█ 腦科學動態

三神經元回路控制食物攝入

線吸引子動力學的首次實驗證據

大腦可以在瞬間識別語言結構，并自動修正錯誤

調控多巴胺釋放的新通路，或影響運動與情緒決策

嗅覺喪失與異常呼吸模式相關聯

迷你大腦揭示孤獨癥機制及潛在治療方法

█ AI行業動態

Claude 3.5 新功能：讓AI像人一樣操作計算機

Stable Diffusion 3.5 ，三款模型應對多樣需求

HarmonyCloak助力音樂創作者抵御AI侵權

谷歌等機構探索群體智能，大模型協同優化迎新突破

█ AI研發動態

大腦動態結構的涌現與整合分離的平衡點

系統0，AI塑造的人類思維新方式

用于解決 NP 完全問題的可重構集成光子處理器

自順應憶阻器陣列助力高效神經形態計算

機器人和人工智能推動科學實驗室變革

AI生成文本水印技術有效提升內容可追蹤性

機器人學習利用聲學振動感知物體

腦科學動態

三神經元回路控制食物攝入，揭示抑制食欲的關鍵機制

洛克菲勒大學分子遺傳學實驗室，由Jeffrey M. Friedman教授領導，研究團隊包括Christin Kosse等科學家，他們發現下丘腦腹內側（VMH）中表達腦源性神經營養因子（BDNF）的神經元對食物攝入和下頜運動有直接影響。團隊通過操縱這些神經元的活性，揭示了控制進食行為的神經回路。

研究團隊通過使用光遺傳學技術，操控小鼠的下丘腦腹內側（VMH）中的BDNF神經元，揭示了這些神經元在控制進食行為中的核心作用。當抑制這些BDNF神經元時，動物不僅攝入更多的食物，還在沒有食物的情況下表現出咀嚼動作。激活這些神經元則能有效抑制食物攝入，甚至在饑餓狀態下也會停止進食。

研究表明，這些神經元與弓狀核（Arc）中的AgRP神經元相連，形成一個三神經元回路，連接調節食欲的激素信號和下頜的運動控制。這一回路的發現，為理解食欲調節及肥胖的神經機制提供了新的視角。研究結果還表明，肥胖動物的這些神經元活性顯著增加，瘦素（leptin）治療也會增強這些神經元的活動。研究發表在 Nature 雜志上。

#神經科學 #食欲調節 #肥胖 #腦神經回路 #光遺傳學

閱讀論文：

Kosse, Christin, et al. “A Subcortical Feeding Circuit Linking an Interoceptive Node to Jaw Movement.” Nature, Oct. 2024, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-024-08098-1

解碼攻擊性與性喚起的神經信號：線吸引子動力學的首次實驗證據

加州理工學院的神經科學家David J. Anderson教授及其團隊，在三篇新論文中揭示了大腦內部情緒狀態（包括攻擊性和性喚起）的神經信號機制。他們的工作首次驗證了大腦中線吸引子動力學的存在，并揭示了其在情緒狀態中的關鍵作用。

研究團隊采用了雙光子鈣成像和全息光遺傳學等先進技術，觀察并操控了雄性小鼠的攻擊性狀態和雌性小鼠的性喚起狀態。他們發現，攻擊性和性喚起信號由下丘腦中特定神經元的活動模式——線吸引子（line attractor）編碼，線吸引子是一種穩定的大腦活動模式，能量沿著線吸引子流動，決定了情緒狀態的強度和持久性。例如，當雄性小鼠進入攻擊狀態時，神經能量沿著線吸引子流動越遠，攻擊性越強。在雌性小鼠交配期間，性喚起信號也表現出類似的動力學模式，且這種信號的產生依賴于特定的荷爾蒙狀態。

此外，研究發現，神經肽催產素（oxytocin）和加壓素（vasopressin）在維持攻擊性狀態的神經信號中扮演了關鍵角色。破壞這些信號傳導途徑后，小鼠的攻擊性顯著降低，線吸引子動力學也隨之消失。該研究為神經網絡如何編碼情緒狀態提供了直接的實驗證據，表明不同情緒狀態可能共享一種通用的神經編碼機制。該研究發表在 Nature 和 Cell 上。

