█ 腦科學(xué)動態(tài)

Nature：“超級老人”的記憶秘訣：大腦持續(xù)新生神經(jīng)元以對抗衰老

Science：人類為何會得流感？

唐氏綜合征大腦發(fā)育圖譜問世：三大關(guān)鍵基因及其調(diào)控潛力

大腦的“谷歌地球”：4D圖譜揭示大腦的生長發(fā)育信息

普通能量分子乙酸鹽竟能選擇性提升女性記憶力

抗生素可通過調(diào)理腸道菌群修復(fù)受損大腦

壓力大、注意力不集中？到大自然里走走，大腦真的會改變

別只盯著焦慮：氣候危機讓青少年感到憤怒與背叛

運動聽音樂未必能提升專注力或改善情緒

腦體節(jié)律層級系統(tǒng)塑造主觀時間感

█ AI行業(yè)動態(tài)

谷歌Nano Banana 2刷屏：Pro級畫質(zhì)白菜價

AI開始自己寫AI算法，新算法已吊打現(xiàn)有模型

取代初級科學(xué)家？AI正在重塑科研就業(yè)市場，實驗崗位暫時安全

█ AI驅(qū)動科學(xué)

DeepSeek 聯(lián)手清北發(fā)布 DualPath，打破大模型推理存儲墻

具身神經(jīng)形態(tài)智能：邁向更高效、更自主的機器人未來

AI智能體不是越多越強：信息冗余構(gòu)成了LLM規(guī)模效應(yīng)的瓶頸

聊天機器人過度強調(diào)社會人口統(tǒng)計學(xué)刻板印象

機器善辨假圖，人類更識偽片

讓電極對超聲波“隱身”，實現(xiàn)讀寫交互雙重視野

像人類團隊一樣思考與分工：智能體AI重塑生物醫(yī)學(xué)發(fā)現(xiàn)流程

MAPLE架構(gòu)：通過解耦記憶、學(xué)習(xí)與個性化提升AI智能體適應(yīng)性

機器意識評估新視角：超越計算等效性的行為推理原則

腦科學(xué)動態(tài)

Nature：“超級老人”的記憶秘訣：大腦持續(xù)新生神經(jīng)元以對抗衰老

成人大腦能否新生神經(jīng)元，及其與阿爾茨海默病的關(guān)系長期存在爭議。伊利諾伊大學(xué)芝加哥分校和中國科學(xué)院分子細胞科學(xué)卓越創(chuàng)新中心的Ahmed Disouky、Orly Lazarov等人，通過對人類海馬體的單細胞多組學(xué)分析，證實了成人神經(jīng)發(fā)生的存在，并首次描繪了其分子調(diào)控圖譜，揭示了該過程在阿爾茨海默病中的早期紊亂，以及“超級老人”大腦中獨特的認知韌性特征。

研究團隊采用單細胞核RNA測序和單細胞核ATAC測序兩種前沿技術(shù)，分析了來自年輕成人、健康老人、超級老人（80歲以上但記憶力與中年人相當(dāng)?shù)膫€體）、臨床前阿爾茨海默病患者和確診患者五組人群的超過35萬個海馬體細胞核。研究證實，成人海馬體中存在從神經(jīng)干細胞到成熟神經(jīng)元的完整發(fā)育路徑。在阿爾茨海默病患者大腦中，這條神經(jīng)元“生產(chǎn)線”在早期就出現(xiàn)了“堵塞”：盡管源頭的干細胞數(shù)量增多，但下游的未成熟神經(jīng)元數(shù)量卻顯著減少。更關(guān)鍵的發(fā)現(xiàn)是，這種功能障礙首先體現(xiàn)在表觀遺傳層面，即染色質(zhì)可及性的改變，這比基因表達的顯著變化發(fā)生得更早。與之形成鮮明對比的是，超級老人的大腦中未成熟神經(jīng)元數(shù)量更多，并擁有一套獨特的“韌性特征”，其穩(wěn)定的基因調(diào)控程序可能幫助他們抵御了認知衰退。研究發(fā)表在 Nature 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #阿爾茨海默病 #神經(jīng)發(fā)生

閱讀更多：

Disouky, Ahmed, et al. “Human Hippocampal Neurogenesis in Adulthood, Ageing and Alzheimer’s Disease.” Nature, Feb. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-026-10169-4

Science：人類為何會得流感？浙江大學(xué)于曉方團隊破解流感病毒跨物種感染人類的關(guān)鍵機制

禽流感病毒如何突破人體屏障感染人類，進而引發(fā)大流行？浙江大學(xué)的于曉方團隊與吉林大學(xué)的魏偉團隊合作，揭示了人體內(nèi)一道關(guān)鍵的天然防線，并闡明了流感病毒突破該防線的分子機制。該研究由葉潤鑫、王松狄、胡贏等人共同完成。

研究團隊發(fā)現(xiàn)，人體內(nèi)的干擾素基因刺激因子蛋白是抵抗禽流感病毒的一道關(guān)鍵屏障。當(dāng)病毒入侵時，STING蛋白通過其特定的氨基酸位點被激活，進而啟動核因子κB（NF-κB）信號通路，并誘導(dǎo)下游一個名為GADD34的抗病毒蛋白表達，從而有效抑制病毒在人體細胞內(nèi)的復(fù)制。然而，研究人員通過序列比對發(fā)現(xiàn)，能夠感染人類的流感病毒發(fā)生了一個“狡猾”的進化：其基質(zhì)蛋白1（M1）的第115位氨基酸由纈氨酸突變成了異亮氨酸。這個看似微小的改變，卻賦予了M1蛋白特異性結(jié)合并“關(guān)閉”人類STING蛋白的能力，使得病毒能夠成功規(guī)避這道防線，在人體內(nèi)高效復(fù)制。這一發(fā)現(xiàn)不僅揭示了流感病毒跨物種傳播的核心機制，也指出M1蛋白的115位突變可作為預(yù)測禽流感大流行風(fēng)險的分子標(biāo)記。研究發(fā)表在 Science 上。

#疾病與健康 #疾病預(yù)防 #先天免疫 #病毒跨物種傳播

閱讀更多：

Ye, Runxin, et al. “STING–NF-κB Signaling Builds an Influenza Spillover Barrier.” Science, vol. 391, no. 6788, Feb. 2026, p. eads4405. science.org (Atypon), https://doi.org/10.1126/science.ads4405

