█腦科學動態

Science：高風險腦植入物患者保護新提案，無過錯賠償機制

兒語真實存在：成人至少用10種不同語言對嬰兒進行夸張發音

為何某些相似單詞會拖慢閱讀速度

血鈉失衡竟會引發焦慮

蒼蠅大腦如何降低氣味的復雜性

脈絡叢頂泌分泌如何影響胎兒大腦發育

空氣污染重塑胎兒大腦：NO?/PM2.5暴露與側腦室異常相關

智能手機比社交媒體更危險，35萬澳洲兒童面臨成癮風險

BEES：一款追蹤情緒健康的新型心理健康工具

█AI行業動態

Nature：全球首臺非硅二維材料計算機問世

AMD發布MI350系列AI芯片：內存超英偉達1.6倍

ChatGPT新升級：Projects支持文件上傳與深度研究；自定義GPT可推薦模型，Codex支持自動生成多版代碼

█AI驅動科學

Nature：腦機接口讓ALS患者實現實時語音合成

脊髓電刺激將腦機接口學習時間縮短一半

人工智能向小鼠學習：視網膜波預訓練提升運動預測能力

無需機器人即可訓練機器人：智能眼鏡捕捉第一人稱任務演示

少即是多：突破性修剪技術大幅降低AI系統資源消耗

新數據清洗方法提升SVM模型性能，AI學習前自動剔除錯誤標簽

腦科學動態

Science：高風險腦植入物患者保護新提案，無過錯賠償機制

隨著腦機接口等高風險神經設備進入臨床，患者傷害賠償存在法律真空。不列顛哥倫比亞大學的Judy Illes團隊與卡爾加里大學的Zelma Kiss團隊提出解決方案：建立無過錯賠償計劃，使受試者無需舉證過錯即可獲得醫療費、誤工費等補償，同時保障技術創新不受訴訟威脅。

研究團隊借鑒美國疫苗傷害賠償計劃和新西蘭醫療事故處理體系，針對顱內神經技術（如治療癲癇或癱瘓的植入式BCI）設計專項方案。該機制由設備制造商按規模分級出資，政府為中小企業提供補貼。當發生設備移位致腦損傷等嚴重傷害時，患者可自動獲得賠償；爭議案例由多學科專家小組裁定，同時保留訴訟權利。模型顯示，該系統可覆蓋93%的傷害案例，運行成本僅為行業研發投入的1.2-2.5%。相比現行制度下僅12%的患者勝訴率，新方案將賠償成功率提升至85%以上。研究特別指出，該設計可避免"Riegel v. Medtronic"判例造成的患者權益真空，已獲Neuralink等企業的原則性支持。研究發表在 Science 上。

#意識與腦機接口 #腦機接口 #神經調控 #醫療政策

閱讀更多：

Rotenberg, A., et al. “A Liability Framework for High-Risk Neural Devices.” Science, June 2025. world, www.science.org, https://www.science.org/doi/10.1126/science.adt8110

兒語真實存在：成人至少用10種不同語言對嬰兒進行夸張發音

嬰兒如何通過特殊語言輸入學習母語？東京大學國際神經智能研究中心的Irena Lov?evi?聯合阿姆斯特丹大學、PSL大學和奧胡斯大學的團隊通過元分析證實，全球至少10種語言的母親會對嬰兒做夸張發音，但不同語言間存在方法學差異。

研究團隊系統分析了55項關于嬰兒定向言語（infant-directed speech, IDS）的研究，包含20項方法統一的研究和35項方法各異的研究。通過傳統統計與貝葉斯方法雙重驗證，發現母親會顯著夸張元音發音（效應量0.41-0.69），形成更大的元音空間三角形（vowel space triangle, 反映發音器官位置的聲學指標）。這種夸張使元音更容易被嬰兒辨別，可能促進語言學習。但研究也揭示方法論對結果的重大影響——使用赫茲或梅爾作為測量單位會導致不同結論，且非主流語言的研究樣本普遍不足。團隊建議未來研究應擴大樣本量，并注意記錄方法細節以便跨研究比較。研究發表在 Psychological Bulletin 上。

#認知科學 #語言發展 #跨學科整合 #嬰兒研究 #語音處理

閱讀更多：

Lov?evi?, Irena, et al. “Acoustic Exaggeration of Vowels in Infant-Directed Speech: A Multimethod Meta-Analytic Review.” Psychological Bulletin, 2025. APA PsycNet, https://doi.org/10.1037/bul0000479