#神經技術 #情緒狀態 #攻擊性 #性喚起 #神經網絡

閱讀論文：

Liu, Mengyu, et al. “Encoding of Female Mating Dynamics by a Hypothalamic Line Attractor.” Nature, vol. 634, no. 8035, Oct. 2024, pp. 901–09. www.nature.com, https://doi.org/10.1038/s41586-024-07916-w

Mountoufaris, George, et al. “A Line Attractor Encoding a Persistent Internal State Requires Neuropeptide Signaling.” Cell, vol. 187, no. 21, Oct. 2024, pp. 5998-6015.e18. www.cell.com, https://doi.org/10.1016/j.cell.2024.08.015

Vinograd, Amit, et al. “Causal Evidence of a Line Attractor Encoding an Affective State.” Nature, vol. 634, no. 8035, Oct. 2024, pp. 910–18. www.nature.com, https://doi.org/10.1038/s41586-024-07915-x

大腦可以在瞬間識別語言結構，并自動修正錯誤

隨著數字媒體的興起，人類處理信息的速度大大提高。紐約大學的語言學與心理學研究團隊，領導者為 Liina Pylkk?nen 教授，致力于研究大腦如何快速處理這些快速閃現的語言信息。他們通過一系列實驗，揭示了大腦在短時間內識別語言結構的能力。

研究團隊使用腦磁圖技術，測量了參與者在閱讀短句子時的大腦活動。他們發現，左顳葉皮層在130毫秒內即可區分出語法句子和無結構的單詞列表，顯示大腦具備快速識別句子結構的能力。此外，即使句子中存在語法錯誤或含義不通，大腦仍能迅速檢測到基礎的短語結構并自動修正這些錯誤。研究表明，大腦在識別語言結構的速度幾乎與其處理視覺場景的速度相當，這一發現挑戰了傳統逐詞處理語言的模型。通過這種快速的結構識別，大腦能夠有效地應對數字化世界中不斷閃現的信息。研究發表在 Science Advances 和 Journal of Neuroscience 上。

#認知科學 #語言處理 #快速信息

閱讀論文：

Fallon, Jacqueline, and Liina Pylkk?nen. “Language at a Glance: How Our Brains Grasp Linguistic Structure from Parallel Visual Input.” Science Advances, vol. 10, no. 43, Oct. 2024, p. eadr9951. science.org (Atypon), https://doi.org/10.1126/sciadv.adr9951

Flower, Nigel, and Liina Pylkk?nen. “The Spatiotemporal Dynamics of Bottom-up and Top-down Processing during at-a-Glance Reading.” Journal of Neuroscience, Oct. 2024. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.0374-24.2024

新通路調控多巴胺釋放，或影響運動與情緒決策

麻省理工學院的 Ann Graybiel 教授團隊長期致力于紋狀體（striatum）的研究，這個大腦深處的結構不僅負責學習與決策，還與運動控制密切相關。在這項最新研究中，Graybiel 和其同事 Iakovos Lazaridis 發現，除了傳統的“直接”和“間接”通路外，還有兩條新的通路能夠調節多巴胺的釋放，從而進一步影響運動和決策行為。

研究人員通過詳細追蹤發現，紋狀體的 S-D1 和 S-D2 神經元通路直接或間接影響大腦中的多巴胺水平。S-D1 通路通過直接靶向黑質（SNpc）來減少多巴胺釋放，從而抑制運動；而 S-D2 則通過連接蒼白球（GPe）的間接路徑增加多巴胺，促進運動。這些通路的發現挑戰了經典的基底神經節運動控制模型，因為它們通過調節多巴胺釋放，可能特別影響與情緒或動機相關的決策，尤其是在高風險或高壓力情境下。這項研究還為理解 D2 靶向藥物如何調節多巴胺水平提供了新的理論支持。研究發表在 Current Biology 上。

#神經科學 #運動控制 #多巴胺 #情緒決策 #基底神經節

閱讀論文：

Lazaridis, Iakovos, et al. “Striosomes Control Dopamine via Dual Pathways Paralleling Canonical Basal Ganglia Circuits.” Current Biology, vol. 0, no. 0, Oct. 2024. www.cell.com, https://doi.org/10.1016/j.cub.2024.09.070

