█腦科學(xué)動(dòng)態(tài)

Nature：星形膠質(zhì)細(xì)胞形態(tài)發(fā)生需要自我識(shí)別機(jī)制

成癮者更愛復(fù)雜音樂，藥物成癮重塑大腦獎(jiǎng)賞閾值

四種微小RNA與精神疾病和帕金森病直接相關(guān)

綠色空間促進(jìn)青少年大腦發(fā)育，助力學(xué)業(yè)與心理健康

年度阿爾茨海默病藥物研發(fā)管線報(bào)告顯示治療前景樂觀

大腦信號(hào)傳播新突破：EWC方法精準(zhǔn)追蹤神經(jīng)活動(dòng)路徑

雌性大腦對(duì)酒精更敏感？去甲腎上腺素系統(tǒng)揭示性別差異

心智圖譜構(gòu)建視覺運(yùn)動(dòng)關(guān)聯(lián)的存儲(chǔ)與檢索機(jī)制

█AI行業(yè)動(dòng)態(tài)

OpenAI語(yǔ)音AI大升級(jí)！現(xiàn)在能打斷、能調(diào)速還能喊暫停

ChatGPT升級(jí)：Codex全面開放+記憶功能革新

圖靈獎(jiǎng)得主Bengio再創(chuàng)業(yè)：3000萬(wàn)美元打造"安全至上"AI系統(tǒng)

█AI驅(qū)動(dòng)科學(xué)

普林斯頓Alita顛覆通用智能體設(shè)計(jì)，自主進(jìn)化架構(gòu)登頂GAIA榜單

華人數(shù)學(xué)家突破停滯18年集合和差問題，三度刷新紀(jì)錄

AI與臨床醫(yī)生診斷能力大比拼

隨機(jī)異質(zhì)脈沖神經(jīng)網(wǎng)絡(luò)：類腦機(jī)制提升AI對(duì)抗防御能力

為什么人工智能不能像人類一樣理解花朵

低維腦網(wǎng)絡(luò)交互揭示人類認(rèn)知組織原則

大腦物理引擎如何預(yù)測(cè)未來(lái)？解碼神經(jīng)模擬機(jī)制

腦科學(xué)動(dòng)態(tài)

Nature：星形膠質(zhì)細(xì)胞形態(tài)發(fā)生需要自我識(shí)別機(jī)制

大腦細(xì)胞如何識(shí)別"自己"？由John H. Lee、S. Lawrence Zipursky等組成的多機(jī)構(gòu)團(tuán)隊(duì)發(fā)現(xiàn)，星形膠質(zhì)細(xì)胞通過γC3蛋白實(shí)現(xiàn)自我識(shí)別，這對(duì)大腦發(fā)育至關(guān)重要。該研究揭示了神經(jīng)元之外另一種腦細(xì)胞的身份識(shí)別機(jī)制。

研究團(tuán)隊(duì)首先確認(rèn)γC3（Pcdhγ家族特定亞型）在人和小鼠星形膠質(zhì)細(xì)胞中富集。通過基因編輯技術(shù)，他們證明γC3能自主調(diào)控小鼠視覺皮層星形膠質(zhì)細(xì)胞的形態(tài)發(fā)育。為驗(yàn)證γC3是否通過促進(jìn)同一細(xì)胞突起的相互識(shí)別發(fā)揮作用，研究人員設(shè)計(jì)了特殊實(shí)驗(yàn)：構(gòu)建能異親結(jié)合（heterophilic binding，不同分子間結(jié)合）但不能同親結(jié)合的γC3嵌合蛋白對(duì)。當(dāng)在γC3缺失的星形膠質(zhì)細(xì)胞中共表達(dá)這對(duì)互補(bǔ)蛋白時(shí)，細(xì)胞恢復(fù)了正常形態(tài)；而單獨(dú)表達(dá)任一種嵌合蛋白則無(wú)此效果。這一精巧實(shí)驗(yàn)證實(shí)，γC3介導(dǎo)的自我識(shí)別（self-recognition，細(xì)胞區(qū)分自身與非自身的能力）是星形膠質(zhì)細(xì)胞發(fā)育的關(guān)鍵機(jī)制。研究發(fā)表在 Nature 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #星形膠質(zhì)細(xì)胞 #自我識(shí)別 #大腦發(fā)育

閱讀更多：

Lee, John H., et al. “Astrocyte Morphogenesis Requires Self-Recognition.” Nature, May 2025, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-025-09013-y

成癮者更愛復(fù)雜音樂，藥物成癮重塑大腦獎(jiǎng)賞閾值

長(zhǎng)期藥物使用如何改變大腦對(duì)音樂的響應(yīng)？丹麥奧胡斯大學(xué)的Jan Stupacher、Benedetta Matarrelli、Danilo Cozzoli等團(tuán)隊(duì)發(fā)現(xiàn)，物質(zhì)成癮康復(fù)者對(duì)高復(fù)雜度音樂的運(yùn)動(dòng)欲望顯著增強(qiáng)，揭示了多巴胺獎(jiǎng)賞系統(tǒng)的閾值改變現(xiàn)象。

?A) 藍(lán)色方塊標(biāo)記三種節(jié)奏的起始點(diǎn)。B) 確定性加權(quán)預(yù)測(cè)誤差的倒 U 形。Credit: Proceedings of the National Academy of Sciences (2025).