唐氏綜合征大腦發(fā)育圖譜問世：揭示三大關(guān)鍵基因及其調(diào)控潛力

長期以來，導(dǎo)致唐氏綜合征智力障礙的分子機制一直是個“黑匣子”。杜克-新加坡國立大學(xué)醫(yī)學(xué)院的Vincenzo De Paola、倫敦帝國理工學(xué)院的Michael Lattke及其合作團隊，通過構(gòu)建首個高分辨率的唐氏綜合征胎兒大腦皮層發(fā)育單細胞圖譜，成功識別出三個關(guān)鍵的主調(diào)控基因，并初步證實了其活性是可調(diào)控的。

? 健康胎兒（CON）和唐氏綜合征（DS）胎兒腦組織中不同細胞類型的顯微圖像。綠色細胞代表一種在唐氏綜合征患者中顯著減少的神經(jīng)元。Credit: Michael Lattke

研究團隊利用先進的單細胞測序技術(shù)，分析了來自唐氏綜合征和健康胎兒大腦皮層的約25萬個細胞，繪制了詳盡的基因調(diào)控圖譜。分析發(fā)現(xiàn)，在唐氏綜合征胎兒腦中，21號染色體上三個名為BACH1、PKNOX1和GABPA的轉(zhuǎn)錄因子因染色體多出一條而過度活躍，如同“過于強勢的指揮官”，擾亂了大腦中數(shù)百個與學(xué)習(xí)記憶相關(guān)基因的正常活動，并導(dǎo)致特定類型的興奮性神經(jīng)元數(shù)量減少。更關(guān)鍵的是，研究團隊在實驗室培養(yǎng)的人類神經(jīng)祖細胞中，使用反義寡核苷酸技術(shù)成功“調(diào)低”了這三個基因的活性，觀察到下游基因的表達紊亂得到了部分糾正。這項發(fā)現(xiàn)不僅揭示了唐氏綜合征神經(jīng)發(fā)育異常的核心機制，也為未來開發(fā)靶向治療提供了概念驗證。研究發(fā)表在 Nature Medicine 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #唐氏綜合征 #基因調(diào)控 #單細胞測序

閱讀更多：

Lattke, Michael, et al. “Single-Cell Atlas of the Developing Down Syndrome Brain Cortex.” Nature Medicine, Jan. 2026, pp. 1–12. www.nature.com, https://doi.org/10.1038/s41591-026-04211-1

大腦的“谷歌地球”：4D圖譜揭示大腦的生長發(fā)育信息

為了解決現(xiàn)有腦圖譜無法展現(xiàn)大腦連續(xù)發(fā)育過程的難題，奧斯陸大學(xué)的Harry Carey、Heidi Kleven及同事開發(fā)了名為DeMBA的首個4D小鼠腦圖譜。這一“大腦谷歌地球”整合了時間維度，能夠以前所未有的精度追蹤大腦從出生后到成年的動態(tài)變化，為理解孤獨癥、精神分裂癥等神經(jīng)發(fā)育障礙提供了關(guān)鍵工具。

? 使用 DeMBA 及相關(guān)軟件。Credit: Nature Communications (2025).

研究團隊整合了6個不同發(fā)育時間點（出生后第4天至第56天）的公開小鼠腦3D圖像模板。他們利用三維配準(zhǔn)（3D-to-3D registration）技術(shù)對齊這些模板，并通過算法插值，生成了覆蓋出生后第4天到第56天、共53個年齡階段的連續(xù)動態(tài)模型，從而構(gòu)建了DeMBA（發(fā)育期小鼠腦圖譜，Developmental Mouse Brain Atlas）。這個四維圖譜不僅提供了大腦結(jié)構(gòu)的三維視圖，更加入了時間這一關(guān)鍵維度，用戶可以像播放電影一樣觀察大腦的生長過程。團隊還開發(fā)了軟件包，允許研究者在不同年齡階段間轉(zhuǎn)換和比較數(shù)據(jù)。這一工具如同大腦研究的“時光機”，能幫助科學(xué)家將數(shù)據(jù)精確定位到相應(yīng)的發(fā)育階段，極大地提高了研究的精確性，對于研究孤獨癥、精神分裂癥和注意力缺陷多動障礙等神經(jīng)發(fā)育障礙尤其重要。研究發(fā)表在 Nature Communications 上。

#神經(jīng)科學(xué) #神經(jīng)機制與腦功能解析 #自動化科研 #4D腦圖譜

閱讀更多：

Carey, Harry, et al. “DeMBA: A Developmental Atlas for Navigating the Mouse Brain in Space and Time.” Nature Communications, vol. 16, no. 1, Aug. 2025, p. 8108. www.nature.com, https://doi.org/10.1038/s41467-025-63177-9

普通能量分子乙酸鹽竟能選擇性提升女性記憶力

我們身體代謝產(chǎn)生的能量分子如何直接影響記憶力？美國一個科學(xué)家團隊，包括Erica M. Periandri和Gabor Egervari等研究人員，發(fā)現(xiàn)一種簡單的代謝物乙酸鹽（acetate）能顯著增強雌性小鼠的長期記憶。這項研究揭示了新陳代謝、表觀遺傳與認知功能之間存在深刻的性別特異性聯(lián)系。

? 乙酸鹽有助于長期記憶。Credit: Science Signaling (2026).

研究團隊通過給成年小鼠注射乙酸鹽，并對其進行新物體位置等一系列記憶測試。結(jié)果顯示，接受乙酸鹽注射的雌性小鼠在記憶任務(wù)中表現(xiàn)明顯優(yōu)于對照組，而雄性小鼠的記憶力提升則不顯著。為探究其背后的神經(jīng)機制，研究人員聚焦于大腦的記憶中樞——背側(cè)海馬。他們發(fā)現(xiàn)，在雌性小鼠中，乙酸鹽能夠特異性地增加一種名為H2A.Z的組蛋白的乙?；?。這種表觀遺傳修飾使得包裹基因的染色質(zhì)結(jié)構(gòu)變得更加松散，從而“解鎖”了與學(xué)習(xí)記憶密切相關(guān)的基因（如Nr4a3和Ptgs2），使其表達水平顯著提高。值得注意的是，這些分子層面的變化在雄性小鼠大腦中并未發(fā)生，這解釋了記憶增強效應(yīng)的性別差異。該發(fā)現(xiàn)為理解女性更易受阿爾茨海默病等認知衰退疾病影響提供了新視角，并提示乙酸鹽或許能成為一種針對女性的非侵入性記憶增強療法。研究發(fā)表在 Science Signaling 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #記憶機制 #表觀遺傳學(xué)

閱讀更多：

“Acetate Enhances Long-Term Memory in Female Mice by Sex-, Context-, and Brain Region–Specific Epigenetic and Transcriptional Remodeling.” Science Signaling. www.science.org, https://www.science.org/doi/10.1126/scisignal.aec0496. Accessed 27 Feb. 2026

抗生素可通過調(diào)理腸道菌群修復(fù)受損大腦

創(chuàng)傷性腦損傷（TBI）后的恢復(fù)過程復(fù)雜，其引發(fā)的腸道菌群失衡如何影響大腦健康備受關(guān)注。休斯頓衛(wèi)理公會醫(yī)院的Sonia Villapol及其團隊通過動物模型研究發(fā)現(xiàn)，短期抗生素治療能夠通過重塑腸道菌群，顯著減輕腦損傷后的神經(jīng)炎癥和神經(jīng)退行性變，為TBI治療提供了新思路。

? Credit: Communications Biology (2026).