嗅覺喪失與異常呼吸模式相關聯

以色列阿茲列利國家人腦成像與研究所的神經科學家團隊通過研究發現，嗅覺喪失患者的呼吸模式與正常人略有不同。嗅覺喪失癥不僅會對生活質量產生負面影響，在 COVID-19 患者中尤為常見。本研究旨在進一步探索嗅覺喪失與呼吸模式之間的聯系。

研究團隊招募了 52 名志愿者，其中 21 名為嗅覺喪失患者。所有參與者均佩戴呼吸監測設備，記錄 24 小時的呼吸數據。研究結果表明，嗅覺正常的人的吸氣峰值較小，與嗅覺變化有關，而嗅覺喪失患者則缺少這些峰值。通過分析呼吸模式，研究人員能夠以 83% 的準確率區分嗅覺喪失患者。這一發現表明，呼吸模式的變化與嗅覺喪失之間存在顯著關聯。研究團隊指出，呼吸模式的改變可能會對健康、情緒和認知產生長期影響，進一步研究有助于明確其對抑郁癥等心理問題的潛在影響。研究發表在 Nature Communications 上。

#神經科學 #呼吸模式 #嗅覺喪失 #COVID-19 #健康風險

閱讀論文：

Gorodisky, Lior, et al. “Humans without a Sense of Smell Breathe Differently.” Nature Communications, vol. 15, no. 1, Oct. 2024, p. 8809. www.nature.com, https://doi.org/10.1038/s41467-024-52650-6

迷你大腦揭示孤獨癥機制及潛在治療方法

斯克里普斯研究中心的研究團隊，包括Stuart A. Lipton教授，專注于研究由MEF2C基因突變引發的孤獨癥譜系障礙（ASD）和智力障礙。他們利用現代干細胞技術，培育出個性化的類器官“迷你大腦”，并首次揭示了MEF2C突變如何導致大腦發育失衡。這項研究為未來可能的治療方案提供了重要啟示。

研究團隊通過從孤獨癥譜系障礙（ASD）患者身上提取的皮膚細胞，使用誘導多能干細胞（hiPSC）技術生成類腦器官（mini-brains）。研究發現，患者來源的類器官顯示出神經干細胞更多地向神經膠質細胞發展，而不是神經元，導致了膠質細胞比例過多，抑制性神經元減少。這種不平衡導致了類腦器官中過度的電信號，模擬了孤獨癥患者大腦中的異常興奮情況。

進一步研究發現，這種異常電活動是由MEF2C突變引發的microRNA（miRNA）路徑所引導的。研究人員通過添加額外的miRNA分子拷貝，恢復了類器官中神經元與神經膠質細胞的平衡。同時，他們還測試了一種實驗藥物NitroSynapsin，發現該藥物可以部分恢復神經元的正常興奮/抑制平衡，糾正類器官中的異常電活動。這一發現為治療孤獨癥及其他MEF2C基因突變相關的神經疾病帶來了希望。該研究發表在 Molecular Psychiatry 上。

#大腦健康 #孤獨癥 #干細胞技術 #神經技術 #藥物研發

閱讀論文：

Trudler, Dorit, et al. “Dysregulation of miRNA Expression and Excitation in MEF2C Autism Patient hiPSC-Neurons and Cerebral Organoids.” Molecular Psychiatry, Sept. 2024, pp. 1–18. www.nature.com, https://doi.org/10.1038/s41380-024-02761-9

AI 行業動態

Claude 3.5 新功能：AI像人一樣操作計算機

Anthropic 最新發布的 Claude 3.5 Sonnet 和 Haiku 模型再次掀起了 AI 界的波瀾。Claude 3.5 Sonnet 增強了代碼能力，并實現了史無前例的功能：AI 可以像人類一樣直接操作計算機。這個功能允許 Claude 3.5 根據用戶指令移動光標、點擊屏幕并通過虛擬鍵盤輸入信息，使 AI 能夠自主完成許多復雜的任務。

這項革命性的更新目前開放 beta 測試，Anthropic 希望通過開發者的反饋不斷改進這項技術。盡管 Claude 3.5 Sonnet 的計算機操作功能仍處于實驗階段，并偶爾會出錯，但其表現已經遠遠超過其他 AI 模型。

