█腦科學動態

用大腦活動預測群體選擇何時更有效？

神經元錯位導致癲癇和學習困難

小鼠視覺皮層中發現處理同一眼刺激的神經元集群

中年發福可能與大腦老化有關

精神分裂癥患者大腦發育的早期靈活性不足

血液測試預測30種疾病風險

新型生物傳感器實現PTEN活性高精度動態監測

大腦中的“健康脂肪”成為對抗神經疾病的新希望

█AI行業動態

DeepSeek推出夜間錯峰優惠，API調用價格最高降幅達75%

Raycast推出了AI Extensions測試版

亞馬遜為其Alexa語音助手引入生成性人工智能技術

█AI驅動科學

AI科學家LLM4SD提升分子性質預測準確性

機器人照鏡子學習自我移動

AI寫作風格與人類大不同

AI 助力法醫精準預測腦損傷

復雜推薦模型未必優于傳統方法

AI系統無法具有意識：基于“動態相關性”的不可行定理

腦科學動態

用大腦活動預測群體選擇何時更有效？

何時用大腦活動來預測市場選擇會比單純用行為或問卷更準確？大腦活動是否在樣本不具有代表性時依舊有效？Alexander Genevsky及其團隊通過功能性磁共振成像和互聯網調查數據，比較了實驗室樣本與互聯網市場樣本的行為和神經數據，以測試神經預測的普適性。

?1) 在實驗室樣本中收集了腦部、行為和人口統計學數據。(2) 在構建的互聯網市場中收集了行為和人口統計學數據。(3) 互聯網市場根據人口統計學與實驗室樣本的匹配程度被分為更具有代表性和較少具有代表性的市場。(4) 實驗室樣本中的神經和行為數據被用于預測更具有代表性和較少具有代表性的市場樣本中的行為數據。(5) 在更具有代表性和較少具有代表性的市場樣本中對比了神經和行為模型特征。Credit: PNAS Nexus (2025).

研究團隊進行了兩個實驗，一個涉及Kickstarter上的電影項目資助決策，另一個涉及YouTube上的短視頻觀看決策。研究者記錄了被試的實際選擇，和他們在伏隔核（NAcc，與正面情緒期待相關）與內側前額葉皮層（MPFC，與更高層次的價值評估相關）的活動；同時根據人口統計學與實驗室樣本的匹配程度，分成“較具代表性”和“較不具代表性”兩類人群，再看預測效果的差異。

研究發現，如果實驗室這小群體在人口統計特征上與與整個市場相差較大，預測效果就明顯變差。無論該小群體跟整體市場是否“代表性匹配”，都能顯著預測大規模網絡人群的最終選擇，即伏隔核的活動對市場走勢的預測力更穩定。而內側前額葉皮層活動，雖然對個人選擇很重要，但對預測大規模市場選擇并沒有顯著貢獻。研究者提出，人的決策過程大體可以分為“初級情感反應”與“整合評估”兩部分。在做出最終行為前，人腦通常會先產生相對一致的情感反應（伏隔核激活），再加入個性化整合。這樣就導致最終行為帶有許多個體差異，但早期情感反應更可能在不同人群里保持一致，從而對“整體”市場需求具有更廣的預測力。研究發表在 PNAS Nexus 上。

#認知科學 #預測模型構建 #神經機制與腦功能解析

閱讀更多：

Genevsky, Alexander, et al. “Neuroforecasting Reveals Generalizable Components of Choice.” PNAS Nexus, vol. 4, no. 2, Feb. 2025, p. pgaf029. Silverchair, https://doi.org/10.1093/pnasnexus/pgaf029

神經元錯位導致癲癇和學習困難

神經元在大腦發育過程中未能遷移到正確位置會導致側腦室異位癥，這是一種與癲癇和學習困難相關的狀況。慕尼黑大學生物醫學中心的西爾維亞·卡佩羅教授領導的國際團隊使用患者干細胞培養出大腦類器官，研究了神經網絡功能，發現受影響的神經元更易興奮，并表現出更大的電活動。

?控制組和患者來源神經細胞培養物的突觸性質研究。Credit: Nature Communications (2025).

