夜行书生
哪怕最小的选择，也会点亮整个大脑_我的网站
A |
一键部署OpenClaw 打开短视频平台，到处都是“AI一分钟生成网站”“零代码一键上线”的广告。 一项由国际合作团队创建的新小鼠脑数据集显示，决策过程会调动整个大脑的神经元活动。看起来很美好，但真正动手做的时候，你会发现事情没那么简单。 坑一：AI生成的代码看着挺好，一跑就挂 这是最常见的翻车现场。 “即便是可以说相对简单的决策，也会招募到非常多的大脑区域。
B | ”加州大学洛杉矶分校神经生物学教授、国际脑实验室（International Brain Laboratory，简称IBL）创始成员之一安妮·丘奇兰（Anne Churchland）说。
C | 丘奇兰指出，传统的经典模型认为，基于视觉的决策活动路径是：从视觉丘脑传递到初级视觉皮层及其联络区，然后可能到达额叶皮层。但新的研究结果显示，“也许大脑中存在更多的并行处理，而不是我们原先以为的那种线性、逐层的电路结构。” 丘奇兰和其他科学家在2017年建立了IBL，这源于他们对以往小规模决策研究的挫折——那些研究往往一次只分析一两个脑区。把一张原型图发给AI，它确实能很快写出代码。但写完之后没法直接集成到项目里——因为真实的企业级项目有严格规范，深度绑定了特定的组件库和代码结构。AI只能凭感觉写一套它认为最合理的代码，看着挺好，一放进主项目里就各种报错。
D | 怎么避坑？ 在设计源头就把规范约束建立起来。IBL的目标是大规模地研究大脑如何整合信息并做出决策。“我们组成了一个大型团队，因为大家都意识到，只有集体的努力才能在这个长期困扰我们的研究问题上取得突破。”丘奇兰说。 经过多年努力，IBL团队在12个实验室间统一了研究方法与设备，最终绘制出了小鼠在执行决策任务时的全脑神经活动图谱。用Pixso这类AI设计协作工具，在设计环节直接锁定规范——基于企业现有的设计系统和组件库来生成界面。该图谱最近发表在《自然》[1]期刊上。设计稿本身就符合规范，AI再去理解它、转换成代码，才有靠谱的依据。 坑二：AI生成的全是假数据 AI写出来的代码是静态的，里面的新闻、产品、文案全是假的。结果显示，与选择和运动行为相关的神经活动几乎遍布整个大脑。
E | 如果每次改内容都得找程序员改代码，那效率等于零。 怎么避坑？ 把AI生成的前端代码集成到CMS（内容管理系统）中。用CMS的动态标签替换AI生成的假数据——新闻列表、产品展示、公司介绍，所有内容都可以在后台随时更新。同一团队发表的另一篇同期论文也发现，基于先验知识（prior knowledge）的决策过程同样涉及广泛的脑区[2]。AI负责前端，CMS负责数据，各司其职。 坑三：以为“一句话”就能搞定一切 Vibe Coding（氛围编程）概念很火，强调“描述需求”逐渐替代“手写代码”。
F | IBL的实验室通过整合来自139只完成视觉辨别任务小鼠的Neuropixels神经记录数据生成了这幅图谱。但你不能指望一句话生成的产品就很好。该有的需求分析、该确认的PRD得确认，而且还要做版本管理。每个实验室记录的脑区不同，但合起来覆盖了整个大脑。
G | 最终的数据集跨越了近300个脑区，包含超过62万个神经元的活动，是目前关于决策过程最丰富的数据集之一。
H | 未参与该研究的拉德堡德大学脑、认知与行为教授弗洛里斯·德·兰赫（Floris de Lange）评价道。自带版本管理没有Git好用。 怎么避坑？ 把AI当成“初级工程师”，而不是“全能大神”。 IBL已将该数据集公开[3]。德·兰赫表示，这将让研究人员“能够以一种非常简便而强大的方式来检验新的科学假设”。 挑战传统观点 IBL选择了一种视觉行为任务——它足够复杂，可以揭示决策过程的不同方面，同时又足够简单，能够在不同实验室中重复实现。 在实验中，小鼠会看到一个带有黑白条纹的圆形图案出现在屏幕的左侧或右侧，然后它们需要转动一个微小的滚轮，将圆形移到屏幕中央。如果小鼠成功完成任务，就会获得一口水；如果失败，则会听到白噪声作为反馈。你负责目标、结构、标准和取舍，AI负责实现、重构、排错和重复劳动。
I | 开发人员更像是架构师的角色，监督AI智能体工作。