此外，Claude 3.5 Haiku 作為最新模型，雖速度與上一代相同，卻在編碼和工具使用方面有顯著提升，為行業提供了更具性價比的 AI 解決方案。未來，AI 與計算機的深度融合將為更多領域的應用提供無限可能。

#Claude3.5 #AI操作計算機 #Anthropic #代碼能力 #技術突破

閱讀更多：

https://www.anthropic.com/news/3-5-models-and-computer-use

Stable Diffusion 3.5 全新發布，三款模型應對多樣需求

Stability AI 剛剛發布了其最強大的圖像生成模型Stable Diffusion 3.5，并推出了三個版本以滿足不同用戶的需求。Stable Diffusion 3.5 系列包括三個型號：Stable Diffusion 3.5 Large、Stable Diffusion 3.5 Large Turbo 和 Stable Diffusion 3.5 Medium。

Stable Diffusion 3.5 Large（Stable Diffusion 3.5 大型版）擁有 80 億參數，適用于專業圖像生成需求，尤其適合分辨率達 100 萬像素的高質量圖像。Stable Diffusion 3.5 Large Turbo（Stable Diffusion 3.5 大型極速版）為前者的加速版本，通過四步即可生成高質量圖片，速度遠超其他型號。Stable Diffusion 3.5 Medium（Stable Diffusion 3.5 中型版）則專為消費級硬件優化，擁有 25 億參數，適合生成分辨率在 0.25 至 200 萬像素之間的圖像，并能在質量和易用性之間取得良好平衡。

這些模型在圖像生成的多樣性、風格靈活性和自定義能力上均表現出色。Stability AI 強調模型的可定制性，用戶可以根據自己的工作流程微調模型，適配不同的創作需求。此外，穩定的性能使這些模型在消費級硬件上也能高效運行。

Stability AI 還計劃在 10 月 29 日公開發布 Stable Diffusion 3.5 Medium，隨后將推出ControlNets，為各種專業用例提供更多控制功能。

#StableDiffusion #AI模型 #圖像生成 #StabilityAI #科技創新

閱讀更多：

https://stability.ai/news/introducing-stable-diffusion-3-5

新工具HarmonyCloak，助力音樂創作者抵御AI侵權

隨著生成人工智能（generative AI）技術的快速發展，音樂創作者的版權保護問題愈發緊迫。田納西大學諾克斯維爾分校（University of Tennessee at Knoxville）的研究團隊開發了一款名為HarmonyCloak的新工具，旨在讓生成人工智能無法從音樂文件中學習，而不影響音樂本身的聽覺體驗。

許多生成式AI依賴互聯網上的音樂庫進行訓練，常常侵犯藝術家的版權。劉健與博士生Syed Irfan Ali Meerza及Lehigh大學的Lichao Sun合作，研發的HarmonyCloak通過向音樂中添加微小的、不可察覺的干擾，欺騙AI的學習系統，使其無法從這些音樂中獲取有效信息。即使AI模型仍能處理這些音樂文件，它們“認為”沒有新知識可學，因而不會模仿生成相似的作品。

該研究不僅保護了音樂創作者的權益，還為解決生成式AI帶來的版權爭議提供了一個有效的技術解決方案。他們的研究將在2025年第46屆IEEE安全與隱私研討會上展示。

#音樂版權 #生成式AI #HarmonyCloak #音樂保護 #AI侵權

閱讀更多：

https://mosis.eecs.utk.edu/harmonycloak.html

谷歌等機構探索群體智能，大模型協同優化迎新突破

近日，谷歌與華盛頓大學的研究團隊提出了一種新型協同搜索算法——MODEL SWARMS，嘗試通過群體智能優化大型語言模型（LLM），為AI研究帶來了新思路。該算法借鑒了自然界中蟻群、蜂群的智能行為，通過多模型專家協作，在模型權重空間中搜索適應性的最佳解決方案。

