█ 腦科學(xué)動(dòng)態(tài)

線粒體多樣性決定神經(jīng)元功能

島狀皮層雙向回路調(diào)控小鼠條件免疫反應(yīng)

神經(jīng)再生的關(guān)鍵開關(guān)：發(fā)現(xiàn)干細(xì)胞激活新信號(hào)

嬰兒的大腦活動(dòng)可預(yù)測(cè)未來(lái)社交能力

腦刺激對(duì)中風(fēng)康復(fù)效果無(wú)顯著提升

█ AI行業(yè)動(dòng)態(tài)

DeepSeek忽悠ChatGPT認(rèn)輸，AI版“賣拐”名場(chǎng)面誕生！

AI讀懂你的大腦：Meta用非侵入式技術(shù)解碼語(yǔ)言信號(hào)

1400萬(wàn)美元砸向超聲頭戴設(shè)備，Grey Matter Neurosciences能否改變阿爾茨海默病現(xiàn)狀？

█ AI研發(fā)動(dòng)態(tài)

機(jī)器人通過(guò)語(yǔ)言與動(dòng)作的互動(dòng)學(xué)會(huì)“舉一反三”

大型語(yǔ)言模型顯著降低編程學(xué)習(xí)認(rèn)知負(fù)擔(dān)

LEGION：讓機(jī)器人像人類一樣終身學(xué)習(xí)

人工智能道德建議超越倫理學(xué)家

非侵入式腦機(jī)接口實(shí)現(xiàn)高效文本解碼

人類的最后考試：AI模型的終極挑戰(zhàn)

腦科學(xué)動(dòng)態(tài)

線粒體多樣性決定神經(jīng)元功能

線粒體在神經(jīng)元功能中起關(guān)鍵作用，但其在不同神經(jīng)元區(qū)域的具體機(jī)制尚不明確。弗吉尼亞理工大學(xué)弗拉林生物醫(yī)學(xué)研究所的Shannon Farris團(tuán)隊(duì)通過(guò)基因編輯技術(shù)刪除了小鼠CA2神經(jīng)元中的線粒體鈣單向轉(zhuǎn)運(yùn)蛋白（MCU）基因，并結(jié)合電子顯微鏡和人工智能技術(shù)，揭示了線粒體在突觸可塑性中的關(guān)鍵作用。

?Credit: Shannon Farris/Virginia Tech

研究團(tuán)隊(duì)使用CA2特異性MCU基因敲除（cKO）小鼠模型，通過(guò)對(duì)比實(shí)驗(yàn)組和對(duì)照組，觀察了線粒體結(jié)構(gòu)和突觸可塑性的變化。研究發(fā)現(xiàn)，MCU在CA2神經(jīng)元遠(yuǎn)端樹突中高度富集，而刪除MCU基因會(huì)顯著削弱遠(yuǎn)端樹突的突觸可塑性。此外，MCU缺陷的線粒體更小且更碎片化，可能導(dǎo)致ATP生成減少，從而影響突觸功能。這些結(jié)果表明，線粒體多樣性是神經(jīng)元功能的重要基礎(chǔ)，MCU在不同神經(jīng)元區(qū)域的功能差異可能是調(diào)節(jié)線粒體功能以滿足不同突觸需求的一種機(jī)制。研究還發(fā)現(xiàn)，遠(yuǎn)端突觸在阿爾茨海默病中首先受到影響，這為理解該疾病的早期病理提供了新視角。研究發(fā)表在 Scientific Reports 上。

#大腦健康 #線粒體多樣性 #突觸可塑性 #阿爾茨海默病 #孤獨(dú)癥

閱讀更多：

Pannoni, Katy E., et al. “MCU Expression in Hippocampal CA2 Neurons Modulates Dendritic Mitochondrial Morphology and Synaptic Plasticity.” Scientific Reports, vol. 15, no. 1, Feb. 2025, p. 4540. www.nature.com, https://doi.org/10.1038/s41598-025-85958-4

島狀皮層雙向回路調(diào)控小鼠條件免疫反應(yīng)

大腦如何依據(jù)味覺記憶調(diào)節(jié)免疫反應(yīng)？海法大學(xué)研究團(tuán)隊(duì)Kobi Rosenblum、Haneen Kayal和Federica Cruciani，他們采用經(jīng)典條件反射與化學(xué)遺傳學(xué)工具，在小鼠中發(fā)現(xiàn)了前島狀皮層與后島狀皮層之間的雙向神經(jīng)回路在條件免疫反應(yīng)中的關(guān)鍵作用。

?味道免疫調(diào)節(jié)范式的示意圖。立體定位注入PIC上逆行AAV-EGFP構(gòu)建體（綠色）及其隨后在AIC中的標(biāo)記。Credit: Nature Neuroscience (2025).

