█腦科學(xué)動態(tài)

學(xué)習(xí)物體操控規(guī)律并未加速其進入視覺意識

煤氣燈操縱新解：你的大腦是如何被“訓(xùn)練”來懷疑自己的？

童年困境，終身烙印：社會經(jīng)歷如何在大腦中留下痕跡

揭示運動后代謝物L(fēng)ac-Phe抑制食欲的神經(jīng)機制

45%的癡呆風(fēng)險可控！專家呼吁將生活方式干預(yù)納入公共衛(wèi)生核心

聽懂嬰兒哭聲靠的是經(jīng)驗，而非天性

大腦節(jié)律揭示了大腦如何選擇處理信息的路線

摯友與手足：青少年應(yīng)對家庭壓力的“情緒緩沖墊”

█AI行業(yè)動態(tài)

AI重塑教科書，讓每個學(xué)生擁有專屬學(xué)習(xí)路徑

李飛飛團隊：單張圖片生成可無限探索的3D世界

谷歌DeepMind預(yù)警：一個由AI主導(dǎo)的“沙盒經(jīng)濟”正在形成

AI賦能長壽科技，首款“大腦返老還童藥”將迎臨床試驗

█AI驅(qū)動科學(xué)

人工智能從學(xué)生面部表情中發(fā)現(xiàn)抑郁癥的隱藏跡象

解碼“吞咽”：數(shù)學(xué)模型首次模擬食管運動全過程

用光控制神經(jīng)肌肉驅(qū)動機器人爬行

AI訓(xùn)練遭遇“數(shù)據(jù)荒”？新框架可篩選高質(zhì)量合成數(shù)據(jù)

AI能耗難題新解：康奈爾大學(xué)“雙重任務(wù)”芯片架構(gòu)可節(jié)能20%

模擬人形機器人學(xué)會自主穿越崎嶇地形

教AI懂規(guī)矩：新算法讓機器在邏輯與學(xué)習(xí)中掌握道德準(zhǔn)則

腦科學(xué)動態(tài)

學(xué)習(xí)物體操控規(guī)律并未加速其進入視覺意識

我們的身體運動如何影響我們能有意識地看見什么？來自薩塞克斯大學(xué)（University of Sussex）等機構(gòu)的 Pawe? Motyka, Anil K. Seth 及其同事，利用虛擬現(xiàn)實技術(shù)進行了探索。他們的研究結(jié)果表明，僅僅學(xué)會一個物體的運動規(guī)律，并不能讓這個物體更快地突破抑制、進入我們的意識。

研究團隊設(shè)計了一套沉浸式虛擬現(xiàn)實實驗。參與者首先在“感覺運動掌握任務(wù)”中學(xué)習(xí)手動控制陌生的3D物體，這些物體會根據(jù)四種不同規(guī)則響應(yīng)參與者的動作：運動方向與操作一致、相反、呈90度（新奇），或完全隨機。隨后，研究人員使用連續(xù)閃光抑制（continuous flash suppression, CFS，一種通過向一只眼睛呈現(xiàn)高對比度動態(tài)圖像來壓制另一只眼睛看到的靜態(tài)圖像，使其無法進入主觀意識的技術(shù)）范式，來測試參與者對這些物體的“意識突破”速度。

根據(jù)感覺運動理論，研究者假設(shè)，那些遵循可學(xué)習(xí)規(guī)律（無論是一致、相反還是新奇）的物體，會比運動完全隨機的物體更快地被意識到。然而，實驗結(jié)果出乎意料。盡管參與者在控制任務(wù)中的表現(xiàn)確實隨著規(guī)律的復(fù)雜性增加而下降，證明了他們正在學(xué)習(xí)這些規(guī)則，但在關(guān)鍵的意識測試中，所有條件下物體的“突破”時間并無顯著差異。這一結(jié)果表明，動作與視覺結(jié)果之間的空間對應(yīng)關(guān)系（空間一致性），在決定一個物體能否進入意識方面，其作用可能微乎其微，遠不如兩者在時間上的緊密耦合（時間偶然性）重要。研究發(fā)表在 Consciousness and Cognition 上。

閱讀更多：

“Investigating the Role of Sensorimotor Spatial Dependencies in Shaping Conscious Access to Virtual 3D Objects.” Consciousness and Cognition, vol. 135, Oct. 2025, p. 103934. www.sciencedirect.com, https://doi.org/10.1016/j.concog.2025.103934

煤氣燈操縱新解：你的大腦是如何被“訓(xùn)練”來懷疑自己的？

煤氣燈效應(yīng)（Gaslighting）是一種持續(xù)性的心理操控，指操縱者通過否定、歪曲事實、提供錯誤信息等方式，讓受害者質(zhì)疑自己的記憶力、感知能力、判斷力和精神狀態(tài)，從而失去自我，最終達到控制和操縱的目的。但其背后的科學(xué)機制仍是謎團。來自麥吉爾大學(xué)和多倫多大學(xué)的 Willis Klein, Suzanne Wood, Jennifer A. Bartz 等研究人員，提出了一個理論模型，指出這種心理操縱本質(zhì)上是利用并扭曲了大腦的基本學(xué)習(xí)過程。

該研究摒棄了傳統(tǒng)的心理動力學(xué)視角，引入了認知科學(xué)中的核心概念——預(yù)測誤差最小化（prediction error minimization，簡稱PEM，指大腦通過不斷預(yù)測外部世界、并根據(jù)預(yù)期與現(xiàn)實的差異來更新自身認知的過程）來解釋煤氣燈操縱。研究團隊構(gòu)建的理論模型指出，操縱者首先通過違反常規(guī)的行為，在受害者大腦中制造出強烈的“預(yù)測誤差”。關(guān)鍵在于，操縱者隨后會引導(dǎo)受害者相信，產(chǎn)生這種誤差的原因并非操縱者的行為異常，而是受害者自身的記憶、感知或判斷出了問題，即讓受害者感到“認知能力不足”（epistemically incompetent）。