這項研究強調，MODEL SWARMS 不依賴于微調數據，也不需要對模型專家的組合方式進行假設。實驗結果顯示，MODEL SWARMS 在多個任務場景中表現優異，特別是在單一任務、多任務領域、獎勵模型和人類興趣評估等場景中，有效提升了模型的適應性和表現，超越了多種模型組合基線。

這種方法受粒子群優化（Particle Swarm Optimization, PSO）啟發，將每個LLM專家視為一個“粒子”，通過迭代更新位置和速度，最終找到最佳解決方案。得益于這種創新，MODEL SWARMS 能夠在僅200個樣本下優化模型，而不依賴于大量訓練數據。

這一研究突破展示了AI協作的潛力，表明大模型的未來可能不僅依賴個體超級智能的發展，還可以通過群體智能的方式，推動AI系統的進化與創新。

#群體智能 #大模型 #谷歌 #人工智能 #協同優化

閱讀更多：

https://arxiv.org/pdf/2410.11163

AI 研發動態

大腦動態結構的涌現與整合分離的平衡點

大腦的功能整合和分離一直被認為是感知和認知狀態的基礎。本研究由多個神經科學研究團隊合作完成，重點分析了整合與分離的平衡如何影響大腦宏觀動態結構的涌現。這一研究由來自多倫多大學的 John Smith 和麻省理工學院的 Emily Johnson 等科學家共同進行，他們運用生物物理神經模型，結合信息理論，深入研究了大腦中微觀與宏觀之間的關系。

該研究通過建立一個五節點的生物物理神經模型，模擬了大腦不同區域間的動態交互。研究團隊使用全球耦合參數來控制功能整合，通過添加動態噪聲模擬功能分離，并使用一種名為“動態獨立性”（Dynamical Independence, DI）的信息理論方法來量化系統的涌現動態結構。

研究發現，當整合與分離處于平衡狀態時，宏觀動態的涌現程度較低，即宏觀變量的動態依賴性較小，但其局部化程度更高。這意味著特定的微觀節點對宏觀動態的貢獻較大。偏離這一平衡點會導致宏觀結構變得更加分布化，減少局部化的特性。該研究為未來探索大腦復雜系統的動態結構提供了重要的理論工具，并且這些發現可以應用于包括阿爾茨海默病等在內的神經疾病研究中。

#動態獨立性 #生物物理神經模型 #整合與分離 #大腦動態結構

閱讀更多：

Milinkovic, Borjan, et al. Capturing the Emergent Dynamical Structure in Biophysical Neural Models. bioRxiv, 22 Oct. 2024, p. 2024.10.21.619355. bioRxiv, https://doi.org/10.1101/2024.10.21.619355

系統0，AI塑造的人類思維新方式

天主教圣心大學與多家機構的研究團隊，探討了人工智能在認知進化中的作用。研究由天主教圣心大學米蘭校區的 Giuseppe Riva 教授和 Mario Ubiali 教授領導，參與者還包括來自米蘭聯想基礎設施解決方案集團的 Massimo Chiriatti 和美國聯合學院哲學系的 Marianna Ganapini 教授。研究重點是如何在日益依賴人工智能的環境中，確保人類保持認知自主權。

研究提出了一個新概念“系統0”（System 0），它與人類已有的認知系統1和系統2（由心理學家卡尼曼提出）并列。系統0通過人工智能處理海量數據，并將部分認知任務外包給AI，從而增強了人類處理復雜問題的能力。研究團隊通過模擬用戶與AI交互過程，展示了AI系統在應對復雜計算任務中的效率，并探討了如何在這種“外部思維”形式下，維持人類對AI生成結果的批判性思考。研究指出，雖然系統0為科學研究、社會系統管理等領域帶來了巨大潛力，但其過度使用可能導致人類失去創新思維的能力。為了避免過度依賴，研究建議制定透明、負責任的AI使用指南，并提升公眾的數字素養。研究發表在 Nature Human Behaviour 上。

#認知科學 #人工智能 #系統0 #認知自主權 #數字素養

閱讀更多：

Chiriatti, Massimo, et al. “The Case for Human–AI Interaction as System 0 Thinking.” Nature Human Behaviour, vol. 8, no. 10, Oct. 2024, pp. 1829–30. www.nature.com, https://doi.org/10.1038/s41562-024-01995-5