本研究采用了條件免疫反應(yīng)（Conditioned Immune Response, 利用條件反射原理使免疫系統(tǒng)對(duì)特定感官刺激產(chǎn)生預(yù)期反應(yīng)）的實(shí)驗(yàn)范式，在小鼠中首次將新型味道糖精與免疫激發(fā)劑脂多糖（LPS）配對(duì)，形成感官與免疫刺激的關(guān)聯(lián)記憶。隨后，僅通過(guò)重新呈現(xiàn)糖精品嘗，使動(dòng)物表現(xiàn)出厭惡行為及免疫反應(yīng)的再激活。研究人員利用化學(xué)遺傳學(xué)工具定點(diǎn)抑制前島狀皮層到后島狀皮層的神經(jīng)傳遞，結(jié)果顯示：阻斷單向傳遞會(huì)消除味覺引發(fā)的行為記憶，而中斷雙向信號(hào)則顯著削弱預(yù)期免疫反應(yīng)。

該發(fā)現(xiàn)證明，島狀皮層內(nèi)的雙向神經(jīng)回路在調(diào)控小鼠條件免疫反應(yīng)中起到雙重調(diào)控作用，為理解大腦如何利用過(guò)去經(jīng)驗(yàn)維持腦調(diào)控免疫穩(wěn)態(tài)提供了新的神經(jīng)學(xué)視角。研究成果發(fā)表在 Nature Neuroscience 上。

#神經(jīng)科學(xué) #條件免疫反應(yīng) #島狀皮層 #化學(xué)遺傳學(xué)

閱讀更多：

Kayyal, Haneen, et al. “Retrieval of Conditioned Immune Response in Male Mice Is Mediated by an Anterior–Posterior Insula Circuit.” Nature Neuroscience, Jan. 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41593-024-01864-4

神經(jīng)再生的關(guān)鍵開關(guān)：發(fā)現(xiàn)干細(xì)胞激活新信號(hào)

成年人大腦中的神經(jīng)干細(xì)胞（NSC）在靜止和激活狀態(tài)之間切換，這一過(guò)程對(duì)神經(jīng)再生和腦損傷修復(fù)至關(guān)重要。然而，NSC如何整合微環(huán)境信號(hào)并決定是否激活，一直是神經(jīng)科學(xué)領(lǐng)域的核心問(wèn)題。來(lái)自渥太華大學(xué)、多倫多大學(xué)、不列顛哥倫比亞大學(xué)和拉瓦爾大學(xué)的研究團(tuán)隊(duì)，通過(guò)先進(jìn)的成像技術(shù)、單細(xì)胞測(cè)序和機(jī)器學(xué)習(xí)分析，揭示了NSC與其后代細(xì)胞之間的反饋機(jī)制。

?圖形摘要。Credit: Cell Stem Cell (2025).

研究團(tuán)隊(duì)利用雙光子成像，在小鼠大腦側(cè)腦室下區(qū)（subventricular zone）繪制了NSC受周圍細(xì)胞影響的詳細(xì)時(shí)空?qǐng)D譜。他們結(jié)合單細(xì)胞測(cè)序和空間轉(zhuǎn)錄組學(xué)，分析了NSC的信號(hào)整合機(jī)制，并使用深度學(xué)習(xí)預(yù)測(cè)NSC與微環(huán)境中不同細(xì)胞類型的交互情況。

研究發(fā)現(xiàn)，NSC并非孤立存在，而是不斷接收來(lái)自其快速分裂后代——短暫擴(kuò)增細(xì)胞（TAPs, transient amplifying cells）的反饋信號(hào)。這些子細(xì)胞通過(guò)ephrin（Efn，一種細(xì)胞間信號(hào)分子）介導(dǎo)的鈣信號(hào)（calcium signaling）抑制NSC的激活，使其保持靜止?fàn)顟B(tài)。當(dāng)TAPs數(shù)量減少或Efn信號(hào)受到干預(yù)時(shí)，NSC的鈣信號(hào)特征發(fā)生變化，從而進(jìn)入激活狀態(tài)。進(jìn)一步的光遺傳學(xué)實(shí)驗(yàn)表明，抑制NSC的鈣信號(hào)會(huì)阻止其激活，并影響微環(huán)境的自我更新能力。研究發(fā)表在 Cell Stem Cell 上。

#神經(jīng)科學(xué) #神經(jīng)干細(xì)胞 #鈣信號(hào) #光遺傳學(xué) #神經(jīng)再生

閱讀更多：

Marymonchyk, Alina, et al. “Neural Stem Cell Quiescence and Activation Dynamics Are Regulated by Feedback Input from Their Progeny under Homeostatic and Regenerative Conditions.” Cell Stem Cell, Feb. 2025. ScienceDirect, https://doi.org/10.1016/j.stem.2025.01.001

嬰兒的大腦活動(dòng)可預(yù)測(cè)未來(lái)社交能力

人類的社交能力如何發(fā)展？弗吉尼亞大學(xué)的研究人員 Olivia Allison 和 Tobias Grossman 通過(guò)分析德國(guó)馬克斯·普朗克人類和認(rèn)知與腦科學(xué)研究所的數(shù)據(jù)，發(fā)現(xiàn)嬰兒在11個(gè)月大時(shí)對(duì)微笑面孔的腦部活動(dòng)，可以預(yù)測(cè)其18個(gè)月大的社交活躍程度。研究采用功能性近紅外光譜（fNIRS）技術(shù)監(jiān)測(cè)嬰兒的大腦反應(yīng)，并在后續(xù)通過(guò)《幼兒行為問(wèn)卷》（ECBQ）評(píng)估其社交行為，結(jié)果表明，多索中性前額葉皮層（dmPFC）的早期反應(yīng)對(duì)社交能力發(fā)展起著關(guān)鍵作用。