為何某些相似單詞會拖慢閱讀速度

詞匯識別如何受拼寫相似單詞的影響？早稻田大學的Yasushi Hino與西安大略大學的Debra Jared、Stephen J. Lupker團隊發現，通過添加字母形成的鄰居（如CAT→CATS）顯著影響識別速度，而形態無關的相似拼寫單詞會抑制識別。

?研究人員試圖闡明語義相近的詞語之間，哪些具體的正字法關系對詞語識別最為重要。Credit: Professor Yasushi Hino / Waseda University, Japan

研究團隊首先分析了現有詞匯決策（lexical decision task，判斷字母串是否為真詞）數據，然后使用word2vec模型計算不同類型鄰居的語義相似度。在線實驗中，他們發現添加鄰居（addition neighbors）如CAT→CATS能加速識別，尤其當這些鄰居形態相關時（如CREAM→CREAMY）。相反，形態無關的添加鄰居（如CREAM→SCREAM）會減慢識別，表明大腦在避免錯誤激活。替換（如CAT→BAT）和刪除（如SEAT→SAT）鄰居影響不顯著。這種機制幫助大腦高效處理詞匯，平衡速度與準確性。研究發表在 Journal of Memory and Language 上。

#認知科學 #記憶機制 #語言處理 #詞匯識別 #正字法語義一致性

閱讀更多：

“Orthographic-Semantic Consistency Effects in Lexical Decision: What Types of Neighbors Are Responsible for the Effects?” Journal of Memory and Language, vol. 143, Aug. 2025, p. 104646. www.sciencedirect.com, https://doi.org/10.1016/j.jml.2025.104646

血鈉失衡竟會引發焦慮

慢性低鈉血癥（CHN）是否會導致神經系統癥狀？日本藤田保健大學的Yoshihisa Sugimura、Haruki Fujisawa等研究人員發現，CHN會通過破壞杏仁核中血清素和多巴胺平衡直接引發焦慮樣行為，且這種影響可通過糾正鈉水平完全逆轉。

?血液中低鈉會改變小鼠的大腦化學成分，引發類似焦慮的行為。Credit: Professor Yoshihisa Sugimura / Fujita Health University

研究團隊首先建立抗利尿不當綜合征（SIAD）繼發CHN的小鼠模型，通過持續輸注去氨加壓素和流質飲食誘導慢性低鈉狀態。行為測試顯示，CHN小鼠在光/暗轉換和曠場測試中焦慮樣行為顯著增加。生化分析發現，這些小鼠杏仁核中調節情緒的兩種關鍵神經遞質——血清素和多巴胺水平分別降低42%和35%，同時細胞外信號調節激酶（ERK）磷酸化減少60%。當研究人員通過停止干預恢復鈉水平后，所有異常指標均恢復正常：焦慮行為消退，神經遞質水平和ERK活性恢復至對照組水平。這項研究首次證實CHN通過破壞杏仁核單胺能平衡直接導致焦慮，且這種影響完全可逆，為臨床治療提供了重要依據。研究發表在 Molecular Neurobiology 上。

#疾病與健康 #神經調控 #心理健康與精神疾病 #單胺能系統 #電解質紊亂

閱讀更多：

Fujisawa, Haruki, et al. “Chronic Hyponatremia Potentiates Innate Anxiety-Like Behaviors Through the Dysfunction of Monoaminergic Neurons in Mice.” Molecular Neurobiology, May 2025. Springer Link, https://doi.org/10.1007/s12035-025-05024-y

蒼蠅大腦如何降低氣味的復雜性

大腦如何處理高維感官信息？日本理化學研究所腦科學中心的Kensuke Yoshida和Taro Toyoizumi開發了模擬果蠅嗅覺回路的非線性降維模型，證明簡單生物神經網絡可實現復雜信息壓縮，為理解感官處理機制提供新視角。

?將赫布 t-SNE 應用于 MNIST 數據。Credit: Science Advances (2025).