研究團隊對遭受腦損傷的小鼠進行了短期口服抗生素治療，發(fā)現(xiàn)該療法有效減小了大腦病灶體積、限制了細胞死亡，并顯著抑制了小膠質(zhì)細胞和巨噬細胞的活化，降低了促炎細胞因子水平。長讀長宏基因組測序進一步揭示，抗生素清除了大部分有害細菌后，兩種有益菌——人副桿菌（Parasutterella excrementihominis）和約翰遜乳桿菌（Lactobacillus johnsonii）——得以存留并可能在促進細胞修復(fù)、調(diào)節(jié)免疫中扮演關(guān)鍵角色。有趣的是，研究人員觀察到無菌小鼠在腦損傷后恢復(fù)情況更差，這表明腸道菌群的存在對大腦修復(fù)至關(guān)重要。此外，該療法的保護機制并非通過短鏈脂肪酸介導(dǎo)，暗示了存在其他腸-腦通訊通路。研究發(fā)表在 Communications Biology 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #腸道微生物 #腦-腸軸

閱讀更多：

Flinn, Hannah, et al. “Antibiotic-Induced Gut Microbiome Remodeling Reduces Neuroinflammation in Traumatic Brain Injury.” Communications Biology, Feb. 2026. www.nature.com, https://doi.org/10.1038/s42003-026-09737-1

壓力大、注意力不集中？到大自然里走走，大腦真的會改變

親近自然為何能舒緩身心？其背后的大腦機制尚不明確。為了系統(tǒng)性地解答這一問題，麥吉爾大學(xué)的Mar Estarellas和智利阿道夫·伊瓦涅斯大學(xué)的Constanza Baquedano等人，綜合分析了108項腦成像研究。他們發(fā)現(xiàn)，大腦對自然的反應(yīng)呈現(xiàn)出一種級聯(lián)模式，為“自然療法”提供了清晰的神經(jīng)科學(xué)證據(jù)。

該研究是一項大規(guī)模的范圍綜述，系統(tǒng)地整合了來自腦電圖（EEG）、功能磁共振成像（fMRI）等多種技術(shù)的研究成果。分析揭示，當(dāng)人置身自然時，大腦會啟動一個四步走的“平靜程序”：首先，感官負荷降低，因為自然界的分形圖案比城市的人工環(huán)境更易于大腦處理；接著，壓力系統(tǒng)隨之穩(wěn)定，負責(zé)恐懼和應(yīng)激反應(yīng)的杏仁核活動減弱，心率放緩；隨后，大腦的注意力網(wǎng)絡(luò)得到恢復(fù)，從緊張的任務(wù)導(dǎo)向模式切換到放松的恢復(fù)模式；最后，與自我反思和胡思亂想相關(guān)的默認模式網(wǎng)絡(luò)活動減少，內(nèi)心歸于平靜。研究還指出，即使是短短三分鐘的自然接觸也能產(chǎn)生效果，但更長時間、更沉浸的體驗益處更顯著。這些發(fā)現(xiàn)不僅為綠色城市設(shè)計和醫(yī)生開具“自然處方”提供了科學(xué)支持，也強調(diào)了環(huán)境保護與個人心理健康的緊密聯(lián)系。研究發(fā)表在 Neuroscience & Biobehavioral Reviews 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #心理健康與精神疾病 #跨學(xué)科整合

閱讀更多：

Baquedano, Constanza, et al. “Your Brain on Nature: A Scoping Review of the Neuroscience of Nature Exposure.” Neuroscience & Biobehavioral Reviews, vol. 183, Apr. 2026, p. 106565. ScienceDirect, https://doi.org/10.1016/j.neubiorev.2026.106565

別只盯著焦慮：氣候危機讓青少年感到憤怒與背叛

氣候危機如何重塑年輕一代的內(nèi)心世界？西蒙弗雷澤大學(xué)的 Judy Wu 和 Maya Gislason 等人通過研究發(fā)現(xiàn)，兒童和青少年面對氣候變化時產(chǎn)生的情緒遠比“生態(tài)焦慮”復(fù)雜得多。除了焦慮，他們還深陷憤怒、背叛感和無力感之中，但研究也指出，積極的社區(qū)行動能為他們帶來新的希望。

研究團隊對48項涉及19歲以下人群的國際定性研究進行了快速綜述，旨在捕捉單純的問卷調(diào)查無法體現(xiàn)的情緒細微差別。結(jié)果顯示，除了常被提及的生態(tài)焦慮（eco-anxiety），青少年還普遍表現(xiàn)出對他人的憤怒、對未來的無助感（即生態(tài)癱瘓， eco-paralysis）以及因從事不環(huán)保行為產(chǎn)生的內(nèi)疚。特別是原住民青年和生活在受災(zāi)地區(qū)的青少年，更多報告的是氣候變化對當(dāng)下生活的直接沖擊，而非僅是對未來的恐懼。研究指出，許多年輕人在能夠用自己的語言描述經(jīng)歷時，更容易流露對成年人或系統(tǒng)不作為的憤怒與背叛感。關(guān)鍵發(fā)現(xiàn)是，參與以環(huán)境為主題的教育和社區(qū)活動能有效將負面情緒轉(zhuǎn)化為希望和集體韌性，幫助青少年建立社會聯(lián)系并重獲掌控感。研究發(fā)表在 Journal of Environmental Psychology 上。

#疾病與健康 #心理健康與精神疾病 #氣候變化 #生態(tài)情緒 #青少年發(fā)展

閱讀更多：

Wu, Judy, et al. “Eco-Emotions in Children and Adolescents: A Rapid Review of the Qualitative Literature.” Journal of Environmental Psychology, Dec. 2025, p. 102894. ScienceDirect, https://doi.org/10.1016/j.jenvp.2025.102894