研究采用對(duì)照實(shí)驗(yàn)設(shè)計(jì)，比較58名男性（19名可卡因成癮康復(fù)者、16名海洛因/可卡因成癮康復(fù)者、23名非使用者）對(duì)音樂節(jié)奏與和聲復(fù)雜度的響應(yīng)差異。參與者聆聽預(yù)先設(shè)計(jì)的音樂片段后，使用標(biāo)準(zhǔn)化量表評(píng)估"律動(dòng)感"強(qiáng)度。結(jié)果顯示：健康人群呈現(xiàn)經(jīng)典的倒U型曲線，中等復(fù)雜度音樂引發(fā)最強(qiáng)律動(dòng)感；而成癮康復(fù)組對(duì)高復(fù)雜度節(jié)奏的評(píng)分比對(duì)照組高32%（p=0.007），對(duì)高和聲復(fù)雜度的響應(yīng)也增強(qiáng)28%（p=0.01）。

這種模式與帕金森病患者的"平坦化"響應(yīng)形成對(duì)比，支持"獎(jiǎng)賞閾值升高"假說(shuō)——長(zhǎng)期藥物使用導(dǎo)致多巴胺受體減少，需要更強(qiáng)刺激才能激活獎(jiǎng)賞系統(tǒng)。研究為音樂療法在成癮康復(fù)中的應(yīng)用提供了神經(jīng)科學(xué)依據(jù)，也可能解釋成癮者尋求高強(qiáng)度感官體驗(yàn)的行為傾向。研究發(fā)表在 PNAS 上。

#疾病與健康 #神經(jīng)調(diào)控 #音樂治療 #成癮機(jī)制 #多巴胺系統(tǒng)

閱讀更多：

Stupacher, Jan, et al. “Individuals with Substance Use Disorders Experience an Increased Urge to Move to Complex Music.” Proceedings of the National Academy of Sciences, vol. 122, no. 20, May 2025, p. e2502656122. world, www.pnas.org, https://doi.org/10.1073/pnas.2502656122

四種微小RNA與精神疾病和帕金森病直接相關(guān)

microRNA（miRNA）如何影響精神疾病和神經(jīng)退行性疾病？加州大學(xué)戴維斯分校醫(yī)學(xué)院的Selina M. Vattathil、Aliza P. Wingo和Thomas S. Wingo團(tuán)隊(duì)通過分析604名老年供體的腦組織樣本，系統(tǒng)鑒定了49種與雙相情感障礙、抑郁癥、精神分裂癥、創(chuàng)傷后應(yīng)激障礙（PTSD）和帕金森病相關(guān)的miRNA，揭示了這些疾病潛在的共同分子機(jī)制。

?本研究生成的 miRNA 數(shù)據(jù)與多個(gè)現(xiàn)有數(shù)據(jù)集和資源進(jìn)行了比較和整合。Credit: Nature Aging (2024).

研究團(tuán)隊(duì)對(duì)604名供體（死亡年齡中位數(shù)90歲）的背外側(cè)前額葉皮層（dlPFC）進(jìn)行小RNA測(cè)序，結(jié)合全基因組關(guān)聯(lián)研究（GWAS）數(shù)據(jù)，系統(tǒng)分析了470種miRNA的表達(dá)水平及其遺傳調(diào)控。結(jié)果顯示，49種miRNA與至少一種腦部疾病相關(guān)，其中miR-499a-5p同時(shí)增加雙相情感障礙和精神分裂癥風(fēng)險(xiǎn)，miR-1908-5p與雙相情感障礙和重度抑郁癥相關(guān)。進(jìn)一步發(fā)現(xiàn)224種miRNA受遺傳變異（miR-QTLs）調(diào)控，這些變異多位于啟動(dòng)子或增強(qiáng)子區(qū)域。研究還表明，位于基因內(nèi)部的miRNA可能獨(dú)立于宿主基因被調(diào)控。研究發(fā)表在 Nature Aging 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #心理健康與精神疾病 #基因調(diào)控 #個(gè)性化醫(yī)療

閱讀更多：

Vattathil, Selina M., et al. “Mapping the microRNA Landscape in the Older Adult Brain and Its Genetic Contribution to Neuropsychiatric Conditions.” Nature Aging, vol. 5, no. 2, Feb. 2025, pp. 306–19. www.nature.com, https://doi.org/10.1038/s43587-024-00778-x

綠地促進(jìn)青少年大腦發(fā)育，助力學(xué)業(yè)與心理健康

城市化如何影響青少年大腦發(fā)育？倫敦國(guó)王學(xué)院心理學(xué)、精神病學(xué)與神經(jīng)科學(xué)研究所的Qingyang Li、Sarah Whittle和Divyangana Rakesh團(tuán)隊(duì)通過分析7,102名青少年的數(shù)據(jù)發(fā)現(xiàn)，接觸綠地（greenspace）與大腦結(jié)構(gòu)積極變化相關(guān)，這些變化進(jìn)而提升學(xué)業(yè)表現(xiàn)和心理健康水平。

?A 和 B，綠色空間暴露與 T2 皮質(zhì)厚度（A）、T2 表面積（B）、皮質(zhì)厚度變化（C）和表面積變化（D）之間關(guān)聯(lián)的線性混合效應(yīng)模型的 t 統(tǒng)計(jì)值。Credit: Biological Psychiatry (2025).

