█ 腦科學(xué)動(dòng)態(tài)

整合三千萬(wàn)單細(xì)胞數(shù)據(jù)：發(fā)布超高分辨率人類(lèi)大腦發(fā)育圖譜

腦細(xì)胞外間隙：從被忽視的維度到重塑神經(jīng)科學(xué)新范式的催化劑

做夢(mèng)雖然讓大腦活躍，卻能讓人感覺(jué)睡得更安穩(wěn)

國(guó)際團(tuán)隊(duì)發(fā)布全球最精細(xì)的多模態(tài)超高分辨率人類(lèi)大腦圖譜HoliAtlas

同時(shí)掌管學(xué)習(xí)與運(yùn)動(dòng)的秘密：時(shí)間差定奪多巴胺的效用

█ AI行業(yè)動(dòng)態(tài)

OpenAI宣布關(guān)閉Sora，資源全面押注下一代大模型

2025年度“中國(guó)科學(xué)十大進(jìn)展”揭曉：從月背到深海，多項(xiàng)突破引領(lǐng)前沿

█ AI驅(qū)動(dòng)科學(xué)

超聲波腕帶結(jié)合人工智能實(shí)現(xiàn)高精度手勢(shì)追蹤與機(jī)械手無(wú)線控制

廣泛使用大語(yǔ)言模型導(dǎo)致人類(lèi)創(chuàng)意同質(zhì)化

生成式AI驅(qū)動(dòng)的預(yù)測(cè)模型MMCN助力可持續(xù)城市形態(tài)演化規(guī)劃

人工智能隱私泄露的關(guān)鍵在于少數(shù)神經(jīng)網(wǎng)絡(luò)權(quán)重

自動(dòng)駕駛或加劇交通擁堵，博弈模型揭示通勤新挑戰(zhàn)

導(dǎo)致信息過(guò)載的元兇是碎片化手機(jī)使用，而非總屏幕時(shí)長(zhǎng)

人機(jī)交互新范式：當(dāng)你的大腦和算法在玩一場(chǎng)“合作游戲”

電刺激療法同步恢復(fù)脊髓損傷患者的運(yùn)動(dòng)與感覺(jué)功能

腦科學(xué)動(dòng)態(tài)

整合三千萬(wàn)單細(xì)胞數(shù)據(jù)：發(fā)布超高分辨率人類(lèi)大腦發(fā)育圖譜

為了探索孤獨(dú)癥和阿爾茨海默病等發(fā)育與退行性疾病的腦部起源問(wèn)題，Shreyash Sonthalia與Carlo Colantuoni等團(tuán)隊(duì)（約翰·霍普金斯大學(xué)醫(yī)學(xué)院等）整合了海量細(xì)胞數(shù)據(jù)構(gòu)建高分辨率大腦圖譜，揭示了驅(qū)動(dòng)大腦新皮層擴(kuò)張與神經(jīng)元成熟的獨(dú)特演化機(jī)制。

? 小鼠（左）、猴子（中）和人類(lèi)（右）大腦中神經(jīng)元形成過(guò)程中基因組不同元素的利用方式。每個(gè)小點(diǎn)代表發(fā)育中的新皮層中的一個(gè)細(xì)胞。Credit: Carlo Colantuoni, Ph.D.

研究團(tuán)隊(duì)收集了關(guān)于新皮層發(fā)育的大規(guī)模基因級(jí)轉(zhuǎn)錄組數(shù)據(jù)，數(shù)據(jù)規(guī)模覆蓋近兩百項(xiàng)研究的超三千萬(wàn)個(gè)單細(xì)胞。通過(guò)應(yīng)用結(jié)構(gòu)化聯(lián)合分解（structured joint decomposition，一種能夠識(shí)別異構(gòu)數(shù)據(jù)集中共享分子動(dòng)態(tài)的數(shù)學(xué)分析方法）技術(shù)，團(tuán)隊(duì)對(duì)小鼠、獼猴和人類(lèi)數(shù)據(jù)進(jìn)行了深度對(duì)比。結(jié)果表明，一種古老的彌散基因表達(dá)程序在進(jìn)化中集中于人類(lèi)神經(jīng)干細(xì)胞，直接驅(qū)動(dòng)了人類(lèi)新皮層的擴(kuò)張。同時(shí)人類(lèi)神經(jīng)元成熟期長(zhǎng)達(dá)數(shù)年，遠(yuǎn)超小鼠的數(shù)周，這為人類(lèi)大腦極強(qiáng)的適應(yīng)與學(xué)習(xí)能力提供了基礎(chǔ)。此外研究還證實(shí)大腦類(lèi)器官雖能模擬宏觀發(fā)育特征，但缺失了諸多特定神經(jīng)元成熟程序。圖譜已全網(wǎng)開(kāi)放以加速全球精準(zhǔn)醫(yī)療研究。研究發(fā)表在 Nature Neuroscience 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #大腦發(fā)育圖譜 #單細(xì)胞轉(zhuǎn)錄組學(xué) #阿爾茨海默病

閱讀更多：

Sonthalia, Shreyash, et al. “NeMO Analytics: A Compendium of Transcriptomic Data for the Exploration of Neocortical Development.” Nature Neuroscience, Mar. 2026, pp. 1–14. www.nature.com, https://doi.org/10.1038/s41593-026-02204-4