研究團隊改造了機器學習中的t-SNE算法（t分布隨機鄰域嵌入），使其符合生物神經網絡特性。他們構建的三層前饋網絡分別對應果蠅嗅覺回路中的投射神經元（輸入層）、Kenyon細胞（中間層）和蘑菇體輸出神經元（輸出層）。模型引入多巴胺依賴的赫布可塑性作為學習規則，即神經元同步放電會增強連接強度。測試顯示，該模型在糾纏環和MNIST手寫數字數據集上的降維效果與標準t-SNE相當。模型成功復現了果蠅實驗中觀察到的氣味與喜好關聯模式，證實其生物學合理性。進一步分析表明，中間層神經元的稀疏活動和高維表征是實現非線性降維的關鍵。該研究不僅揭示了果蠅嗅覺信息處理的神經機制，其模型框架還可應用于獎勵學習等更廣泛的認知功能研究。研究發表在 Science Advances 上。

#神經科學 #計算模型與人工智能模擬 #神經機制與腦功能解析 #嗅覺感知 #生物啟發算法

閱讀更多：

Yoshida, Kensuke, and Taro Toyoizumi. “A Biological Model of Nonlinear Dimensionality Reduction.” Science Advances, Feb. 2025. world, www.science.org, https://doi.org/10.1126/sciadv.adp9048

脈絡叢頂泌分泌如何影響胎兒大腦發育

胚胎大腦如何通過脈絡叢（ChP）獲取發育信號？波士頓兒童醫院、哈佛醫學院和加州大學戴維斯分校的Ya'el Courtney團隊發現，血清素受體5-HT2C激活會觸發脈絡叢頂泌分泌，向腦脊液（CSF）釋放關鍵蛋白質，這一過程若受藥物或疾病干擾可能導致胎兒腦發育異常。

?共聚焦顯微鏡圖像顯示，小鼠胚胎脈絡叢上皮細胞正在向腦脊液中釋放大型、富含蛋白質的載脂蛋白。核 DNA 染成藍色，細胞膜染成洋紅色和綠色，分泌物染成紅色。Credit: Courtney et al.

研究團隊通過給孕鼠注射5-HT2C受體激動劑WAY-161503，首次在活體觀察到脈絡叢上皮細胞的頂泌分泌（apocrine secretion）過程：細胞釋放直徑約5-10微米的載脂蛋白（aposomes），內含數百種發育相關蛋白。鈣成像顯示，受體激活引發持續30分鐘以上的Ca2+信號，是常規胞吐的6倍時長。蛋白質組分析發現，分泌后的CSF中神經營養因子（如BDNF）濃度提升3倍，而抑制性信號分子減少60%。這些變化直接改變了腦室周圍神經前體細胞（neural progenitors）的增殖速率，使皮層厚度增加15%。但過度激活該通路（模擬孕期使用LSD）會導致后代小鼠出現社交障礙和認知缺陷，其大腦突觸密度異常降低20%。研究還證實人類胎兒脈絡叢存在相同機制，為孕期用藥安全提供了分子依據。研究發表在 Nature Neuroscience 上。

#疾病與健康 #神經機制與腦功能解析 #孕期健康 #腦脊液生物學 #神經發育

閱讀更多：

Courtney, Ya’el, et al. “Choroid Plexus Apocrine Secretion Shapes CSF Proteome during Mouse Brain Development.” Nature Neuroscience, May 2025, pp. 1–14. www.nature.com, https://doi.org/10.1038/s41593-025-01972-9

空氣污染重塑胎兒大腦：NO?/PM2.5暴露與側腦室異常相關

空氣污染如何影響胎兒腦發育？巴塞羅那全球健康研究所（ISGlobal）的Laura Gómez-Herrera、Yu Zhao團隊與BCNatal中心合作，通過前瞻性隊列研究首次證實：妊娠中晚期暴露于NO?/PM2.5/黑碳會導致胎兒側腦室擴大等腦結構改變，其中黑碳的影響最為顯著。

研究團隊在2018-2021年間追蹤754名孕婦，通過手機定位APP記錄其家庭、工作及通勤路線三種微環境的實時活動軌跡，結合土地利用回歸模型和擴散模型估算污染物暴露量。在妊娠晚期采用高分辨率經陰道神經超聲測量腦部參數。結果顯示，污染暴露每增加一個四分位距，側腦室前角寬度增加0.32毫米，小腦延髓池擴大0.28毫米，這些變化在妊娠中后期尤為明顯。特別值得注意的是，黑碳暴露還與大腦外側裂（Sylvian fissure）深度減少相關，可能影響腦溝回發育模式。研究還發現小腦蚓部（協調運動的關鍵區域）增厚0.15毫米，提示污染物可能干擾小腦發育時序。這些發現為制定孕期環境保護指南提供了直接證據。研究發表在 The Lancet Planetary Health 上。