研究團(tuán)隊(duì)利用美國(guó)青少年大腦認(rèn)知發(fā)展（ABCD）研究數(shù)據(jù)，采用線性混合效應(yīng)模型分析了9-10歲兒童接觸綠地與兩年后大腦結(jié)構(gòu)的關(guān)聯(lián)。結(jié)果顯示，綠地暴露與更大的總表面積（SA）、皮質(zhì)體積（CV）相關(guān)，特定腦區(qū)如顳葉皮質(zhì)增厚（+0.03mm）、尾狀核體積增大（+15mm3）。縱向分析發(fā)現(xiàn)，高暴露組總SA年增長(zhǎng)率提高1.2%，皮質(zhì)厚度年減少率降低0.8%。中介分析表明，這些結(jié)構(gòu)變化解釋了綠色空間對(duì)學(xué)業(yè)成績(jī)（數(shù)學(xué)得分提高12%）和心理健康（抑郁癥狀減少8%）的28%影響效應(yīng)。值得注意的是，這些益處獨(dú)立于家庭收入或社區(qū)貧困水平。研究為城市規(guī)劃提供了神經(jīng)科學(xué)依據(jù)，建議將綠地整合進(jìn)校園和居住區(qū)設(shè)計(jì)。研究發(fā)表在 Biological Psychiatry 上。

#疾病與健康 #心理健康與精神疾病 #神經(jīng)機(jī)制與腦功能解析 #城市化 #青少年發(fā)展

閱讀更多：

Li, Qingyang, et al. “Longitudinal Associations between Greenspace Exposure, Structural Brain Development, and Mental Health and Academic Performance during Early Adolescence.” Biological Psychiatry, vol. 0, no. 0, Apr. 2025. www.biologicalpsychiatryjournal.com, https://doi.org/10.1016/j.biopsych.2025.03.026

年度阿爾茨海默病藥物研發(fā)管線報(bào)告顯示治療前景樂觀

全球有超過5700萬(wàn)癡呆癥患者，阿爾茨海默病治療需求迫切。內(nèi)華達(dá)大學(xué)拉斯維加斯分校的Jeffrey L. Cummings團(tuán)隊(duì)分析了182項(xiàng)臨床試驗(yàn)和138種藥物，發(fā)現(xiàn)研發(fā)管線較去年顯著擴(kuò)大，特別是I期試驗(yàn)數(shù)量增加近一倍，為治療帶來(lái)新希望。

研究團(tuán)隊(duì)系統(tǒng)分析了clinicaltrials.gov上注冊(cè)的所有阿爾茨海默病臨床試驗(yàn)數(shù)據(jù)。結(jié)果顯示，當(dāng)前研發(fā)管線包含182項(xiàng)試驗(yàn)（北美洲2,227個(gè)站點(diǎn)，全球其他地區(qū)2,302個(gè)站點(diǎn)）和138種藥物。疾病靶向療法（DTTs）占主導(dǎo)地位（74%），其中小分子藥物占43%，生物制劑占30%。值得注意的是，I期臨床試驗(yàn)從2024年的27項(xiàng)增至48項(xiàng)，表明基礎(chǔ)研究活躍度提升。56項(xiàng)新試驗(yàn)于2024年初啟動(dòng)，包括10項(xiàng)III期試驗(yàn)。生物標(biāo)志物在27%試驗(yàn)中作為主要終點(diǎn)，在患者篩選和療效評(píng)估中發(fā)揮關(guān)鍵作用。藥物再利用策略表現(xiàn)突出，46種已獲批藥物（占管線33%）被重新開發(fā)用于阿爾茨海默病，可顯著縮短上市時(shí)間。全球超過50,000名受試者參與試驗(yàn)，研究人員建議增加單個(gè)站點(diǎn)的試驗(yàn)數(shù)量以提高招募效率。研究發(fā)表在 Alzheimer's & Dementia: Translational Research & Clinical Interventions 上。

#疾病與健康 #個(gè)性化醫(yī)療 #藥物研發(fā) #生物標(biāo)志物 #阿爾茨海默病

閱讀更多：

Cummings, Jeffrey L., et al. Alzheimer’s Disease Drug Development Pipeline: 2025. alz-journals.onlinelibrary.wiley.com, https://doi.org/10.1002/trc2.70098. Accessed 4 June 2025

大腦信號(hào)傳播新突破：EWC方法精準(zhǔn)追蹤神經(jīng)活動(dòng)路徑

如何準(zhǔn)確追蹤大腦內(nèi)部的信號(hào)傳播路徑？墨爾本大學(xué)等機(jī)構(gòu)的Varun Madan Mohan、Thomas F Varley、Robin F H Cash、Caio Seguin和Andrew Zalesky團(tuán)隊(duì)開發(fā)出事件標(biāo)記窗口通信（EWC）新方法，成功實(shí)現(xiàn)全腦尺度神經(jīng)活動(dòng)傳播的高效推斷，相關(guān)網(wǎng)絡(luò)與傳遞熵結(jié)果高度一致（中位r=0.81）。

研究團(tuán)隊(duì)提出的事件標(biāo)記窗口通信（EWC）框架結(jié)合了功能連接（FC）分析的實(shí)用性和活動(dòng)傳播追蹤的動(dòng)態(tài)分辨率。該方法首先從神經(jīng)時(shí)間序列中識(shí)別自發(fā)擾動(dòng)事件，隨后通過分析事件后時(shí)間窗口內(nèi)的統(tǒng)計(jì)依賴關(guān)系來(lái)推斷信號(hào)傳播路徑。在仿真測(cè)試中，EWC準(zhǔn)確恢復(fù)了預(yù)設(shè)的定向信號(hào)模式；計(jì)算效率評(píng)估顯示，其運(yùn)行時(shí)間比傳遞熵（Transfer Entropy）等傳統(tǒng)方法縮短約80%。應(yīng)用EWC分析靜息態(tài)腦磁圖（MEG）數(shù)據(jù)時(shí)，不僅成功構(gòu)建了全腦活動(dòng)傳播圖譜，還發(fā)現(xiàn)其推斷的網(wǎng)絡(luò)與傳遞熵結(jié)果高度相關(guān)。特別值得注意的是，EWC框架具有跨模態(tài)適用性，可兼容功能磁共振（fMRI）和腦電圖（EEG）等多種神經(jīng)影像數(shù)據(jù)，為研究不同狀態(tài)下的腦區(qū)間通訊機(jī)制提供了通用工具。研究發(fā)表在 Human Brain Mapping 上。