研究采用縱向研究設(shè)計(jì)，首先讓11個(gè)月大的嬰兒佩戴功能性近紅外光譜（fNIRS，一種非侵入性腦成像技術(shù)，通過(guò)光測(cè)量腦部含氧血流變化）帽，觀看計(jì)算機(jī)屏幕上不同情緒的面孔，包括微笑和皺眉。研究重點(diǎn)觀察多索中性前額葉皮層（dmPFC，一種與社交認(rèn)知相關(guān)的大腦區(qū)域）的激活情況。

隨后，研究人員在嬰兒18個(gè)月大時(shí)，使用《幼兒行為問(wèn)卷》（ECBQ，一種用于評(píng)估幼兒個(gè)性與行為的問(wèn)卷）調(diào)查其社交行為，例如在家庭聚會(huì)中的互動(dòng)頻率以及對(duì)社交活動(dòng)的興趣。結(jié)果發(fā)現(xiàn)，11個(gè)月大時(shí) dmPFC 對(duì)社交微笑的響應(yīng)強(qiáng)度，可以顯著預(yù)測(cè)18個(gè)月大的社交活躍度，而對(duì)皺眉的反應(yīng)并沒有相同的關(guān)聯(lián)性。這表明，早期正向社交體驗(yàn)對(duì)未來(lái)社交能力的發(fā)展具有重要影響。研究發(fā)表在 Imaging Neuroscience 期刊上。

#認(rèn)知科學(xué) #社交行為 #嬰兒發(fā)展 #大腦成像

閱讀更多：

Grossmann, Tobias, and Olivia Allison. “Dorso-Medial Prefrontal Cortex Responses to Social Smiles Predict Sociability in Early Human Development.” Imaging Neuroscience, vol. 2, Apr. 2024, pp. 1–8. Silverchair, https://doi.org/10.1162/imag_a_00129

腦刺激對(duì)中風(fēng)康復(fù)效果無(wú)顯著提升

中風(fēng)是導(dǎo)致長(zhǎng)期殘疾的主要原因之一，運(yùn)動(dòng)障礙是中風(fēng)后最常見的并發(fā)癥。杜克大學(xué)醫(yī)學(xué)院的韋恩·馮與馬薩諸塞大學(xué)Chan醫(yī)學(xué)院的Gottfried Schlaug共同領(lǐng)導(dǎo)了一項(xiàng)研究，利用經(jīng)顱直流電流刺激（tDCS）結(jié)合約束誘導(dǎo)的運(yùn)動(dòng)療法（CIMT）評(píng)估其對(duì)中風(fēng)幸存者手臂功能恢復(fù)的影響。研究在美國(guó)15個(gè)醫(yī)療中心進(jìn)行，涵蓋多個(gè)種族和性別的中風(fēng)幸存者。

本研究為“經(jīng)顱直流電流刺激促進(jìn)中風(fēng)后運(yùn)動(dòng)恢復(fù)- II期研究（TRANSPORT 2）”，由美國(guó)國(guó)家衛(wèi)生研究院（NIH）StrokeNet資助，針對(duì)129名中風(fēng)幸存者進(jìn)行了為期兩周的治療。參與者隨機(jī)分為三組，分別接受假刺激、低劑量（2毫安）和高劑量（4毫安）的tDCS，每次刺激持續(xù)30分鐘，搭配每次120分鐘的CIMT治療。研究通過(guò)Fugl-Meyer上肢運(yùn)動(dòng)障礙量表（Fugl-Meyer Upper-Extremity Scale）、狼運(yùn)動(dòng)功能測(cè)試（Wolf Motor Functional Test）和中風(fēng)影響量表手部子量表（Stroke Impact Scale Hand Subscale）評(píng)估運(yùn)動(dòng)功能和生活質(zhì)量。結(jié)果顯示，最高4毫安的tDCS未能顯著增強(qiáng)CIMT的效果，所有組在治療后均有所改善，且改善幅度無(wú)顯著差異。此外，tDCS在中風(fēng)患者中被證明是安全且可耐受的，且該聯(lián)合干預(yù)在多中心臨床試驗(yàn)環(huán)境中具有可行性。

#神經(jīng)技術(shù) #中風(fēng)恢復(fù) #經(jīng)顱直流電流刺激 #運(yùn)動(dòng)療法 #康復(fù)治療

閱讀更多：

https://professional.heart.org/en/meetings/international-stroke-conference/programming/late-breaking-science

AI 行業(yè)動(dòng)態(tài)

DeepSeek忽悠ChatGPT認(rèn)輸，AI版“賣拐”名場(chǎng)面誕生！

近日，一場(chǎng)AI之間的國(guó)際象棋對(duì)決引發(fā)了網(wǎng)友熱議。由油管博主GothamChess組織的比賽中，DeepSeek與ChatGPT（o1模型）展開較量。然而，這場(chǎng)比賽并非傳統(tǒng)規(guī)則下的棋藝比拼，而是一次“忽悠大戰(zhàn)”。DeepSeek通過(guò)一系列離奇操作和巧妙“話術(shù)”，成功讓ChatGPT在明明局勢(shì)均衡的情況下“自愿認(rèn)輸”，堪稱AI版的《孫子兵法》。

