神经仿真器理论

神经科学的核心目标是提供解释机制，说明动物神经系统如何生成行为和认知状态，如意识；而人工智能（AI）和机器学习（ML）则致力于开发越来越好的预测模型。尽管经过多十年的研究，我们在提供神经科学解释方面取得的进展有限，但人们正在增加使用 AI 和 ML 方法进行神经科学预测，以预测行为甚至认知状态。本文提出了仿真器理论（ET）和神经仿真器作为生物学大脑活动和仿真器理论（ET）作为神经科学中替代性研究范式的回路和尺度无关的预测模型。ET 提议，仅基于神经动力学和行为训练的预测模型可以生成与其来源在功能上无异的系统。也就是说，与它们所建模的生物学生物体相比，仿真器可能在行为和认知状态——包括意识——方面实现无与伦比。我们通过几个猜想论述 ET，讨论神经回路内源性和外源性激活的本质，以及现象性状态的神经因果性。ET 提供了针对神经动力学和行为预测模型的概念和实证框架，而无需对特定进化的神经系统进行显式表示。