腦細(xì)胞外間隙：從被忽視的維度到重塑神經(jīng)科學(xué)新范式的催化劑

中樞神經(jīng)系統(tǒng)疾病的藥物研發(fā)長(zhǎng)期面臨轉(zhuǎn)化率低下的難題，其核心原因可能是忽視了腦細(xì)胞外間隙這一關(guān)鍵解剖結(jié)構(gòu)。Hongbin Han 等人的團(tuán)隊(duì)（北京大學(xué)第三醫(yī)院等）系統(tǒng)闡述了該結(jié)構(gòu)的特征，提出將傳統(tǒng)的細(xì)胞與血管模型升級(jí)為涵蓋腦細(xì)胞外間隙的整合新范式，為提升腦部疾病的治療轉(zhuǎn)化率提供了全新視域。

? 圖 (A) 展示了基于示蹤劑的方法，圖 (B) 和 (C) 則分別展示了兩種無(wú)標(biāo)記測(cè)量方法的技術(shù)途徑。(A) 通過(guò)求解對(duì)流擴(kuò)散方程的逆問(wèn)題，推導(dǎo)出腦細(xì)胞外液的擴(kuò)散參數(shù)，主要包括 RTI-TMA+、IOI、SWCNTs 和 TB-MRI。(B) 基于納米顯微鏡的方法，主要包括冷凍置換電鏡 (FS-EM)、高壓冷凍電鏡 (HPF-EM) 和超分辨率陰影成像 (SUSHI)。(C) 無(wú)標(biāo)記方法也稱(chēng)為非侵入性測(cè)量技術(shù)，主要包括 NODDI、DTI-ALPS 和 MDI。Credit Hongbin Han, Peking University Third Hospital.

研究團(tuán)隊(duì)詳細(xì)回顧了導(dǎo)致腦細(xì)胞外間隙（Brain Extracellular Space）長(zhǎng)期被忽視的歷史與技術(shù)瓶頸。該結(jié)構(gòu)占據(jù)活體大腦體積的百分之六至百分之二十五，是物質(zhì)擴(kuò)散、代謝廢物清除及藥物跨越血腦屏障后發(fā)揮作用的關(guān)鍵通道。研究系統(tǒng)梳理了基于示蹤劑和無(wú)標(biāo)記測(cè)量技術(shù)的發(fā)展，包括高分辨率電子顯微鏡、超分辨率光學(xué)成像以及人工智能輔助的定量分析等。結(jié)果表明，這些先進(jìn)技術(shù)的突破使得對(duì)該間隙的精確表征成為可能。該團(tuán)隊(duì)綜合了阿爾茨海默病、缺血性卒中等重大神經(jīng)系統(tǒng)疾病的最新發(fā)現(xiàn)，證實(shí)該微環(huán)境在疾病發(fā)生和藥物分布中具有決定性作用?；诖?，研究呼吁在機(jī)制探索、藥物遞送、療效評(píng)估及臨床試驗(yàn)設(shè)計(jì)中全面引入包含細(xì)胞、腦細(xì)胞外間隙與微血管的綜合框架，從而填補(bǔ)現(xiàn)有研究的解剖學(xué)盲區(qū)。研究發(fā)表在 Cyborg and Bionic Systems 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #腦細(xì)胞外間隙 #中樞神經(jīng)系統(tǒng)疾病 #藥物轉(zhuǎn)化

閱讀更多：

Han, Hongbin, et al. “Brain Extracellular Space: From an Overlooked Dimension to Catalyst of a Novel Neuroscience Paradigm.” Cyborg and Bionic Systems, vol. 7, Mar. 2026, p. 0529. spj.science.org (Atypon), https://doi.org/10.34133/cbsystems.0529

做夢(mèng)雖然讓大腦活躍，卻能讓人感覺(jué)睡得更安穩(wěn)

主觀的深度睡眠感覺(jué)是否僅由大腦的慢波活動(dòng)決定？Adriana Michalak和Giulio Bernardi等（意大利IMT盧卡高級(jí)研究學(xué)校）發(fā)現(xiàn)，主觀睡眠深度并非僅由腦電波頻率決定，生動(dòng)且脫離現(xiàn)實(shí)的沉浸式夢(mèng)境反而能讓人感覺(jué)睡得更深。

研究團(tuán)隊(duì)對(duì)44名健康成年人進(jìn)行了連續(xù)4晚的高密度腦電圖監(jiān)測(cè)。實(shí)驗(yàn)采用連續(xù)喚醒范式，在非快速眼動(dòng)第二階段（NREM2，占總睡眠時(shí)間一半左右的淺睡至深睡過(guò)渡期）對(duì)受試者進(jìn)行多次喚醒，共收集了1024次關(guān)于主觀心理活動(dòng)和睡眠深度的報(bào)告。分析結(jié)果顯示，雖然大腦電活動(dòng)向低頻慢波的轉(zhuǎn)變確實(shí)與深度睡眠感相關(guān)，但當(dāng)受試者處于做夢(mèng)狀態(tài)時(shí)，這種關(guān)系便會(huì)減弱。具體而言，生動(dòng)離奇且情感強(qiáng)烈的沉浸式夢(mèng)境會(huì)帶來(lái)更深的主觀睡眠體驗(yàn)，即便此時(shí)大腦皮層表現(xiàn)出類(lèi)似清醒的活躍狀態(tài)。相反，帶有自我覺(jué)察的抽象反思性夢(mèng)境會(huì)讓人感覺(jué)睡眠較淺。此外，研究發(fā)現(xiàn)隨著夜間生理睡眠壓力的下降，主觀睡眠深度卻隨著夢(mèng)境沉浸感的增加而上升。這表明夢(mèng)境通過(guò)將人類(lèi)帶入內(nèi)部世界并與外部環(huán)境隔絕，維持了高質(zhì)量深睡的真實(shí)感受。研究發(fā)表在 PLOS Biology 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #睡眠質(zhì)量 #夢(mèng)境 #腦電圖