比賽初期，ChatGPT表現(xiàn)出色，勝率一度高達(dá)90%。然而，DeepSeek隨后開始“創(chuàng)造規(guī)則”，如讓棋子復(fù)活、兵種變色，甚至聲稱“小兵可以走‘日’字”，并以此策反ChatGPT的棋子。更離譜的是，DeepSeek在關(guān)鍵時(shí)刻直接“勸降”ChatGPT，聲稱自己必勝。令人意外的是，ChatGPT竟然信以為真，經(jīng)過(guò)“深思熟慮”后選擇認(rèn)輸。

這場(chǎng)比賽引發(fā)了網(wǎng)友的廣泛討論，大家紛紛調(diào)侃DeepSeek的操作堪比《孫子兵法》的“上兵伐謀”，甚至有人總結(jié)出經(jīng)典兵法：“上兵伐謀，其次伐交，其次伐兵，其下攻城”。與此同時(shí)，DeepSeek的“忽悠能力”也被網(wǎng)友戲稱為AI界的“人情世故達(dá)人”。

事實(shí)上，DeepSeek的“幽默”和“毒舌”個(gè)性早已為它圈粉無(wú)數(shù)。從情感陪聊到機(jī)智懟人，它展現(xiàn)出的隨機(jī)應(yīng)變能力讓人又愛又恨。無(wú)論是“智斗”ChatGPT，還是與人類網(wǎng)友的互動(dòng)，DeepSeek的表現(xiàn)都彰顯了AI在語(yǔ)言與邏輯領(lǐng)域的突破性進(jìn)展。

#DeepSeek #ChatGPT #國(guó)際象棋 #AI對(duì)決 #孫子兵法

閱讀更多：

https://www.youtube.com/watch?v=JHq4EKMg7fI

1400萬(wàn)美元砸向超聲頭戴設(shè)備，Grey Matter Neurosciences能否改變阿爾茨海默病現(xiàn)狀？

近日，總部位于加拿大的創(chuàng)新公司Grey Matter Neurosciences宣布完成1400萬(wàn)美元種子輪融資，這筆資金將用于開發(fā)一款聚焦超聲頭戴設(shè)備，旨在為阿爾茨海默病（Alzheimer's disease）患者提供一種全新的非侵入性治療方法。此輪融資由Wittington Innovation Fund領(lǐng)投，并獲得了Toronto Innovation Acceleration Partners、Ontario Brain Institute和Ontario Life Sciences Innovation Fund等機(jī)構(gòu)的支持。

這款超聲頭戴設(shè)備基于Sunnybrook研究所（Sunnybrook Research Institute）授權(quán)的技術(shù)，由Kullervo Hynynen博士發(fā)明。設(shè)備通過(guò)聚焦超聲技術(shù)刺激大腦深層區(qū)域，與記憶和學(xué)習(xí)相關(guān)的神經(jīng)網(wǎng)絡(luò)，從而改善阿爾茨海默病患者的認(rèn)知功能。公司首席執(zhí)行官Jeffrey Coull表示：“這項(xiàng)技術(shù)有望顯著提高患者的認(rèn)知能力，并為神經(jīng)退行性疾病的治療開辟全新路徑。”

目前，市場(chǎng)上尚無(wú)能夠顯著改善患者認(rèn)知功能的長(zhǎng)期有效療法。Grey Matter Neurosciences計(jì)劃利用融資資金研發(fā)設(shè)備原型并啟動(dòng)臨床試驗(yàn)，重點(diǎn)評(píng)估設(shè)備的安全性和長(zhǎng)期療效。

在超聲神經(jīng)調(diào)節(jié)領(lǐng)域，Grey Matter Neurosciences面臨來(lái)自多家公司的競(jìng)爭(zhēng)，如NaviFUS、Carthera等，這些公司同樣致力于探索超聲技術(shù)在腦部疾病治療中的應(yīng)用。然而，Grey Matter Neurosciences的創(chuàng)新技術(shù)被認(rèn)為可能填補(bǔ)現(xiàn)有治療手段的空白，為阿爾茨海默病患者提供新的希望。

#阿爾茨海默病 #超聲神經(jīng)調(diào)節(jié) #非侵入性治療 #GreyMatterNeurosciences #聚焦超聲

閱讀更多：

https://www.mobihealthnews.com/news/grey-matter-neurosciences-secures-14m-alzheimers-disease

AI讀懂你的大腦：Meta用非侵入式技術(shù)解碼語(yǔ)言信號(hào)

近日，Meta聯(lián)合巴斯克認(rèn)知、大腦和語(yǔ)言中心（BCBL）發(fā)布了兩項(xiàng)關(guān)于非侵入式腦語(yǔ)言解碼的突破性研究成果，為腦損傷患者恢復(fù)交流能力帶來(lái)了新希望。這兩項(xiàng)研究通過(guò)人工智能技術(shù)，首次實(shí)現(xiàn)對(duì)大腦語(yǔ)言生成過(guò)程的高精度解碼，并揭示了人類大腦如何將思想轉(zhuǎn)化為語(yǔ)言的復(fù)雜機(jī)制。