研究團隊使用患者干細胞培養出大腦類器官，并通過硅探針記錄發現FAT4和DCHS1基因突變的類器官中神經元活動異常增強。轉錄組和蛋白質組分析揭示了神經元形態和突觸功能的變化。特別是，DCHS1神經元的放電閾值降低，可能是由于體細胞電壓門控鈉通道（voltage-gated sodium channels）增加。此外，PH神經元的形態復雜性增加和突觸改變導致了過度活躍，而野生型DCHS1表達可以逆轉這種過度活躍。研究發表在 Nature Communications 上。

#大腦健康 #神經機制與腦功能解析 #神經元錯位 #大腦類器官 #突觸功能

閱讀更多：

Di Matteo, Francesco, et al. “Neuronal Hyperactivity in Neurons Derived from Individuals with Gray Matter Heterotopia.” Nature Communications, vol. 16, no. 1, Feb. 2025, p. 1737. www.nature.com, https://doi.org/10.1038/s41467-025-56998-1

小鼠視覺皮層中發現處理同一眼刺激的神經元集群

長期以來，科學家們已知許多哺乳動物的大腦皮層中，具有相同功能的神經元會被分組為柱狀結構。然而，這種結構在較小動物如小鼠的視覺皮層中尚未被觀察到。馬克斯·普朗克生物智能研究所的馬克·胡貝納和托比亞斯·博恩霍費爾帶領的團隊，使用雙光子顯微鏡技術，首次在小鼠的視覺皮層中證明了這些結構的存在。

?小柱狀組織形式用于小鼠視覺皮層 2/3 層、4 層和 5 層的 ocular dominance。Credit: Nature Communications (2025).

研究團隊使用雙光子顯微鏡技術，觀察小鼠視覺皮層中神經元的排列方式。他們發現，處理來自同一眼睛的視覺信息的神經元在小鼠視覺皮層中形成集群，這些集群在視覺皮層的中間層最為明顯，并在上下層中形成所謂的雙眼支配柱（ocular dominance columns）。研究發表在 Nature Communications 上。

#神經科學 #神經機制與腦功能解析 #雙光子顯微鏡 #小鼠視覺皮層 #雙眼支配柱

閱讀更多：

Goltstein, Pieter M., et al. “A Column-like Organization for Ocular Dominance in Mouse Visual Cortex.” Nature Communications, vol. 16, no. 1, Feb. 2025, p. 1926. www.nature.com, https://doi.org/10.1038/s41467-025-56780-3

中年發福可能與大腦老化有關

東京大學的研究團隊發現，內臟脂肪組織的老化與大腦認知功能下降有關。他們通過研究小鼠模型，發現脂肪組織中的CX3CL1蛋白對維持大腦中的BDNF水平至關重要，而BDNF是維持認知功能的關鍵分子。

?脂肪 CX3CL1 與大腦 BDNF 之間假設的關系及其隨年齡的變化。Credit: Dr. Yoshinori Takei

研究團隊比較了不同年齡小鼠的內臟脂肪組織中CX3CL1的表達水平，并觀察了這些變化如何影響大腦中的BDNF水平。他們還通過實驗調整了腹膜中CX3CL1的水平，以觀察其對認知功能的影響。研究發現，隨著年齡的增長，內臟脂肪組織中CX3CL1的表達減少，導致大腦中BDNF水平下降，進而可能引起認知功能下降。調整CX3CL1的水平可以恢復由老化引起的認知功能障礙。研究發表在 GeroScience 上。

#大腦健康 #疾病預防 #認知科學

閱讀更多：

Takei, Yoshinori, et al. “Adipose Chemokine Ligand CX3CL1 Contributes to Maintaining the Hippocampal BDNF Level, and the Effect Is Attenuated in Advanced Age.” GeroScience, Feb. 2025. Springer Link, https://doi.org/10.1007/s11357-025-01546-4

精神分裂癥患者大腦發育的早期靈活性不足

精神分裂癥的癥狀在不同患者中差異顯著，蘇黎世大學的研究團隊通過國際多中心研究，探討了這些差異如何體現在大腦結構中。研究團隊使用了來自 ENIGMA 合作項目的 MRI 數據，分析了 22 個國家超過 6,000 人的大腦結構，包括大腦皮層的厚度、表面積、折疊模式和深層腦區的體積。

