█ 腦科學(xué)動(dòng)態(tài)

Nature：顯著性、好壞與重要性：大腦決策的三條獨(dú)立線(xiàn)程

大腦通過(guò)“幾何扭轉(zhuǎn)”將感覺(jué)轉(zhuǎn)化為知覺(jué)

增加日間光照能顯著提升認(rèn)知反應(yīng)速度

小腦竟是精神分裂癥冷漠癥狀的“開(kāi)關(guān)”

治療抑郁癥新靶點(diǎn)：裸蓋菇素的非致幻性神經(jīng)受體

尾狀核：大腦深處預(yù)測(cè)老年衰弱的關(guān)鍵區(qū)域

█ AI行業(yè)動(dòng)態(tài)

AI寫(xiě)代碼僅用10天：Anthropic新工具Cowork

追蹤500位老人20年的萬(wàn)維數(shù)據(jù)現(xiàn)已公開(kāi)

█ AI驅(qū)動(dòng)科學(xué)

Nature系列綜述：AI智能體重塑癌癥研究與治療

AI無(wú)法取代人類(lèi)創(chuàng)造力：技能差異被放大而非抹平

機(jī)器人學(xué)會(huì)“直覺(jué)”抓握：高斯過(guò)程回歸實(shí)現(xiàn)小數(shù)據(jù)大靈巧

你的聊天機(jī)器人在撒謊嗎？新框架利用內(nèi)部文檔驗(yàn)證AI生成的答案

軟技能至關(guān)重要：同理心是提升人機(jī)協(xié)作效率的關(guān)鍵

Yann LeCun團(tuán)隊(duì)新作：利用無(wú)標(biāo)簽視頻訓(xùn)練通用世界模型

腦科學(xué)動(dòng)態(tài)

Nature：顯著性、好壞與重要性：大腦決策的三條獨(dú)立線(xiàn)程

面對(duì)突如其來(lái)的警報(bào)聲或誘人的食物，大腦如何在瞬間做出反應(yīng)？Daniel Jercog及其團(tuán)隊(duì)（哥本哈根大學(xué)）聯(lián)合國(guó)際研究人員，通過(guò)對(duì)小鼠的研究揭示了大腦處理復(fù)雜環(huán)境線(xiàn)索的機(jī)制。他們發(fā)現(xiàn)，大腦并非將所有信息混合處理，而是像計(jì)算機(jī)多線(xiàn)程一樣，通過(guò)獨(dú)立的神經(jīng)通道分別評(píng)估刺激的不同屬性，從而指導(dǎo)動(dòng)物做出精準(zhǔn)的行為決策。

? 用于評(píng)估顯著性、效價(jià)和價(jià)值編碼的行為框架和任務(wù)。Credit: Nature (2026).

為了解開(kāi)這一謎題，研究團(tuán)隊(duì)利用鈣成像技術(shù)，實(shí)時(shí)監(jiān)測(cè)了自由活動(dòng)小鼠在面對(duì)不同刺激時(shí)，大腦背內(nèi)側(cè)前額葉皮層的神經(jīng)元活動(dòng)。研究人員發(fā)現(xiàn)，外部刺激的三個(gè)關(guān)鍵特征被分別處理：“顯著性”（salience，即刺激有多引人注目）、“效價(jià)”（valence，即刺激是積極還是消極的）以及“價(jià)值”（value，即刺激的重要性或激勵(lì)程度）。實(shí)驗(yàn)數(shù)據(jù)顯示，神經(jīng)元群體會(huì)沿著正交的信息軸被激活，這意味著這三種信息是在相互獨(dú)立的通道中并行傳輸?shù)?，互不干擾。這種機(jī)制確保了大腦能夠高效地綜合評(píng)估環(huán)境信息。研究人員指出，這一發(fā)現(xiàn)對(duì)于理解人類(lèi)心理健康具有重要意義，因?yàn)榻箲]癥可能與高估威脅有關(guān)，而成癮則涉及高估回報(bào)，抑郁癥則可能源于對(duì)回報(bào)的低估。如果人類(lèi)前額葉皮層也采用這種分離通道機(jī)制，將為治療相關(guān)精神疾病提供更精準(zhǔn)的靶點(diǎn)。研究發(fā)表在 Nature 上。

#疾病與健康 #跨學(xué)科整合 #再生醫(yī)學(xué) #嵌合體 #先天免疫

閱讀更多：

Winke, Nanci, et al. “Prefrontal Neural Geometry of Learned Cues Guides Motivated Behaviours.” Nature, Jan. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-09902-2

大腦通過(guò)“幾何扭轉(zhuǎn)”將感覺(jué)轉(zhuǎn)化為知覺(jué)

我們看到的心理世界往往不同于純粹的物理世界，大腦是如何填補(bǔ)這一鴻溝的？清華大學(xué)心理與認(rèn)知科學(xué)系的劉嘉（Jia Liu）教授團(tuán)隊(duì)，包括馬恒（Heng Ma）、蔣龍生（Longsheng Jiang）和劉韜（Tao Liu）等人，通過(guò)研究揭示了大腦將物理感覺(jué)轉(zhuǎn)化為心理知覺(jué)的幾何機(jī)制。他們發(fā)現(xiàn)，大腦通過(guò)一種獨(dú)特的“扭轉(zhuǎn)操作”，能夠?qū)⑽锢砩想y以區(qū)分的信息重構(gòu)為清晰的知覺(jué)體驗(yàn)，為理解人類(lèi)認(rèn)知和優(yōu)化人工智能設(shè)計(jì)提供了新視角。