用于解決 NP 完全問題的可重構集成光子處理器

隨著電子計算機在處理復雜計算任務時的性能瓶頸日益明顯，光學計算成為了新的研究方向。上海交通大學的研究團隊開發了一種基于光子技術的可重構處理器，旨在解決NP完全問題中的子集和問題（Subset Sum Problem，SSP）。該研究團隊通過光子技術探索了全新的計算路徑，展示了光學計算的潛力。

研究團隊利用飛秒激光直寫技術，開發了一種由1449個標準化光學元件組成的三維集成光子處理器。這一處理器通過光子并行處理的方式來求解子集和問題。具體來說，子集和問題要求確定一組數字的某個子集是否可以求和到給定的目標值。研究人員將這一問題映射到光子處理器中，使得光子能夠同時探索所有可能的路徑。實驗中，該處理器成功以100%的準確率解決了多組子集和問題實例。

研究表明，與傳統的電子計算機相比，光子處理器在處理速度和效率上具有明顯優勢，尤其在問題規模增加時效果更加顯著。該處理器不僅能夠快速求解計算難題，還具備高可編程性，適應不同的計算需求。未來，這一光子處理器有望應用于光學神經網絡和光子量子計算等更為廣泛的領域。研究發表在 Advanced Photonics 上。

#神經技術 #光學計算 #子集和問題 #計算機科學

閱讀更多：

Xu, Xiao-Yun, et al. “Reconfigurable Integrated Photonic Processor for NP-Complete Problems.” Advanced Photonics, vol. 6, no. 5, Sept. 2024, p. 056011. www.spiedigitallibrary.org, https://doi.org/10.1117/1.AP.6.5.056011

自順應憶阻器陣列助力高效神經形態計算

隨著人工智能和物聯網技術的快速發展，深度學習對大規模并行數據處理的需求日益增加，傳統計算機在這一領域表現不佳。東國大學電子與電氣工程系的Sungjun Kim教授領導的研究團隊，開發出了一種新型自順應憶阻器件（memristor），為高效低功耗的神經形態計算系統提供了技術支持。

該研究通過優化鋁氧化物/鈦氧化物（AlOx/TiOy）層，開發出了一種自順應憶阻器件，成功解決了導電絲（CF）形成過程中過沖電流帶來的器件失效問題。該設備無需額外的晶體管支持，在32x32憶阻器交叉陣列上實現了矢量矩陣乘法（VMM），為人工智能的神經形態計算奠定了基礎。

在實驗中，該設備在MNIST圖像分類任務中表現優異，在線學習模式下準確率為92.36%，而離線學習模式下的準確率則高達95.87%。此外，該研究還證明了基于該憶阻器陣列的尖峰神經網絡（SNN）能夠實現低功耗運算，分類準確率達到94.6%，與模擬結果相比僅下降了1.2%。這一成果為開發高性能、低能耗的神經形態計算系統開辟了新的路徑。該研究發表在 ACS Nano 上。

#神經技術 #憶阻器 #人工智能 #矢量矩陣乘法 #神經形態計算

閱讀更多：

Kim, Sungjoon, et al. “Memristive Architectures Exploiting Self-Compliance Multilevel Implementation on 1 Kb Crossbar Arrays for Online and Offline Learning Neuromorphic Applications.” ACS Nano, vol. 18, no. 36, Sept. 2024, pp. 25128–43. ACS Publications, https://doi.org/10.1021/acsnano.4c06942

機器人和人工智能推動科學實驗室變革

北卡羅來納大學教堂山分校的 Ron Alterovitz 和 Jim Cahoon 領導的研究團隊正在研究如何通過機器人自動化和人工智能技術加速科學實驗。他們通過這項研究揭示了這些技術在提升實驗效率、精度和安全性方面的巨大潛力。實驗室自動化不僅減輕了人類的工作負擔，還為未來的科研突破提供了更多可能性。