研究團隊使用了來自 22 個國際站點的 ENIGMA 磁共振成像（MRI）腦測量數據集，包含多達 6,037 個個體的特定腦測量數據。研究了精神分裂癥患者和健康對照組個體的皮層厚度、皮層表面積、皮層折疊指數、亞皮層體積（subcortical volume）和分數各向異性（fractional anisotropy）變異性和均值。

研究發現，精神分裂癥患者在額顳葉和亞皮層網絡中的皮層厚度、皮層表面積、亞皮層體積和分數各向異性上表現出更大的變異性。這種結構變異性主要與精神病理癥狀相關，而精神分裂癥組在這些結構指標上的均值通常較低。出乎意料的是，精神分裂癥患者的腦褶模式更為統一，特別是在右尾前扣帶區域。該區域的腦褶均值在精神分裂癥組和健康對照組之間沒有差異，且該區域的腦褶模式與疾病相關參數無關。研究發表在 American Journal of Psychiatry 上。

#大腦健康 #心理健康與精神疾病 #精神分裂癥 #腦結構 #ENIGMA

閱讀更多：

Omlor, Wolfgang, et al. “Estimating Multimodal Structural Brain Variability in Schizophrenia Spectrum Disorders: A Worldwide ENIGMA Study.” American Journal of Psychiatry, Feb. 2025, p. appi.ajp.20230806. psychiatryonline.org (Atypon), https://doi.org/10.1176/appi.ajp.20230806

血液測試預測30種疾病風險

器官老化速度不同，特定器官的加速老化可能增加多種疾病的風險。倫敦大學學院、斯坦福大學、Inserm和赫爾辛基大學的研究團隊通過分析6200多名中年人的血液樣本，測定九個器官的生物年齡，并跟蹤參與者20年的健康狀況，發現器官老化與30種疾病的風險顯著相關。

研究團隊使用SomaScan技術測定血漿樣本中九個器官的生物年齡，并通過國家健康記錄跟蹤參與者20年。結果顯示，器官加速老化顯著增加了30種疾病的風險。例如，心臟老化加速與心血管疾病風險增加相關，肺部老化加速與慢性阻塞性肺疾病（COPD）和肺癌風險增加相關。令人驚訝的是，免疫系統老化加速與癡呆風險高度相關，提示炎癥過程可能在神經退行性疾病中起關鍵作用。此外，腎臟老化加速與血管疾病、2型糖尿病和肝病風險增加相關。研究支持未來醫療向個性化疾病預防轉變，通過血液測試更早識別疾病風險。研究發表在 The Lancet Digital Health 上。

#大腦健康 #疾病預防 #個性化醫療 #器官老化 #血液測試

閱讀更多：

Kivim?ki, Mika, et al. “Proteomic Organ-Specific Ageing Signatures and 20-Year Risk of Age-Related Diseases: The Whitehall II Observational Cohort Study.” The Lancet Digital Health, vol. 7, no. 3, Mar. 2025, pp. e195–204. www.thelancet.com, https://doi.org/10.1016/j.landig.2025.01.006

新型生物傳感器實現PTEN活性高精度動態監測

PTEN基因在細胞生長調控中起關鍵作用，其突變與癌癥、自閉癥等疾病密切相關。然而，科學家一直缺乏直接測量PTEN活性的工具。為了解決這一問題，特拉維夫大學醫學與健康科學學院的Tal Laviv團隊開發了一種新型生物傳感器，結合基因工具和顯微鏡技術，成功實現了PTEN活性的高靈敏度監測。

?新型 PTEN FRET/FLIM 生物傳感器的發展。Credit: Nature Methods (2025).