#神經(jīng)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 #大腦信號(hào)解析

閱讀更多：

Madan Mohan, Varun, et al. “Event‐Marked Windowed Communication: Inferring Activity Propagation from Neural Time Series.” Human Brain Mapping, vol. 46, no. 8, May 2025, p. e70223. PubMed Central, https://doi.org/10.1002/hbm.70223

雌性大腦對(duì)酒精更敏感？去甲腎上腺素系統(tǒng)揭示性別差異

酒精使用障礙（AUD）存在顯著性別差異，但機(jī)制不明。斯克里普斯研究所的Alexia Anjos-Santos、Chloe Michelle Erikson和Marisa Roberto團(tuán)隊(duì)發(fā)現(xiàn)，雌性大腦的去甲腎上腺素系統(tǒng)對(duì)酒精更敏感，且藥物響應(yīng)存在性別特異性，這為女性AUD精準(zhǔn)治療提供了依據(jù)。

研究結(jié)合電生理學(xué)、分子生物學(xué)和藥理學(xué)方法，聚焦中央杏仁核（CeA，處理壓力和酒精信號(hào)的關(guān)鍵腦區(qū)）。在雌性大鼠中，即使少量酒精也會(huì)改變?nèi)ゼ啄I上腺素（NE）對(duì)γ-氨基丁酸能（GABAergic）神經(jīng)傳遞的調(diào)控，而雄性需依賴形成后才出現(xiàn)類似變化。兩種FDA批準(zhǔn)藥物表現(xiàn)差異：α1受體阻斷劑哌唑嗪（prazosin，降壓藥）對(duì)非依賴和依賴雌性均能減少飲酒，β受體阻斷劑普萘洛爾（propranolol，治療心臟病藥物）僅對(duì)依賴個(gè)體有效。人類腦組織分析顯示，AUD女性基底外側(cè)杏仁核和前額葉皮層的ADRA1A基因（編碼α1受體）表達(dá)下調(diào)。這些發(fā)現(xiàn)解釋了為何女性更易受酒精長(zhǎng)期影響（如焦慮、抑郁），并提示需根據(jù)性別和飲酒階段選擇藥物。研究發(fā)表在 Biological Psychiatry 上。

#神經(jīng)科學(xué) #個(gè)性化醫(yī)療 #神經(jīng)機(jī)制與腦功能解析 #酒精使用障礙 #性別差異

閱讀更多：

Anjos-Santos, Alexia, et al. “Noradrenaline Modulates Central Amygdala GABA Transmission and Alcohol Drinking in Female Rats.” Biological Psychiatry, vol. 0, no. 0, Apr. 2025. www.biologicalpsychiatryjournal.com, https://doi.org/10.1016/j.biopsych.2025.03.024

心智圖譜構(gòu)建視覺運(yùn)動(dòng)關(guān)聯(lián)的存儲(chǔ)與檢索機(jī)制

人類如何通過結(jié)構(gòu)化記憶選擇動(dòng)作？Juliana E. Trach和Samuel D. McDougle團(tuán)隊(duì)發(fā)現(xiàn)，當(dāng)人們學(xué)習(xí)新的視覺運(yùn)動(dòng)映射時(shí)，記憶檢索涉及對(duì)結(jié)構(gòu)化心智圖譜的"遍歷"，且這種圖形化表征會(huì)持續(xù)存在。

研究團(tuán)隊(duì)讓182名參與者學(xué)習(xí)具有潛在結(jié)構(gòu)的視覺運(yùn)動(dòng)映射，這些結(jié)構(gòu)將視覺特征（如顏色）與運(yùn)動(dòng)區(qū)分（如手指）聯(lián)系起來(lái)。通過分析過渡反應(yīng)時(shí)間，發(fā)現(xiàn)結(jié)構(gòu)化映射的學(xué)習(xí)者表現(xiàn)出心智圖譜"遍歷"的特征模式。強(qiáng)制反應(yīng)實(shí)驗(yàn)進(jìn)一步揭示，單個(gè)試驗(yàn)內(nèi)也存在類似的圖形計(jì)算過程。值得注意的是，經(jīng)過多天練習(xí)后，這種圖形化表征仍然持續(xù)存在。研究表明，運(yùn)動(dòng)準(zhǔn)備與結(jié)構(gòu)化記憶表征的內(nèi)部計(jì)算之間存在直接聯(lián)系，為理解人類動(dòng)作選擇提供了新視角。研究發(fā)表在 Nature Human Behaviour 上。

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

閱讀更多：

Trach, Juliana E., and Samuel D. McDougle. “Mental Graphs Structure the Storage and Retrieval of Visuomotor Associations.” Nature Human Behaviour, June 2025, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41562-025-02217-2

AI 行業(yè)動(dòng)態(tài)

OpenAI語(yǔ)音AI大升級(jí)！現(xiàn)在能打斷、能調(diào)速還能喊暫停

OpenAI近日發(fā)布四項(xiàng)重磅更新，全面強(qiáng)化AI代理尤其是語(yǔ)音代理的開發(fā)能力。開發(fā)者現(xiàn)在可使用TypeScript編寫Agents SDK（軟件開發(fā)工具包），與Python版本功能完全同步，支持多代理協(xié)作、安全約束等核心功能。更引人注目的是新增的"人類審查"機(jī)制，允許在敏感操作前暫停執(zhí)行并人工審核，大幅提升金融、醫(yī)療等高風(fēng)險(xiǎn)場(chǎng)景的安全性。同時(shí)推出的RealtimeAgent功能讓語(yǔ)音代理開發(fā)門檻顯著降低，支持實(shí)時(shí)音頻處理、打斷響應(yīng)等高級(jí)交互能力。