在這項(xiàng)研究中，團(tuán)隊(duì)利用運(yùn)動(dòng)誘發(fā)錯(cuò)覺(jué)輪廓（motion-induced illusory contours）構(gòu)建了一個(gè)在物理空間中“線(xiàn)性不可分”的視覺(jué)任務(wù)。研究人員記錄了獼猴次級(jí)視覺(jué)皮層（V2）的神經(jīng)活動(dòng)，發(fā)現(xiàn)神經(jīng)群體的活動(dòng)最初處于一個(gè)低維的“感覺(jué)流形”（sensory manifolds）中，直接反映物理刺激的特征，此時(shí)大腦尚無(wú)法區(qū)分不同的輪廓朝向。然而，隨著神經(jīng)計(jì)算的進(jìn)行，這些神經(jīng)狀態(tài)經(jīng)歷了一系列復(fù)雜的幾何變換——即“扭轉(zhuǎn)操作”（Twist Operation），將表征空間從三維提升到了七維，形成了“知覺(jué)流形”（perceptual manifolds）。在這個(gè)高維空間中，原本糾纏不清的信息變得可以通過(guò)線(xiàn)性方式區(qū)分。進(jìn)一步的人工神經(jīng)網(wǎng)絡(luò)模擬表明，神經(jīng)元具有的非線(xiàn)性混合選擇性（Nonlinear Mixed Selectivity）以及連接權(quán)重的高度異質(zhì)性，是實(shí)現(xiàn)這一“維度升級(jí)”和復(fù)雜計(jì)算的關(guān)鍵。該研究不僅解釋了知覺(jué)涌現(xiàn)的機(jī)制，也指出未來(lái)的AI網(wǎng)絡(luò)設(shè)計(jì)需要模擬這種生物神經(jīng)系統(tǒng)的異質(zhì)性以提高魯棒性。研究發(fā)表在 Science Advances 上。

#認(rèn)知科學(xué) #神經(jīng)機(jī)制與腦功能解析 #計(jì)算模型與人工智能模擬 #知覺(jué) #神經(jīng)流形

閱讀更多：

Ma, Heng, et al. “From Sensory to Perceptual Manifolds: The Twist of Neural Geometry.” Science Advances, vol. 11, no. 50, Dec. 2025, p. eadv0431. science.org (Atypon), https://doi.org/10.1126/sciadv.adv0431

增加日間光照能顯著提升認(rèn)知反應(yīng)速度

日常光照究竟如何影響我們的大腦工作效率？曼徹斯特大學(xué)（University of Manchester）的Altug Didikoglu及其團(tuán)隊(duì)開(kāi)展了一項(xiàng)開(kāi)創(chuàng)性的“現(xiàn)實(shí)世界”研究。他們發(fā)現(xiàn)，在日常生活中增加白天的光照暴露，不僅能改善主觀困倦感，還能顯著提升認(rèn)知能力的多個(gè)方面，包括注意力和反應(yīng)速度。

該研究共有58名成年人參與，在為期七天的日常生活中，他們佩戴了特殊的手腕式光照監(jiān)測(cè)器（Spectrawear）來(lái)記錄環(huán)境光照對(duì)生物鐘的影響，并通過(guò)一款名為Brightertime的智能手機(jī)應(yīng)用程序進(jìn)行認(rèn)知測(cè)試。研究人員發(fā)現(xiàn)，與昏暗環(huán)境相比，參與者在明亮光線(xiàn)下的反應(yīng)速度提高了7-10%，且在維持集中注意力方面表現(xiàn)更好。此外，一周內(nèi)光照模式更穩(wěn)定、白天光照更充足的參與者，其視覺(jué)搜索和工作記憶能力也更強(qiáng)。這種影響被認(rèn)為與視網(wǎng)膜中含有黑視素的內(nèi)在光敏視網(wǎng)膜神經(jīng)節(jié)細(xì)胞（ipRGC）系統(tǒng)的激活有關(guān)，該系統(tǒng)負(fù)責(zé)調(diào)節(jié)晝夜節(jié)律和警覺(jué)性。研究還指出，相比習(xí)慣晚睡的人，就寢時(shí)間較早的人對(duì)光照更敏感——早晨的強(qiáng)光能更有效地喚醒他們，而夜晚的昏暗光線(xiàn)則更容易引發(fā)困意。研究發(fā)表在 Communications Psychology 上。

#認(rèn)知科學(xué) #健康管理與壽命延長(zhǎng) #光照 #晝夜節(jié)律

閱讀更多：

Didikoglu, Altug, et al. “Relationships between Light Exposure and Aspects of Cognitive Function in Everyday Life.” Communications Psychology, vol. 4, no. 1, Dec. 2025, p. 5. www.nature.com, https://doi.org/10.1038/s44271-025-00373-9

小腦竟是精神分裂癥冷漠癥狀的“開(kāi)關(guān)”

精神分裂癥患者常面臨一種被稱(chēng)為“陰性癥狀”的困境，表現(xiàn)為極度冷漠、缺乏動(dòng)力和社交退縮，這類(lèi)癥狀往往比幻覺(jué)更難治療。日內(nèi)瓦大學(xué)（University of Geneva）的Indrit Bègue及其團(tuán)隊(duì)通過(guò)一項(xiàng)突破性研究，揭示了常被忽視的小腦在調(diào)節(jié)大腦獎(jiǎng)賞系統(tǒng)及控制這些癥狀中的關(guān)鍵作用。