運動聽音樂未必能提升專注力或改善情緒

人們普遍認為音樂是運動的“助推劑”，能提升表現(xiàn)和心情。為驗證這一觀點，來自于韋斯屈萊大學(xué)音樂、身心與大腦卓越中心的研究人員 Andrew Danso 及其同事，聯(lián)合因斯布魯克大學(xué)等機構(gòu)的團隊，對現(xiàn)有實驗證據(jù)進行了深入的系統(tǒng)性審查。他們發(fā)現(xiàn)，音樂的實際效果可能并不像大眾預(yù)期的那樣普遍或一致。

該研究對10項符合標(biāo)準(zhǔn)的實驗進行了系統(tǒng)綜述和薈萃分析，重點考察了音樂在急性運動期間對執(zhí)行功能以及情感反應(yīng)的影響。研究分析了涵蓋21個干預(yù)組的數(shù)據(jù)，結(jié)果顯示音樂對認知或情緒結(jié)果并沒有產(chǎn)生一致的顯著影響。研究發(fā)現(xiàn)結(jié)果高度依賴于具體情境。特別是在高強度運動和老年參與者樣本中，音樂的效應(yīng)往往較弱甚至可以忽略不計。數(shù)據(jù)表明，隨著運動強度的增加，音樂帶來的效應(yīng)量呈下降趨勢。研究負責(zé)人 Andrew Danso 指出，音樂并非改善運動體驗的“萬能藥”，其效果受運動情境、強度和人群差異的顯著影響。這表明此前關(guān)于音樂在運動中益處的籠統(tǒng)主張缺乏足夠的證據(jù)支持。研究發(fā)表在 Frontiers in Psychology 上。

#認知科學(xué) #神經(jīng)機制與腦功能解析 #運動心理學(xué) #音樂與大腦

閱讀更多：

Danso, Andrew, et al. “Does Music Support Executive Functions and Affective Responses during Acute Exercise? A Systematic Review and Meta-Analysis.” Frontiers in Psychology, vol. 16, Jan. 2026. Frontiers, https://doi.org/10.3389/fpsyg.2025.1714707

腦體節(jié)律層級系統(tǒng)塑造主觀時間感

為何快樂的時光總是短暫，而痛苦的等待卻顯得漫長？Gy?rgy Buzsáki 在一項新發(fā)表的觀點文章中指出，主觀時間感并非源于對物理時間的被動記錄，而是由大腦和身體內(nèi)部的節(jié)律層級系統(tǒng)共同構(gòu)建的。這一研究挑戰(zhàn)了傳統(tǒng)的時間感知模型，提出時間體驗本質(zhì)上是對身體和神經(jīng)回路“變化”的度量，強調(diào)了時間感知的具身性特征。

在這篇綜述中，作者指出物理時間的線性流動與主觀體驗的可變性存在張力。研究運用韋伯-費希納定律（Weber-Fechner law）解釋了大腦對時間的對數(shù)尺度編碼，即我們對時間長短的辨別力取決于持續(xù)時間的比例而非絕對差值。Buzsáki 提出了一個核心機制：跨頻率相位-振幅耦合，即慢速的腦體節(jié)律（如呼吸、心跳對應(yīng)的超慢波）的相位會調(diào)節(jié)快速腦波（如伽馬波）的振幅。這種層級化的“節(jié)律套娃”結(jié)構(gòu)，使得大腦能夠整合不同時間尺度的信息。此外，研究強調(diào)了內(nèi)感受的關(guān)鍵作用，即源自心跳、呼吸和胃腸蠕動等自主生理信號的輸入，不斷校準(zhǔn)大腦的節(jié)律活動，從而產(chǎn)生了“度日如年”或“時光飛逝”的主觀體驗。這一觀點將時間感知從抽象的神經(jīng)計算拉回到了具體的生理過程中。研究發(fā)表在 Nature Reviews Neuroscience 上。

#認知科學(xué) #神經(jīng)機制與腦功能解析 #生理心理學(xué) #時間感知

閱讀更多：

Buzsáki, Gy?rgy. “Time, Space, Memory and Brain–Body Rhythms.” Nature Reviews Neuroscience, vol. 27, no. 1, Jan. 2026, pp. 61–78. www.nature.com, https://doi.org/10.1038/s41583-025-00987-2

AI 行業(yè)動態(tài)

谷歌Nano Banana 2刷屏：Pro級畫質(zhì)白菜價

谷歌近日正式發(fā)布了備受期待的圖像生成模型Nano Banana 2，首席執(zhí)行官皮查伊稱其為“迄今為止最好的圖像模型”。此次升級的核心并非單純的畫質(zhì)提升，而是模型能力的結(jié)構(gòu)性變革。它深度融合了Gemini對世界的深度理解，并能調(diào)用實時網(wǎng)頁搜索獲取信息，從而生成高保真且反映實時狀況的圖像，例如根據(jù)用戶指定位置實時生成帶有當(dāng)?shù)靥鞖獾摹按斑吘吧?。模型在?fù)雜文本生成、多主體一致性保持（最多5個角色和14個物體）、指令遵循以及對復(fù)雜構(gòu)圖（如分鏡、圖表）的理解能力上均有顯著進步，速度也大幅提升，生成4K圖像用時不到一分鐘。

在定價策略上，Nano Banana 2展現(xiàn)出極大的市場競爭力，實現(xiàn)了“Pro級質(zhì)量，F(xiàn)lash級價格”，圖像生成成本比Pro版本降低25-50%，文本token成本降低70-80%。這一舉措被解讀為谷歌正將頂尖圖像生成能力系統(tǒng)性地推向高頻生產(chǎn)基礎(chǔ)設(shè)施，例如Google Ads已開始接入該能力，預(yù)示著AI圖像生成將正式進入廣告生產(chǎn)流程。社區(qū)實測中，模型展現(xiàn)出從生成書籍內(nèi)頁、模仿筆跡到創(chuàng)建全景網(wǎng)站甚至CAD圖紙的多樣化潛力，盡管在生成時鐘等精細元素上偶有失誤，但其整體能力和性價比已引發(fā)關(guān)于設(shè)計師等創(chuàng)意職業(yè)未來的廣泛討論。