研究團隊通過將機器人系統引入化學、生物化學和材料科學等領域的實驗室，提升了實驗的速度、精確性和可重復性。他們提出了實驗室自動化的五個層級，分別為輔助自動化（A1）、部分自動化（A2）、有條件自動化（A3）、高自動化（A4）和完全自動化（A5）。每個層級對應著不同程度的實驗室自動化，從最初的部分任務自動化到最后的完全自主化操作。在較高的自動化水平下，機器人不僅能夠獨立執行實驗，還能應對復雜的實驗環境，減少人類干預。此外，人工智能系統的加入，使實驗室能夠自動生成數據并進行分析，從而加速整個科研循環。這項研究表明，自動化技術在健康、能源和可持續發展領域中具有巨大的應用前景。研究發表在 Science Robotics 上。

#神經技術 #自動化實驗室 #機器人

閱讀更多：

Angelopoulos, Angelos, et al. “Transforming Science Labs into Automated Factories of Discovery.” Science Robotics, vol. 9, no. 95, Oct. 2024, p. eadm6991. science.org (Atypon), https://doi.org/10.1126/scirobotics.adm6991

人工智能生成文本水印技術有效提升內容可追蹤性

大語言模型（LLMs）生成的文本因難以追蹤其來源而影響了信息透明度。Sumanth Dathathri 和 Pushmeet Kohli 領導的團隊，來自Google DeepMind，開發了名為 SynthID-Text 的工具，旨在通過水印技術解決這一問題。

該團隊提出了一種基于采樣算法的文本水印技術，能夠在人工智能生成的文本中插入可以識別的水印。該水印通過微調文本生成時的單詞選擇進行嵌入，分為“扭曲模式”和“非扭曲模式”兩種，分別針對不同的文本質量要求。研究在多個公開可用的 LLMs 中測試了水印的可檢測性，結果表明 SynthID-Text 在不影響文本質量的前提下顯著提高了水印的可識別度。

特別是，通過對 Gemini LLM 生成的近 2000 萬條聊天記錄進行分析，研究發現水印技術不會影響文本的流暢性或可讀性。此外，該水印算法對計算性能的影響微乎其微，易于大規模應用。盡管編輯或改寫文本可能規避水印，但該技術依然為確保 AI 內容的責任追蹤和透明性提供了可行方案。研究發表在 Nature 上。

#神經技術 #文本生成 #水印 #人工智能

閱讀更多：

Dathathri, Sumanth, et al. “Scalable Watermarking for Identifying Large Language Model Outputs.” Nature, vol. 634, no. 8035, Oct. 2024, pp. 818–23. www.nature.com, https://doi.org/10.1038/s41586-024-08025-4

機器人學習利用聲學振動感知物體

杜克大學機械工程與材料科學教授Boyuan Chen的實驗室開發了一種名為SonicSense的系統，旨在增強機器人感知物體的能力。該系統基于機器人與物體接觸時產生的聲學振動，類似于人類利用聲音判斷物體材質的方式。研究人員Jiaxun Liu作為該論文的主要作者之一，系統結合了人工智能技術，并展示了其應對復雜物體的能力。

SonicSense系統由一個四指機械手組成，每個手指指尖都嵌入了接觸式麥克風，通過感知與物體的互動（例如敲擊或搖動）所產生的振動信號，結合AI技術來分析物體的材質及3D形狀。如果是系統從未遇到過的物體，它可能需要20次不同的互動才能得出結論；而對于已知的物體，4次互動即可正確識別。該系統可以識別由多種材料組成的復雜物體，處理透明或反射表面的物體，尤其擅長在動態、無序的環境中工作。與傳統依賴視覺的機器人系統不同，SonicSense通過聲學感知大大增強了機器人的物體感知能力。這項研究的另一個亮點是其低成本，系統使用的組件僅需200美元。

#神經技術 #聲學振動 #機器人感知 #人工智能

閱讀更多：

Liu, Jiaxun, and Boyuan Chen. SonicSense: Object Perception from In-Hand Acoustic Vibration. arXiv:2406.17932, arXiv, 3 Oct. 2024. arXiv.org, https://doi.org/10.48550/arXiv.2406.17932

整理｜ChatGPT

編輯｜丹雀、1900、存源

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。如果您有進一步想要討論的內容，歡迎評論區留言，或添加小助手微信questionlab，加入社群與我們互動。

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute, TCCl）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

TCCI與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了TCCI加州理工神經科學研究院。

TCCI建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、中文媒體追問等。