透明，光照不进去，这是光学方法最大的障碍。原文提到，已经有研究在让活体哺乳动物的大脑变得更"透明"、在斑马鱼幼虫身上做全脑电压成像。—时间：第 ㉓ 篇说过，线虫的接线图有了四十年，我们仍然算不准它下一步怎么动。博伊登和科丁的计划，是把这四十年缺的那几块（分子、活动、因果）补齐。即使成功，从线虫推到人，也是很长的路。
BRAIN / 06
六、对照 AI
—这是一次"从猜到测"的方法转变，和 AI 在数学里的作用很像。第 74 篇说，AI 的优势是用便宜的算力换搜索宽度，不靠少数人的直觉去挑路。自下而上的神经科学，也是用大规模测量替代少数人提出的假设。两者的共同前提，都是有可靠的"判卷"：数学有机器检查证明，神经科学要靠"在模型里敲掉一个基因，再在真线虫身上敲掉，看结果对不对"。—AI 是这条路的工具。膨胀显微镜的图像要靠机器学习追踪连线（第 70 篇的果蝇也是），分子的功能要靠 AlphaFold 一类模型推测，最后的"数字线虫"本身就是一个巨大的计算模型。—反过来，数字线虫也可能启发 AI。原文说，从模型中提炼出的回路模式，可能为新的人工智能架构提供灵感。第 65 篇讲过，线虫和果蝇这样的小脑子，用极少的神经元就能做出稳定的行为——这正是今天的大模型还很缺的东西。
BRAIN / 07
七、原文要更正的地方
—"光遗传学之父"：博伊登确实是光遗传学的共同开创者——2005 年那篇奠基性论文，他是第一作者，戴瑟罗斯是通讯作者，纳格尔也是合作者之一。但今年的诺贝尔奖颁给了戴瑟罗斯、黑格曼和纳格尔，没有博伊登。称他为"之父"，至少要加上"之一"。—"死胡同"：原文的意思是"自上而下有时有效，但假设空间太大，难以系统地理解大脑"，并没有说这条路走不通。中文标题说重了。
BRAIN / 08
八、边界
—博伊登和科丁的文章是一篇观点文章，描述的是一个研究计划，不是已完成的成果。—"数字线虫能预测行为"目前还没有实现；本文提到的信号传播图谱，是这个方向上的一项重要进展，但离完整模型还远。
BRAIN / 09
九、自测：合上文章回答
—"自上而下"的研究方式是什么？它的天花板在哪里？—博伊登和科丁为什么用微芯片作比喻？"自下而上"要测哪三层？—2023 年的线虫信号传播图谱发现了什么？它怎样印证"路网不等于车流"？
BRAIN / 10
十、三行，留着复习
```
两条路 自上而下：看现象、提假设、做实验，假设空间太大多数是错；自下而上：测全零件和相互作用，再搭模型
线虫第一站 302个神经元、透明、接线图已有；在同一只身上测分子、连接、活动，并用光一个个拨动看因果
最硬的证据 2023年信号传播图谱：实际影响不同于接线图，神经肽"不走线路"；实测图谱比接线图更能预测活动
```
本篇是「脑科学 × AI」系列第77篇，药神撰写（2026-10-08），读的是「追问」编译的博伊登与科丁文章。更正：博伊登是光遗传学共同开创者之一，2026年诺奖未授予他；原文并未说“死胡同”。
阅读依据：Boyden E, Kording K. Whole-brain, bottom-up neuroscience: The time for it is now. The Transmitter 2025；Randi F et al. Neural signal propagation atlas of C. elegans. Nature 2023（PMID 37914938）；Boyden ES et al. Nat Neurosci 2005（PMID 16116447）；Chen F, Tillberg PW, Boyden ES. Expansion microscopy. Science 2015（PMID 25592419）；Taylor SR et al. Cell 2021（PMID 34237253）。回引第㉓㉙㊴㊾、55、62、65、70、74篇。