? 小腦與腹側(cè)被蓋區(qū)（VTA）連接示意圖。Credit: Thomas Bolton

研究團(tuán)隊(duì)對(duì)146名參與者進(jìn)行了長(zhǎng)達(dá)9個(gè)月的縱向追蹤，并結(jié)合獨(dú)立驗(yàn)證隊(duì)列，利用先進(jìn)的共激活模式分析（Coactivation Pattern analysis，一種能夠捕捉大腦區(qū)域間瞬時(shí)動(dòng)態(tài)功能連接的數(shù)據(jù)驅(qū)動(dòng)方法）對(duì)患者的腦部影像進(jìn)行了深入研究。結(jié)果首次描述了小腦與腹側(cè)被蓋區(qū)（Ventral Tegmental Area，VTA，大腦深處負(fù)責(zé)產(chǎn)生多巴胺的關(guān)鍵獎(jiǎng)賞中心）之間存在一種特定的“反向共激活”模式。簡(jiǎn)單來(lái)說(shuō)，小腦對(duì)VTA的調(diào)節(jié)作用越強(qiáng)，患者的冷漠癥狀就越輕；反之，調(diào)節(jié)減弱則癥狀加重。這一發(fā)現(xiàn)意義重大，因?yàn)橄啾壬盥翊竽X內(nèi)部的VTA，小腦位于顱骨后部表面，極易通過(guò)經(jīng)顱磁刺激進(jìn)行干預(yù)。目前，基于該機(jī)制的隨機(jī)對(duì)照臨床試驗(yàn)已經(jīng)展開(kāi)，有望為治療精神分裂癥頑固的陰性癥狀開(kāi)辟全新的非侵入性療法。研究發(fā)表在 Biological Psychiatry 上。

#疾病與健康 #心理健康與精神疾病 #精神分裂癥 #神經(jīng)調(diào)控 #小腦功能

閱讀更多：

Awada, Jade, et al. “A Longitudinal and Reproducible Anti-Coactivation Pattern Between the Cerebellum and the Ventral Tegmental Area Is Related to Apathy in Schizophrenia.” Biological Psychiatry, vol. 99, no. 2, Jan. 2026, pp. 124–33. www.biologicalpsychiatryjournal.com, https://doi.org/10.1016/j.biopsych.2025.06.009

治療抑郁癥新靶點(diǎn)：裸蓋菇素的非致幻性神經(jīng)受體

裸蓋菇素雖能有效緩解抑郁，但其致幻副作用一直是臨床普及的“攔路虎”。Sixtine Fleury和Katherine M. Nautiyal（達(dá)特茅斯學(xué)院）團(tuán)隊(duì)通過(guò)研究發(fā)現(xiàn)了一個(gè)關(guān)鍵的神經(jīng)受體，它在不引起幻覺(jué)的情況下促進(jìn)了裸蓋菇素的治療效果，為開(kāi)發(fā)更安全的抗抑郁藥物開(kāi)辟了新路徑。

? 裸蓋菇素誘導(dǎo)的神經(jīng)活動(dòng)變化依賴(lài)于 5-HT1BR。Credit: Molecular Psychiatry (2025).

該研究利用基因工程小鼠模型，深入剖析了裸蓋菇素在大腦中的作用機(jī)制。研究團(tuán)隊(duì)重點(diǎn)關(guān)注了血清素系統(tǒng)，特別是血清素1B受體（5-HT1B）。實(shí)驗(yàn)中，研究人員通過(guò)測(cè)量c-Fos（一種即刻早期基因，常作為神經(jīng)元活動(dòng)的標(biāo)志物）的表達(dá)水平，繪制了全腦神經(jīng)活動(dòng)圖譜。結(jié)果顯示，雖然血清素2A受體（5-HT2A）是導(dǎo)致幻覺(jué)的主要原因，但5-HT1B受體對(duì)于裸蓋菇素改善快感缺失和焦慮樣行為至關(guān)重要。值得注意的是，在剔除5-HT1B受體的小鼠中，裸蓋菇素不再產(chǎn)生預(yù)期的抗抑郁效果，但小鼠并未表現(xiàn)出頭部抽搐反應(yīng)（head twitch response，這是動(dòng)物模型中衡量致幻效果的指標(biāo)），這表明5-HT1B受體并不參與致幻過(guò)程。這一發(fā)現(xiàn)意味著，科學(xué)家有望設(shè)計(jì)出專(zhuān)門(mén)靶向5-HT1B受體的藥物，在保留裸蓋菇素療效的同時(shí)，剔除其昂貴且具風(fēng)險(xiǎn)的致幻副作用。研究發(fā)表在 Molecular Psychiatry 上。

#疾病與健康 #心理健康與精神疾病 #抑郁癥 #裸蓋菇素 #5-HT1B受體

閱讀更多：

Fleury, Sixtine, and Katherine M. Nautiyal. “The Serotonin 1B Receptor Is Required for Some of the Behavioral Effects of Psilocybin in Mice.” Molecular Psychiatry, Dec. 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41380-025-03387-1