研究團隊開發了一種基于FRET（熒光共振能量轉移，F?rster Resonance Energy Transfer）的生物傳感器，通過監測PTEN的構象變化來間接測量其活性狀態。該傳感器結合雙光子熒光壽命成像顯微鏡，能夠在細胞系、線蟲和小鼠大腦中實時成像PTEN活性。研究還發現了一個點突變，使傳感器能夠在不干擾內源性PTEN信號的情況下監測其活性。此外，團隊開發了一種紅移傳感器變體，能夠區分興奮性和抑制性皮質細胞中的PTEN活性。這一方法實現了PTEN活性在活體內的動態成像，具有前所未有的空間和時間分辨率。研究發表在 Nature Methods 上。

#神經技術 #個性化醫療 #PTEN基因 #FRET傳感器 #動態成像

閱讀更多：

Kagan, Tomer, et al. “Genetically Encoded Biosensor for Fluorescence Lifetime Imaging of PTEN Dynamics in the Intact Brain.” Nature Methods, Feb. 2025, pp. 1–14. www.nature.com, https://doi.org/10.1038/s41592-025-02610-9

大腦中的“健康脂肪”成為對抗神經疾病的新希望

倫敦大學學院的研究團隊發現，增加大腦中的“健康脂肪”如歐米伽-3脂肪酸的水平可能對運動神經元疾病（MND）和前顳葉癡呆（FTD）具有保護作用。研究團隊通過果蠅和人類腦細胞的實驗，發現攜帶C9orf72基因突變的果蠅在增加這些健康脂肪后，存活率顯著提高。此外，從MND/FTD患者身上提取的腦細胞在增加健康脂肪后，存活率也提高了30%。

?高度不飽和磷脂在 FTLD 病理解剖前額葉皮層中減少。Credit: Nature Neuroscience (2025).

研究團隊首先測量了攜帶C9orf72基因突變的果蠅和人類腦細胞中不同類型的脂肪水平，發現多不飽和脂肪酸（PUFAs）的水平顯著降低。然后，他們通過表達能夠產生這些脂肪酸的基因，直接將脂肪酸輸送到果蠅的腦細胞中，發現果蠅的生存率提高了83%。在來自MND/FTD患者的細胞中重復實驗，發現增加細胞中脂肪酸的水平可以使細胞存活時間延長30%。研究發表在 Nature Neuroscience 上。

#大腦健康 #疾病預防 #健康管理與壽命延長 #神經機制與腦功能解析

閱讀更多：

Giblin, Ashling, et al. “Neuronal Polyunsaturated Fatty Acids Are Protective in ALS/FTD.” Nature Neuroscience, Feb. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41593-025-01889-3

AI 行業動態

DeepSeek推出夜間錯峰優惠，API調用價格最高降幅達75%

DeepSeek今日宣布，從即日起在北京時間每日00:30至08:30的夜間空閑時段，其開放平臺將推出錯峰優惠活動。在此期間，API調用價格將大幅下調，其中DeepSeek-V3的價格降至原價的50%，而DeepSeek-R1的價格更是低至25%。

DeepSeek表示，此舉旨在鼓勵用戶充分利用這一時段，享受更經濟、更流暢的服務體驗。這一策略不僅有助于優化資源利用，還能為用戶提供更具性價比的服務選擇。

#DeepSeek #API價格下調 #錯峰優惠 #夜間優惠 #服務優化

閱讀更多：

https://api-docs.deepseek.com/zh-cn/quick_start/pricing/

Raycast推出了AI Extensions測試版

Raycast推出了AI Extensions測試版。它通過自然語言交互重新定義了任務自動化。用戶無需記憶復雜操作，只需像與人對話一樣輸入指令，例如直接說“下周安排會議”或“專注編碼一小時”，系統便能自動解析需求并調用相關工具完成任務。這一功能依賴于超過32種專用AI模型的支持，涵蓋編碼輔助、日程管理等場景，用戶可根據任務復雜度選擇不同模型——例如需要快速響應時調用Perplexity，處理復雜邏輯時切換至GPT-4。

該工具的核心突破在于跨應用協同能力，系統還具備動態學習能力，通過分析用戶習慣實現個性化響應。例如預先設置“會議助手”規則后，AI會自動采用特定命名格式（如將“Thomas”轉化為“Team會議”），優先選擇用戶慣用的Zoom而非Teams生成會議鏈接。當檢測到日程沖突時，AI不僅會提醒用戶，還能主動分析參與者空閑時段提出調整建議。這種上下文感知能力延伸到文件交互層面，用戶可以直接對PDF或CSV文件提問，AI結合文檔內容與系統信息（如當前時間或地理位置）生成針對性回復。