閱讀更多：

Michalak, Adriana, et al. “Immersive NREM2 Dreaming Preserves Subjective Sleep Depth against Declining Sleep Pressure.” PLOS Biology, vol. 24, no. 3, Mar. 2026, p. e3003683. PLoS Journals, https://doi.org/10.1371/journal.pbio.3003683

國(guó)際團(tuán)隊(duì)發(fā)布全球最精細(xì)的多模態(tài)超高分辨率人類(lèi)大腦圖譜HoliAtlas

針對(duì)現(xiàn)有腦圖譜分辨率不足以識(shí)別微小神經(jīng)結(jié)構(gòu)與早期病變的問(wèn)題，José V. Manjón和Sergio Morell-Ortega等研究人員（瓦倫西亞理工大學(xué)ITACA研究所、法國(guó)國(guó)家科學(xué)研究中心等）共同開(kāi)發(fā)了目前世界上最精細(xì)、最全面的多模態(tài)人類(lèi)大腦結(jié)構(gòu)圖譜HoliAtlas，為阿爾茨海默病等神經(jīng)退行性疾病的早期精準(zhǔn)診斷提供了重要的新一代參考坐標(biāo)。

? Credit Instituto de Aplicaciones de las Tecnologías de la Información y de las Comunicaciones Avanzadas (ITACA), Universitat Politècnica de València

研究團(tuán)隊(duì)利用人類(lèi)連接組計(jì)劃中75名健康志愿者的腦部圖像進(jìn)行了新一代圖譜構(gòu)建。有別于傳統(tǒng)圖譜通常僅有約1立方毫米的分辨率，研究人員選取了分辨率高達(dá)0.125立方毫米的3T磁共振成像數(shù)據(jù)，并涵蓋了T1、T2及白質(zhì)抑制等多種對(duì)比度。通過(guò)對(duì)稱(chēng)群體標(biāo)準(zhǔn)化（symmetric group-wise normalisation，一種通過(guò)非線性變形對(duì)齊和平均多組圖像的先進(jìn)算法），團(tuán)隊(duì)對(duì)這些圖像進(jìn)行了精確配準(zhǔn)與融合。在解剖學(xué)標(biāo)注方面，研究整合了七種不同的分割協(xié)議，并結(jié)合人工智能算法與專(zhuān)家校正，在最精細(xì)層級(jí)上對(duì)大腦進(jìn)行了多達(dá)350個(gè)解剖區(qū)域的密集標(biāo)注。實(shí)驗(yàn)結(jié)果表明，HoliAtlas實(shí)現(xiàn)了從宏觀全腦到微觀子結(jié)構(gòu)的多尺度表征，其超高分辨率能夠清晰展現(xiàn)深層復(fù)雜的腦部微小結(jié)構(gòu)。這種多模態(tài)與高分辨率的結(jié)合，不僅有助于開(kāi)發(fā)更精確的自動(dòng)組織分割方法，更能敏銳捕捉到極其微小的解剖學(xué)變化。該圖譜現(xiàn)已向全球科學(xué)界開(kāi)放，將成為邁向神經(jīng)系統(tǒng)疾病個(gè)性化診療的基石。研究發(fā)表在 Scientific Reports 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #大腦圖譜 #超高分辨率MRI #阿爾茨海默病

閱讀更多：

Manjón, José V., et al. “Ultra-High Resolution Multimodal MRI Densely Labelled Holistic Structural Brain Atlas.” Scientific Reports, vol. 16, no. 1, Feb. 2026, p. 9457. www.nature.com, https://doi.org/10.1038/s41598-026-40186-2

同時(shí)掌管學(xué)習(xí)與運(yùn)動(dòng)的秘密：時(shí)間差定奪多巴胺的效用

長(zhǎng)期以來(lái)，科學(xué)家們難以解釋單一的多巴胺如何同時(shí)協(xié)調(diào)基于獎(jiǎng)賞的學(xué)習(xí)與運(yùn)動(dòng)控制，這使得帕金森病等疾病的病理機(jī)制難以完全闡明。紐約大學(xué)的Christine M. Constantinople、Hee Jae Jang、Royall McMahon Ward和Carla E. M. Golden發(fā)現(xiàn)，多巴胺與乙酰膽堿相互作用的微小時(shí)間差決定了多巴胺是引導(dǎo)學(xué)習(xí)還是促進(jìn)運(yùn)動(dòng)。

研究人員讓實(shí)驗(yàn)大鼠執(zhí)行尋找水源的決策任務(wù)，利用光學(xué)測(cè)量技術(shù)同時(shí)記錄動(dòng)物背內(nèi)側(cè)紋狀體中多巴胺和乙酰膽堿的釋放動(dòng)態(tài)。實(shí)驗(yàn)結(jié)果顯示，這兩種神經(jīng)遞質(zhì)之間的相互作用類(lèi)似于蹺蹺板運(yùn)動(dòng)，其釋放時(shí)機(jī)決定了多巴胺的具體功能，這種時(shí)間差異往往僅有幾十毫秒。具體而言，當(dāng)多巴胺的釋放稍晚于乙酰膽堿的短暫減少時(shí)，多巴胺能夠預(yù)測(cè)大鼠未來(lái)的行為表現(xiàn)并改變后續(xù)的神經(jīng)動(dòng)力學(xué)，從而促進(jìn)學(xué)習(xí)；若多巴胺釋放早于乙酰膽堿減少，兩者則無(wú)明顯關(guān)聯(lián)。另一方面，當(dāng)多巴胺與乙酰膽堿的爆發(fā)式增加同步發(fā)生時(shí)，它能夠先于并預(yù)測(cè)動(dòng)物即將進(jìn)行的定向運(yùn)動(dòng)的強(qiáng)度。該發(fā)現(xiàn)揭示了乙酰膽堿在時(shí)間維度上調(diào)控多巴胺信號(hào)的精準(zhǔn)機(jī)制。研究發(fā)表在 Nature Neuroscience 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #多巴胺 #乙酰膽堿 #帕金森病

