用AI绘制人类大脑地图：Google推出神经科学新课程

Google 最近在其 AI Quests 学习平台上线了一节聚焦神经科学的课程，名为“Polar Peaks”，目标是通过互动任务帮助学习者理解 AI 如何用于绘制人类大脑地图。

AI Quests 是什么

AI Quests 是 Google 推出的 AI 素养教育项目，通过游戏化场景让用户掌握 AI 基础概念。此次新增的“Polar Peaks”课程将场景设定在神经科学领域，让学习者在解决“绘制大脑地图”这一任务的过程中接触 AI 技能。

神经科学作为AI素养的切入点

人类大脑的图谱绘制是当今最复杂的科学挑战之一，涉及海量数据的处理与模式识别，这与 AI 擅长的领域高度重合。Google 选择这一主题，不只是因为它前沿，更因为它能让抽象的 AI 概念落到具体问题上：面对数十亿神经元连接，AI 能做什么、不能做什么，学习者可以在任务中直观感受。

连接组学（Connectomics） 是“绘制大脑地图”对应的核心科学领域。它的目标不是记录单个神经元的活动，而是完整重建神经系统内所有神经元之间的突触连接关系。人类大脑约有 860 亿个神经元、数百万亿个突触连接，其数据规模远超当前任何单一实验室的处理能力。

这一领域最著名的成果是果蝇全脑连接组，其包含约 14 万个神经元和数千万个突触，团队耗费数年才完成。相比之下，人类大脑的规模高出六个数量级。正因如此，连接组学高度依赖自动化方法：电子显微镜图像的分割、突触的自动识别、神经纤维走向的追踪，这些任务本质上都是计算机视觉与图结构学习问题，也是 AI 在神经科学中最直接的应用场景。学习者理解这一背景后，才能明白为什么“绘制大脑地图”天然是一个 AI 问题。

课程形式与设计思路

虽然原文未披露“Polar Peaks”的具体关卡细节，但从 AI Quests 的一贯设计来看，课程通常以任务驱动的方式呈现，学习者在完成挑战的过程中逐步接触算法思维、数据处理和模型评估等概念。将 AI 素养嵌入真实科学问题，是这套课程区别于传统 AI 教程的核心差异。

原文提到的“算法思维、数据处理和模型评估”对应 AI 素养教育的几个通用支柱：数据素养（理解数据的采集、标注与偏差）、算法素养（理解模型如何从数据中学习规律）、评估素养（判断模型输出是否可信、在什么条件下会失效）。

在神经科学场景中，这三个支柱都有具体落点：电镜图像需要人工与自动标注结合，标注质量直接决定模型表现；神经元分割模型在边界模糊的区域容易出错；模型评估则涉及如何衡量分割精度、如何发现系统性误判。任务驱动的课程设计之所以有效，正是因为它让这些抽象概念绑定在可观察的失败案例上——学习者不是背诵“模型会有偏差”，而是亲眼看到模型在哪里出错。

为什么值得关注

AI 素养正在成为基础能力，而最有效的学习方式往往不是从公式和代码出发，而是从一个足够有趣、足够真实的问题出发。Google 用“绘制人类大脑地图”作为 AI 学习的入口，提供了一个值得借鉴的思路：把 AI 教学锚定在具体的科学探索中，比单独讲授 AI 原理更容易引发持续的兴趣。

对于教育工作者和 AI 学习者而言，这类课程的出现也反映出科技公司正在把 AI 教育作为长期投入方向，而非一次性的产品宣传。