為了平衡自動化與可控性，系統保留了“人在回路”機制。當AI從郵件正文提取待辦事項并生成任務列表時，會等待用戶確認后再同步到項目管理工具。每次操作后，用戶可通過點擊“成功”或“失敗”按鈕提供反饋，這些數據將用于優化AI的響應準確性和速度。目前已有50多個擴展支持深度AI集成，包括線性開發工具Linear和設計協作平臺Figma，開發者生態的持續擴展正在推動更多場景落地，例如根據Figma設計稿自動生成前端代碼片段。

從技術實現來看，這種自然語言驅動的自動化并非簡單串聯現有API，而是通過語義理解將模糊指令轉化為精準操作鏈。當用戶說“幫我整理上個月銷售數據”，AI需要同時判斷時間范圍（上月）、數據來源（本地CSV或云端數據庫）、處理方式（匯總或可視化），再依次調用文件管理、表格處理及圖表生成工具。這種將自然語言映射為多步驟工作流的能力，正在模糊人機交互的邊界，朝著“用語言操控數字世界”的方向演進。

#AI #自然語言交互 #任務自動化 #AI擴展

閱讀更多：

https://www.raycast.com/core-features/ai

亞馬遜為其Alexa語音助手引入生成性人工智能技術

亞馬遜為其Alexa語音助手引入生成性人工智能（Generative AI）技術。通過集成這一先進的AI技術，Alexa將能夠提供更加個性化和富有創意的服務。新的Alexa功能不僅限于傳統的語音識別和命令響應，還能夠生成動態內容，如個性化的故事、歌曲以及用戶定制的互動體驗。

Alexa的生成性AI功能使得用戶能夠與Alexa進行更加豐富和自然的對話。用戶可以要求Alexa根據特定主題生成內容，或通過調整對話方式，獲取不同風格的回答。這種技術的引入極大地擴展了Alexa的應用場景，從簡單的命令響應到復雜的創意生成，Alexa的功能變得更加多樣化。

亞馬遜在Alexa中引入的生成性AI技術基于深度學習和自然語言處理（NLP）技術，使得Alexa能夠理解用戶需求，并生成富有創意和個性化的內容。用戶不僅能聽到預設的回答，還可以要求Alexa創建新內容，比如定制的故事、音樂或其他類型的文本生成。

這一技術的核心在于使Alexa能夠根據用戶的情境進行內容創作，從而為用戶提供更具互動性和娛樂性的體驗。此外，Alexa還能夠不斷學習用戶的偏好，優化生成內容的質量和相關性，進一步提升用戶體驗。

#人工智能 #生成AI #智能助手 #自然語言處理

閱讀更多：

https://www.aboutamazon.com/news/devices/new-alexa-generative-artificial-intelligence

AI 驅動科學

AI科學家LLM4SD提升分子性質預測準確性

莫納什大學和格里菲斯大學的研究團隊開發了LLM4SD，一種利用大型語言模型加速科學發現的AI工具。該工具能夠從文獻中提取信息并通過數據分析提出假設，還能解釋其結果。研究團隊包括Yizhen Zheng、Huan Yee Koh和Jiaxin Ju等。

?LLMs 在分子預測管道中進行科學發現。Credit: Nature Machine Intelligence (2025).

LLM4SD通過從科學文獻中提取信息（如分子量對溶解度的預測重要性）和從科學數據中推斷知識（如含鹵素分子更可能穿過血腦屏障）來合成知識。這些信息被轉化為可解釋的知識，使分子能夠轉化為特征向量。通過與隨機森林（Random Forest）等可解釋模型結合使用，LLM4SD在一系列預測分子性質的基準任務中超越了當前的最先進技術，準確性提高了48%。研究發表在 Nature Machine Intelligence 上。

#神經技術 #預測模型構建 #大模型技術 #分子性質預測

閱讀更多：

Zheng, Yizhen, et al. “Large Language Models for Scientific Discovery in Molecular Property Prediction.” Nature Machine Intelligence, Feb. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s42256-025-00994-z