尾狀核：大腦深處預(yù)測(cè)老年衰弱的關(guān)鍵區(qū)域

握力不僅是肌肉力量的體現(xiàn)，更是衡量老年人身體機(jī)能和大腦健康的窗口。為了探究大腦如何影響身體衰弱，加州大學(xué)河濱分校的Xiaoping Hu教授和Amin Ghaffari博士團(tuán)隊(duì)利用先進(jìn)的腦成像技術(shù)，發(fā)現(xiàn)大腦深處的尾狀核（caudate nucleus）是預(yù)測(cè)握力的關(guān)鍵區(qū)域，這一發(fā)現(xiàn)為早期檢測(cè)和預(yù)防老年衰弱提供了新的神經(jīng)生物學(xué)依據(jù)。

研究團(tuán)隊(duì)招募了60名老年人，利用功能性磁共振成像（fMRI）在他們進(jìn)行最大握力測(cè)試時(shí)實(shí)時(shí)記錄大腦活動(dòng)。為了精準(zhǔn)解析大腦與身體機(jī)能的關(guān)系，研究人員采用了基于連接組的預(yù)測(cè)模型（CPM，一種利用全腦功能連接模式來(lái)預(yù)測(cè)個(gè)體行為特征的數(shù)據(jù)驅(qū)動(dòng)方法），將每位參與者的握力數(shù)據(jù)與其大腦內(nèi)部的通信網(wǎng)絡(luò)圖譜進(jìn)行比對(duì)，并對(duì)數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化以排除性別和肌肉量的干擾。結(jié)果顯示，大腦網(wǎng)絡(luò)活動(dòng)與握力強(qiáng)弱存在顯著相關(guān)性，其中通常負(fù)責(zé)運(yùn)動(dòng)管理和決策的尾狀核表現(xiàn)出最強(qiáng)的預(yù)測(cè)能力：尾狀核的血流量和連接性越高，個(gè)體的握力越強(qiáng)。此外，涉及記憶的海馬尾部和涉及情緒的前扣帶回也顯示出一定關(guān)聯(lián)。這意味著，通過(guò)監(jiān)測(cè)特定腦區(qū)的神經(jīng)連接，醫(yī)生有望在老年人出現(xiàn)明顯身體衰弱之前就識(shí)別出風(fēng)險(xiǎn)信號(hào)，從而進(jìn)行針對(duì)性的干預(yù)。研究發(fā)表在 Frontiers in Neuroscience 上。

#疾病與健康 #健康管理與壽命延長(zhǎng) #神經(jīng)機(jī)制與腦功能解析 #衰弱 #腦科學(xué)

閱讀更多：

Ghaffari, Amin, et al. “Connectome-Based Predictive Modeling of Grip Strength: A Marker of Physical Frailty.” Frontiers in Neuroscience, vol. 19, Dec. 2025. Frontiers, https://doi.org/10.3389/fnins.2025.1697908

AI 行業(yè)動(dòng)態(tài)

AI寫(xiě)代碼僅用10天：Anthropic新工具Cowork讓創(chuàng)業(yè)公司“原地蒸發(fā)”

Anthropic近日正式推出了名為Cowork的全新智能體工具，號(hào)稱(chēng)能讓非技術(shù)背景的普通用戶(hù)也能像開(kāi)發(fā)者使用Claude Code一樣高效處理任務(wù)。作為Claude Code的簡(jiǎn)化版，Cowork目前以研究預(yù)覽版的形式，向macOS桌面端的Claude Max訂閱者開(kāi)放。用戶(hù)只需授權(quán)該工具訪(fǎng)問(wèn)特定文件夾，即可通過(guò)自然語(yǔ)言指令，指揮AI自主讀取、編輯或創(chuàng)建文件，輕松完成諸如自動(dòng)整理下載文件夾、從截圖生成電子表格、基于散亂筆記起草報(bào)告以及連接Google Calendar生成文檔等復(fù)雜工作。令人咋舌的是，據(jù)Anthropic的研究人員Boris Cherny透露，Cowork的誕生僅耗時(shí)一周半，且其全部代碼均由Claude Code自動(dòng)編寫(xiě)完成。這一突破性進(jìn)展表明，Anthropic已開(kāi)始利用AI生成AI的能力，以極低的成本和驚人的速度構(gòu)建用戶(hù)端應(yīng)用生態(tài)。

Cowork的橫空出世在科技界和創(chuàng)業(yè)圈引發(fā)了巨大反響。X平臺(tái)用戶(hù)vibhu分享稱(chēng)，安裝Cowork后僅用2小時(shí)便完成了原本需要2個(gè)月的職位描述和營(yíng)銷(xiāo)策略撰寫(xiě)工作，這種極端的效率提升讓用戶(hù)甚至因“無(wú)事可做”而感到驚慌。盡管部分人質(zhì)疑其真實(shí)性，但該工具對(duì)創(chuàng)業(yè)公司的沖擊卻是實(shí)打?qū)嵉?。?chuàng)業(yè)者Guohao Li公開(kāi)表示，由于Cowork的功能直接覆蓋了其產(chǎn)品賽道，導(dǎo)致其項(xiàng)目瞬間失去競(jìng)爭(zhēng)力，最終不得不選擇開(kāi)源，這一舉動(dòng)也得到了Hugging Face聯(lián)合創(chuàng)始人Thomas Wolf的關(guān)注與支持。業(yè)界感嘆，智能體的快速普及正在重塑創(chuàng)業(yè)門(mén)檻，現(xiàn)在的科技創(chuàng)業(yè)似乎只需“一個(gè)大腦加一張付得起AI賬單的信用卡”。然而，面對(duì)AI全權(quán)代理工作帶來(lái)的效率飛躍，普通用戶(hù)也開(kāi)始陷入“既比以往更高效，又感覺(jué)自己完全沒(méi)用”的心理矛盾中。