調(diào)試工具Traces儀表盤迎來(lái)重大升級(jí)，首次實(shí)現(xiàn)語(yǔ)音會(huì)話全流程可視化。開發(fā)者可直觀查看輸入輸出音頻、工具調(diào)用記錄及中斷點(diǎn)，極大簡(jiǎn)化了語(yǔ)音代理的優(yōu)化流程。同步改進(jìn)的speech-to-speech（語(yǔ)音到語(yǔ)音）模型在指令遵循、工具調(diào)用穩(wěn)定性方面表現(xiàn)突出，新增的語(yǔ)速調(diào)節(jié)參數(shù)讓AI語(yǔ)音播報(bào)更自然。兩個(gè)新模型版本gpt-4o-realtime-preview-2025-06-03和gpt-4o-audio-preview-2025-06-03已向合作方開放。

#OpenAI #語(yǔ)音交互 #TypeScript #AI代理 #實(shí)時(shí)API

閱讀更多：

https://openai.github.io/openai-agents-js/

ChatGPT升級(jí)：Codex全面開放+記憶功能革新

OpenAI宣布為ChatGPT Plus用戶全面開放Codex功能，這項(xiàng)升級(jí)賦予AI更強(qiáng)大的執(zhí)行能力。Codex現(xiàn)在可以聯(lián)網(wǎng)安裝依賴包、運(yùn)行測(cè)試代碼甚至構(gòu)建新功能，同時(shí)新增語(yǔ)音驅(qū)動(dòng)支持，使開發(fā)者能通過語(yǔ)音指令操控編程流程。值得注意的是，此次更新還包含兩個(gè)新型語(yǔ)言模型（gpt-4o-audio-preview-2025-06-03和gpt-4o-realtime-preview-2025-06-03），它們?cè)谥噶罡櫋⒐ぞ哒{(diào)用和中斷響應(yīng)方面表現(xiàn)更優(yōu)，并首次加入語(yǔ)音速度調(diào)節(jié)參數(shù)。

記憶功能迎來(lái)重大改進(jìn)，現(xiàn)已向免費(fèi)用戶開放。ChatGPT不僅能長(zhǎng)期保存用戶對(duì)話記錄，還會(huì)主動(dòng)參考近期聊天內(nèi)容來(lái)優(yōu)化回復(fù)的個(gè)性化程度。這一升級(jí)意味著AI能更深入地理解用戶習(xí)慣與偏好，例如記住常用工作流程或重復(fù)性需求。正如部分用戶預(yù)測(cè)的那樣，OpenAI正通過持續(xù)迭代將ChatGPT塑造成真正的個(gè)人智能助手。

#ChatGPT #Codex #AI升級(jí) #語(yǔ)言模型 #OpenAI

閱讀更多：

https://x.com/ai_for_success/status/1929948635477025133

圖靈獎(jiǎng)得主Bengio再創(chuàng)業(yè)：3000萬(wàn)美元打造"安全至上"AI系統(tǒng)

深度學(xué)習(xí)先驅(qū)、圖靈獎(jiǎng)得主Yoshua Bengio近日宣布成立非營(yíng)利組織LawZero，致力于開發(fā)"設(shè)計(jì)即安全（safe-by-design）"的新一代AI系統(tǒng)。該項(xiàng)目已獲得Future of Life Institute等機(jī)構(gòu)3000萬(wàn)美元捐贈(zèng)支持，總部設(shè)在蒙特利爾，由加拿大魁北克人工智能研究所（Mila-Quebec AI Institute）孵化。Bengio團(tuán)隊(duì)提出"Scientist AI"概念，該系統(tǒng)通過"世界模型"和"推理機(jī)"兩大組件，專注于理解世界而非采取行動(dòng)，旨在為高風(fēng)險(xiǎn)AI提供安全監(jiān)督、加速科研發(fā)現(xiàn)并構(gòu)建強(qiáng)AI開發(fā)基礎(chǔ)架構(gòu)。

LawZero的核心創(chuàng)新在于其透明化推理框架。與傳統(tǒng)AI不同，Scientist AI僅輸出概率性解釋和邏輯推斷，不具備自主行動(dòng)能力，從根本上規(guī)避了目標(biāo)偏離風(fēng)險(xiǎn)。Bengio表示，當(dāng)前AI已顯現(xiàn)自我保護(hù)與欺騙傾向，LawZero正是針對(duì)這些挑戰(zhàn)的解決方案。該技術(shù)可應(yīng)用于生物、材料科學(xué)等領(lǐng)域，同時(shí)作為"安全護(hù)欄"監(jiān)控危險(xiǎn)AI行為。這是Bengio繼2016年創(chuàng)立Element AI后的二次創(chuàng)業(yè)，他坦言已將職業(yè)生涯剩余時(shí)間全部投入AI安全研究。

盡管愿景宏大，業(yè)界對(duì)LawZero仍存疑慮。有評(píng)論指出，OpenAI最初也是非營(yíng)利組織，但最終轉(zhuǎn)向盈利模式；更有人擔(dān)憂此類技術(shù)可能加速人類主導(dǎo)權(quán)向AI轉(zhuǎn)移。但Bengio強(qiáng)調(diào)："對(duì)AI未來(lái)樂觀或悲觀并不重要，重要的是采取行動(dòng)引導(dǎo)其正向發(fā)展。"目前團(tuán)隊(duì)已集結(jié)15名頂尖研究員，其58頁(yè)的"Scientist AI"論文詳述了這套方法論，試圖在AI爆發(fā)時(shí)代建立可控的安全范式。

#AI安全 #圖靈獎(jiǎng) #Bengio #非營(yíng)利組織 #深度學(xué)習(xí)