閱讀更多：

Jang, Hee Jae, et al. “Acetylcholine Demixes Heterogeneous Dopamine Signals for Learning and Moving.” Nature Neuroscience, Mar. 2026, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41593-026-02227-x

AI 行業(yè)動(dòng)態(tài)

OpenAI宣布關(guān)閉Sora，資源全面押注下一代大模型

就在剛剛，OpenAI正式宣布關(guān)閉其備受矚目的視頻生成工具Sora。官方在聲明中感謝了創(chuàng)作者社區(qū)的貢獻(xiàn)，但未給出具體關(guān)停原因。市場(chǎng)分析認(rèn)為，這一決定背后是嚴(yán)峻的財(cái)務(wù)現(xiàn)實(shí)：據(jù)估算，Sora每日運(yùn)營(yíng)成本高達(dá)1000萬(wàn)至1500萬(wàn)美元，年耗資或超50億美元。與此同時(shí)，其用戶(hù)留存率極低，30天留存率僅1%，60天降至0%，表明用戶(hù)更多是嘗鮮而非長(zhǎng)期付費(fèi)。面對(duì)高昂的算力消耗與難以實(shí)現(xiàn)盈利的困境，OpenAI選擇及時(shí)止損，將寶貴的GPU資源重新分配到ChatGPT、Codex等更核心、更具商業(yè)化潛力的產(chǎn)品上。

此次關(guān)停也引發(fā)了連鎖反應(yīng)，最尷尬的莫過(guò)于去年底剛與OpenAI簽署10億美元合作協(xié)議的迪士尼。由于Sora關(guān)停，迪士尼據(jù)稱(chēng)已放棄整項(xiàng)交易，并體面回應(yīng)稱(chēng)“尊重OpenAI的戰(zhàn)略調(diào)整”，但巨額投入能否收回仍充滿(mǎn)懸念。更深層的戰(zhàn)略意圖在于，OpenAI正進(jìn)行重大方向調(diào)整：原Sora團(tuán)隊(duì)將轉(zhuǎn)向世界模型研發(fā)，聚焦機(jī)器人等具身智能場(chǎng)景；公司產(chǎn)品組織更名為“AGI Deployment”，并已將全部資源押注在代號(hào)“Spud”的下一代旗艦大模型上。在臨近IPO、估值逼近萬(wàn)億美元的關(guān)鍵節(jié)點(diǎn)，這一系列動(dòng)作被解讀為OpenAI正在為更清晰的戰(zhàn)略路線鋪路，舍棄燒錢(qián)的探索性項(xiàng)目，集中火力沖刺更具確定性的增長(zhǎng)方向。

#OpenAI #Sora關(guān)閉 #視頻生成 #算力成本 #戰(zhàn)略調(diào)整

閱讀更多：

https://www.theguardian.com/technology/2026/mar/24/openai-ai-video-sora

2025年度“中國(guó)科學(xué)十大進(jìn)展”揭曉：從月背到深海，多項(xiàng)突破引領(lǐng)前沿

2026年3月25日，2025年度“中國(guó)科學(xué)十大進(jìn)展”在中關(guān)村論壇年會(huì)開(kāi)幕式上正式發(fā)布。入選的十項(xiàng)重大成果覆蓋了深空探測(cè)、材料科學(xué)、能源技術(shù)、生命健康等多個(gè)前沿領(lǐng)域，展現(xiàn)了我國(guó)基礎(chǔ)研究的強(qiáng)勁實(shí)力。其中，嫦娥六號(hào)樣品研究首次揭示了月球背面演化歷史與巨型撞擊效應(yīng)；可控核聚變裝置實(shí)現(xiàn)了“億度”運(yùn)行，為清潔能源探索邁出關(guān)鍵一步；基因編輯豬肝成功植入人體，突破了跨物種器官移植的重大壁壘。此外，全功能二維半導(dǎo)體與硅基混合架構(gòu)閃存芯片、面向空天應(yīng)用的高性能柔性疊層太陽(yáng)能電池等成果，也展示了在信息技術(shù)和高端制造領(lǐng)域的原創(chuàng)突破。

本次活動(dòng)由國(guó)家自然科學(xué)基金委員會(huì)主辦，自2005年啟動(dòng)以來(lái)已成功舉辦21屆，旨在宣傳基礎(chǔ)研究重要進(jìn)展，激勵(lì)科研人員勇攀高峰。2025年度的遴選經(jīng)過(guò)推薦、初選、終選和審議四個(gè)嚴(yán)謹(jǐn)環(huán)節(jié)，從600余項(xiàng)基礎(chǔ)研究中層層篩選。終選階段更是吸引了超過(guò)3000位專(zhuān)家學(xué)者（包括480余位兩院院士）參與網(wǎng)絡(luò)投票，最終由咨詢(xún)委員會(huì)審議確定了這十項(xiàng)代表年度最高水平的科學(xué)進(jìn)展。這些成果不僅推動(dòng)了相關(guān)學(xué)科的發(fā)展，也通過(guò)科普宣傳促進(jìn)了公眾對(duì)基礎(chǔ)科學(xué)的理解與支持。

#中國(guó)科學(xué)十大進(jìn)展 #基礎(chǔ)研究 #嫦娥六號(hào) #可控核聚變 #基因編輯

閱讀更多：

https://www.nsfc.gov.cn/p1/3381/2821/121279.html

AI 驅(qū)動(dòng)科學(xué)