機器人照鏡子學習自我移動

哥倫比亞大學工程與應用科學學院的研究團隊，包括Hod Lipson和Yuhang Hu，開發了一種新方法，使機器人能夠通過攝像頭觀察自己的動作來學習自身的形態和運動學。這種方法利用深度神經網絡從2D視頻中推斷3D運動，使機器人能夠自主建模并進行自我模擬。研究結果顯示，這種自我學習能力不僅使機器人能夠規劃動作，還能在身體受損時自我調整和恢復。

?一個機器人在其在鏡中的倒影中觀察自己，學習自身的形態和運動學以進行自主自模擬。Credit: Jane Nisselson/Columbia Engineering

這項研究的關鍵方法是使用深度神經網絡從2D視頻中推斷3D運動。研究人員讓機器人通過攝像頭觀察自己的動作，從而學會創建自己的模擬器。這種方法不僅節省了工程努力，還允許模擬在機器人經歷磨損、損壞和適應變化時繼續進行并發展。研究結果顯示，這種自我學習的模擬不僅使機器人能夠進行精確的運動規劃，還能檢測異常并從損傷中恢復。例如，機器人吸塵器或個人助手機器人可以在撞到家具后自我觀察，調整動作方式，并繼續工作。這種適應性可以使家庭機器人更加可靠，不需要不斷重新編程。研究發表在 Nature Machine Intelligence 上。

#認知科學 #自動化科研 #機器人技術 #自我學習 #深度神經網絡

閱讀更多：

Hu, Yuhang, et al. “Teaching Robots to Build Simulations of Themselves.” Nature Machine Intelligence, Feb. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s42256-025-01006-w

AI寫作風格與人類大不同

隨著大型語言模型的廣泛應用，人們對其生成文本的能力和風格產生了濃厚興趣。卡內基梅隆大學的Alex Reinhart及其團隊通過分析LLMs與人類文本的差異，揭示了LLMs在寫作風格上的局限性。研究團隊使用語法、詞匯和風格特征分析工具，比較了LLMs生成的文本與人類寫作的差異，發現LLMs在風格適應性和語言表達上與人存在顯著不同。

研究團隊構建了人類和LLMs生成的平行文本語料庫，使用Douglas Biber的詞匯、語法和修辭特征分析方法，系統比較了LLMs與人類寫作風格的差異。研究發現，指令調優的LLMs（如ChatGPT和Llama 3）在寫作時傾向于使用名詞密集、信息密度高的風格，即使在模仿非正式寫作時也難以與人類寫作風格一致。例如，LLMs使用現在分詞從句的頻率是人類文本的2到5倍，名詞化頻率是人類的1.5到2倍。此外，LLMs在詞匯選擇上也表現出明顯的偏好，如ChatGPT過度使用“camaraderie”和“tapestry”等詞匯。這些差異表明，盡管LLMs在生成文本方面表現出色，但在匹配人類寫作風格多樣性方面仍存在局限。研究結果為進一步理解LLMs的寫作風格提供了重要參考。研究發表在 PNAS 上。

#認知科學 #大模型技術 #寫作風格 #語言模型 #文本分析

閱讀更多：

Reinhart, Alex, et al. “Do LLMs Write like Humans? Variation in Grammatical and Rhetorical Styles.” Proceedings of the National Academy of Sciences, vol. 122, no. 8, Feb. 2025, p. e2422455122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2422455122

AI 助力法醫精準預測腦損傷

創傷性腦損傷（TBI）是法醫調查中的關鍵問題，但目前缺乏標準化的量化方法。牛津大學的研究團隊與泰晤士谷警察局、國家犯罪局、約翰·雷德克里夫醫院、Lurtis Ltd. 和卡迪夫大學合作，開發了一種基于物理學的 AI 驅動工具，用于輔助 TBI 的法醫調查。該工具通過結合機械模擬和機器學習，提供了基于證據的損傷預測，顯著提高了 TBI 調查的準確性和一致性。