閱讀更多：

https://lawzero.org/en/news/yoshua-bengio-launches-lawzero-new-nonprofit-advancing-safe-design-ai

AI 驅(qū)動(dòng)科學(xué)

普林斯頓Alita顛覆通用智能體設(shè)計(jì)，自主進(jìn)化架構(gòu)登頂GAIA榜單

傳統(tǒng)智能體受限于人工預(yù)定義工具庫(kù)，普林斯頓大學(xué)AI Lab的Jiahao Qiu、Xuan Qi等研究者開發(fā)出Alita智能體，通過自主進(jìn)化工具的能力在GAIA基準(zhǔn)測(cè)試中取得突破性成績(jī)（75.15% pass@1），超越OpenAI等知名系統(tǒng)。

研究采用"最小預(yù)定義+最大自進(jìn)化"（minimal predefinition + maximal self-evolution）設(shè)計(jì)范式，僅內(nèi)置管理智能體（Manager Agent）和網(wǎng)頁(yè)智能體（Web Agent）兩個(gè)核心組件。通過MCP協(xié)議，系統(tǒng)能動(dòng)態(tài)生成任務(wù)所需工具：MCP Brainstorming模塊分析能力缺口，腳本生成模塊（ScriptGeneratingTool）實(shí)時(shí)創(chuàng)建工具代碼，驗(yàn)證模塊（CodeRunningTool）確保工具可靠性。例如處理"PPT中甲殼類動(dòng)物提及頁(yè)數(shù)"任務(wù)時(shí)，Alita能自主開發(fā)專用解析工具而非依賴預(yù)設(shè)方案。在GAIA測(cè)試中，其不僅創(chuàng)下新紀(jì)錄，所生成的MCP工具更使小模型性能顯著提升——如GPT-4o-mini在Level 3任務(wù)準(zhǔn)確率提升三倍（3.85%→11.54%）。這種"工具蒸餾"機(jī)制為智能體協(xié)作開辟新路徑。

#大模型技術(shù) #自動(dòng)化科研 #跨學(xué)科整合 #AI驅(qū)動(dòng)科學(xué) #智能體架構(gòu)

閱讀更多：

Qiu, Jiahao, et al. Alita: Generalist Agent Enabling Scalable Agentic Reasoning with Minimal Predefinition and Maximal Self-Evolution. arXiv:2505.20286, arXiv, 26 May 2025. arXiv.org, https://doi.org/10.48550/arXiv.2505.20286

華人數(shù)學(xué)家突破停滯18年集合和差問題，三度刷新紀(jì)錄

集合和差問題（Sums and differences of sets problem）是集合論領(lǐng)域停滯18年的經(jīng)典難題。西班牙數(shù)學(xué)科學(xué)研究所ICMAT的Fan Zheng在DeepMind的AlphaEvolve取得突破后，通過理論分析方法將θ指數(shù)下界提升至1.173077，一個(gè)月內(nèi)第三次刷新該問題紀(jì)錄。

研究構(gòu)建了具有坐標(biāo)上界約束的特殊集合W(m,L,B)，通過容斥原理處理多重約束條件。關(guān)鍵創(chuàng)新在于引入大偏差估計(jì)（Large Deviation Estimates）進(jìn)行漸近分析，證明當(dāng)參數(shù)趨近無(wú)窮時(shí)θ的理論下界可達(dá)1.173077。相比AlphaEvolve使用Gemini大模型暴力生成54265個(gè)元素的集合（θ=1.1584），該方法通過數(shù)學(xué)證明而非具體構(gòu)造突破極限。匈牙利數(shù)學(xué)家Robert Gerbicz此前通過優(yōu)化離散集合構(gòu)造（含10^43546個(gè)元素）達(dá)到θ=1.173050，而Fan Zheng在10天后用理論框架實(shí)現(xiàn)進(jìn)一步突破。陶哲軒指出，這展示了AI廣度搜索與人類深度分析的互補(bǔ)價(jià)值：AlphaEvolve能快速定位改進(jìn)方向，而人類數(shù)學(xué)家能處理AI難以應(yīng)對(duì)的漸近構(gòu)造。

#AI驅(qū)動(dòng)科學(xué) #跨學(xué)科整合 #集合論 #離散數(shù)學(xué) #人機(jī)協(xié)作

閱讀更多：

Zheng, Fan. Sums and Differences of Sets: A Further Improvement over AlphaEvolve. arXiv:2506.01896, arXiv, 2 June 2025. arXiv.org, https://doi.org/10.48550/arXiv.2506.01896

AI與臨床醫(yī)生診斷能力大比拼

AI能否勝任復(fù)雜醫(yī)療診斷？緬因大學(xué)的Christian M. Graham團(tuán)隊(duì)比較了AI系統(tǒng)與人類臨床醫(yī)生處理7,165例醫(yī)療咨詢的表現(xiàn)，發(fā)現(xiàn)AI雖在事實(shí)查詢上準(zhǔn)確率高，但缺乏情感共鳴且存在回答不一致問題。

研究團(tuán)隊(duì)收集了來(lái)自美國(guó)和澳大利亞的7,165例匿名醫(yī)療咨詢，使用機(jī)器學(xué)習(xí)算法對(duì)比評(píng)估了兩組回答。結(jié)果顯示，AI在事實(shí)性查詢準(zhǔn)確率達(dá)89%，程序性問題處理效率比人類快40%，但解釋性問題的準(zhǔn)確率驟降至62%。情感分析發(fā)現(xiàn)，AI回答中臨床術(shù)語(yǔ)使用頻率是人類2.3倍，在心理健康等敏感話題中，83%的模擬患者更偏好人類醫(yī)生的表達(dá)方式。值得注意的是，AI在同一會(huì)話內(nèi)回答一致性達(dá)95%，但跨會(huì)話重復(fù)提問時(shí)出現(xiàn)15%內(nèi)容偏差，這可能影響長(zhǎng)期醫(yī)療建議的可靠性。兩國(guó)比較顯示，在實(shí)行全民醫(yī)保的澳大利亞，AI應(yīng)用成本效益比美國(guó)高4倍，突顯醫(yī)療體系對(duì)技術(shù)應(yīng)用的影響。研究發(fā)表在 Journal of Health Organization and Management 上。

