AI 與 BI，腦機之間，人工智慧如何理解生物大腦？：感知編碼×持續學習×腦網路建模……從感知、情緒、語言到數位孿生腦，解析生物智慧與機器智慧的雙向啟發

從生物腦到數位腦，
人腦如何啟發人工智慧，人工智慧又如何推動神經科學研究？
從人腦功能、神經表徵到深度學習與生成模型的跨領域解析

【從人腦到機器，重新追問智慧本質】
人類對智慧的探索，歷經萬物有靈、機械自動裝置、神經科學與人工智慧等不同階段。隨著大型語言模型在推理、語言與創作上的能力快速提升，智慧是否只是參數規模與運算能力的累積，成為當代科學的重要問題。本書指出，人類智慧並非單純取決於神經元數量，更涉及神經元之間的連結方式、訊息流動、功能分工與系統運作。人腦經過漫長演化形成高效、靈活且具有適應性的運作機制，至今仍能為人工智慧的架構設計、持續學習、記憶整合、穩健性、可解釋性與創造力提供重要啟發。

【以工程視角解析人腦功能系統】
全書第一部分從智慧的定義與人工智慧基礎出發，引介資料集、機器學習、神經網路、最佳化演算法、Transformer及各類生成模型，建立理解人工智慧的基本架構。接著依據David Marr提出的目標、演算法與實現三個分析層面，逐一探討視覺、聽覺、嗅覺、體感、運動、情緒、語言、睡眠與夢境等人腦功能系統。書中不僅說明感覺受器、神經通路、大腦皮質與認知功能的運作原理，也比較生物智慧與人工智慧在訊息編碼、表徵學習、控制與決策上的異同，並介紹卷積神經網路、自然語言處理、電子皮膚、機器人、情緒辨識及夢境解碼等相關應用。

【人工智慧如何推進腦科學研究】
第二部分將視角轉向人工智慧在神經科學中的實際運用，涵蓋多模態神經訊號處理、神經資料預訓練模型、潛在表徵學習、生成模型與腦網路建模等主題。書中說明如何處理fMRI、EEG與iEEG等神經資料，並透過深度學習擷取特徵、融合多模態訊息、解碼神經活動及分析行為。針對高維且複雜的腦科學資料，人工智慧可協助建立神經動力學模型，探索大腦結構、功能與行為之間的關係，也能應用於癲癇、阿茲海默症、帕金森氏症、精神障礙與腦老化等研究，為理解腦部疾病及個別差異提供新的計算方法。

【走向人腦智慧與人工智慧的融合】
本書進一步介紹數位孿生腦與基於模型的神經調控，探討如何結合大腦結構、神經訊號、動力學模型與人工智慧，建構可模擬個人大腦運作的虛擬模型，並應用於腦功能研究、疾病治療與類腦智慧發展。書末從自然演化與工程設計兩條路徑，回顧人腦智慧與人工智慧的起源、差異及共同方向。未來，腦機介面、類腦計算與人機協同系統可能進一步擴展記憶、計算與創造能力，但同時也須審慎面對隱私、安全與倫理問題。本書搭建腦科學與人工智慧之間的知識橋梁，適合作為人工智慧研究者認識神經科學的入門讀物，也可為腦科學工作者提供計算建模與資料分析的系統性參考。

本書特色

本書以人腦智慧與人工智慧的雙向啟發為主軸，結合神經科學、認知科學與計算方法，從視覺、聽覺、嗅覺、運動、情緒、語言到睡眠與夢境，解析大腦功能及其人工智慧實現；並介紹神經訊號處理、生成模型、腦網路建模、數位孿生腦與神經調控等最新應用，兼具理論架構、技術方法與跨領域視野，適合作為研究與學習的系統性參考。