在一段充滿信任的親密關(guān)系中，我們通常會依賴對方來確認和理解現(xiàn)實。操縱者正是利用了這種信任，獲得了扭曲受害者現(xiàn)實感的強大杠桿。通過一次又一次地重復(fù)這種模式，受害者的大腦會逐漸“學(xué)會”一個災(zāi)難性的結(jié)論：自己的感覺和記憶是不可靠的。這個被扭曲的學(xué)習(xí)過程最終會導(dǎo)致受害者喪失自信，懷疑自己的心智健全，陷入情感和精神的不穩(wěn)定中。該模型強調(diào)，任何人只要信任了錯誤的對象，都可能成為受害者，因為它利用的是人類共通的社會認知機制。研究發(fā)表在 Personality and Social Psychology Review 上。

閱讀更多：

Klein, Willis, et al. “A Theoretical Framework for Studying the Phenomenon of Gaslighting.” Personality and Social Psychology Review, June 2025. Sage CA: Los Angeles, CA, journals.sagepub.com, https://doi.org/10.1177/10888683251342291

童年困境，終身烙印：社會經(jīng)歷如何在大腦中留下痕跡

生命中的社會經(jīng)歷如何累積并影響大腦健康與癡呆風(fēng)險？來自都柏林圣三一學(xué)院（Trinity College Dublin）全球腦健康研究所的 Joaquin Migeot 和 Agustin Ibanez 領(lǐng)導(dǎo)的國際團隊，通過對拉丁美洲人群的研究，系統(tǒng)揭示了不良社會生活經(jīng)歷的累積效應(yīng)對認知、心理及大腦結(jié)構(gòu)的持久損害。

?研究設(shè)計和分析流程。Credit: Nature Communications (2025).

該研究對來自六個拉丁美洲國家的2,211名參與者進行了評估，其中包括健康老人以及阿爾茨海omer病和額顳葉變性患者。研究團隊首創(chuàng)了一個名為“多維社會暴露組”（multidimensional social exposome，指個體一生中經(jīng)歷的教育、經(jīng)濟壓力、童年逆境、醫(yī)療可及性等社會因素的總和）的綜合評估工具，旨在量化社會環(huán)境的累積影響。研究發(fā)現(xiàn)，社會暴露組越不利，參與者的認知能力和日常生活功能就越差，同時精神健康問題也更嚴(yán)重。腦影像分析進一步揭示，這些社會層面的逆境確實在大腦中留下了“烙印”，與額葉、顳葉等關(guān)鍵腦區(qū)的結(jié)構(gòu)和功能連接改變顯著相關(guān)。尤其值得注意的是，這種貫穿一生的累積效應(yīng)，比任何單一因素（如受教育年限）更能準(zhǔn)確地預(yù)測大腦的健康狀況。研究強調(diào)，食物不安全、經(jīng)濟壓力和醫(yī)療資源匱乏是影響大腦健康的關(guān)鍵社會因素，并提出預(yù)防癡呆的措施應(yīng)從改善兒童和青年的社會環(huán)境開始。研究發(fā)表在 Nature Communications 上。

閱讀更多：

Migeot, Joaquin, et al. “Social Exposome and Brain Health Outcomes of Dementia across Latin America.” Nature Communications, vol. 16, no. 1, Sept. 2025, p. 8196. www.nature.com, https://doi.org/10.1038/s41467-025-63277-6

揭示運動后代謝物L(fēng)ac-Phe抑制食欲的神經(jīng)機制

運動為何能抑制食欲？來自貝勒醫(yī)學(xué)院（Baylor College of Medicine）、南佛羅里達大學(xué)（University of South Florida）和斯坦福大學(xué)醫(yī)學(xué)院的 Yang He, Yong Xu, Jonathan Long 及同事們，發(fā)現(xiàn)運動后產(chǎn)生的一種名為Lac-Phe的分子，能直接作用于大腦的“饑餓中樞”，從而有效降低食欲。

?Lac-Phe 激活的 PVH 神經(jīng)元進行狂犬病追蹤。Credit: Nature Metabolism (2025).

該研究聚焦于大腦下丘腦中兩種功能相反的神經(jīng)元：促進饑餓的刺鼠相關(guān)蛋白神經(jīng)元（AgRP neurons）和抑制饑餓的室旁核神經(jīng)元（PVH neurons）。在正常情況下，AgRP神經(jīng)元會抑制PVH神經(jīng)元，使我們產(chǎn)生饑餓感。研究團隊在小鼠實驗中發(fā)現(xiàn)，運動后產(chǎn)生的代謝物L(fēng)ac-Phe能夠直接作用于AgRP神經(jīng)元，使其活性降低。這一抑制作用解除了對PVH神經(jīng)元的束縛，導(dǎo)致后者被激活，最終達到抑制食欲、減少進食的效果。為了探究更深層的分子機制，研究人員發(fā)現(xiàn)Lac-Phe是通過激活A(yù)gRP神經(jīng)元表面的一種名為ATP敏感性鉀通道（KATP channel，一種調(diào)節(jié)細胞電活動的離子通道）來發(fā)揮作用的。當(dāng)這個通道被激活，AgRP神經(jīng)元就會變得“沉默”。作為驗證，當(dāng)研究者使用藥物或基因技術(shù)阻斷該通道后，Lac-Phe便無法再抑制小鼠的食欲，這證實了KATP通道是其發(fā)揮作用的關(guān)鍵靶點。這項研究不僅清晰地描繪了運動抑制食欲的神經(jīng)通路，也為開發(fā)模擬運動減肥效果的新療法提供了潛在靶點。研究發(fā)表在 Nature Metabolism 上。

閱讀更多：

Liu, Hailan, et al. “Lac-Phe Induces Hypophagia by Inhibiting AgRP Neurons in Mice.” Nature Metabolism, Sept. 2025, pp. 1–14. www.nature.com, https://doi.org/10.1038/s42255-025-01377-9

45%的癡呆風(fēng)險可控！專家呼吁將生活方式干預(yù)納入公共衛(wèi)生核心

面對日益嚴(yán)峻的認知衰退公共衛(wèi)生危機，我們能否主動預(yù)防？美國佛羅里達大西洋大學(xué)（Florida Atlantic University）的 John Dunn 和 Charles H. Hennekens 等研究人員發(fā)表評論指出，高達45%的癡呆癥風(fēng)險與生活方式相關(guān)，通過系統(tǒng)回顧大規(guī)模臨床試驗證據(jù)，他們強調(diào)了健康習(xí)慣在保護大腦方面的巨大潛力。

