DeepMind神经科学研究主任马特·博特文尼克探讨了神经科学与AI的融合。他认为理解大脑的关键在于连接认知功能与神经机制，心理学与神经科学本质是同一学科。他分享了从医学生到AI研究者的转变，以及强化学习、多巴胺编码等前沿研究如何揭示大脑运作原理，并展望了AI与神经科学相互促进的未来。
DeepMind神经科学研究主任马特·博特文尼克（Matt Botvinick）是一位跨越认知心理学、计算神经科学和人工智能的杰出学者。在本次访谈中，他阐述了自己对神经科学与AI关系的深刻见解。博特文尼克认为，理解大脑的关键在于将高层次的认知功能（心理学）与底层的神经机制（神经科学）联系起来，这两者本质上是同一学科的不同层面。他结合自身从医学到艺术史，最终投身神经网络研究的独特经历，探讨了强化学习、多巴胺信号编码等前沿课题，并展望了AI与神经科学如何形成一个“良性循环”，共同推动我们对人类智能乃至社会的理解。
展开「深读」看每一段讨论的问题与论据。
讨论的问题：当前我们对大脑的理解处于什么阶段？心理学和神经科学应如何统一？
论据 / 案例：用肾类比说明：先明确器官功能（如肾脏过滤血液），再研究其机制；类比遗传学史上孟德尔基因概念（隐喻）先于DNA物理机制的发现。
讨论的问题：心理学中的概念（如注意力）与神经科学中的物理机制有何关系？认知心理学对AI有何启发？
论据 / 案例：提及“平行分布式处理”书籍作为连接主义起点；以神经心理学对语言功能（如阅读、听觉与语义处理）的研究为例。
讨论的问题：大脑最令人着迷的悖论是什么？前额叶皮层在认知中扮演什么核心角色？
论据 / 案例：引用洛利亚（Luria）对额叶损伤患者灵活性缺陷的研究；以驾驶（从学习到熟练）为例说明习惯化与自动化行为。
讨论的问题：智能的基本单位是什么？环境在塑造认知中起什么作用？
论据 / 案例：提及“自我对弈”机制作为竞争驱动学习的关键；强调任务分布（task distributions）中“无尽的多样性与冗余性”对元学习的重要性。
讨论的问题：AI 与神经科学如何相互促进？近期AI进展对神经科学有何具体启示？
论据 / 案例：讨论基于多巴胺奖励预测误差的时序差分学习；提出大脑可能存在“分布编码”的假设。
讨论的问题：构建与人类交互的智能体，会引发哪些超越工程的根本性问题？
论据 / 案例：举例：机器人演奏贝多芬的“审美选择”问题；引用《圣经》中人类获得智慧可能导向仁慈的叙事，与“AI统治者”反乌托邦叙事对比。
讨论的问题：什么是分布强化学习？多巴胺在大脑中可能如何表征奖励信号？
论据 / 案例：论文《A distributional code for value in dopamine-based reinforcement learning》；引用多项行为实验和神经生理学数据支持多巴胺的分布编码假说。
讨论的问题：未来10-30年，神经科学最可能取得突破的方向是什么？
论据 / 案例：提及为头固定小鼠设计虚拟现实环境等解决方案；强调将新兴技术与行为研究重新结合的趋势。