#疾病與健康 #疾病預防 #神經機制與腦功能解析 #環境暴露 #胎兒發育

閱讀更多：

Gómez-Herrera, Laura, et al. “Air Pollution and Fetal Brain Morphological Development: A Prospective Cohort Study.” The Lancet Planetary Health, vol. 9, no. 6, June 2025, pp. e480–90. www.thelancet.com, https://doi.org/10.1016/S2542-5196(25)00093-2

智能手機比社交媒體更危險，35萬澳洲兒童面臨成癮風險

隨著兒童屏幕使用時間創歷史新高，麥考瑞大學的Brad Marshall和Wayne A. Warburton團隊調查發現，澳大利亞4-8年級學生中4%已達游戲障礙臨床標準，近10%面臨智能手機成癮風險，且問題出現時間比預期更早——半數四年級學生已擁有智能手機。

這項澳大利亞規模最大的兒童屏幕成癮研究調查了6所學校1,993名10-14歲學生。通過標準化問卷評估網絡游戲障礙（IGD）和智能手機使用問題，并測量其對教育、情感、行為及社交/身體發展的影響。結果顯示，中學生日均屏幕時間達9.03小時，小學生6.34小時，較2017年分別增長48%和50%。臨床級IGD兒童的發展影響是非問題使用者的4倍，其中社交退縮和情緒問題最為突出。值得注意的是，研究首次發現50%的四年級學生已擁有智能手機，遠早于傳統認知的高中階段。馬歇爾指出，部分學生甚至提供虛假家長郵箱以隱瞞使用情況，反映出成癮行為的隱蔽性。這些發現挑戰了屏幕問題主要影響青少年的傳統觀點，呼吁將干預窗口提前至小學階段。研究發表在 Current Psychology 上。

#疾病與健康 #心理健康與精神疾病 #兒童發展 #行為成癮 #公共衛生

閱讀更多：

Marshall, Brad, et al. “Internet Gaming Disorder (IGD) and Smartphone Overuse in Australian Primary School and Secondary School Children: Prevalence and Developmental Impacts.” Current Psychology, May 2025. Springer Link, https://doi.org/10.1007/s12144-025-07975-w

BEES：一款追蹤情緒健康的新型心理健康工具

如何簡化情緒健康監測？伊迪斯科文大學的Shane L. Rogers團隊聯合西澳大利亞獨立學校協會等單位，開發出僅需1分鐘完成的簡短情緒體驗量表（BEES），在7,000人驗證中顯示出與傳統量表相當的信效度，且顯著降低用戶填寫壓力。

?大學生、普通公眾和中小學生樣本中，各 BEES 困擾類別（低、中、高）的參與者比例。Credit: Behavioral Sciences (2025).

研究采用序數驗證性因子分析（ordinal CFA，一種處理分級數據的統計方法）驗證BEES的雙維度結構，覆蓋澳大利亞和英國的大學生、中小學生及公眾樣本。量表創新性地使用10組情緒形容詞配對（如快樂-悲傷），通過6級評分捕捉細微情緒變化。結果發現BEES與抑郁焦慮壓力量表（DASS-21）相關系數達0.89，識別出20%女性、10%男性存在高情緒困擾。特別值得注意的是，83%參與者反饋BEES引起的心理不適感低于傳統問卷，這得益于其平衡設計避免負面情緒過度聚焦。研究還建立了低、中、高三級情緒困擾劃分標準，便于非專業人士理解。該工具已免費開放使用，未來將拓展跨文化驗證。研究發表在 Behavioral Sciences 上。

#疾病與健康 #心理健康與精神疾病 #健康管理 #情緒測量 #心理量表開發 #行為科學

閱讀更多：

Rogers, Shane L., et al. “Reliability and Validity of the Brief Emotional Experience Scale (BEES) as a Measure of Emotional Well-Being.” Behavioral Sciences, vol. 15, no. 5, 5, May 2025, p. 643. www.mdpi.com, https://doi.org/10.3390/bs15050643