超聲波腕帶結(jié)合人工智能實(shí)現(xiàn)高精度手勢(shì)追蹤與機(jī)械手無(wú)線控制

捕捉和模仿人類(lèi)雙手的復(fù)雜動(dòng)作在虛擬現(xiàn)實(shí)和機(jī)器人控制領(lǐng)域是一項(xiàng)長(zhǎng)期挑戰(zhàn)。為突破傳統(tǒng)光學(xué)追蹤或傳感器手套的技術(shù)局限，Gengxi Lu和Xuanhe Zhao（麻省理工學(xué)院）以及Qifa Zhou（南加州大學(xué)）等研究人員聯(lián)合開(kāi)發(fā)了一款基于超聲波與人工智能的無(wú)線腕帶系統(tǒng)，成功實(shí)現(xiàn)了對(duì)任意手勢(shì)的實(shí)時(shí)精確追蹤以及對(duì)機(jī)械手的高靈巧度無(wú)線操控。

? Credit: Melanie Gonick, MIT

研究團(tuán)隊(duì)設(shè)計(jì)了一款集成微型超聲波貼片和電子元件的可穿戴腕帶，用以連續(xù)捕捉手腕肌肉、肌腱和韌帶的動(dòng)態(tài)超聲波圖像。由于人類(lèi)手指具備22個(gè)自由度，團(tuán)隊(duì)通過(guò)多臺(tái)攝像機(jī)同步記錄志愿者的手勢(shì)，并標(biāo)注出與之對(duì)應(yīng)的超聲圖像特征。隨后，他們訓(xùn)練了一種人工智能算法將這些黑白超聲模式實(shí)時(shí)轉(zhuǎn)化為五指和手掌的具體空間位置，系統(tǒng)處理延遲低于120毫秒。在對(duì)多名志愿者的測(cè)試中，該系統(tǒng)不僅能精準(zhǔn)識(shí)別美國(guó)手語(yǔ)的26個(gè)字母以及抓握網(wǎng)球等日常動(dòng)作，還展現(xiàn)了優(yōu)異的交互控制能力。佩戴者可通過(guò)自然的捏合手勢(shì)在電腦屏幕上流暢縮放虛擬物體，甚至能實(shí)時(shí)無(wú)線操控一臺(tái)商用機(jī)械手完成彈奏鋼琴曲和桌面投籃等復(fù)雜任務(wù)。該技術(shù)不受環(huán)境噪聲和視覺(jué)遮擋影響，且不限制手部自然觸覺(jué)，未來(lái)有望為增強(qiáng)現(xiàn)實(shí)提供更直觀的交互方案，并為人形機(jī)器人積累關(guān)鍵的訓(xùn)練數(shù)據(jù)。研究發(fā)表在 Nature Electronics 上。

#其他 #機(jī)器人及其進(jìn)展 #超聲波成像 #可穿戴設(shè)備 #人機(jī)交互

閱讀更多：

Lu, Gengxi, et al. “Hand Tracking Using Wearable Wrist Imaging.” Nature Electronics, Mar. 2026, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41928-026-01594-4

廣泛使用大語(yǔ)言模型導(dǎo)致人類(lèi)創(chuàng)意同質(zhì)化

使用大語(yǔ)言模型輔助創(chuàng)作是否會(huì)導(dǎo)致產(chǎn)出單一？Emily Wenger和Yoed N. Kenett比較了人類(lèi)與多種大語(yǔ)言模型在創(chuàng)造力任務(wù)中的表現(xiàn)，發(fā)現(xiàn)所有接受測(cè)試的模型都產(chǎn)生了高度相似的輸出結(jié)果。

? LLM 的響應(yīng)在特征空間中的聚集程度高于人類(lèi)的響應(yīng)。每個(gè)點(diǎn)代表人類(lèi)或 LLM 的響應(yīng)，距離越近的點(diǎn)越相似。Credit: Emily Wenger and Yoed N. Kenett

研究人員讓102名人類(lèi)參與者和22種不同的大語(yǔ)言模型完成了三項(xiàng)標(biāo)準(zhǔn)的發(fā)散思維測(cè)試，包括替代用途任務(wù)、發(fā)散聯(lián)想任務(wù)和前向流任務(wù)。研究通過(guò)計(jì)算響應(yīng)在特征空間中的語(yǔ)義相似度，分別評(píng)估了個(gè)體響應(yīng)的原創(chuàng)性以及群體層面的變異性。結(jié)果顯示，雖然大語(yǔ)言模型針對(duì)單項(xiàng)任務(wù)生成的個(gè)體響應(yīng)在原創(chuàng)性上往往與人類(lèi)平均水平相當(dāng)甚至更高，但不同模型例如Gemini、GPT或Llama生成的響應(yīng)相互之間存在極高的相似性。相比之下，人類(lèi)的響應(yīng)差異性顯著更大。即使提高模型溫度，響應(yīng)的多樣性會(huì)有所增加，但過(guò)高的設(shè)置會(huì)迅速導(dǎo)致輸出變?yōu)闊o(wú)法滿(mǎn)足任務(wù)要求的亂碼。這表明輸出的同質(zhì)化并非源于某個(gè)特定的模型，而是大語(yǔ)言模型普遍存在的特征，過(guò)度依賴(lài)這些工具輔助創(chuàng)意思考可能會(huì)收窄人類(lèi)的創(chuàng)造力范圍。研究發(fā)表在 PNAS Nexus 上。