該評論文章綜合分析了包括美國POINTER試驗和芬蘭FINGER試驗在內(nèi)的多項大規(guī)模隨機對照研究。這些研究將認知衰退高風(fēng)險的老年人隨機分為兩組，一組接受高強度的多領(lǐng)域生活方式干預(yù)，包括規(guī)律體育鍛煉、遵循地中海飲食與DASH飲食相結(jié)合的健康膳食模式、積極參與認知刺激和社交活動；另一組則接受常規(guī)健康指導(dǎo)。結(jié)果顯示，經(jīng)過兩年的干預(yù)，接受高強度生活方式干預(yù)的參與者在整體認知能力，特別是記憶力、注意力和計劃決策等執(zhí)行功能方面，表現(xiàn)出具有統(tǒng)計學(xué)意義和臨床意義的顯著改善。

研究者進一步探討了其背后的生物學(xué)機制。例如，體育活動能增加腦源性神經(jīng)營養(yǎng)因子（brain-derived neurotrophic factor, BDNF，一種支持神經(jīng)元生長的關(guān)鍵蛋白），促進負責(zé)記憶的海馬體健康；而健康的飲食模式則能降低體內(nèi)的氧化應(yīng)激和炎癥水平。這些發(fā)現(xiàn)共同證明，改變生活方式是一種低風(fēng)險、低成本且高效的策略，不僅能降低心血管疾病風(fēng)險，同樣對維護大腦健康、延緩認知衰退具有變革性潛力。研究發(fā)表在 The American Journal of Medicine 上。

閱讀更多：

Dunn, John, et al. “Prospects for Clinicians to Reduce Cognitive Decline in Elderly Patients.” The American Journal of Medicine, vol. 0, no. 0, Aug. 2025. www.amjmed.com, https://doi.org/10.1016/j.amjmed.2025.08.042

聽懂嬰兒哭聲靠的是經(jīng)驗，而非天性

理解嬰兒哭聲是靠直覺還是經(jīng)驗？針對社會上流傳的“母性本能”說法，生物聲學(xué)研究者 Nicolas Mathevon 及其同事進行了一系列研究，顛覆了傳統(tǒng)認知。他們的研究表明，任何盡職的照顧者都能通過學(xué)習(xí)成為解讀哭聲的專家，這一能力并非母親獨有的天賦。

研究團隊首先挑戰(zhàn)了“哭聲語言”假說。他們收集了3600小時的嬰兒哭聲音頻，并讓機器學(xué)習(xí)算法和人類聽眾嘗試分辨哭聲背后的具體原因（例如饑餓或不適）。結(jié)果顯示，兩者的準(zhǔn)確率都僅在36%左右，與隨機猜測無異，這證明僅憑聲音無法解讀嬰兒的具體需求，情境信息至關(guān)重要。那么，哭聲到底傳遞了什么？

研究發(fā)現(xiàn)，哭聲可靠地編碼了兩類信息：一是嬰兒獨特的聲學(xué)身份，二是其痛苦的緊急程度。后者并非通過音高或音量，而是通過一種名為聲學(xué)粗糙度（acoustic roughness，指因聲帶不規(guī)則振動產(chǎn)生的混亂、刺耳的聲音特質(zhì)）的指標(biāo)來傳達。一個和諧的哭聲可能僅表示輕微不快，而一個粗糙刺耳的哭聲則是嚴(yán)重痛苦的警報。更重要的是，研究徹底否定了“母性本能”的存在。實驗證明，父親與母親在識別自己孩子哭聲方面的能力沒有差異，唯一的決定因素是與孩子相處的時間。神經(jīng)影像研究進一步揭示了其背后機制：經(jīng)驗會重塑大腦。聽到哭聲時，父母的大腦會激活一個專門的“嬰兒哭聲腦連接組”（baby-cry brain connectome），且相較于非父母的原始情感反應(yīng)，父母的大腦更傾向于激活與解決問題相關(guān)的腦區(qū)。這些發(fā)現(xiàn)強調(diào)，育兒是一項可以通過實踐習(xí)得的技能，而非天生的本能。

閱讀更多：

https://www.nature.com/articles/s44271-023-00022-z

大腦節(jié)律揭示了大腦如何選擇處理信息的路線

大腦如何根據(jù)情境（如熟悉或新奇）靈活切換信息處理模式？西班牙跨學(xué)科物理與復(fù)雜系統(tǒng)研究所的 Claudio Mirasso 和神經(jīng)科學(xué)研究所的 Santiago Canals 及其團隊發(fā)現(xiàn)，大腦通過精巧地平衡兩種抑制性神經(jīng)回路，來調(diào)控不同頻率腦電波的相互作用，從而決定是優(yōu)先處理來自外部環(huán)境的新信息，還是調(diào)用已有的記憶。

?快慢腦活動頻率之間的耦合。暖色區(qū)域表示相互作用較強，在本例中，γ波段頻率（Y 軸）和θ波段頻率（X 軸）之間相互作用較強。顱內(nèi)記錄的腦活動以白色覆蓋。Credit: Instituto de Neurociencias UMH-CSIC

研究團隊結(jié)合了計算模型與大鼠在不同環(huán)境中導(dǎo)航的真實腦電數(shù)據(jù)，深入探究了大腦信息處理的“路由”機制。他們發(fā)現(xiàn)，大腦中慢速的θ波（theta rhythms）和快速的γ波（gamma rhythms）之間的相互作用并非一成不變，而是通過一種名為跨頻耦合（cross-frequency coupling，指不同頻率的腦電波活動相互協(xié)調(diào)的現(xiàn)象）的機制進行雙向調(diào)控。這一調(diào)控的關(guān)鍵在于兩種不同的神經(jīng)抑制回路：前饋抑制（feedforward inhibition）和反饋抑制（feedback inhibition）。當(dāng)大腦處理熟悉信息時，反饋抑制回路占據(jù)主導(dǎo)地位，此時θ波會組織和調(diào)控γ波的活動，這有助于從海馬體等腦區(qū)高效地提取和激活已有的記憶。相反，當(dāng)面對一個全新的環(huán)境或刺激時，前饋抑制回路則會增強，使得γ波能夠反過來影響θ波的節(jié)律，這種模式更利于大腦整合新的感官輸入，從而更新或形成新的記憶。研究表明，這兩種模式之間的轉(zhuǎn)換是平滑且動態(tài)的，完全取決于神經(jīng)元之間連接強度的微小變化，這賦予了大腦極高的計算靈活性，使其能夠根據(jù)認知需求，無縫地在“回憶模式”與“學(xué)習(xí)模式”之間切換。研究發(fā)表在 PLOS Computational Biology 上。