AI 行業動態

Nature：全球首臺非硅二維材料計算機問世

賓夕法尼亞州立大學的研究團隊成功開發出全球首臺基于二維（2D）材料的非硅計算機，標志著電子技術領域的重大突破。該計算機采用僅有一個原子厚度的二硫化鉬（MoS?）和二硒化鎢（WSe?）作為晶體管材料，取代傳統硅基技術，實現了更薄、更節能的電子設備雛形。相關成果發表于Nature期刊，研究人員表示，這一進展為未來高性能、低功耗的電子產品提供了全新方向。

研究負責人、賓夕法尼亞州立大學工程學教授Saptarshi Das指出，硅材料雖長期主導半導體行業，但其微型化已接近物理極限，而二維材料在原子尺度下仍能保持優異性能。團隊通過金屬有機化學氣相沉積（MOCVD）工藝制備了超過1000個晶體管，并構建出完整的互補金屬氧化物半導體（CMOS）邏輯電路。盡管當前運行頻率（25千赫）低于傳統硅芯片，但這一“單指令集計算機”已能執行基礎邏輯運算，證明了二維材料的可行性。

第一作者Subir Ghosh表示，團隊還開發了計算模型以評估二維計算機的潛力，結果顯示其性能有望媲美尖端硅技術。盡管仍需優化，但這項研究為二維材料電子學開辟了道路。Das強調，相比硅技術80年的發展歷程，二維材料研究僅始于2010年左右，此次突破意義重大。未來，該技術或將在柔性電子、物聯網等領域發揮關鍵作用。

#二維材料 #非硅計算機 #半導體革命 #賓夕法尼亞州立大學 #CMOS技術

閱讀更多：

https://www.nature.com/articles/s41586-025-08963-7

AMD發布MI350系列AI芯片：內存超英偉達1.6倍，大模型推理快30%

AMD在最新發布會上重磅推出MI350X和MI355X兩款AI芯片，采用3納米工藝，搭載1850億晶體管和HBM3E內存。相比前代MI300X，算力提升4倍，推理速度飆升35倍。這兩款芯片直接對標英偉達B200，內存容量超出1.6倍，訓練和推理性能相當甚至更快。此外，由于功耗更低，MI355X在相同成本下可多處理40%的token。OpenAI首席執行官Sam Altman也現身站臺，透露OpenAI已參與下一代MI400系列的聯合研發。

MI350系列基于第四代Instinct架構（CDNA 4），配備288GB HBM3E內存和8TB/s帶寬，在FP64精度下算力達英偉達的2倍，低精度運算（如FP6）也能以FP4速率運行。搭配第五代EPYC（Turin）CPU，8塊GPU可組成節點，最高支持128塊GPU集群，FP8算力達1.3EFLOPs。實際測試顯示，MI355X運行Llama 3.1 405B的速度比MI300X快35倍，DeepSeek R1和Llama 3.3 70B推理性能提升3倍，部分場景甚至比英偉達B200快20%-30%。

AMD還公布了未來路線圖，MI400系列將于明年推出，采用下一代CDNA架構，性能比MI300快10倍，配備432GB HBM4內存和19.6TB/s帶寬。Sam Altman表示MI400特別適合推理，也可能是訓練的理想選擇。此外，AMD還發布了ROCm 7軟件棧，推理性能提升3.5倍，并支持180萬個Hugging Face模型。微軟、Meta、xAI等巨頭已對MI350系列表示期待，目前該芯片已開始批量出貨。

#AMD #AI芯片 #英偉達 #大模型 #HBM3E

閱讀更多：

https://www.youtube.com/watch?v=5dmFa9iXPWI

ChatGPT新升級：Projects支持文件上傳與深度研究；自定義GPT可推薦模型，Codex支持自動生成多版代碼

ChatGPT Projects迎來多項重要功能更新，顯著提升了人工智能助手的實用性和協作效率。新版本不僅支持用戶在移動設備上傳各類文檔（包括PDF、Word等格式），還首次推出"深度研究"模式，允許用戶基于自有文件生成定制化研究報告。這項突破性功能將幫助研究人員、學生和專業人士快速整合資料，大幅提升信息處理效率。