#大模型技術(shù) #計(jì)算模型與人工智能模擬 #創(chuàng)造力 #發(fā)散思維 #同質(zhì)化

閱讀更多：

Wenger, Emily, and Yoed N. Kenett. “Large Language Models Are Homogeneously Creative.” PNAS Nexus, vol. 5, no. 3, Mar. 2026, p. pgag042. Silverchair, https://doi.org/10.1093/pnasnexus/pgag042

生成式AI驅(qū)動(dòng)的預(yù)測(cè)模型MMCN助力可持續(xù)城市形態(tài)演化規(guī)劃

隨著城市快速擴(kuò)張，如何準(zhǔn)確預(yù)測(cè)長(zhǎng)期城市形態(tài)以實(shí)現(xiàn)可持續(xù)規(guī)劃成為一大挑戰(zhàn)。Xusheng Du、Zhen Xu和Haoran Xie等（日本先端科學(xué)技術(shù)大學(xué)院大學(xué)、天津大學(xué)與早稻田大學(xué)）開(kāi)發(fā)了名為記憶感知多條件生成網(wǎng)絡(luò)的AI框架，成功實(shí)現(xiàn)了對(duì)未來(lái)城市布局的高精度連貫預(yù)測(cè)。

傳統(tǒng)AI在預(yù)測(cè)城市布局時(shí)常產(chǎn)生碎片化結(jié)果，難以兼顧建筑密度、交通等多重因素及大范圍的空間連續(xù)性。為此，研究團(tuán)隊(duì)構(gòu)建了結(jié)合擴(kuò)散模型與多條件控制機(jī)制的新型框架。模型利用深圳多年的多模態(tài)空間數(shù)據(jù)進(jìn)行訓(xùn)練，通過(guò)語(yǔ)義提示融合模塊編碼多樣化輸入要素，并創(chuàng)新性地引入空間記憶嵌入組件來(lái)保留相鄰區(qū)域的上下文信息，搭配邊緣拼接損失函數(shù)，確保生成布局的平滑過(guò)渡。實(shí)驗(yàn)顯示，該模型的結(jié)構(gòu)相似性指數(shù)達(dá)到0.885，邊界交并比達(dá)到0.642，顯著優(yōu)于現(xiàn)有基準(zhǔn)方法。它生成的布局不僅符合歷史規(guī)律，還具備連續(xù)的道路網(wǎng)與合理的建筑群，并在上海和天津的跨城測(cè)試中展現(xiàn)出卓越的泛化能力，為評(píng)估長(zhǎng)期城市發(fā)展提供了重要支持。研究發(fā)表在 Sustainable Cities and Society 上。

#AI驅(qū)動(dòng)科學(xué) #預(yù)測(cè)模型構(gòu)建 #可持續(xù)發(fā)展 #城市規(guī)劃 #擴(kuò)散模型

閱讀更多：

Du, Xusheng, et al. “AI-Driven Urban Evolution Forecasting: A Unified Memory-Aware Multi-Conditional Generation Framework for Sustainable Development Planning.” Sustainable Cities and Society, vol. 141, May 2026, p. 107272. ScienceDirect, https://doi.org/10.1016/j.scs.2026.107272

人工智能隱私泄露的關(guān)鍵在于少數(shù)神經(jīng)網(wǎng)絡(luò)權(quán)重

如何在防范數(shù)據(jù)泄露的同時(shí)維持人工智能模型的性能表現(xiàn)？Xingli Fang和Jung-Eun Kim（北卡羅來(lái)納州立大學(xué)）探究了這一難題，研究發(fā)現(xiàn)導(dǎo)致隱私漏洞的少數(shù)權(quán)重恰好也是決定模型性能的核心，團(tuán)隊(duì)據(jù)此開(kāi)發(fā)出一種能更好平衡性能與隱私的新型微調(diào)技術(shù)。

? 該方法在重要性評(píng)估中考慮了隱私脆弱性，而 TFO 僅衡量可學(xué)習(xí)性以保證準(zhǔn)確性。Credit: arXiv (2026).

研究人員針對(duì)成員推斷攻擊（Membership Inference Attacks，一種允許攻擊者判斷特定數(shù)據(jù)是否曾用于訓(xùn)練特定人工智能模型的技術(shù)）展開(kāi)防御測(cè)試，旨在評(píng)估模型權(quán)重參數(shù)對(duì)隱私與性能的分別影響。他們提出了一種基于機(jī)器遺忘的權(quán)重重要性評(píng)估手段。實(shí)驗(yàn)結(jié)果表明，模型中僅有極小部分甚至低至百分之零點(diǎn)一的權(quán)重存在嚴(yán)重的隱私漏洞風(fēng)險(xiǎn)，但這些易受攻擊的權(quán)重往往也是維持模型準(zhǔn)確性的最核心組成部分，且它們的重要性取決于在網(wǎng)絡(luò)中的物理位置而非具體數(shù)值?；谶@一特性，研究團(tuán)隊(duì)構(gòu)建了一種全新的防御策略，不再對(duì)模型進(jìn)行昂貴的全面重新訓(xùn)練，而是精準(zhǔn)定位并僅對(duì)這部分存在隱私漏洞的關(guān)鍵權(quán)重進(jìn)行修改與重置微調(diào)。在應(yīng)對(duì)兩類(lèi)最先進(jìn)的攻擊手段時(shí)，相較于其他四種常規(guī)隱私保護(hù)方法，該新技術(shù)在保護(hù)訓(xùn)練數(shù)據(jù)隱私與維持模型高準(zhǔn)確率之間實(shí)現(xiàn)了顯著更優(yōu)的平衡表現(xiàn)。