第一項(xiàng)研究通過(guò)非侵入式技術(shù)（如腦磁圖MEG和腦電圖EEG），成功解碼了參與者大腦信號(hào)中多達(dá)80%的字符，顯著提升了腦語(yǔ)言解碼的準(zhǔn)確性。研究團(tuán)隊(duì)訓(xùn)練了一個(gè)名為Brain2Qwerty的深度學(xué)習(xí)模型，能夠從大腦活動(dòng)信號(hào)中重建完整句子。這一技術(shù)在MEG數(shù)據(jù)上的字符錯(cuò)誤率（CER）最低可達(dá)19%，遠(yuǎn)優(yōu)于傳統(tǒng)方法。

第二項(xiàng)研究深入探索了大腦語(yǔ)言生成的層次化表征過(guò)程。研究發(fā)現(xiàn)，大腦在生成語(yǔ)言時(shí)，先創(chuàng)建上下文語(yǔ)義，再逐步形成詞匯、音節(jié)和字母表征，最終轉(zhuǎn)化為具體的動(dòng)作（如打字）。這一發(fā)現(xiàn)不僅驗(yàn)證了語(yǔ)言生成的理論模型，還揭示了大腦如何通過(guò)動(dòng)態(tài)神經(jīng)編碼實(shí)現(xiàn)連續(xù)表達(dá)。

雖然目前技術(shù)尚存實(shí)時(shí)性和適用性等挑戰(zhàn)，但Meta的研究為開發(fā)更安全高效的腦機(jī)接口奠定了基礎(chǔ)。未來(lái)，這些技術(shù)有望幫助腦損傷患者重獲語(yǔ)言能力，并推動(dòng)“無(wú)障礙交互”新范式的實(shí)現(xiàn)。

#腦機(jī)接口 #人工智能 #語(yǔ)言解碼 #腦損傷患者 #Meta研究

閱讀更多：

https://ai.meta.com/blog/brain-ai-research-human-communication/

AI 研發(fā)動(dòng)態(tài)

機(jī)器人通過(guò)語(yǔ)言與動(dòng)作的互動(dòng)學(xué)會(huì)“舉一反三”

人類能夠輕松將學(xué)到的行為推廣到新情境中，這種能力的核心是語(yǔ)言的組成性，但機(jī)器人在這一領(lǐng)域的能力仍然有限。為了探索語(yǔ)言組成性與感覺運(yùn)動(dòng)技能如何通過(guò)關(guān)聯(lián)學(xué)習(xí)共同發(fā)展，研究團(tuán)隊(duì)結(jié)合自由能原理（Free-Energy Principle, FEP）設(shè)計(jì)了一個(gè)神經(jīng)網(wǎng)絡(luò)模型。團(tuán)隊(duì)成員來(lái)自多個(gè)領(lǐng)域，研究通過(guò)機(jī)器人模擬實(shí)驗(yàn)驗(yàn)證了模型的有效性，揭示了感覺運(yùn)動(dòng)學(xué)習(xí)對(duì)語(yǔ)言組成性的深遠(yuǎn)影響。

研究團(tuán)隊(duì)提出的模型整合了視覺、本體感受和語(yǔ)言，并基于自由能原理框架進(jìn)行設(shè)計(jì)。模型的核心是變分遞歸神經(jīng)網(wǎng)絡(luò)（ PV-RNN），它通過(guò)學(xué)習(xí)數(shù)據(jù)中的概率結(jié)構(gòu)來(lái)生成語(yǔ)言與感覺運(yùn)動(dòng)的關(guān)聯(lián)。此外，研究引入了參數(shù)偏見（parametric bias, PB）向量，這是一種低維潛在狀態(tài)媒介，用于編碼語(yǔ)言與動(dòng)作之間的關(guān)系。

實(shí)驗(yàn)中，研究人員使用機(jī)器人手臂模擬了多種任務(wù)組合，并觀察模型在未學(xué)習(xí)的動(dòng)詞-名詞組合上的表現(xiàn)。結(jié)果顯示，當(dāng)訓(xùn)練任務(wù)的變化增加時(shí)，模型的概括能力顯著提升。這是因?yàn)檎Z(yǔ)言潛在狀態(tài)空間中的組成結(jié)構(gòu)受到感覺運(yùn)動(dòng)學(xué)習(xí)的顯著影響。此外，通過(guò)消融實(shí)驗(yàn)，研究發(fā)現(xiàn)視覺注意力和工作記憶模塊是生成準(zhǔn)確的視覺-運(yùn)動(dòng)序列的關(guān)鍵。這些發(fā)現(xiàn)為理解語(yǔ)言組成性與感覺運(yùn)動(dòng)經(jīng)驗(yàn)的交互機(jī)制提供了重要的理論支持。研究發(fā)表在 Science Robotics 上。