閱讀更多：

Chalkiadakis, Dimitrios, et al. “The Role of Feedforward and Feedback Inhibition in Modulating Theta-Gamma Cross-Frequency Interactions in Neural Circuits.” PLOS Computational Biology, vol. 21, no. 8, Aug. 2025, p. e1013363. PLoS Journals, https://doi.org/10.1371/journal.pcbi.1013363

摯友與手足：青少年應(yīng)對家庭壓力的“情緒緩沖墊”

青春期早期是心理健康的關(guān)鍵期，家庭環(huán)境如何與同伴關(guān)系共同影響孩子成長？多倫多城市大學(xué)的 Ryan J. Persram, Melissa Commisso 和 William M. Bukowski 團隊研究發(fā)現(xiàn)，與摯友和兄弟姐妹建立的穩(wěn)固關(guān)系，能有效緩沖家庭功能失調(diào)帶來的負面影響，成為青少年重要的情緒“安全網(wǎng)”。

該研究對335名10至13歲的青少年及其父母進行了長達數(shù)年的縱向跟蹤。研究人員通過問卷調(diào)查，評估了家庭功能的多個維度，如家庭凝聚力（family cohesion，指家庭成員間的情感聯(lián)系）和家庭混亂度（family chaos，指家庭環(huán)境的組織性和可預(yù)測性），并收集了青少年關(guān)于自身抑郁情緒、以及與摯友和兄弟姐妹關(guān)系安全感的報告。分析結(jié)果清晰地表明，家庭混亂是預(yù)測青少年未來抑郁情緒增加的一個重要風(fēng)險因素。然而，這種負面影響并非不可改變。研究發(fā)現(xiàn)，高質(zhì)量的同伴關(guān)系起到了關(guān)鍵的緩沖作用。當(dāng)青少年與摯友的關(guān)系穩(wěn)固且充滿安全感時，家庭混亂帶來的負面影響會顯著減弱。反之，缺乏安全友誼的青少年在混亂的家庭環(huán)境中更容易出現(xiàn)抑郁情緒。同樣，穩(wěn)固的兄弟姐妹關(guān)系也能增強家庭積極因素的作用；在凝聚力強的家庭中，與手足關(guān)系親密的青少年表現(xiàn)出最低水平的抑郁情緒。這項研究強調(diào)，家庭之外的親密關(guān)系對于青少年應(yīng)對壓力、維持心理健康至關(guān)重要。研究發(fā)表在 Journal of Applied Developmental Psychology 上。

閱讀更多：

“Family Functioning and Youth Adjustment: The Role of Sibling and Friend Security.” Journal of Applied Developmental Psychology, vol. 99, July 2025, p. 101829. www.sciencedirect.com, https://doi.org/10.1016/j.appdev.2025.101829

AI 行業(yè)動態(tài)

谷歌Learn Your Way：AI重塑教科書，讓每個學(xué)生擁有專屬學(xué)習(xí)路徑

谷歌研究團隊近日推出了一項名為Learn Your Way的實驗性項目，旨在利用生成式AI ，徹底改變傳統(tǒng)教材的呈現(xiàn)方式。傳統(tǒng)教材因其“千人一面”的固定內(nèi)容，難以滿足不同學(xué)習(xí)背景和興趣學(xué)生的個性化需求。而Learn Your Way則將靜態(tài)的教材轉(zhuǎn)變?yōu)橐粋€動態(tài)的、可交互的學(xué)習(xí)平臺，能夠根據(jù)每個學(xué)生的年級、興趣偏好和學(xué)習(xí)進度，量身定制學(xué)習(xí)內(nèi)容與形式，從而實現(xiàn)真正的個性化教育。

該項目的核心技術(shù)是一個名為LearnLM的專用AI模型，它深度融合了教育學(xué)原理，并集成在Gemini 1.5 Pro中。其工作流程分為兩大步驟。首先是“個性化處理”，系統(tǒng)會根據(jù)學(xué)生輸入的年級和興趣，自動調(diào)整教材的語言難度，并將通用示例替換為與學(xué)生興趣相關(guān)的內(nèi)容。在此基礎(chǔ)上，系統(tǒng)進入“多模態(tài)表示”階段，將個性化后的文本生成為多種學(xué)習(xí)形式，包括帶有小問題的沉浸式文本、用于即時反饋的測驗、附帶語音講解的幻燈片課程以及模擬師生對話的音頻課程，讓學(xué)生可以選擇最適合自己的方式進行學(xué)習(xí)。

為了驗證這一方法的有效性，谷歌的研究人員在芝加哥進行了一項小型對照實驗。結(jié)果顯示，使用Learn Your Way的高中生在短期理解和長期記憶測試中的平均成績，分別比使用傳統(tǒng)PDF教材的對照組高出9%和11%。學(xué)生反饋也極為積極，幾乎所有體驗者都表示該工具增強了他們應(yīng)對考試的信心，并愿意繼續(xù)使用。這項研究不僅證明了技術(shù)在提升學(xué)習(xí)效果上的潛力，更預(yù)示著教育的未來圖景：學(xué)習(xí)將不再是千篇一律的過程，而是轉(zhuǎn)變?yōu)橐粋€支持多樣化學(xué)習(xí)方式、提供即時反饋并最終實現(xiàn)因材施教的個性化旅程。

閱讀更多：

https://research.google/blog/learn-your-way-reimagining-textbooks-with-generative-ai

李飛飛團隊發(fā)布世界模型新成果：單張圖片生成可無限探索的3D世界

李飛飛的初創(chuàng)公司W(wǎng)orld Labs近日公布了其在世界模型研究上的最新突破，推出了一款能夠從單一圖像或文本提示生成可無限探索的3D虛擬世界的先進模型。用戶只需提供一個簡單的輸入，該模型便能構(gòu)建出一個具備持久存在性、風(fēng)格統(tǒng)一且?guī)缀谓Y(jié)構(gòu)清晰的宏大世界。這一進展被視為空間智能領(lǐng)域的一大步，尤其在游戲開發(fā)、虛擬現(xiàn)實和數(shù)字內(nèi)容創(chuàng)作等領(lǐng)域展現(xiàn)出巨大的變革潛力。目前，該模型已通過其全新平臺Marble發(fā)布了beta預(yù)覽版，并開放用戶申請試用。