#Anthropic #Cowork #智能體 #ClaudeCode #AI編程

閱讀更多：

https://claude.com/blog/cowork-research-preview

追蹤500位老人20年的萬(wàn)維數(shù)據(jù)現(xiàn)已公開(kāi)

近日，老年學(xué)領(lǐng)域最重要的資源之一——柏林老齡化研究（Berlin Aging Study, BASE）的數(shù)據(jù)集正式向全球研究界開(kāi)放。該項(xiàng)目由馬克斯·普朗克人類(lèi)發(fā)展研究所、柏林自由大學(xué)和柏林洪堡大學(xué)等多家頂尖機(jī)構(gòu)合作開(kāi)展，被視為跨學(xué)科老年學(xué)研究的開(kāi)創(chuàng)性工程。目前，經(jīng)過(guò)處理和標(biāo)準(zhǔn)化的數(shù)據(jù)已托管于萊布尼茨心理學(xué)研究所的研究數(shù)據(jù)中心，供學(xué)者獲取。BASE 項(xiàng)目的時(shí)間跨度極長(zhǎng)，研究人員在 1990 年至 1993 年間對(duì) 516 名前西柏林居民進(jìn)行了深入訪(fǎng)談和檢查，這些參與者的年齡涵蓋 70 歲至 100 歲以上。在隨后的近 20 年里，這些老年人接受了多達(dá) 7 次的復(fù)評(píng)，積累了極為詳實(shí)的縱向數(shù)據(jù)（Longitudinal Data，指在不同時(shí)間點(diǎn)對(duì)同一對(duì)象進(jìn)行多次觀察所獲得的數(shù)據(jù)，用于分析隨時(shí)間變化的趨勢(shì)）。

這套數(shù)據(jù)集的規(guī)模和深度令人矚目，包含每位參與者多達(dá) 10,000 個(gè)變量，涵蓋了身心健康、生活滿(mǎn)意度、社會(huì)融入度及經(jīng)濟(jì)狀況等全方位信息。馬克斯·普朗克人類(lèi)發(fā)展研究所的生命周期心理學(xué)中心主任 Ulman Lindenberger 指出，這套數(shù)據(jù)是老齡化研究的寶貴資產(chǎn)，目前的分析僅揭示了冰山一角。通過(guò)這些數(shù)據(jù)，研究人員可以探索牙齒健康與認(rèn)知功能的關(guān)聯(lián)，或者社會(huì)參與度對(duì)癡呆與抑郁的影響等復(fù)雜問(wèn)題。ZPID 的檔案與出版服務(wù)主管 Katarina Blask 強(qiáng)調(diào)，遵循 FAIR 原則（Findable, Accessible, Interoperable, Reusable，即數(shù)據(jù)應(yīng)具備可發(fā)現(xiàn)、可獲取、可互操作和可重用的原則）提供數(shù)據(jù)，將極大地促進(jìn)國(guó)際合作。此前基于該數(shù)據(jù)的學(xué)術(shù)文章已超過(guò) 500 篇，如今的全面開(kāi)放將進(jìn)一步推動(dòng)對(duì)個(gè)體及社會(huì)老齡化過(guò)程的深度解析，并為未來(lái)的跨隊(duì)列和跨學(xué)科比較研究奠定堅(jiān)實(shí)基礎(chǔ)。

#柏林老齡化研究 #開(kāi)放科學(xué) #縱向數(shù)據(jù) #馬克斯普朗克研究所 #老年學(xué)

閱讀更多：

https://rdc-psychology.org/en/reuse-data/base

AI 驅(qū)動(dòng)科學(xué)

Nature系列綜述：AI智能體重塑癌癥研究與治療

從自主設(shè)計(jì)藥物到為癌癥患者制定治療方案，AI正在經(jīng)歷從“工具”到“智能體”的質(zhì)變。Daniel Truhn、Shekoofeh Azizi、James Zou、Jakob Nikolas Kather等研究人員（德累斯頓工業(yè)大學(xué)、谷歌 DeepMind、斯坦福大學(xué)、哈佛大學(xué)醫(yī)學(xué)院等）合作發(fā)表綜述，深入探討了AI智能體如何突破傳統(tǒng)AI的局限，通過(guò)推理和規(guī)劃能力徹底改變癌癥研究與腫瘤學(xué)的面貌。

該綜述指出，與只能完成單一任務(wù)的傳統(tǒng)AI不同，AI智能體結(jié)合了大語(yǔ)言模型的推理能力與外部工具，能夠感知環(huán)境、制定多步計(jì)劃并自主執(zhí)行復(fù)雜工作流。在科研領(lǐng)域，智能體已能實(shí)現(xiàn)從生成假設(shè)、設(shè)計(jì)實(shí)驗(yàn)到撰寫(xiě)論文的全流程自動(dòng)化，甚至通過(guò)多智能體系統(tǒng)模擬不同領(lǐng)域的專(zhuān)家進(jìn)行協(xié)作辯論。在臨床腫瘤學(xué)中，AI智能體展現(xiàn)了強(qiáng)大的整合能力，如TxAgent系統(tǒng)通過(guò)實(shí)時(shí)訪(fǎng)問(wèn)生物醫(yī)學(xué)知識(shí)，綜合分析患者的電子健康記錄、基因組學(xué)及影像數(shù)據(jù)，提供個(gè)性化的治療建議并自動(dòng)匹配臨床試驗(yàn)。此外，在病理影像分析上，智能體能模擬人類(lèi)專(zhuān)家的多步推理過(guò)程，而非簡(jiǎn)單的圖像識(shí)別。作者預(yù)測(cè)腫瘤學(xué)將經(jīng)歷從當(dāng)前獨(dú)立的聊天接口，到深度集成醫(yī)院系統(tǒng)，最終實(shí)現(xiàn)自主控制實(shí)驗(yàn)室機(jī)器人的“智能體化”進(jìn)程。盡管面臨評(píng)估標(biāo)準(zhǔn)缺失和倫理監(jiān)管等挑戰(zhàn)，AI智能體正迅速成為癌癥研究中的重要協(xié)作力量。研究發(fā)表在 Nature Reviews Cancer 上。