#認(rèn)知科學(xué) #語(yǔ)言組成性 #感覺運(yùn)動(dòng)學(xué)習(xí) #自由能原理

閱讀更多：

Vijayaraghavan, Prasanna, et al. “Development of Compositionality through Interactive Learning of Language and Action of Robots.” Science Robotics, vol. 10, no. 98, Jan. 2025, p. eadp0751. science.org (Atypon), https://doi.org/10.1126/scirobotics.adp0751

大型語(yǔ)言模型顯著降低編程學(xué)習(xí)認(rèn)知負(fù)擔(dān)

傳統(tǒng)協(xié)作編程模式中，團(tuán)隊(duì)成員能力差異和反饋延遲等問(wèn)題限制了其在教育中的效果。為解決這些問(wèn)題，Zhang和Tur等研究人員設(shè)計(jì)了一項(xiàng)研究，探討大型語(yǔ)言模型在中學(xué)協(xié)作編程中的應(yīng)用潛力。他們通過(guò)準(zhǔn)實(shí)驗(yàn)方法，比較了傳統(tǒng)協(xié)作編程與LLMs支持的協(xié)作編程在提升學(xué)生計(jì)算思維、降低認(rèn)知負(fù)擔(dān)以及提高自我效能方面的差異。研究結(jié)果表明，LLMs支持的協(xié)作編程顯著降低了認(rèn)知負(fù)擔(dān)，并有效提升了計(jì)算思維能力。

研究采用準(zhǔn)實(shí)驗(yàn)設(shè)計(jì)，82名六年級(jí)和七年級(jí)學(xué)生被隨機(jī)分為實(shí)驗(yàn)組和對(duì)照組。實(shí)驗(yàn)組在編程學(xué)習(xí)中使用LLMs支持的協(xié)作編程模式，而對(duì)照組則采用傳統(tǒng)協(xié)作編程模式。研究通過(guò)問(wèn)卷和測(cè)驗(yàn)評(píng)估學(xué)生的計(jì)算思維、自我效能以及認(rèn)知負(fù)擔(dān)。

結(jié)果顯示，實(shí)驗(yàn)組學(xué)生的認(rèn)知負(fù)擔(dān)顯著低于對(duì)照組（p < 0.05），表明LLMs能夠幫助學(xué)生快速理解編程概念并解決語(yǔ)法和邏輯問(wèn)題。此外，實(shí)驗(yàn)組學(xué)生的計(jì)算思維能力提升幅度顯著高于對(duì)照組（p < 0.01），反映了LLMs支持在培養(yǎng)學(xué)生解決問(wèn)題能力方面的優(yōu)勢(shì)。然而，兩組學(xué)生在自我效能方面沒有顯著差異，研究團(tuán)隊(duì)認(rèn)為，這可能是因?yàn)閷W(xué)生在從圖形化編程向文本化編程過(guò)渡時(shí)，仍需克服較大的認(rèn)知挑戰(zhàn)。

盡管如此，研究對(duì)LLMs在編程教育中的潛力持樂(lè)觀態(tài)度，認(rèn)為其能夠有效彌補(bǔ)傳統(tǒng)協(xié)作編程模式的不足，為學(xué)生提供更靈活和個(gè)性化的學(xué)習(xí)支持。研究發(fā)表在 Humanities and Social Sciences Communications 上。

#認(rèn)知科學(xué) #大型語(yǔ)言模型 #協(xié)作編程 #計(jì)算思維

閱讀更多：

Yan, Yi-Miao, et al. “LLM-Based Collaborative Programming: Impact on Students’ Computational Thinking and Self-Efficacy.” Humanities and Social Sciences Communications, vol. 12, no. 1, Feb. 2025, pp. 1–12. www.nature.com, https://doi.org/10.1057/s41599-025-04471-1

LEGION：讓機(jī)器人像人類一樣終身學(xué)習(xí)

人類終身學(xué)習(xí)能力是通用智能的關(guān)鍵特征，但當(dāng)前人工智能系統(tǒng)在面對(duì)連續(xù)任務(wù)流時(shí)常出現(xiàn)“災(zāi)難性遺忘”問(wèn)題。為此，研究團(tuán)隊(duì)提出了一種新的機(jī)器人終身強(qiáng)化學(xué)習(xí)框架，命名為L(zhǎng)EGION。該框架結(jié)合狄利克雷過(guò)程混合模型（DPMM）和自然語(yǔ)言嵌入技術(shù)，由跨學(xué)科研究團(tuán)隊(duì)完成，團(tuán)隊(duì)成員來(lái)自人工智能和機(jī)器人學(xué)領(lǐng)域。

?機(jī)器人LRL過(guò)程的概念插圖。Credit：Nature Machine Intelligence

LEGION框架通過(guò)狄利克雷過(guò)程混合模型（DPMM）解決了任務(wù)動(dòng)態(tài)推斷和知識(shí)異步保存的問(wèn)題。DPMM屬于貝葉斯非參數(shù)模型，能夠處理未知數(shù)量的任務(wù)流，并通過(guò)記憶化變分貝葉斯推理實(shí)現(xiàn)高效的知識(shí)管理。此外，研究人員還引入了預(yù)訓(xùn)練大語(yǔ)言模型（LLM），生成語(yǔ)言嵌入，為機(jī)器人提供了豐富的任務(wù)語(yǔ)義信息。這種結(jié)合使得機(jī)器人能夠更精準(zhǔn)地理解任務(wù)語(yǔ)境，并通過(guò)知識(shí)的組合和重新應(yīng)用完成復(fù)雜的長(zhǎng)時(shí)間操作任務(wù)。