與以往的模型相比，World Labs的這項新成果在多個維度實現(xiàn)了顯著提升。首先，它生成了更完整、更復(fù)雜的幾何結(jié)構(gòu)，用戶不僅可以在場景中自由漫游，甚至可以探索輸入視角之外的“隱藏”空間。其次，該模型在風(fēng)格多樣性上表現(xiàn)出色，無論是卡通渲染還是寫實主義風(fēng)格，都能精準(zhǔn)轉(zhuǎn)換并保持整個世界的一致性。更重要的是，研究人員實現(xiàn)了將多個獨立生成的場景無縫拼接的能力，從而構(gòu)建出遠超單個房間規(guī)模的宏大環(huán)境，為創(chuàng)作者提供了前所未有的想象空間。用戶還可以將生成的世界導(dǎo)出為高斯點云，以便在網(wǎng)頁或VR等下游項目中繼續(xù)使用。

在被問及與谷歌Genie等其他世界模型的區(qū)別時，李飛飛強調(diào)其模型生成的虛擬世界具有“永久持續(xù)性”。這意味著用戶創(chuàng)建的世界可以被隨時訪問、保存并通過鏈接分享，沒有時間限制，為長期項目和協(xié)作創(chuàng)作提供了堅實基礎(chǔ)。這項技術(shù)不僅在技術(shù)上令人矚目，其免費開放試用的策略也獲得了早期用戶的高度評價。通過解決此前生成式3D技術(shù)在規(guī)模、一致性和持久性上的痛點，World Labs的研究成果正為我們開啟一個“一切想象皆可成為現(xiàn)實”的新時代。

閱讀更多：

https://x.com/drfeifei/status/1967988112673632594

谷歌DeepMind預(yù)警：一個由AI主導(dǎo)的“沙盒經(jīng)濟”正在形成

Google DeepMind與多倫多大學(xué)的研究人員聯(lián)合發(fā)布報告指出，一個由AI智能體獨立創(chuàng)造價值的新經(jīng)濟層正在悄然形成。研究人員將這一新興系統(tǒng)命名為沙盒經(jīng)濟 （Sandbox Economy: 指一個受控的虛擬環(huán)境，旨在讓AI智能體在其中安全可靠地進行經(jīng)濟交互與協(xié)作），并認為當(dāng)前的發(fā)展趨勢正導(dǎo)向一個自發(fā)涌現(xiàn)且與人類經(jīng)濟高度滲透的體系。DeepMind高級研究科學(xué)家Nenad Tomasev表示，隨著智能體系統(tǒng)以前所未有的規(guī)模和速度進行交易與協(xié)作，這一新經(jīng)濟形態(tài)的出現(xiàn)已不可避免。

這個新興經(jīng)濟已在多個領(lǐng)域初現(xiàn)端倪。在科學(xué)研究領(lǐng)域，名為Gauss的AI智能體僅用三周便解決了復(fù)雜的數(shù)學(xué)難題；在機器人領(lǐng)域，智能體已能承擔(dān)家務(wù)勞動和工業(yè)分揀等工作；而在個人助理方面，它們可以幫助用戶處理訂餐、整理資料等日常事務(wù)。然而，當(dāng)多個智能體為不同用戶爭奪同一資源時，沖突便會產(chǎn)生。為此，研究人員提出建立虛擬市場機制，通過讓智能體使用“虛擬貨幣”競標(biāo)資源，以市場化方式實現(xiàn)公平高效的資源分配，確保用戶的利益不會因其智能體的能力差異而受損。

為確保這一新興經(jīng)濟的健康發(fā)展，研究人員強調(diào)了在法律、技術(shù)和政策層面建立有效監(jiān)管的重要性。這包括突破傳統(tǒng)的追責(zé)模式，建立多智能體協(xié)作下的“集體責(zé)任實體”；推廣如MCP協(xié)議等互操作標(biāo)準(zhǔn)，以避免形成封閉的技術(shù)孤島；并搭建一個由AI實時監(jiān)控、自動化協(xié)議快速響應(yīng)和人類專家最終裁決的“三級監(jiān)督”體系。隨著全球首個AI智能體交易市場MuleRun的上線，這一概念正加速變?yōu)楝F(xiàn)實，預(yù)示著社會需要在教育體系和社會保障方面做出相應(yīng)調(diào)整，以迎接人機協(xié)作的新時代。

閱讀更多：

https://arxiv.org/abs/2509.10147

奧特曼的“續(xù)命”豪賭：AI賦能長壽科技，首款“大腦返老還童藥”將迎臨床試驗

OpenAI首席執(zhí)行官Sam Altman正將其雄厚的財力和對前沿科技的信念，投入到延長人類健康壽命的宏偉事業(yè)中。他已向生物技術(shù)初創(chuàng)公司Retro Biosciences注入了全部1.8億美元的種子輪資金，支持該公司實現(xiàn)將人類健康壽命延長十年的目標(biāo)。這家公司不僅在傳統(tǒng)生物醫(yī)藥領(lǐng)域進行探索，更與Altman的本行——人工智能——緊密結(jié)合。此前，Retro Biosciences就曾與OpenAI合作，開發(fā)了一款名為GPT-4b-micro的AI模型，專門用于蛋白質(zhì)工程，并在將普通細胞轉(zhuǎn)化為干細胞的實驗中展現(xiàn)出驚人的效率。

Retro Biosciences的首席執(zhí)行官Joe Betts-LaCroix透露，公司計劃于2025年底啟動首個人體臨床試驗，測試其代號為RTR242的實驗性藥物。這款藥物的核心目標(biāo)是逆轉(zhuǎn)阿爾茨海默病，其作用機制是通過重啟人體的自噬 (Autophagy: 細胞處理和回收自身受損部件的機制，如同一個細胞內(nèi)部的垃圾回收系統(tǒng))過程。研究人員認為，隨著年齡增長，這一關(guān)鍵的細胞“清潔”功能會減弱甚至停滯，導(dǎo)致有害物質(zhì)在腦細胞中積聚。RTR242旨在重新激活這一系統(tǒng)，清除與阿爾茨海默病和帕金森病相關(guān)的“細胞垃圾”，從而修復(fù)損傷，這與當(dāng)前主流藥物清除大腦斑塊的思路有所不同。