#NanoBanana2 #谷歌AI #圖像生成 #AI模型 #Gemini

閱讀更多：

https://blog.google/innovation-and-ai/technology/ai/nano-banana-2/

AI開始自己寫AI算法，新算法已吊打現(xiàn)有模型

多智能體強化學(xué)習(xí)（MARL）在不完全信息博弈中取得的突破，很大程度上依賴于研究人員對核心算法的反復(fù)手動調(diào)優(yōu)。即使是基于堅實理論基礎(chǔ)的反事實后悔最小化（CFR）和策略空間響應(yīng)預(yù)言機（PSRO）等算法家族，其最有效的變體也往往源自人類的直覺與試錯。Google DeepMind的研究團隊利用大語言模型驅(qū)動的進化編碼智能體AlphaEvolve，實現(xiàn)了算法設(shè)計過程的自動化。該框架將算法源代碼視為“基因組”，通過LLM執(zhí)行智能變異操作——重寫邏輯、引入新控制流、注入創(chuàng)新符號運算，從而在廣闊的算法設(shè)計空間中進行語義層面的搜索，而非簡單的參數(shù)調(diào)優(yōu)。

該框架在兩大博弈論學(xué)習(xí)范式下展現(xiàn)了其通用性與強大能力。在迭代后悔最小化領(lǐng)域，團隊演化出一種名為波動率自適應(yīng)折扣CFR（VAD-CFR）的新算法。它引入了波動率敏感貼現(xiàn)、一致性強制樂觀等非直觀機制，在多個博弈基準(zhǔn)測試中超越了當(dāng)前最先進的基線方法。在基于種群的訓(xùn)練領(lǐng)域，團隊則發(fā)現(xiàn)了平滑混合樂觀遺憾PSRO（SHOR-PSRO）。這一新變體通過動態(tài)混合基于遺憾的求解器與貪婪策略，并自動調(diào)節(jié)混合因子，實現(xiàn)了從訓(xùn)練初期鼓勵種群多樣性到后期聚焦于嚴(yán)格均衡求解的平滑過渡，顯著提升了算法的收斂速度與魯棒性。這項工作標(biāo)志著博弈論求解器的未來或?qū)⒂扇祟愔腔叟c人工智能驅(qū)動的洞察共同塑造。

#AlphaEvolve #多智能體強化學(xué)習(xí) #博弈論 #算法自動發(fā)現(xiàn) #大語言模型

閱讀更多：

https://arxiv.org/abs/2602.16928

取代初級科學(xué)家？AI正在重塑科研就業(yè)市場，實驗崗位暫時安全

人工智能的浪潮正席卷各行各業(yè)，科研領(lǐng)域也難以置身事外。據(jù)Nature最新調(diào)查，AI的崛起已經(jīng)開始減少對能編寫代碼或進行基礎(chǔ)數(shù)據(jù)分析的人類研究人員的需求，這些工作通常由研究生、博士后或沒有研究生學(xué)歷的科研人員承擔(dān)。麻省理工學(xué)院的機械工程師趙選賀指出，在計算機建模等領(lǐng)域，基礎(chǔ)性崗位的淘汰正在發(fā)生，因為AI在這些方面比入門級科學(xué)家做得更好。例如，斯坦福大學(xué)的計算生物學(xué)家布萊恩·希認為，過去實驗室里負責(zé)編寫代碼包的研究程序員崗位如今已變得過時。威斯康星大學(xué)麥迪遜分校的計算生物學(xué)家漢娜·韋門特-斯蒂爾坦言，若在五年前建實驗室，她會考慮雇傭研究程序員，但現(xiàn)在AI已能勝任繁重的編碼工作，她不再有此需求。這種影響也體現(xiàn)在就業(yè)數(shù)據(jù)上，美國翻譯協(xié)會科學(xué)技術(shù)部門的成員數(shù)量在不到兩年半內(nèi)下降了26%，部分科學(xué)翻譯甚至轉(zhuǎn)而從事送餐服務(wù)。

然而，這并非意味著所有科學(xué)工作都將被取代。多數(shù)研究人員認為，AI目前還無法完成更高層次的科研任務(wù)，例如提出原創(chuàng)性的研究思路。倫敦大學(xué)學(xué)院的量子物理學(xué)家喬納森·奧本海姆雖使用AI生成論文的模擬評審意見，但認為AI“無法真正提出新穎的想法”。相較而言，從事“濕實驗”的實驗室技術(shù)員和早期職業(yè)研究人員暫時更為安全，因為由AI和機器人驅(qū)動的自動化實驗室在許多任務(wù)上仍力不從心，且難以解讀實驗結(jié)果。二月份一項關(guān)于結(jié)構(gòu)生物學(xué)的研究預(yù)印本也佐證了這一點：盡管AI工具AlphaFold2能高置信度預(yù)測大量蛋白質(zhì)結(jié)構(gòu)，但耗時費力的手動實驗方法仍在被用于研究AI難以把握的蛋白質(zhì)，顯示出人類在特定領(lǐng)域的“比較優(yōu)勢”。

#AI科研影響 #科學(xué)就業(yè) #自動化風(fēng)險 #實驗科學(xué)家 #未來工作

閱讀更多：

https://www.nature.com/articles/d41586-026-00444-9

AI 驅(qū)動科學(xué)

DeepSeek 聯(lián)手清北發(fā)布 DualPath，打破大模型推理存儲墻

在智能體工作負載成為主流的背景下，多輪交互累積的長上下文使得大模型推理的瓶頸從計算能力轉(zhuǎn)移到了存儲帶寬。針對預(yù)填充階段存儲I/O壓力過大這一痛點，DeepSeek聯(lián)合北京大學(xué)和清華大學(xué)的研究團隊，包括 Yongtong Wu、Shaoyuan Chen、Yinmin Zhong 等人，提出了一種創(chuàng)新的推理架構(gòu)。該研究旨在解決現(xiàn)有架構(gòu)中帶寬利用極度不平衡的問題，通過優(yōu)化數(shù)據(jù)加載路徑，顯著提升了大語言模型在處理復(fù)雜智能體任務(wù)時的效率。