該研究的關鍵方法是基于力學的機器學習框架，研究人員使用了 53 份匿名的警察報告進行訓練，模型在顱骨骨折、意識喪失和顱內出血的預測中分別達到了 94%、79% 和 79% 的準確率。該框架使用了頭部和頸部的一般計算機制模型（computational mechanistic model），模擬不同類型的沖擊（如拳擊、拍打或平面上的打擊）對不同區域的影響。通過結合機械生物物理數據與法醫細節，模型能夠預測不同傷害發生的可能性。研究結果顯示，該工具能夠識別每種損傷的最佳預測特征，例如顱骨骨折的最重要因素是頭皮和顱骨在撞擊過程中所經歷的最大應力，而意識喪失的最強預測因素是腦干的應力指標。該工具旨在為法醫和執法部門提供客觀的損傷概率評估，而非替代人類專家的判斷。研究發表在 Communications Engineering 上。

#神經技術 #預測模型構建 #法醫科學 #創傷性腦損傷 #AI

閱讀更多：

Wei, Yuyang, et al. “A Mechanics-Informed Machine Learning Framework for Traumatic Brain Injury Prediction in Police and Forensic Investigations.” Communications Engineering, vol. 4, no. 1, Feb. 2025, pp. 1–12. www.nature.com, https://doi.org/10.1038/s44172-025-00352-2

復雜推薦模型未必優于傳統方法

意圖感知推薦系統（IARS）旨在通過預測用戶的潛在動機和短期目標來生成更好的推薦。然而，盡管復雜的神經推薦模型不斷涌現，研究表明這些模型并不一定比傳統模型更有效。奧地利克拉根福大學和意大利米蘭理工大學的研究人員 Faisal Shehzad、Maurizio Ferrari Dacrema 和 Dietmar Jannach 等人進行了這項研究，嘗試重現了五種最新的神經意圖感知推薦系統模型，并將它們與傳統的 top-n 推薦模型進行了基準測試。

研究人員使用了原始論文中的代碼、數據和實驗配置來重現五種最新的神經意圖感知推薦系統模型，并將它們與傳統的非神經推薦模型進行了比較。結果發現，其中兩種情況下，使用論文中報告的最佳超參數運行代碼并未得到與論文一致的結果。令人擔憂的是，所有被測試的意圖感知推薦系統模型都被至少一種傳統模型超越。這些發現表明，該領域存在持續的方法學問題，迫切需要更嚴格的學術實踐。

#認知科學 #意圖問題 #推薦系統 #神經模型 #傳統算法

閱讀更多：

Shehzad, Faisal, et al. A Worrying Reproducibility Study of Intent-Aware Recommendation Models. arXiv:2501.10143, arXiv, 17 Jan. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2501.10143

AI系統無法具有意識：基于“動態相關性”的不可行定理

人工智能是否具有意識是一個備受關注的問題，涉及倫理、法律和技術等多個領域。為了提供一個不依賴于特定假設的答案，Association for Mathematical Consciousness Science團隊借鑒物理學中的“不可行定理”（no-go theorem）方法，提出了一個關于AI意識的定理。研究基于“動態相關性”（dynamical relevance）這一假設，指出在現代計算機芯片上運行的AI系統無法具有意識。

研究團隊采用“不可行定理”（no-go theorem）方法，分析了AI系統是否可能具有意識。“動態相關性”（dynamical relevance）是該定理的核心假設，指的是意識對系統狀態的動態演化具有影響。研究指出，現代計算機芯片（如CPU、GPU等）的設計和驗證過程系統地排除或抑制了任何可能的偏差，因此無法支持意識的動態相關性。研究還提出了幾個有趣的推論，例如，即使AI系統聲稱自己具有意識，這種聲明也不能作為其具備意識的證據。此外，如果意識具有改善信息處理的功能，那么在設計AI系統的硬件時應考慮意識理論。研究結果對AI工程和可解釋性具有潛在意義，并為探討AI意識問題提供了一個新的框架。

#認知科學 #意識模擬 #AI意識 #不可行定理 #動態相關性

閱讀更多：

Kleiner, Johannes, and Tim Ludwig. “The Case for Neurons: A No-Go Theorem for Consciousness on a Chip.” Neuroscience of Consciousness, vol. 2024, no. 1, Feb. 2024, p. niae037. Silverchair, https://doi.org/10.1093/nc/niae037

整理｜ChatGPT

編輯｜丹雀、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，或后臺留言“社群”即可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）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。

Chen Institute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加州理工天橋神經科學研究院。

Chen Institute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、、等。