在CEO Joe Betts-LaCroix的領(lǐng)導(dǎo)下，Retro Biosciences正試圖平衡穩(wěn)健的藥物開發(fā)與激進的“登月式”構(gòu)想。一方面，像RTR242這樣的項目代表了其針對特定疾病的謹慎策略；另一方面，通過GPT-4b-micro等AI工具，公司正探索顛覆性的療法，希望將人體的生物狀態(tài)“重置”到更年輕的階段。除了神經(jīng)退行性疾病，該公司還在開發(fā)針對血液疾病和中樞神經(jīng)系統(tǒng)疾病的療法。在眾多由科技巨頭支持的長壽公司中，如亞馬遜創(chuàng)始人Jeff Bezos投資的Altos Labs，Retro Biosciences憑借其獨特的AI融合策略和明確的臨床試驗路線圖，正成為該領(lǐng)域備受矚目的參與者。

閱讀更多：

https://www.businessinsider.com/retro-biosciences-sam-altman-antiaging-brain-pill-longevity-healthspan-2025-9?IR=T

AI 驅(qū)動科學(xué)

人工智能從學(xué)生面部表情中發(fā)現(xiàn)抑郁癥的隱藏跡象

如何及早發(fā)現(xiàn)抑郁癥的苗頭？日本早稻田大學(xué)的 Eriko Sugimori 和 Mayu Yamaguchi 針對這一問題，開發(fā)并驗證了一種新方法。他們利用人工智能發(fā)現(xiàn)，亞閾值抑郁癥（一種輕微的抑郁狀態(tài)）患者的面部表情存在人眼無法察覺的特定模式，這為無創(chuàng)的早期心理健康篩查開辟了新途徑。

?研究人員現(xiàn)已開發(fā)出一種基于人工智能的新型面部分析工具，用于發(fā)現(xiàn)與亞閾值抑郁癥相關(guān)的眼部和口部運動的細微差異。這些肉眼無法察覺的非語言線索，有助于在學(xué)校、大學(xué)和工作場所進行早期、非侵入性的心理健康篩查。Credit: Dr. Eriko Sugimori from Waseda University, Japan

研究團隊讓64名大學(xué)生錄制簡短的自我介紹視頻，并由另一組同齡人對其進行印象評分。同時，他們使用名為OpenFace 2.0的人工智能工具，對視頻中每一個面部肌肉的微小運動進行量化分析，這些微運動被稱為動作單元（Action Units）。結(jié)果顯示，被診斷為亞閾值抑郁癥（subthreshold depression，簡稱StD，指癥狀輕微但未達到臨床診斷標(biāo)準(zhǔn)的抑郁狀態(tài)）的學(xué)生，在同齡人眼中顯得不那么友好和富有表現(xiàn)力。更重要的是，人工智能的分析揭示了肉眼無法察覺的秘密：StD學(xué)生的特定面部微表情，如內(nèi)眉上提、上眼瞼抬起和嘴唇伸展等動作，其發(fā)生頻率和強度顯著更高。這些細微的肌肉運動與抑郁癥的嚴(yán)重程度密切相關(guān)。這項研究證明，人工智能可以捕捉到反映潛在心理健康問題的非語言線索，有望應(yīng)用于學(xué)校、大學(xué)和工作場所，作為一種高效、便捷的心理健康早期預(yù)警工具。研究發(fā)表在 Scientific Reports 上。

閱讀更多：

Sugimori, Eriko, and Mayu Yamaguchi. “Subthreshold Depression Is Associated with Altered Facial Expression and Impression Formation via Subjective Ratings and Action Unit Analysis.” Scientific Reports, vol. 15, no. 1, Aug. 2025, p. 30761. www.nature.com, https://doi.org/10.1038/s41598-025-15874-0

解碼“吞咽”：數(shù)學(xué)模型首次模擬食管運動全過程

吞咽困難為何發(fā)生？其復(fù)雜的肌肉運動機制仍是未解之謎。日本九州大學(xué)的 Takashi Miura 與城西大學(xué)、北海道大學(xué)的研究人員合作，開發(fā)了一個創(chuàng)新的數(shù)學(xué)模型，首次成功模擬了從健康到病理狀態(tài)下食管的完整運動過程。

?人類食管蠕動。Credit: Royal Society Open Science (2025).

研究團隊利用數(shù)學(xué)方程式，并結(jié)合來自臨床高分辨率測壓（high-resolution manometry，一種精確測量食管內(nèi)部壓力的技術(shù)）的數(shù)據(jù)，構(gòu)建了一個能夠模擬食管蠕動的計算模型。該模型不僅包含了大腦和局部神經(jīng)的信號調(diào)控，還精確描繪了下食道括約肌如同開關(guān)一般的開合行為。該模型成功再現(xiàn)了正常吞咽中的復(fù)雜現(xiàn)象，例如吞咽抑制（deglutitive inhibition，當(dāng)人們連續(xù)快速吞咽時，只有最后一次吞咽會觸發(fā)完整的蠕動波）。更重要的是，通過調(diào)整神經(jīng)信號強度或肌肉收縮力等關(guān)鍵參數(shù)，研究人員能夠準(zhǔn)確模擬出芝加哥分類（Chicago Classification，國際公認的食管動力障礙診斷標(biāo)準(zhǔn)）中定義的多種疾病模式。這一突破意味著該模型可以作為一個強大的理論工具，幫助探索不同吞咽障礙的根本原因，為開發(fā)個性化治療方案和篩選新藥提供了全新的思路。研究發(fā)表在 Royal Society Open Science 上。

閱讀更多：

Miura, Takashi, et al. “A Mathematical Model of Human Oesophageal Motility Function.” Royal Society Open Science, Aug. 2025. world, royalsocietypublishing.org, https://doi.org/10.1098/rsos.250491

用光控制神經(jīng)肌肉驅(qū)動機器人爬行

如何讓機器人像生物一樣，通過神經(jīng)信號驅(qū)動肌肉運動？為解決這一挑戰(zhàn)，伊利諾伊大學(xué)厄巴納-香檳分校的 Rashid Bashir, Hyegi Min 及同事們，聯(lián)合西北大學(xué)等機構(gòu)的研究人員，成功開發(fā)出一款集成了活體神經(jīng)和肌肉組織的生物混合爬行器，并首次利用光遺傳學(xué)技術(shù)實現(xiàn)了對其運動的無線、精準(zhǔn)控制。

?生物混合機器人的光學(xué)圖像——由聚合物支架、骨骼肌組織、神經(jīng)元和無線微電子芯片制成。Credit: Min et al.