DeepSeek團隊提出的名為DualPath的系統(tǒng)，核心創(chuàng)新在于引入了雙路徑KV-Cache加載機制。傳統(tǒng)的預(yù)填充-解碼分離（PD-disaggregated）架構(gòu)中，數(shù)據(jù)僅通過預(yù)填充引擎加載，導(dǎo)致其網(wǎng)卡過載而解碼引擎網(wǎng)卡閑置。DualPath允許數(shù)據(jù)先加載至解碼引擎，再通過遠程直接數(shù)據(jù)存?。≧DMA）技術(shù)經(jīng)由計算網(wǎng)絡(luò)傳輸至預(yù)填充引擎，從而將所有引擎的存儲網(wǎng)卡聚合成一個全局資源池。此外，系統(tǒng)還采用了以計算網(wǎng)卡為中心的流量管理和自適應(yīng)請求調(diào)度策略，確保大規(guī)模數(shù)據(jù)傳輸不干擾延遲敏感型的模型推理任務(wù)。在包含1152個GPU的生產(chǎn)集群上的測試結(jié)果顯示，DualPath在離線推理場景中將吞吐量提升了1.87倍，在在線服務(wù)場景下提升了1.96倍，有效突破了單節(jié)點I/O限制。

#大模型技術(shù) #機器人及其進展 #高性能計算 #推理優(yōu)化 #存儲帶寬

閱讀更多：

Wu, Yongtong, et al. “DualPath: Breaking the Storage Bandwidth Bottleneck in Agentic LLM Inference.” arXiv:2602.21548, arXiv, 26 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.21548

具身神經(jīng)形態(tài)智能：邁向更高效、更自主的機器人未來

設(shè)計能夠在非結(jié)構(gòu)化環(huán)境中自主交互并展現(xiàn)復(fù)雜行為的機器人，始終是工程學(xué)的一大難題。Chiara Bartolozzi、Giacomo Indiveri 和 Elisa Donati 組成的研究團隊指出，理解生物體適應(yīng)環(huán)境的機制是解決這一問題的關(guān)鍵。他們通過系統(tǒng)綜述，探討了如何利用神經(jīng)形態(tài)工程技術(shù)，從感知到運動控制全方位賦能機器人，使其具備低功耗、高效率的“具身神經(jīng)形態(tài)智能”，從而不僅限于受控環(huán)境下的重復(fù)操作，更能無縫融入人類社會。

該研究對比了傳統(tǒng)機器人與生物系統(tǒng)的差異，指出傳統(tǒng)方法依賴高功耗的計算和冗余控制，難以應(yīng)對現(xiàn)實世界的動態(tài)變化。團隊提出了一種基于“神經(jīng)計算基元”的框架，主張采用事件驅(qū)動的感知方式，例如動態(tài)視覺傳感器，它只在場景發(fā)生變化時產(chǎn)生信號，而非像傳統(tǒng)相機那樣記錄靜態(tài)幀，從而極大降低了數(shù)據(jù)處理量和延遲。研究還探討了利用脈沖神經(jīng)網(wǎng)絡(luò)（SNN）和贏者通吃（Winner-Take-All）網(wǎng)絡(luò)等計算基元來實現(xiàn)機器人的決策與運動控制。這種端到端的神經(jīng)形態(tài)方法不僅能大幅降低能耗和硬件體積，還能賦予機器人類似生物的實時適應(yīng)能力。研究人員同時指出了當(dāng)前面臨的挑戰(zhàn)，如缺乏標(biāo)準(zhǔn)化的通信協(xié)議和基準(zhǔn)測試，并呼吁神經(jīng)科學(xué)、材料科學(xué)與機器人社區(qū)加強跨學(xué)科合作。研究發(fā)表在 Nature Communications 上。

#神經(jīng)科學(xué) #機器人及其進展 #計算模型與人工智能模擬 #神經(jīng)形態(tài)工程 #具身智能

閱讀更多：

Bartolozzi, Chiara, et al. “Embodied Neuromorphic Intelligence.” Nature Communications, vol. 13, no. 1, Feb. 2022, p. 1024. www.nature.com, https://doi.org/10.1038/s41467-022-28487-2

AI智能體不是越多越強：信息冗余構(gòu)成了LLM Agent Scaling的瓶頸

基于大語言模型的多智能體系統(tǒng)常被認為可以通過增加智能體數(shù)量來提升性能，但上海交通大學(xué)、加州大學(xué)伯克利分校、加州理工學(xué)院以及約翰·霍普金斯大學(xué)的Yingxuan Yang、Weinan Zhang、Adam Wierman、Shangding Gu等研究人員發(fā)現(xiàn)，單純堆砌同質(zhì)智能體會迅速導(dǎo)致性能飽和。他們揭示了限制系統(tǒng)擴展的根本原因并非智能體數(shù)量不足，而是信息冗余。

研究團隊在GSM8K、ARC等七個基準(zhǔn)任務(wù)上進行了廣泛的對比實驗，采用投票和辯論兩種協(xié)作機制，分析了同質(zhì)與異質(zhì)智能體系統(tǒng)的表現(xiàn)。研究人員引入了信息論框架，提出“有效信息通道”的概念，并開發(fā)了無需真實標(biāo)簽即可量化該通道數(shù)量的指標(biāo)。研究結(jié)果表明，同質(zhì)智能體的輸出具有高度相關(guān)性，導(dǎo)致信息冗余，邊際收益迅速遞減；相反，引入多樣性（如不同的基座模型、角色設(shè)定或工具）能顯著增加非冗余的有效信息通道。數(shù)據(jù)顯示，僅使用2個具有多樣性的智能體，其表現(xiàn)就能匹配甚至超越16個同質(zhì)智能體。這證明了多智能體系統(tǒng)的性能瓶頸在于有效信息的獲取，而非單純的計算量堆疊。

#大模型技術(shù) #跨學(xué)科整合 #計算模型與人工智能模擬

閱讀更多：

Yang, Yingxuan, et al. “Understanding Agent Scaling in LLM-Based Multi-Agent Systems via Diversity.” arXiv:2602.03794, arXiv, 3 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.03794

聊天機器人過度強調(diào)社會人口統(tǒng)計學(xué)刻板印象

聊天機器人能否真實代表不同背景的人類？賓夕法尼亞州立大學(xué)的 Pranav Narayanan Venkit、Sarah Rajtmajer 和 Shomir Wilson 等研究人員發(fā)現(xiàn)，當(dāng)前的人工智能雖然能模擬特定人口統(tǒng)計特征，但往往過度依賴膚淺的刻板印象。這項研究指出，AI生成的角色未能很好地代表某些背景的人群，而是傾向于夸大文化符號，削弱了真實的人類體驗。