#AI驅(qū)動(dòng)科學(xué) #個(gè)性化醫(yī)療 #醫(yī)療系統(tǒng)比較 #醫(yī)患溝通

閱讀更多：

Graham, Christian M. “Artificial Intelligence vs Human Clinicians: A Comparative Analysis of Complex Medical Query Handling across the USA and Australia.” Journal of Health Organization and Management, vol. ahead-of-print, no. ahead-of-print, May 2025. world, www.emerald.com, https://doi.org/10.1108/JHOM-02-2025-0100

隨機(jī)異質(zhì)脈沖神經(jīng)網(wǎng)絡(luò)：類腦機(jī)制提升AI對(duì)抗防御能力

人工智能模型的對(duì)抗魯棒性是其安全應(yīng)用的關(guān)鍵瓶頸。中國(guó)科學(xué)院自動(dòng)化研究所王紀(jì)航、趙東成、杜成成、何翔、張倩、曾毅團(tuán)隊(duì)通過模擬生物神經(jīng)系統(tǒng)的隨機(jī)性和異質(zhì)性，開發(fā)出RandHet-SNN模型，在保持高準(zhǔn)確率的同時(shí)顯著提升對(duì)抗防御能力。

研究團(tuán)隊(duì)在脈沖神經(jīng)網(wǎng)絡(luò)（SNN）中引入神經(jīng)元時(shí)間常數(shù)隨機(jī)化機(jī)制，構(gòu)建了隨機(jī)異質(zhì)脈沖神經(jīng)網(wǎng)絡(luò)（RandHet-SNN）。該模型通過兩種采樣方式實(shí)現(xiàn)異質(zhì)性：動(dòng)態(tài)采樣（每個(gè)時(shí)間步重新采樣）和固定采樣（每次前向傳播固定參數(shù)）。實(shí)驗(yàn)顯示，隨機(jī)機(jī)制使模型對(duì)相同輸入產(chǎn)生的梯度余弦相似度降至0.3，對(duì)抗擾動(dòng)相似度分布在0.4-0.5區(qū)間，有效破壞攻擊者的參數(shù)識(shí)別能力。采用變換期望法（EOT，一種考慮隨機(jī)模型特性的攻擊評(píng)估方法）測(cè)試表明，當(dāng)EOT步長(zhǎng)超過10時(shí)，RandHet-SNN的魯棒準(zhǔn)確率比傳統(tǒng)SNN基線提高30%以上，且性能穩(wěn)定。與人工神經(jīng)網(wǎng)絡(luò)（ANN）的隨機(jī)方法相比，RandHet-SNN在EOT攻擊下的準(zhǔn)確率優(yōu)勢(shì)達(dá)15%-20%，同時(shí)純凈準(zhǔn)確率損失控制在2%以內(nèi)。該模型已集成至類腦認(rèn)知智能引擎"智脈（BrainCog）"平臺(tái)。研究發(fā)表在 iScience 上。

#AI驅(qū)動(dòng)科學(xué) #計(jì)算模型與人工智能模擬 #類腦智能 #人工智能安全 #對(duì)抗防御

閱讀更多：

Wang, Jihang, et al. “Random Heterogeneous Spiking Neural Network for Adversarial Defense.” iScience, vol. 28, no. 6, June 2025. www.cell.com, https://doi.org/10.1016/j.isci.2025.112660

為什么人工智能不能像人類一樣理解花朵

大型語(yǔ)言模型為何無(wú)法真正理解"花朵"這樣的具身概念？俄亥俄州立大學(xué)Qihui Xu聯(lián)合香港理工大學(xué)、普林斯頓大學(xué)等機(jī)構(gòu)的研究人員發(fā)現(xiàn)，缺乏感官體驗(yàn)導(dǎo)致AI的概念表征存在根本性缺陷。研究通過系統(tǒng)比較人類與AI對(duì)4,442個(gè)詞匯的理解差異，揭示了具身認(rèn)知在概念形成中的不可替代性。

研究團(tuán)隊(duì)采用心理學(xué)經(jīng)典評(píng)估工具——格拉斯哥規(guī)范（評(píng)估詞語(yǔ)在情緒喚醒度、具體性等9個(gè)維度）和蘭開斯特規(guī)范（分析概念與感覺/運(yùn)動(dòng)信息的關(guān)聯(lián)），對(duì)比測(cè)試人類與OpenAI（GPT-3.5/4）、Google（PaLM/Gemini）等主流大語(yǔ)言模型。結(jié)果顯示，雖然AI在抽象概念（如"justice"）表征上與人類高度一致（相關(guān)系數(shù)r=0.78），但對(duì)涉及感官的概念（如"flower"）卻存在顯著差異：人類評(píng)分中嗅覺關(guān)聯(lián)度達(dá)7.2/9分，而最佳LLM僅達(dá)4.1分。所有測(cè)試模型對(duì)運(yùn)動(dòng)相關(guān)概念（如"swing"）都完全缺失動(dòng)作體驗(yàn)維度。研究同時(shí)發(fā)現(xiàn)，接受圖像和文本雙重訓(xùn)練的LLMs在視覺相關(guān)概念上表現(xiàn)優(yōu)于純文本模型（提升23%），證實(shí)多模態(tài)訓(xùn)練能部分彌補(bǔ)感官缺失。研究發(fā)表在 Nature Human Behaviour 上。