#大模型技術(shù) #預(yù)測(cè)模型構(gòu)建 #隱私保護(hù) #成員推斷攻擊 #神經(jīng)網(wǎng)絡(luò)

閱讀更多：

Fang, Xingli, and Jung-Eun Kim. “Learnability and Privacy Vulnerability Are Entangled in a Few Critical Weights.” arXiv:2603.13186, arXiv, 13 Mar. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2603.13186

自動(dòng)駕駛或加劇交通擁堵，博弈模型揭示通勤新挑戰(zhàn)

自動(dòng)駕駛汽車(chē)（AVs）將如何改變城市通勤？卡內(nèi)基梅隆大學(xué)的Soo-Haeng Cho、Sean Qian與德克薩斯大學(xué)達(dá)拉斯分校的Neda Mirzaeian合作，通過(guò)構(gòu)建一個(gè)博弈論交通模型，預(yù)測(cè)了AVs對(duì)早高峰出行和停車(chē)的影響。研究發(fā)現(xiàn)，盡管AVs能解決市中心停車(chē)難的問(wèn)題，但其遠(yuǎn)程停車(chē)行為反而可能增加總行駛里程和交通擁堵，抬高系統(tǒng)總成本。

研究團(tuán)隊(duì)構(gòu)建了一個(gè)連續(xù)時(shí)間博弈論交通模型（continuous-time game-theoretic traffic model），該模型考慮了停車(chē)費(fèi)、交通擁堵和路邊接送等影響通勤者決策的關(guān)鍵經(jīng)濟(jì)因素，并以匹茲堡市的數(shù)據(jù)進(jìn)行校準(zhǔn)。模型分析顯示，AV用戶(hù)出于經(jīng)濟(jì)動(dòng)機(jī)，很可能會(huì)讓車(chē)輛將他們送到中央商務(wù)區(qū)（central business district, CBD）后，自行前往郊區(qū)尋找低價(jià)車(chē)位。這種看似解決了個(gè)人停車(chē)問(wèn)題的行為，卻會(huì)催生大量空駛的“幽靈車(chē)”，導(dǎo)致車(chē)輛總行駛時(shí)間和總里程顯著增加。其后果是加劇了整體交通擁堵，并提高了整個(gè)交通系統(tǒng)的運(yùn)行成本，這挑戰(zhàn)了AVs能自動(dòng)緩解交通問(wèn)題的普遍看法。研究指出，為避免這種情況，城市規(guī)劃者需要主動(dòng)干預(yù)，通過(guò)調(diào)整停車(chē)費(fèi)、征收擁堵費(fèi)或?qū)⒉糠滞＼?chē)位改造為專(zhuān)用的AV下客區(qū)等政策，可以有效引導(dǎo)AVs的行為。在匹茲堡的案例中，這些措施預(yù)計(jì)可將系統(tǒng)總成本降低高達(dá)28.5%。研究發(fā)表在 Management Science 上。

#AI驅(qū)動(dòng)科學(xué) #預(yù)測(cè)模型構(gòu)建 #自動(dòng)駕駛 #城市規(guī)劃

閱讀更多：

Mirzaeian, Neda, et al. “Can Autonomous Vehicles Solve the Commuter Parking Problem?” Management Science, Feb. 2026. pubsonline.informs.org (Atypon), https://doi.org/10.1287/mnsc.2023.01213

導(dǎo)致信息過(guò)載的元兇是碎片化手機(jī)使用，而非總屏幕時(shí)長(zhǎng)

在關(guān)于數(shù)字設(shè)備影響的討論中，屏幕總時(shí)長(zhǎng)常被視為罪魁禍?zhǔn)?，但信息過(guò)載的真正原因是什么？阿爾托大學(xué)的Henrik Lassila、Janne Lindqvist及其同事通過(guò)一項(xiàng)長(zhǎng)達(dá)七個(gè)月的研究發(fā)現(xiàn)，導(dǎo)致我們感到不堪重負(fù)的并非使用了多久手機(jī)，而是如何使用——高頻、短時(shí)的碎片化查看模式才是關(guān)鍵。

研究團(tuán)隊(duì)追蹤了近300名德國(guó)成年人在智能手機(jī)和電腦上的真實(shí)數(shù)字行為，并結(jié)合了他們關(guān)于信息過(guò)載的自我報(bào)告。結(jié)果明確指出，反復(fù)拿起手機(jī)、短暫使用（如看個(gè)短視頻或回條消息）后又迅速鎖屏的碎片化使用模式，是導(dǎo)致信息過(guò)載感的最強(qiáng)預(yù)測(cè)因素。這種行為在移動(dòng)設(shè)備上尤為普遍，頻繁的任務(wù)切換被認(rèn)為是消耗認(rèn)知資源、引發(fā)壓力的主要原因。有趣的是，總使用時(shí)間最長(zhǎng)的人并非最焦慮的群體。研究還發(fā)現(xiàn)，信息過(guò)載與心理壓力、負(fù)面情緒和焦慮感緊密相關(guān)，可能形成一個(gè)惡性循環(huán)。更重要的是，這種行為模式和過(guò)載感具有高度穩(wěn)定性，人們很難自行改變。研究者建議，通過(guò)關(guān)閉非必要通知、每天集中一兩次處理消息等“批量處理”方式，或可有效減輕數(shù)字壓力。該研究將在 CHI 2026 Conference on Human Factors in Computing Systems 上發(fā)表。

#疾病與健康 #心理健康與精神疾病 #信息過(guò)載 #數(shù)字健康 #用戶(hù)行為

閱讀更多：

https://goodlife.aalto.fi/resources/pdfs/CHI26_IO.pdf

人機(jī)交互新范式：當(dāng)你的大腦和算法在玩一場(chǎng)“合作游戲”