研究團隊對 GPT-4o、Gemini 1.5 Pro 和 DeepSeek v2.5 等大型語言模型進行了審計。他們讓這些模型根據(jù)年齡、種族、性別等因素生成了1512個虛擬人物角色，并將這些角色的自我描述與126名真人撰寫的756份描述進行了對比。結(jié)果顯示，AI生成的角色表現(xiàn)出明顯的算法他者化（Algorithmic Othering），即過度強調(diào)種族特征并將復(fù)雜身份簡化為單一標(biāo)簽。例如，在模擬50歲非裔美國女性時，AI傾向于談?wù)摳Ｒ粢魳坊蛏鐣x等話題，而真人則更多談?wù)摴ぷ鳌⒂齼汉徒】档葌€性化內(nèi)容。研究還識別出四種主要的表征傷害：依賴概括的刻板印象、將少數(shù)群體視為異類的異域風(fēng)情、忽略復(fù)雜歷史的抹殺以及通過禮貌語言掩蓋的善意偏見。這表明，雖然AI生成的文本結(jié)構(gòu)完整，但實際上是在使用文化編碼語言過度簡化少數(shù)群體的經(jīng)歷。

#大模型技術(shù) #計算模型與人工智能模擬 #AI倫理 #算法偏見 #人機交互

閱讀更多：

Venkit, Pranav Narayanan, et al. “A Tale of Two Identities: An Ethical Audit of Human and AI-Crafted Personas.” arXiv:2505.07850, arXiv, 7 May 2025. arXiv.org, https://doi.org/10.48550/arXiv.2505.07850

機器善辨假圖，人類更識偽片

隨著深度偽造技術(shù)在網(wǎng)絡(luò)上迅速蔓延，區(qū)分媒體內(nèi)容的真?zhèn)我殉蔀橐淮筇魬?zhàn)。佛羅里達大學(xué)的Brian S. Cahill、Natalie C. Ebner、Didem Pehlivanoglu和Mengdi Zhu等人通過一項對比研究發(fā)現(xiàn)，雖然人工智能在識別靜態(tài)偽造人臉方面表現(xiàn)出驚人的準(zhǔn)確性，但在檢測動態(tài)偽造視頻時，人類的判斷力反而超越了現(xiàn)有算法。這一發(fā)現(xiàn)揭示了人腦在處理復(fù)雜動態(tài)線索時的獨特優(yōu)勢。

研究團隊通過兩個獨立的實驗，分別測試了機器與人類對靜態(tài)圖像和動態(tài)視頻的辨別能力。研究人員制作并整理了數(shù)百個真實與深度偽造的樣本，邀請數(shù)千名參與者進行評估，并將結(jié)果與專門的檢測算法進行對比。結(jié)果顯示，在靜態(tài)圖像檢測中，人工智能程序的準(zhǔn)確率高達97%，而人類的表現(xiàn)僅與隨機猜測無異。然而，在面對包含豐富語境的視頻時，局勢發(fā)生了逆轉(zhuǎn)：算法的準(zhǔn)確率大幅下降至隨機水平，且表現(xiàn)出較高的誤報率；相比之下，人類能夠通過捕捉動作流暢度、面部表情和時間同步上的細微不協(xié)調(diào)，在大約三分之二的情況下正確識別真?zhèn)?。此外，研究還量化了心理因素的影響：具備較強分析思維和互聯(lián)網(wǎng)技能的參與者檢測能力顯著更強，而報告處于積極情緒中的人因?qū)λ说男湃胃性黾?，其檢測準(zhǔn)確率反而有所下降。這表明在對抗深度偽造威脅時，人機協(xié)作可能比單純依賴某一方更為有效。研究發(fā)表在 Cognitive Research: Principles and Implications 上。

#認知科學(xué) #計算模型與人工智能模擬 #深度偽造 #人機交互 #心理學(xué)

閱讀更多：

Pehlivanoglu, Didem, et al. “Is This Real? Susceptibility to Deepfakes in Machines and Humans.” Cognitive Research: Principles and Implications, vol. 11, no. 1, Jan. 2026, p. 3. Springer Link, https://doi.org/10.1186/s41235-025-00700-y

神經(jīng)接口新突破：讓電極對超聲波“隱身”，實現(xiàn)讀寫交互雙重視野

長期以來，傳統(tǒng)的金屬神經(jīng)電極就像一面“鏡子”，會反射超聲波，導(dǎo)致科學(xué)家無法在記錄神經(jīng)電信號的同時進行腦功能成像。來自代爾夫特理工大學(xué)的 Raphael Panskus、Andrada Iulia Velea 和 Vasiliki Giagka 等研究人員，開發(fā)了一套全新的設(shè)計與驗證框架，成功制造出能夠讓超聲波“穿透”的柔性神經(jīng)接口，實現(xiàn)了對大腦活動的同步多模態(tài)觀測。

該研究并沒有發(fā)明一種全新的材料，而是通過精密的計算模型解決了材料與結(jié)構(gòu)的匹配問題。研究團隊利用轉(zhuǎn)移矩陣法建立模型，量化了不同材料厚度對聲波的影響。基于該模型，他們設(shè)計了一種以熱塑性聚氨酯為基底、覆蓋極薄金屬層（如300納米金層）的電極。在清醒小鼠的體內(nèi)實驗中，這種新型接口表現(xiàn)出色：雖然超聲信號強度有輕微衰減，但大腦的功能激活圖譜依然清晰可見，結(jié)構(gòu)相似性指數(shù)（SSIM）保持在較高水平，證明了該技術(shù)可以在不犧牲成像質(zhì)量的前提下，實現(xiàn)精準(zhǔn)的電生理記錄。這一突破為腦疾病診斷和神經(jīng)調(diào)控閉環(huán)系統(tǒng)提供了重要的硬件基礎(chǔ)。研究發(fā)表在 npj Flexible Electronics 上。

#意識與腦機接口 #腦機接口 #多模態(tài)成像 #功能性超聲 #柔性電子

閱讀更多：

Panskus, Raphael, et al. “Ultrasound-Transparent Neural Interfaces for Multimodal Interaction.” Npj Flexible Electronics, vol. 10, no. 1, Jan. 2026, p. 15. www.nature.com, https://doi.org/10.1038/s41528-025-00517-1

像人類團隊一樣思考與分工：智能體AI重塑生物醫(yī)學(xué)發(fā)現(xiàn)流程

傳統(tǒng)的生成式AI多為單打獨斗，如何讓AI像人類科研團隊一樣分工協(xié)作？來自希德斯-西奈醫(yī)療中心的Binglan Li、Anil Kumar Saini、Jose Guadalupe Hernandez和Jason H. Moore團隊提出了一種激進的新方向——Agentic AI。他們構(gòu)建了一個允許通過多個具備自主決策能力的智能體進行協(xié)作的框架，旨在重構(gòu)生物醫(yī)學(xué)研究的組織形式，使AI從工具升級為科研合作伙伴。