研究團隊首先通過3D打印技術(shù)構(gòu)建了一個柔性水凝膠骨架，隨后將源自小鼠干細胞的骨骼肌組織和運動神經(jīng)元整合其上，形成了功能性的神經(jīng)肌肉接頭（neuromuscular junction, NMJ，即神經(jīng)元與肌肉細胞傳遞信號的連接點）。關(guān)鍵創(chuàng)新在于，這些神經(jīng)元經(jīng)過基因改造，能夠?qū)μ囟úㄩL的光做出反應(yīng)。研究人員為機器人裝配了微型無線LED芯片，使其能接收外部指令，通過發(fā)射光脈沖來激活神經(jīng)元。 實驗證明，通過改變光刺激的頻率，可以精確調(diào)控機器人的爬行速度。研究還發(fā)現(xiàn)了一種類似“肌肉記憶”的現(xiàn)象：僅需1分鐘的2赫茲光刺激，就能誘發(fā)長達20分鐘的持續(xù)肌肉收縮。這一生物混合系統(tǒng)表現(xiàn)出優(yōu)異的穩(wěn)定性，其機械功能可維持超過兩周。這項工作不僅為理解生物運動控制提供了新平臺，也為開發(fā)具備學(xué)習(xí)、適應(yīng)能力的智能生物機器開辟了道路。研究發(fā)表在 Science Robotics 上。

閱讀更多：

Min, Hyegi, et al. “Optogenetic Neuromuscular Actuation of a Miniature Electronic Biohybrid Robot.” Science Robotics, vol. 10, no. 106, Sept. 2025, p. eadu5830. science.org (Atypon), https://doi.org/10.1126/scirobotics.adu5830

AI訓(xùn)練遭遇“數(shù)據(jù)荒”？新框架可篩選高質(zhì)量合成數(shù)據(jù)

AI模型面臨真實數(shù)據(jù)枯竭的困境，合成數(shù)據(jù)雖能解“量”之渴，但質(zhì)量參差不齊可能反噬模型性能。針對這一問題，匹茲堡大學(xué)的Wei Gao與北京大學(xué)的Chen Gong, Bo Liang, Chenren Xu等研究人員合作，開發(fā)了一套評估合成數(shù)據(jù)質(zhì)量的新指標(biāo)，并提出名為SynCheck的框架，能夠自動篩選并高效利用高質(zhì)量合成數(shù)據(jù)，顯著提升AI模型的性能。

研究團隊首先定義了評估合成數(shù)據(jù)質(zhì)量的兩個關(guān)鍵維度：親和力（affinity，指數(shù)據(jù)與真實數(shù)據(jù)的相似度）和多樣性（diversity，指數(shù)據(jù)的豐富程度）。他們通過系統(tǒng)評估發(fā)現(xiàn)，現(xiàn)有的生成模型在創(chuàng)造無線信號數(shù)據(jù)時，往往多樣性充足但親和力有限，這意味著數(shù)據(jù)雖然五花八門，但很多并不真實，直接使用這類“假”數(shù)據(jù)訓(xùn)練會導(dǎo)致模型性能嚴(yán)重下降。為此，團隊開發(fā)了SynCheck框架。該框架創(chuàng)新地采用半監(jiān)督學(xué)習(xí)方法，它不直接信任生成模型給出的標(biāo)簽，而是將所有合成數(shù)據(jù)當(dāng)作“待檢產(chǎn)品”。在模型訓(xùn)練的迭代過程中，SynCheck會自動濾除那些與真實數(shù)據(jù)分布差異過大的低親和力樣本，并為篩選出的高質(zhì)量樣本分配可靠的偽標(biāo)簽，再投入訓(xùn)練。實驗數(shù)據(jù)顯示，在某些情況下，不加選擇地使用合成數(shù)據(jù)會導(dǎo)致模型性能下降13.4%，而經(jīng)過SynCheck框架的質(zhì)量引導(dǎo)后，模型性能反而能提升4.3%，實現(xiàn)了從“拖后腿”到“助推器”的轉(zhuǎn)變。研究成果在 MobiSys 2025 國際會議上榮獲最佳論文獎。

閱讀更多：

Gong, Chen, et al. “Data Can Speak for Itself: Quality-Guided Utilization of Wireless Synthetic Data.” arXiv:2506.23174, arXiv, 29 June 2025. arXiv.org, https://doi.org/10.48550/arXiv.2506.23174

AI能耗難題新解：康奈爾大學(xué)“雙重任務(wù)”芯片架構(gòu)可節(jié)能20%

來自康奈爾大學(xué)的 Mohamed Abdelfattah, Xilai Dai, Junius Pun 等研究人員設(shè)計了一種名為“雙重任務(wù)”（Double Duty）的新型芯片架構(gòu)，顯著提升了FPGA芯片在AI任務(wù)中的能源效率。

研究的核心聚焦于一種可重編程芯片——現(xiàn)場可編程門陣列（Field-Programmable Gate Array，F(xiàn)PGA，因其靈活性而廣泛用于AI加速）。傳統(tǒng)FPGA的內(nèi)部計算單元中，負責(zé)通用邏輯運算的查找表（Lookup Tables, LUTs）和負責(zé)高速算術(shù)運算的加法器鏈被緊密綁定，導(dǎo)致無法同時獨立工作，造成資源浪費。為解決此問題，團隊提出了“雙重任務(wù)”（Double Duty）架構(gòu)。該設(shè)計巧妙地修改了芯片內(nèi)部的電路連接，解除了查找表和加法器鏈的強制綁定，使其能在同一邏輯塊內(nèi)并行處理不同任務(wù)。這相當(dāng)于讓芯片在同樣的空間內(nèi)能做更多的事。測試結(jié)果表明，新架構(gòu)在執(zhí)行AI等算術(shù)密集型任務(wù)時，所需芯片面積減少了超過20%，整體電路性能提升近10%，而關(guān)鍵處理速度并未下降。綜合性能指標(biāo)（面積-延遲積）提升了9.7%，這意味著未來AI應(yīng)用可以部署在更小、更節(jié)能的芯片上。研究發(fā)表在 International Conference on Field-Programmable Logic and Applications (FPL 2025) 會議上。