#AI 驅(qū)動(dòng)科學(xué) #自動(dòng)化科研 #個(gè)性化醫(yī)療 #跨學(xué)科整合 #大模型技術(shù)

閱讀更多：

Truhn, Daniel, et al. “Artificial Intelligence Agents in Cancer Research and Oncology.” Nature Reviews Cancer, Jan. 2026, pp. 1–14. www.nature.com, https://doi.org/10.1038/s41568-025-00900-0

AI無(wú)法取代人類(lèi)創(chuàng)造力：技能差異被放大而非抹平

人工智能是否會(huì)讓每個(gè)人都成為藝術(shù)家，從而拉平創(chuàng)造力的差距？James C. Kaufman（康涅狄格大學(xué)）與Simone A. Luchini等研究人員通過(guò)實(shí)證研究給出了否定的答案。他們發(fā)現(xiàn)，生成式AI非但沒(méi)有取代人類(lèi)的創(chuàng)造力，反而充當(dāng)了能力的“放大器”，使那些原本就具備較強(qiáng)技能的個(gè)體受益更多，強(qiáng)調(diào)了在AI時(shí)代人類(lèi)判斷力和專(zhuān)業(yè)知識(shí)的不可替代性。

該研究團(tuán)隊(duì)設(shè)計(jì)了一項(xiàng)實(shí)驗(yàn)，要求參與者分別在獨(dú)立完成和使用大型語(yǔ)言模型輔助的情況下進(jìn)行故事創(chuàng)作任務(wù)，并對(duì)成品的創(chuàng)造力、智力及整體表現(xiàn)進(jìn)行了評(píng)估。結(jié)果顯示，原本創(chuàng)造力較強(qiáng)的參與者在使用AI工具時(shí)表現(xiàn)出更高的水平，而基礎(chǔ)較弱者則受限于AI自身的輸出水平。James C. Kaufman指出，這是因?yàn)閯?chuàng)造力不僅包含生成想法，還包括評(píng)估和完善想法，而后者高度依賴(lài)人類(lèi)的元認(rèn)知，即對(duì)自身認(rèn)知過(guò)程的認(rèn)知。AI雖然擅長(zhǎng)生成海量素材，但在判斷內(nèi)容的原創(chuàng)性和價(jià)值方面遠(yuǎn)不及人類(lèi)。此外，研究還發(fā)現(xiàn)學(xué)生傾向于高估自己與AI的協(xié)作深度，這種“外包”認(rèn)知工作的行為可能阻礙真正技能的習(xí)得。研究人員警告，如果缺乏適當(dāng)?shù)慕逃龑?dǎo)，AI可能加劇而非縮小創(chuàng)意領(lǐng)域的技能鴻溝。

#認(rèn)知科學(xué) #跨學(xué)科整合 #創(chuàng)造力 #生成式AI #教育心理學(xué)

閱讀更多：

Luchini, Simone A, et al. “Generative AI Does Not Erase Individual Differences in Human Creativity.” jszrn_v1, PsyArXiv, 14 Nov. 2025. OSF Preprints, https://doi.org/10.31234/osf.io/jszrn_v1

機(jī)器人學(xué)會(huì)“直覺(jué)”抓握：高斯過(guò)程回歸實(shí)現(xiàn)小數(shù)據(jù)大靈巧

機(jī)器人如何像人類(lèi)一樣，憑直覺(jué)調(diào)整手部力量來(lái)抓取軟硬不同的未知物體？Akira Takakura、Takahiro Nozaki、Kazuki Yane、Shuichi Adachi（慶應(yīng)義塾大學(xué)）與 Tomoya Kitamura（東京理科大學(xué)）組成的團(tuán)隊(duì)，開(kāi)發(fā)了一種基于數(shù)據(jù)驅(qū)動(dòng)的新型運(yùn)動(dòng)系統(tǒng)，成功解決了這一難題，使機(jī)器人僅需少量數(shù)據(jù)即可在動(dòng)態(tài)環(huán)境中實(shí)現(xiàn)類(lèi)似人類(lèi)的靈巧操作。

? 圖片展示了如何將人類(lèi)的動(dòng)作實(shí)時(shí)傳遞到機(jī)器人化身，從而使后者能夠完成靈巧的任務(wù)。Credit: Keio University Global Research Institute (KGRI)