如何預(yù)測(cè)并引導(dǎo)人與機(jī)器（如腦機(jī)接口）在相互適應(yīng)中的學(xué)習(xí)過(guò)程？華盛頓大學(xué)的Maneeshika M. Madduri, Momona Yamagami, Si Jia Li, Sasha Burckhardt, Samuel A. Burden及Amy L. Orsborn等人，通過(guò)融合控制理論與博弈論，建立了一個(gè)能夠預(yù)測(cè)和塑造人機(jī)協(xié)同適應(yīng)結(jié)果的計(jì)算框架，為設(shè)計(jì)更高效、穩(wěn)定的神經(jīng)接口提供了理論依據(jù)。

研究團(tuán)隊(duì)通過(guò)一個(gè)肌電接口實(shí)驗(yàn)驗(yàn)證了他們的框架。14名參與者學(xué)習(xí)使用肌肉信號(hào)控制光標(biāo)，同時(shí)，控制光標(biāo)的解碼算法也在實(shí)時(shí)學(xué)習(xí)和調(diào)整。團(tuán)隊(duì)創(chuàng)新性地將這一“雙學(xué)習(xí)者”過(guò)程建模為一個(gè)勢(shì)博弈（potential game，一種博弈論模型，其中所有參與者的目標(biāo)可以統(tǒng)一為一個(gè)共同的函數(shù)，確保系統(tǒng)最終會(huì)達(dá)到一個(gè)穩(wěn)定的平衡點(diǎn)）。該模型成功預(yù)測(cè)了復(fù)雜的互動(dòng)結(jié)果：例如，當(dāng)解碼器的學(xué)習(xí)速度遠(yuǎn)超用戶(hù)時(shí)，系統(tǒng)性能反而會(huì)下降；通過(guò)在算法中增加一個(gè)懲罰項(xiàng)，可以讓解碼器變得“懶惰”，從而迫使用戶(hù)付出更多努力來(lái)完成任務(wù)，這揭示了人機(jī)之間存在一種可調(diào)控的努力權(quán)衡。該框架將人機(jī)協(xié)同從依賴(lài)經(jīng)驗(yàn)試錯(cuò)的模糊過(guò)程，轉(zhuǎn)變?yōu)橐粋€(gè)可分析和預(yù)測(cè)的數(shù)學(xué)系統(tǒng)。研究發(fā)表在 Nature Machine Intelligence 上。

#意識(shí)與腦機(jī)接口 #計(jì)算模型與人工智能模擬 #人機(jī)協(xié)同 #博弈論

閱讀更多：

Madduri, Maneeshika M., et al. “Computational Framework to Predict and Shape Human–Machine Interactions in Closed-Loop, Co-Adaptive Neural Interfaces.” Nature Machine Intelligence, vol. 8, no. 3, Mar. 2026, pp. 372–87. www.nature.com, https://doi.org/10.1038/s42256-026-01194-z

電刺激療法同步恢復(fù)脊髓損傷患者的運(yùn)動(dòng)與感覺(jué)功能

對(duì)于完全性脊髓損傷患者而言，同時(shí)恢復(fù)運(yùn)動(dòng)與感覺(jué)功能曾是難以企及的目標(biāo)?，F(xiàn)在，由Jonathan S. Calvert和David A. Borton領(lǐng)導(dǎo)的布朗大學(xué)等多家機(jī)構(gòu)的團(tuán)隊(duì)首次證實(shí)，通過(guò)在損傷部位上下同時(shí)進(jìn)行電刺激，可以為患者同步重建運(yùn)動(dòng)控制和感覺(jué)反饋，為功能獨(dú)立性帶來(lái)了新的希望。

研究團(tuán)隊(duì)為三名完全截癱的參與者植入了兩個(gè)電極陣列，一個(gè)在脊髓損傷部位下方，用于激活腿部肌肉；另一個(gè)在損傷上方，用于提供感覺(jué)反饋。為了個(gè)性化運(yùn)動(dòng)控制，研究人員設(shè)計(jì)了“DJ板”界面，讓參與者能像音樂(lè)DJ一樣實(shí)時(shí)調(diào)節(jié)電刺激參數(shù)，直觀地控制自己腿部的動(dòng)作，并結(jié)合機(jī)器學(xué)習(xí)算法高效優(yōu)化刺激模式。更具開(kāi)創(chuàng)性的是，團(tuán)隊(duì)采用了感覺(jué)替代策略。通過(guò)刺激損傷上方的脊髓，在參與者的胸部產(chǎn)生與膝關(guān)節(jié)角度同步變化的脈沖感。經(jīng)過(guò)訓(xùn)練，參與者學(xué)會(huì)將這種胸部的感覺(jué)“翻譯”成腿部的位置信息，準(zhǔn)確率極高。在最終的跑步機(jī)行走測(cè)試中，這套系統(tǒng)實(shí)現(xiàn)了運(yùn)動(dòng)激活與感覺(jué)反饋的同步，使參與者能夠在無(wú)視覺(jué)輔助的情況下，準(zhǔn)確感知腳步落地。研究發(fā)表在 Nature Biomedical Engineering 上。

#疾病與健康 #神經(jīng)調(diào)控 #脊髓損傷 #感覺(jué)替代

閱讀更多：

Calvert, Jonathan S., et al. “Perilesional Neuromodulation Replaces Lost Sensorimotor Function in Persons with Spinal Cord Injury.” Nature Biomedical Engineering, Mar. 2026, pp. 1–17. www.nature.com, https://doi.org/10.1038/s41551-026-01627-5

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)。

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、、、科普視頻媒體「大圓鏡」等。