要让人工智能像人一样看世界，通常需要依赖庞大的计算集群和复杂的深度学习模型。然而，对于神经科学家而言，这些“超大AI”反而成了理解真实大脑的障碍——它们像黑箱一样，难以揭示大脑处理视觉信息的内在机制。为此，冷泉港实验室助理教授本杰明·考利（Benjamin Cowley）转而“小处着手”，开发出一种极简却高效的AI模型，成功揭示了猴子大脑如何解读视觉图像。 考利与卡内基梅隆大学的马修·史密斯教授和普林斯顿大学的乔纳森·皮洛教授合作，聚焦于与人类大脑结构更接近的猕猴。他们向猕猴展示精心挑选的自然图像，同时记录其视觉皮层中神经元的反应。在训练大型AI模型预测这些神经活动并超越其他模型30%以上后，研究团队利用压缩技术将模型缩小至原体积的千分之一，最终得到一个仅相当于邮件附件大小的微型视觉模型。 令人惊讶的是，这个微型模型不仅性能出色，其内部运作机制也清晰可辨。分析显示，模型中的“神经元”会将图像分解为边缘、颜色等基础视觉特征，并以不同方式整合信息，形成独特的偏好。例如，研究发现猴子大脑中存在一群专门识别“点”的V4神经元——这或许解释了为何人类对眼睛（本质是信息密集的“点”）如此敏感，也突显了眼神交流在社交中的核心作用。 更深远的意义在于，这一成果为未来研究脑部疾病提供了新路径。考利设想，若能明确哪些图像能激活特定神经回路，或许就能在阿尔茨海默病等神经退行性疾病导致突触丢失后，通过视觉刺激“重建”这些连接，甚至实现干预或治疗。 这项研究提醒我们：在探索大脑奥秘时，未必需要“大而全”的系统，有时“小而精”的模型反而能照亮最深层的智慧。