閱讀更多：

Pun, Junius, et al. “Double Duty: FPGA Architecture to Enable Concurrent LUT and Adder Chain Usage.” arXiv:2507.11709, arXiv, 15 July 2025. arXiv.org, https://doi.org/10.48550/arXiv.2507.11709

模擬人形機器人學(xué)會自主穿越崎嶇地形

當(dāng)前人形機器人面對復(fù)雜地形時步履維艱，因為導(dǎo)航與行動被割裂處理。為解決此問題，密歇根大學(xué)的 Kwan-Yee Lin 和 Stella X. Yu 開發(fā)了一個名為 LEGO-H 的人工智能框架，首次讓模擬人形機器人能夠僅憑視覺自主決策和行動，成功穿越復(fù)雜山路。

?名為 LEGO-H 的全新人工智能框架能夠訓(xùn)練人形機器人徒步穿越復(fù)雜的路徑，將視覺感知、決策和運動執(zhí)行能力融為一體。該機器人利用視覺自主預(yù)測短期目標(biāo)，并引導(dǎo)其沿著路徑移動。氣泡大小從大到小表示預(yù)期方向，顏色則表示順序：橙色、綠色、灰色。Credit: Lin and Yu, 2025.

研究團隊提出的 LEGO-H 框架，旨在將高級導(dǎo)航與低級運動控制融為一體。在模擬實驗中，配備攝像頭的機器人在完全陌生的虛擬山路上，僅被告知一個大致的目標(biāo)方向。不同于傳統(tǒng)方法，LEGO-H 利用分層強化學(xué)習(xí)讓機器人能夠像人一樣思考：通過視覺感知前方地形，自主預(yù)測并設(shè)定一系列短期的局部目標(biāo)，然后決策系統(tǒng)會生成相應(yīng)的動作指令，如行走、跳躍、跨步或側(cè)身移動來達成這些目標(biāo)。該框架的核心創(chuàng)新之一是，通過特權(quán)學(xué)習(xí)（Privileged Learning）的機制進行訓(xùn)練。一個“全知”的教師策略在擁有完整環(huán)境信息的情況下學(xué)習(xí)最高效、最安全的動作，然后將其核心運動技巧“提煉”并傳授給只能依靠自身攝像頭的學(xué)生策略。結(jié)果表明，通過這種方式訓(xùn)練的機器人表現(xiàn)出色，不僅能靈活適應(yīng)各種地形和障礙，其行動效率和安全性甚至不亞于那些預(yù)先掌握了完美地圖的機器人。最令人驚奇的是，機器人還“無師自通”地學(xué)會了一項關(guān)鍵技能——在意外絆倒后能自主恢復(fù)平衡，這是一種在學(xué)習(xí)與環(huán)境互動中自然涌現(xiàn)（emergent）的能力，而非人為編程。

閱讀更多：

Lin, Kwan-Yee, and Stella X. Yu. “Let Humanoids Hike! Integrative Skill Development on Complex Trails.” arXiv:2505.06218, arXiv, 9 May 2025. arXiv.org, https://doi.org/10.48550/arXiv.2505.06218

教AI懂規(guī)矩：新算法讓機器在邏輯與學(xué)習(xí)中掌握道德準(zhǔn)則

如何讓AI在執(zhí)行任務(wù)時遵守復(fù)雜的社會、法律和道德規(guī)范？維也納科技大學(xué)的 Agata Ciabattoni, Emery A. Neufeld 和 Radu Florin Tulcan 針對此問題，開發(fā)出一種創(chuàng)新框架，通過將邏輯規(guī)則與機器學(xué)習(xí)相結(jié)合，使AI能夠靈活地學(xué)習(xí)并遵守具有優(yōu)先級的復(fù)雜規(guī)則體系。

傳統(tǒng)上訓(xùn)練AI如同訓(xùn)練寵物，通過獎勵與懲罰進行，但這對于復(fù)雜的道德或法律規(guī)范效果不佳，AI可能會為了獲得獎勵而故意拖延任務(wù)。研究團隊為此提出了一種名為有序規(guī)范約束螺栓（Ordered Normative Restraining Bolts, ONRBs）的新方法。該方法的核心是將問題轉(zhuǎn)化為多目標(biāo)強化學(xué)習(xí)（Multi-Objective Reinforcement Learning, MORL，一種讓AI同時追求多個目標(biāo)的學(xué)習(xí)范式）。具體而言，AI的主要任務(wù)是一個目標(biāo)，而每一條社會規(guī)范（如“不得超速”）則被視為一個獨立的、由邏輯公式定義的新目標(biāo)。當(dāng)AI違反規(guī)范時，會受到相應(yīng)的懲罰。這種設(shè)計允許系統(tǒng)通過算法自動為每個目標(biāo)分配權(quán)重，從而建立起規(guī)則的層級結(jié)構(gòu)，讓AI明白哪些規(guī)范更重要。該方法最大的突破在于其靈活性：當(dāng)規(guī)則需要更新或調(diào)整優(yōu)先級時，無需從頭重新訓(xùn)練整個模型，只需調(diào)整相應(yīng)目標(biāo)的權(quán)重即可。案例研究證明，該框架能夠確保AI在高效完成任務(wù)的同時，嚴(yán)格遵守各類規(guī)范。研究發(fā)表在 IJCAI 2025 會議上。

閱讀更多：

Neufeld, Emery A., et al. “Combining MORL with Restraining Bolts to Learn Normative Behaviour.” 2025. IJCAI 2025 Workshop on User-Aligned Assessment of Adaptive AI Systems, openreview.net, https://openreview.net/forum?id=SBiYp7vTEw

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問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(xué)的邊界。如果您有進一步想要討論的內(nèi)容，歡迎評論區(qū)留言，或后臺留言“社群”即可加入社群與我們互動。

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10億美元創(chuàng)建的世界最大私人腦科學(xué)研究機構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點，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)前沿實驗室、人工智能與精神健康前沿實驗室；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)，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎勵計劃、、、大圓鏡科普等。