J | 在此过程中，电极记录下小鼠从看到视觉提示、作出选择、转动滚轮，到最终获得水或噪声反馈时的大脑活动。 一旦动物看到视觉提示，大脑中一些可预测的区域（包括视觉皮层、丘脑和前额叶皮层）就会出现活动。 与选择相关的神经活动不仅出现在皮层区域（这与以往研究一致），还出现在下丘脑、后脑和小脑等皮层下区域。这一发现挑战了“只有少数特定脑区编码决策信息”的传统观点，支持了“决策相关信息在大脑中广泛分布”的新理念。 “令人惊讶的是，几乎到处都能看到与选择有关的神经活动。”宾夕法尼亚大学的神经科学副研究教授Long Ding说道，他并未参与这项研究。 坑四：海外工具在国内水土不服 Bolt.new、Lovable这些海外工具确实强大，但国内用户用起来有四个硬约束：网络访问不稳定（页面加载慢、白屏）、付费需美元信用卡、生成的应用部署到海外不能稳定服务国内用户、企业用担心数据合规。 与运动和反馈相关的信号也遍布整个大脑：在记录的脑区中，有81%包含可以预测动物滚轮速度的信息；几乎所有被记录的脑区——包括那些与奖励无直接关联的区域——都能准确预测小鼠是否获得奖励，其中丘脑、中脑和后脑的活动最为强烈。 当小鼠在实验中更频繁地看到圆形出现在屏幕一侧时，它们会逐渐将这种“先验信息”融入下一次的决策之中。 怎么避坑？ 优先考虑国内替代方案——阿里云Meoo秒悟、百度秒哒等国产工具。研究团队在第二项研究中报告，这种信息广泛分布在大脑的20%至30%区域中，包括早期视觉通路中的感觉处理区域，如背外侧膝状体（dorsal lateral geniculate）。 这些发现推翻了长期以来的观点——即“先验信息”只会在最后一步才被整合到高级皮层或决策区的过程中。
K | 丘奇兰表示：“新的结果表明，先验信息在整个决策过程中都会发挥作用。
L | ”
总体而言，这些研究提示我们，目前关于决策机制及其控制脑区的模型可能过于局限，其他尚未探索的脑区也可能同样重要。
尽管分析表明，即使在感觉处理的早期阶段，大脑的分布式网络中也包含与决策相关的信息，但这并不意味着存在因果关系。Ding指出，未来的研究需要确定这些信息是如何被实际用于下一次决策或学习的。
德·兰赫指出，这一详尽的脑图为后续实验奠定了基础，并可能成为一个“资料库”，帮助神经科学家在自己的实验室中验证结果。阿里云万小智2.0已经支持自然语言对话零代码生成完整网站，原生集成域名申领、ICP备案、阿里云云资源部署。最终，这些研究强调了大规模、多实验室合作的重要性，尤其是在研究大脑活动时。
该国际合作组织如今已扩展至21个实验与理论神经科学实验室，并成立了一个名为IBL 2.0的新团队，计划与新的合作伙伴共享他们积累的工具与经验。丘奇兰表示：“我希望我们的研究能说明，当更多人联合起来时，他们能完成超越单个实验室能力的工作，并为整个领域带来关键性的洞见。”
参考文献：
[1] International Brain Laboratory.， Angelaki， D.， Benson， B. et al. A brain-wide map of neural activity during complex behaviour. Nature 645， 177–191 (2025).
[2] Findling， C.， Hubert， F.， International Brain Laboratory. et al. Brain-wide representations of prior information in mouse decision-making. Nature 645， 192–200 (2025).
[3] https://viz.internationalbrainlab.org/
原文：https://www.thetransmitter.org/decision-making/everything-everywhere-all-at-once-decision-making-signals-engage-entire-brain/
本文来自微信公众号：神经现实，作者：Claudia López Lloreda，译者：EY。 AI建站工具确实强大，但它们不是魔法。工具是放大你的能力，不是替代你的能力。知道怎么用、知道什么时候该用、知道什么时候该自己动手——这些判断力，才是AI时代真正的核心竞争力。
申请创业报道，分享创业好点子。点击此处，共同探讨创业新机遇！。
Current article:http://lqzbqce.gamajionghuanmuniuzhuanguchu.cyou/cv6b/2ynf.html
Published on:11:40:49