為了賦予機(jī)器人適應(yīng)不同物體剛度的能力，研究團(tuán)隊(duì)摒棄了傳統(tǒng)的線(xiàn)性建模方法，轉(zhuǎn)而采用高斯過(guò)程回歸技術(shù)。這種回歸技術(shù)能夠利用少量數(shù)據(jù)準(zhǔn)確映射復(fù)雜的非線(xiàn)性關(guān)系，通過(guò)分析人類(lèi)對(duì)不同物體的抓取動(dòng)作，系統(tǒng)學(xué)會(huì)了識(shí)別物體“環(huán)境剛度”與人類(lèi)運(yùn)動(dòng)意圖（即“人體剛度”）之間的關(guān)聯(lián)。實(shí)驗(yàn)結(jié)果顯示，與傳統(tǒng)的運(yùn)動(dòng)再現(xiàn)系統(tǒng)（Motion Reproduction Systems）和模仿學(xué)習(xí)模型相比，新系統(tǒng)表現(xiàn)卓越：在處理已知?jiǎng)偠确秶鷥?nèi)的物體時(shí)，其位置控制的均方根誤差降低了至少40%；而在處理從未見(jiàn)過(guò)的更硬或更軟物體時(shí)，誤差更是降低了74%。這一突破不僅大幅提升了機(jī)器人的適應(yīng)性，也為低成本、高效率的工業(yè)自動(dòng)化應(yīng)用開(kāi)辟了新路徑。研究發(fā)表在 IEEE Transactions on Industrial Electronics 上。

#AI 驅(qū)動(dòng)科學(xué) #機(jī)器人及其進(jìn)展 #自適應(yīng)控制 #高斯過(guò)程回歸 #運(yùn)動(dòng)再現(xiàn)系統(tǒng)

閱讀更多：

Takakura, Akira, et al. “Motion Reproduction System for Environmental Impedance Variation via Data-Driven Identification of Human Stiffness.” IEEE Transactions on Industrial Electronics, 2025, pp. 1–11. IEEE Xplore, https://doi.org/10.1109/TIE.2025.3626633

你的聊天機(jī)器人在撒謊嗎？新框架利用內(nèi)部文檔驗(yàn)證AI生成的答案

如何判斷聊天機(jī)器人給出的答案是否正確？Herman Lassche, Michiel Overeem 和 Ayushi Rastogi（格羅寧根大學(xué)）與荷蘭 AFAS 公司合作，開(kāi)發(fā)了一種基于內(nèi)部文檔驗(yàn)證人工智能生成答案的新框架。該研究不僅模擬了人類(lèi)專(zhuān)家評(píng)估正確性的方式，還證明了高質(zhì)量的內(nèi)部知識(shí)庫(kù)對(duì)于構(gòu)建可信賴(lài) AI 系統(tǒng)的重要性。

? Credit: University of Groningen / AFAS

研究團(tuán)隊(duì)首先通過(guò)觀察 AFAS 支持人員的工作流程，明確了判斷答案正確性的核心要素：真實(shí)性（truthfulness）、相關(guān)性（relatedness）和完整性（completeness）?；谶@些標(biāo)準(zhǔn)，他們利用大語(yǔ)言模型構(gòu)建了一個(gè)自動(dòng)化驗(yàn)證系統(tǒng)，該系統(tǒng)以公司的內(nèi)部文檔為基準(zhǔn)，模擬人類(lèi)的推理過(guò)程而非簡(jiǎn)單的模式匹配。針對(duì)二元問(wèn)題（是/否）和指令型問(wèn)題，研究人員設(shè)計(jì)了不同的評(píng)估指標(biāo)。實(shí)驗(yàn)結(jié)果顯示，該框架能有效識(shí)別 55% 的錯(cuò)誤回答，并能在未經(jīng)專(zhuān)門(mén)訓(xùn)練的情況下對(duì)新任務(wù)進(jìn)行判斷。有趣的是，將荷蘭語(yǔ)的回答翻譯成英語(yǔ)后進(jìn)行評(píng)估，其準(zhǔn)確度反而更高。這一系統(tǒng)有望每年為企業(yè)節(jié)省約 15,000 個(gè)工時(shí)的人工審核時(shí)間。研究發(fā)表在 Journal of Systems and Software 上。

#大模型技術(shù) #大模型技術(shù) #自動(dòng)化驗(yàn)證 #聊天機(jī)器人 #客戶(hù)支持

閱讀更多：

Lassche, Herman, et al. “Is Our Chatbot Telling Lies? Assessing Correctness of an LLM-Based Dutch Support Chatbot.” Journal of Systems and Software, vol. 234, Apr. 2026, p. 112699. ScienceDirect, https://doi.org/10.1016/j.jss.2025.112699

軟技能至關(guān)重要：同理心是提升人機(jī)協(xié)作效率的關(guān)鍵

在人工智能日益普及的今天，如何更好地駕馭這一工具？Christoph Riedl（東北大學(xué)）和 Ben Weidmann（倫敦大學(xué)學(xué)院）組成的團(tuán)隊(duì)不僅關(guān)注技術(shù)層面的“提示詞工程”，更深入探索了人類(lèi)軟技能在人機(jī)交互中的作用。他們發(fā)現(xiàn)，那些在人類(lèi)團(tuán)隊(duì)協(xié)作中至關(guān)重要的特質(zhì)——如同理心和換位思考能力，同樣是決定人機(jī)協(xié)作效率的關(guān)鍵因素，這一發(fā)現(xiàn)為人機(jī)協(xié)同（Human-AI Synergy）的研究提供了全新視角。