該研究系統(tǒng)地闡述了Agentic AI的技術(shù)基礎(chǔ)，由三種核心算法支撐：大語言模型作為處理指令的推理引擎，強化學(xué)習(xí)通過獎勵機制優(yōu)化智能體行為，以及進化算法用于探索人類直覺之外的創(chuàng)新解決方案。此外，研究團隊總結(jié)了七個關(guān)鍵構(gòu)建模塊：推理、驗證、反思、規(guī)劃、工具使用、記憶和溝通。其中，“工具使用”是其核心優(yōu)勢，使智能體能靈活調(diào)用PLINK等生物信息學(xué)工具或通過檢索增強生成（RAG）獲取最新知識。

在實際應(yīng)用中，該框架已展現(xiàn)出強大潛力。例如，多智能體系統(tǒng)Virtual Lab成功設(shè)計了92種針對SARS-CoV-2變體的新型納米抗體，涵蓋了從文獻綜述到實驗設(shè)計的全流程。盡管目前面臨數(shù)據(jù)隱私、算力成本和倫理可靠性等挑戰(zhàn)，但這種“計算機模擬團隊科學(xué)”模式預(yù)示著未來科研將是人類與AI深度協(xié)作的形態(tài)。研究發(fā)表在 Nature Biotechnology 上。

#AI驅(qū)動科學(xué) #自動化科研 #智能體 #生物醫(yī)學(xué) #大模型技術(shù)

閱讀更多：

Li, Binglan, et al. “Agentic AI and the Rise of in Silico Team Science in Biomedical Research.” Nature Biotechnology, Feb. 2026, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41587-026-03035-1

MAPLE架構(gòu)：通過解耦記憶、學(xué)習(xí)與個性化提升AI智能體適應(yīng)性

為何不同背景的用戶向AI提問會收到相同的回答？針對現(xiàn)有大型語言模型智能體缺乏個性化適應(yīng)能力的問題，Deepak Babu Piskala 開發(fā)了一種名為MAPLE的新型架構(gòu)。該研究指出，現(xiàn)有系統(tǒng)錯誤地將記憶、學(xué)習(xí)和個性化混為一談，而MAPLE通過架構(gòu)解耦，成功解決了這一痛點，使AI能夠像人類助手一樣，根據(jù)用戶的專業(yè)背景和歷史偏好提供量身定制的回復(fù)。

Deepak Babu Piskala 提出的MAPLE架構(gòu)將智能體的適應(yīng)性分解為三個獨立的子智能體：記憶組件負責(zé)存儲和檢索基礎(chǔ)設(shè)施（Retrieval infrastructure），確保信息的留存；學(xué)習(xí)組件異步地從交互歷史中提取模式和洞見；個性化組件則在有限的上下文窗口內(nèi)實時應(yīng)用這些知識。這種設(shè)計模仿了神經(jīng)生物學(xué)中的記憶機制和認知框架。在MAPLE-Personas基準(zhǔn)測試中，該方法展現(xiàn)了顯著優(yōu)勢：與傳統(tǒng)的無狀態(tài)基線相比，MAPLE將個性化得分提升了14.6%，特征融合率從45%躍升至75%。這意味著系統(tǒng)不僅能“記住”用戶的反饋（如偏好代碼而非文字解釋），還能主動“學(xué)習(xí)”并在未來的互動中自動調(diào)整輸出策略，實現(xiàn)了真正的用戶自適應(yīng)。

#大模型技術(shù) #記憶機制 #個性化 #智能體

閱讀更多：

Piskala, Deepak Babu. “MAPLE: A Sub-Agent Architecture for Memory, Learning, and Personalization in Agentic AI Systems.” arXiv:2602.13258, arXiv, 3 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.13258

機器意識評估新視角：超越計算等效性的行為推理原則

大型語言模型的崛起引發(fā)了關(guān)于人工智能是否具備意識的緊迫討論。目前的評估標(biāo)準(zhǔn)主要依賴于檢查機器是否模擬了人類大腦的特定計算過程，即“計算等效性”。然而，Stefano Palminteri 和 Charley M Wu 針對這一主流觀點提出了批評，認為在當(dāng)前的AI系統(tǒng)中尋找特定的計算架構(gòu)既不現(xiàn)實也不準(zhǔn)確。為此，該研究團隊提出了一種替代性的“行為推理原則”，主張應(yīng)當(dāng)依據(jù)能否有效解釋和預(yù)測AI的行為表現(xiàn)來判定其是否具備意識，這為機器意識的歸因提供了新的認識論框架。

這項研究對認知科學(xué)中的核心假設(shè)進行了重新審視。研究人員指出，基于“計算等效性”的評估方法存在根本缺陷：一方面，科學(xué)界對于產(chǎn)生意識究竟需要何種具體的計算過程（如全局工作空間理論或循環(huán)處理）尚無定論；另一方面，現(xiàn)代LLM如同“黑盒”，其內(nèi)部數(shù)以億計的參數(shù)使得直接驗證特定計算過程變得極不可行。

針對這一困境，研究團隊提出了基于“方法論行為主義”的“行為推理原則”。在該框架下，意識不被視為直接的可觀察現(xiàn)象，而被視為一種用于解釋觀察數(shù)據(jù)的潛在變量。研究認為，如果將“意識”作為一種理論構(gòu)造，能夠比其他假設(shè)更有效地解釋和預(yù)測人工智能系統(tǒng)的復(fù)雜行為，那么歸因于其意識就是合理的。這類似于認知科學(xué)通過觀察行為來推斷記憶或注意力等潛在心理過程。該原則強調(diào)行為在意識科學(xué)中的首要地位，并建議未來的測試應(yīng)通過嚴(yán)格的行為實驗來推斷潛在的計算過程，而非糾結(jié)于底層的物理或代碼實現(xiàn)。研究發(fā)表在 Neuroscience of Consciousness 上。

#意識與腦機接口 #計算模型與人工智能模擬 #大模型技術(shù) #認知科學(xué)

閱讀更多：

Palminteri, Stefano, and Charley M. Wu. “Beyond Computational Equivalence: The Behavioral Inference Principle for Machine Consciousness.” Neuroscience of Consciousness, vol. 2026, no. 1, Jan. 2026, p. niag002. Silverchair, https://doi.org/10.1093/nc/niag002

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。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。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復(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。

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、、、科普視頻媒體「大圓鏡」等。