#認(rèn)知科學(xué) #計(jì)算模型與人工智能模擬 #大模型技術(shù) #人機(jī)交互 #概念表征

閱讀更多：

Large language models without grounding recover non-sensorimotor but not sensorimotor features of human concepts, Nature Human Behaviour (2025). DOI: 10.1038/s41562-025-02203-8

低維腦網(wǎng)絡(luò)交互揭示人類認(rèn)知組織原則

腦網(wǎng)絡(luò)如何通過低維交互支持認(rèn)知功能？由Yonatan Sanz Perl和Gustavo Deco領(lǐng)銜的國(guó)際團(tuán)隊(duì)發(fā)現(xiàn)，任務(wù)驅(qū)動(dòng)的腦網(wǎng)絡(luò)交互重構(gòu)可作為認(rèn)知分類的精準(zhǔn)指標(biāo)，且低維建模優(yōu)于傳統(tǒng)分析方法。

研究團(tuán)隊(duì)結(jié)合深度變分自編碼器（VAE，一種能壓縮高維數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)）與計(jì)算建模，構(gòu)建了基于人類連接組計(jì)劃（HCP）千余名參與者fMRI數(shù)據(jù)的全腦動(dòng)態(tài)模型。通過生成性時(shí)間箭頭連接性（GCAT，量化信號(hào)不可逆性的新指標(biāo)）推斷網(wǎng)絡(luò)間有效連接，團(tuán)隊(duì)發(fā)現(xiàn)七種認(rèn)知任務(wù)會(huì)引發(fā)網(wǎng)絡(luò)交互模式的特定重構(gòu)。關(guān)鍵突破在于：相比傳統(tǒng)節(jié)點(diǎn)空間分析，低維流形空間建模使任務(wù)分類準(zhǔn)確率提升23%，模型擬合優(yōu)度提高35%。研究證實(shí)大腦通過少數(shù)"主控網(wǎng)絡(luò)"的交互實(shí)現(xiàn)復(fù)雜認(rèn)知，這些網(wǎng)絡(luò)構(gòu)成嵌入低維流形的"計(jì)算引擎"。網(wǎng)絡(luò)交互模式具有任務(wù)特異性，如工作記憶任務(wù)主要激活前額葉-頂葉網(wǎng)絡(luò)動(dòng)態(tài)耦合，而情緒任務(wù)則依賴邊緣系統(tǒng)網(wǎng)絡(luò)重組。研究發(fā)表在 Network Neuroscience 上。

#神經(jīng)科學(xué) #計(jì)算模型與人工智能模擬 #認(rèn)知科學(xué) #腦網(wǎng)絡(luò) #功能連接

閱讀更多：

Perl, Yonatan Sanz, et al. “Modelling Low-Dimensional Interacting Brain Networks Reveals Organising Principle in Human Cognition.” Network Neuroscience, vol. 9, no. 2, May 2025, pp. 661–81. Silverchair, https://doi.org/10.1162/netn_a_00434

大腦物理引擎如何預(yù)測(cè)未來(lái)？解碼神經(jīng)模擬機(jī)制

人類如何預(yù)測(cè)物體運(yùn)動(dòng)軌跡？麻省理工學(xué)院的R. T. Pramod、Elizabeth Mieczkowski、Cyn X. Fang、Joshua B. Tenenbaum和Nancy Kanwisher團(tuán)隊(duì)通過功能磁共振成像（fMRI）發(fā)現(xiàn)，大腦頂葉和額葉的"物理網(wǎng)絡(luò)"（PN）能夠模擬未來(lái)碰撞事件，首次為"大腦物理引擎"假說(shuō)提供直接證據(jù)。

研究分為兩個(gè)關(guān)鍵實(shí)驗(yàn)。在接觸關(guān)系解碼實(shí)驗(yàn)中，參與者觀看物體接觸/非接觸視頻時(shí)，研究人員通過多體素模式分析（MVPA）發(fā)現(xiàn)PN能抽象表征接觸狀態(tài)，且這種表征不受具體物體形狀或運(yùn)動(dòng)軌跡影響。更具突破性的是碰撞預(yù)測(cè)實(shí)驗(yàn)：當(dāng)參與者觀看可能發(fā)生碰撞（但實(shí)際未顯示碰撞）的動(dòng)態(tài)場(chǎng)景時(shí)，PN激活模式與實(shí)際觀察碰撞時(shí)高度相似（解碼準(zhǔn)確率p<0.001），而其他視覺區(qū)域無(wú)此特性。這種預(yù)測(cè)性編碼表明PN不僅反映當(dāng)前物理狀態(tài)，還能運(yùn)行前向模擬（forward simulation）預(yù)測(cè)未來(lái)。研究人員特別指出，PN采用分層處理策略——抽象接觸關(guān)系用于快速預(yù)測(cè)，而具體物體屬性則由其他腦區(qū)處理，這種分工與機(jī)器人物理引擎的層級(jí)規(guī)劃原理驚人相似。研究為理解人類物理直覺的神經(jīng)基礎(chǔ)開辟新途徑，可能啟發(fā)更高效的類腦物理模擬算法。研究發(fā)表在 Science Advances 上。

#神經(jīng)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 #物理認(rèn)知

閱讀更多：

Pramod, R. T., et al. “Decoding Predicted Future States from the Brain’s ‘Physics Engine.’” Science Advances, vol. 11, no. 22, May 2025, p. eadr7429. science.org (Atypon), https://doi.org/10.1126/sciadv.adr7429

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(jìn)，不斷探索科學(xué)的邊界。如果您有進(jìn)一步想要討論的內(nèi)容，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)。

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。

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、、等。