該研究開(kāi)發(fā)了一套基于貝葉斯項(xiàng)目反應(yīng)理論的分析框架，旨在精確量化人機(jī)協(xié)作中的協(xié)同效應(yīng)。研究團(tuán)隊(duì)招募了667名參與者，要求他們完成數(shù)學(xué)、物理和道德推理等基準(zhǔn)測(cè)試任務(wù)。參與者首先獨(dú)立作答，隨后在 ChatGPT-4 或 Llama-3 的輔助下作答。結(jié)果顯示，當(dāng)人類(lèi)與AI聯(lián)手時(shí)，即便是單獨(dú)表現(xiàn)較差的 AI 模型（如 Llama-3，正確率僅39%）也能通過(guò)協(xié)作產(chǎn)生優(yōu)異結(jié)果。更重要的是，研究揭示了心理理論（Theory of Mind）——即推斷他人心理狀態(tài)和觀點(diǎn)的能力——與協(xié)作績(jī)效呈正相關(guān)。那些能夠像對(duì)待人類(lèi)一樣對(duì)待 AI，并提供詳細(xì)語(yǔ)境（例如“請(qǐng)像教導(dǎo)12歲孩子一樣解釋”）的參與者，能夠引導(dǎo) AI 輸出更高質(zhì)量的答案。此外，研究還發(fā)現(xiàn) AI 雖然能顯著幫助低技能人群縮小差距，但也讓高技能人群如虎添翼，保持了相對(duì)優(yōu)勢(shì)。研究發(fā)表在 OSF Preprints 上。

#認(rèn)知科學(xué) #大模型技術(shù) #人機(jī)協(xié)作 #同理心

閱讀更多：

Riedl, Christoph, and Ben Weidmann. “Quantifying Human-AI Synergy.” vbkmt_v1, PsyArXiv, 22 Sept. 2025. OSF Preprints, https://doi.org/10.31234/osf.io/vbkmt_v1

Yann LeCun團(tuán)隊(duì)新作：利用無(wú)標(biāo)簽視頻訓(xùn)練通用世界模型

為了構(gòu)建能夠在現(xiàn)實(shí)世界中進(jìn)行推理和規(guī)劃的智能系統(tǒng)，AI需要預(yù)測(cè)其行為的后果。然而，傳統(tǒng)的訓(xùn)練方法依賴(lài)于帶有動(dòng)作標(biāo)簽的數(shù)據(jù)，這在大規(guī)模應(yīng)用中難以獲取。Quentin Garrido、Yann LeCun以及Michael Rabbat等人（Meta人工智能研究實(shí)驗(yàn)室 FAIR、法國(guó)國(guó)家數(shù)字科學(xué)與技術(shù)研究所 Inria、紐約大學(xué) NYU）組成的團(tuán)隊(duì)，提出了一種在“野外”視頻中學(xué)習(xí)潛在動(dòng)作世界模型的方法。該研究通過(guò)利用海量的無(wú)標(biāo)簽視頻數(shù)據(jù)，成功讓模型在沒(méi)有明確動(dòng)作指令的情況下習(xí)得了復(fù)雜的動(dòng)作空間，為AI系統(tǒng)理解物理世界提供了新的路徑。

該研究的核心在于開(kāi)發(fā)了一種潛在動(dòng)作模型（Latent Action Models），旨在從不可控、多樣化的“野外”視頻（in-the-wild videos）中提取動(dòng)作特征。研究人員聯(lián)合訓(xùn)練了一個(gè)逆動(dòng)力學(xué)模型（Inverse Dynamics Model，一種根據(jù)狀態(tài)變化推斷動(dòng)作的模型）和一個(gè)前向模型。與以往僅關(guān)注簡(jiǎn)單的機(jī)器人模擬或游戲環(huán)境不同，該團(tuán)隊(duì)直接挑戰(zhàn)了包含環(huán)境噪聲且缺乏統(tǒng)一實(shí)體（Embodiment，指智能體的物理形態(tài)）的真實(shí)視頻。結(jié)果發(fā)現(xiàn)，相比于常用的矢量量化（Vector Quantization，一種將連續(xù)數(shù)據(jù)離散化的技術(shù)），連續(xù)但受限的潛在動(dòng)作能更有效地捕捉現(xiàn)實(shí)世界的復(fù)雜性，例如能夠識(shí)別并遷移“人進(jìn)入房間”這類(lèi)環(huán)境變化。更重要的是，團(tuán)隊(duì)通過(guò)訓(xùn)練一個(gè)小型控制器，將已知?jiǎng)幼饔成涞竭@些潛在動(dòng)作上，使該世界模型能夠作為通用接口解決機(jī)器人導(dǎo)航和操作等規(guī)劃任務(wù)，其性能與依賴(lài)昂貴動(dòng)作標(biāo)簽訓(xùn)練的基線(xiàn)模型相當(dāng)。

#其他 #計(jì)算模型與人工智能模擬 #世界模型 #潛在動(dòng)作 #無(wú)監(jiān)督學(xué)習(xí)

閱讀更多：

Garrido, Quentin, et al. “Learning Latent Action World Models In The Wild.” arXiv:2601.05230, arXiv, 8 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.05230

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(lèi)智能相互融合與促進(jìn)，不斷探索科學(xué)的邊界。歡迎評(píng)論區(qū)留言，或后臺(tái)留言“社群”即可加入社群與我們互動(dòng)。您也可以在后臺(tái)提問(wèn)，我們將基于追問(wèn)知識(shí)庫(kù)為你做出智能回復(fù)哦~

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(lèi)。

研究院在華山醫(yī)院、上海市精神衛(wèi)生中心分別設(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陳天橋雒芊芊神經(jīng)科學(xué)研究院。

研究院還建成了支持腦科學(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、、、科普視頻媒體「大圓鏡」等。