實(shí)驗(yàn)結(jié)果表明，LEGION框架不僅能夠有效避免災(zāi)難性遺忘，還能讓機(jī)器人穩(wěn)定積累知識(shí)，并在實(shí)際場(chǎng)景中完成挑戰(zhàn)性任務(wù)。這一研究為機(jī)器人終身學(xué)習(xí)提供了新的解決方案，并展示了其在實(shí)現(xiàn)通用智能方面的潛力。研究發(fā)表在 Nature Machine Intelligence 上。

#神經(jīng)技術(shù) #終身學(xué)習(xí) #強(qiáng)化學(xué)習(xí) #機(jī)器人 #大語(yǔ)言模型

閱讀更多：

Meng, Yuan, et al. “Preserving and Combining Knowledge in Robotic Lifelong Reinforcement Learning.” Nature Machine Intelligence, Feb. 2025, pp. 1–14. www.nature.com, https://doi.org/10.1038/s42256-025-00983-2

人工智能道德建議超越倫理學(xué)家

人工智能在道德領(lǐng)域的專業(yè)性備受關(guān)注，尤其是其道德判斷和推理能力。為探討這一問(wèn)題，多位研究人員展開了實(shí)驗(yàn)，比較了GPT-4與普通美國(guó)人及《紐約時(shí)報(bào)》道德專欄The Ethicist的建議質(zhì)量。研究結(jié)果顯示，美國(guó)公眾認(rèn)為GPT-4的道德建議在多個(gè)維度上略優(yōu)于人類倫理學(xué)家的建議。

研究分為兩項(xiàng)實(shí)驗(yàn)，分別評(píng)估公眾對(duì)GPT-4道德推理能力的感知。第一項(xiàng)實(shí)驗(yàn)招募了501名參與者，要求他們對(duì)GPT-4和普通美國(guó)人撰寫的道德判斷解釋進(jìn)行評(píng)價(jià)。結(jié)果顯示，GPT-4的解釋在可信度、道德性和周到性方面得分更高。第二項(xiàng)實(shí)驗(yàn)招募了900名參與者，比較GPT-4與《紐約時(shí)報(bào)》道德專欄The Ethicist在復(fù)雜現(xiàn)實(shí)道德困境中的建議質(zhì)量。結(jié)果表明，GPT-4的建議在道德性、可信度、周到性和正確性等多個(gè)維度上略優(yōu)于The Ethicist。

此外，研究還分析了GPT生成內(nèi)容中的道德語(yǔ)言使用率，發(fā)現(xiàn)GPT使用了更高比例的道德語(yǔ)言，這可能是其建議被認(rèn)為更具道德專業(yè)性的原因之一。盡管參與者能夠識(shí)別哪些建議是由AI生成的，但這并未顯著影響他們對(duì)AI建議質(zhì)量的評(píng)價(jià)。研究結(jié)果表明，公眾可能逐漸接受AI作為道德指導(dǎo)的潛在補(bǔ)充工具。研究發(fā)表在 Scientific Reports 上。

#認(rèn)知科學(xué) #人工智能 #道德推理 #語(yǔ)言模型

閱讀更多：

Dillion, Danica, et al. “AI Language Model Rivals Expert Ethicist in Perceived Moral Expertise.” Scientific Reports, vol. 15, no. 1, Feb. 2025, p. 4084. www.nature.com, https://doi.org/10.1038/s41598-025-86510-0

非侵入式腦機(jī)接口實(shí)現(xiàn)高效文本解碼

侵入式腦機(jī)接口雖然能幫助失去語(yǔ)言能力的患者恢復(fù)交流，但手術(shù)風(fēng)險(xiǎn)和設(shè)備維護(hù)問(wèn)題限制了其廣泛應(yīng)用。為此，Meta的研究人員開發(fā)了一種新型AI模型“Brain2Qwerty”，通過(guò)非侵入式腦活動(dòng)記錄解碼文本生成。研究中，團(tuán)隊(duì)利用腦電圖（EEG）和磁腦圖（MEG）記錄參與者在輸入短句時(shí)的大腦活動(dòng)，結(jié)果表明，MEG信號(hào)結(jié)合Brain2Qwerty模型的解碼性能優(yōu)于EEG。

研究團(tuán)隊(duì)招募了35名健康志愿者，要求他們記住短句并在QWERTY鍵盤上輸入，同時(shí)記錄其EEG和MEG信號(hào)。隨后，團(tuán)隊(duì)利用這些數(shù)據(jù)訓(xùn)練了Brain2Qwerty模型，這是一種三階段深度神經(jīng)網(wǎng)絡(luò)，用于從腦活動(dòng)信號(hào)中解碼文本。研究中，20名參與者的EEG數(shù)據(jù)包含146,000個(gè)字符、23,000個(gè)單詞和4,000個(gè)句子，MEG數(shù)據(jù)則包含193,000個(gè)字符、30,000個(gè)單詞和5,000個(gè)句子。

結(jié)果顯示，Brain2Qwerty在MEG數(shù)據(jù)上的平均字符錯(cuò)誤率（CER）為32%，顯著優(yōu)于EEG的67%。在表現(xiàn)最佳的參與者中，CER低至19%，并能夠準(zhǔn)確解碼訓(xùn)練集以外的句子。錯(cuò)誤分析表明，解碼過(guò)程不僅依賴于運(yùn)動(dòng)過(guò)程，還涉及高級(jí)認(rèn)知因素。這一研究表明，結(jié)合高質(zhì)量的MEG信號(hào)和先進(jìn)的AI模型，非侵入式方法能夠顯著縮小與侵入式腦機(jī)接口之間的性能差距，為開發(fā)安全、高效的腦機(jī)接口提供了新方向。

#神經(jīng)技術(shù) #腦機(jī)接口 #磁腦圖 #人工智能

閱讀更多：

https://ai.meta.com/research/publications/brain-to-text-decoding-a-non-invasive-approach-via-typing/

人類的最后考試：AI模型的終極挑戰(zhàn)

隨著大語(yǔ)言模型在許多基準(zhǔn)測(cè)試中達(dá)到甚至超越人類水平，現(xiàn)有基準(zhǔn)的難度已無(wú)法滿足研究需求。為應(yīng)對(duì)這一挑戰(zhàn)，AI安全中心與Scale AI聯(lián)合開發(fā)了一個(gè)名為“人類的最后考試”（Humanity's Last Exam，HLE）的新基準(zhǔn)。HLE包含3000個(gè)問(wèn)題，覆蓋數(shù)學(xué)、自然科學(xué)和人文科學(xué)等多個(gè)領(lǐng)域，由全球近千名學(xué)科專家貢獻(xiàn)。測(cè)試結(jié)果顯示，當(dāng)前最先進(jìn)的模型在HLE上的表現(xiàn)極差，準(zhǔn)確率普遍低于10%。

HLE的設(shè)計(jì)目標(biāo)是成為一個(gè)多模態(tài)學(xué)術(shù)基準(zhǔn)，專注于評(píng)估模型在封閉式、可驗(yàn)證問(wèn)題上的能力。基準(zhǔn)包含3000個(gè)問(wèn)題，分為多項(xiàng)選擇題和精確匹配問(wèn)題，部分問(wèn)題需要結(jié)合圖像和文字進(jìn)行理解。所有問(wèn)題均由全球?qū)W科專家貢獻(xiàn)，答案明確且不可通過(guò)互聯(lián)網(wǎng)檢索快速解答。研究團(tuán)隊(duì)還設(shè)置了嚴(yán)格的提交標(biāo)準(zhǔn)，確保問(wèn)題的原創(chuàng)性和高質(zhì)量。

研究團(tuán)隊(duì)使用HLE對(duì)當(dāng)前最先進(jìn)的大語(yǔ)言模型進(jìn)行了測(cè)試，結(jié)果顯示，這些模型的表現(xiàn)普遍不佳，準(zhǔn)確率低于10%。此外，模型在提供答案時(shí)的置信度與實(shí)際準(zhǔn)確率之間存在顯著差距，表現(xiàn)出較差的校準(zhǔn)能力。例如，模型在高置信度下提供的答案也常常是錯(cuò)誤的。研究還發(fā)現(xiàn)，模型在多模態(tài)問(wèn)題上的表現(xiàn)尤其薄弱，反映了其在復(fù)雜推理和跨模態(tài)理解上的局限性。

#認(rèn)知科學(xué) #人工智能 #基準(zhǔn)測(cè)試 #多模態(tài)

閱讀更多：

Phan, Long, et al. Humanity’s Last Exam. arXiv:2501.14249, arXiv, 6 Feb. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2501.14249

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問(wèn)nextquestion

天橋腦科學(xué)研究院旗下科學(xué)媒體，旨在以科學(xué)追問(wèn)為紐帶，深入探究人工智能與人類智能相互融合與促進(jìn)，不斷探索科學(xué)的邊界。如果您有進(jìn)一步想要討論的內(nèi)容，歡迎評(píng)論區(qū)留言，或添加小助手微信questionlab，加入社群與我們互動(dòng)。

關(guān)于天橋腦科學(xué)研究院

天橋腦科學(xué)研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元?jiǎng)?chuàng)建的世界最大私人腦科學(xué)研究機(jī)構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點(diǎn)，支持腦科學(xué)研究，造福人類。

Chen Institute與華山醫(yī)院、上海市精神衛(wèi)生中心設(shè)立了應(yīng)用神經(jīng)技術(shù)前沿實(shí)驗(yàn)室、人工智能與精神健康前沿實(shí)驗(yàn)室；與加州理工學(xué)院合作成立了加州理工天橋神經(jīng)科學(xué)研究院。

Chen Institute建成了支持腦科學(xué)和人工智能領(lǐng)域研究的生態(tài)系統(tǒng)，項(xiàng)目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎(jiǎng)勵(lì)計(jì)劃、、中文媒體追問(wèn)等。