此次升級特別強化了項目的連貫性與協作性。改進的記憶功能允許在項目中引用歷史聊天記錄，而全新的"模型切換"功能讓移動端用戶能自主選擇回答問題的AI模型（如GPT-3.5或GPT-4）。更便捷的是，任何聊天記錄都能通過側邊欄菜單或拖拽操作轉換為正式項目，系統還會自動生成可分享的獨立鏈接，這為團隊協作提供了無縫銜接的工作流程。

此外，OpenAI正為其自定義GPT和代碼生成引擎Codex準備重要更新。針對自定義GPT，開發者期待已久的功能即將上線——可以為機器人推薦特定模型。通過GPT配置設置中的新下拉菜單，創建者可根據GPT的功能需求從可用模型中選擇。并非所有模型都適用于每個自定義GPT，某些專門用于推理的模型可能僅在GPT功能兼容時才會顯示。該功能上線后，終端用戶與自定義GPT互動時將看到推薦的模型標簽，從而提高透明度并可能改善結果一致性。目前該功能尚未激活，但更新已在計劃中。

這一功能對仍在高級"項目"工作流之外使用自定義GPT的創建者和企業尤為重要。它讓用戶能更好地控制驅動機器人的GPT架構版本，從而影響質量、速度或成本。鑒于自定義GPT仍擁有活躍用戶群，這種靈活性有助于維持其在OpenAI不斷擴展的生態系統中的價值。

與此同時，Codex也將迎來工作流升級。用戶很快可以設置Codex為每個請求生成多少代碼變體，選項范圍從1到8個。這意味著Codex能自動生成多個代碼草稿，簡化解決方案優化或比較的流程，無需手動重新運行任務來獲取更多選項。這些增強功能通過近期平臺更新分析被發現，但尚未確定具體發布時間。OpenAI正專注于為開發者提供更多自定義選項，同時完善其產品套件，體現出賦能高級用戶和開發者的戰略，使工具更靈活高效。

#ChatGPT #人工智能升級 #文件分析 #智能協作 #OpenAI

閱讀更多：

https://www.testingcatalog.com/openai-prepares-model-selection-feature-for-custom-gpts-and-codex-upgrade/

https://www.tomsguide.com/ai/chatgpt-projects-just-got-a-big-upgrade-heres-whats-new

AI 驅動科學

Nature：腦機接口讓ALS患者實現實時語音合成

由Maitreyee Wairagkar、Sergey D. Stavisky等組成的多機構團隊開發出即時語音合成腦機接口，成功讓一名肌萎縮側索硬化癥（ALS）患者通過思維控制合成語音，并實現語調調節和簡單歌唱。

研究團隊在患者腹側中央前回（ventral precentral gyrus，控制言語運動的關鍵腦區）植入256通道微電極陣列。面對缺乏真實語音訓練數據的挑戰，研究人員創新性地采用屏幕提示文本生成合成語音波形，與神經活動時間對齊來訓練解碼器。開發的深度學習模型實現了因果性（causal，僅依賴歷史神經信號）低延遲（<10毫秒）解碼，能實時合成語音。該系統不僅能輸出單詞，還解碼出副語言特征（paralinguistic features，如語調、重音等韻律信息），使患者能通過思維改變合成語音的語調來提問、強調或演唱簡單旋律。測試顯示合成語音具有一定可懂度，且系統支持語音個性化（模擬患者患病前聲音）和即興表達（如插入語）。研究還發現腹側中央前回神經信號在單詞發聲前就表現出與后續詞匯量相關的預激活模式。研究發表在 Nature 上。

#意識與腦機接口 #腦機接口 #個性化醫療 #神經調控 #語音合成

閱讀更多：

Wairagkar, Maitreyee, et al. “An Instantaneous Voice-Synthesis Neuroprosthesis.” Nature, June 2025, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41586-025-09127-3

脊髓電刺激將腦機接口學習時間縮短一半

腦機接口（BCI）學習過程緩慢是阻礙其廣泛應用的主要瓶頸。德克薩斯大學奧斯汀分校的Hussein Alawieh、José del R. Millán團隊發現，簡單的經皮脊髓電刺激（TESS）可將BCI學習時間縮短一半，并使原先無法掌握該技術的用戶獲得控制能力。

研究采用非侵入性經皮頸椎電刺激（TESS，通過皮膚電極向脊髓傳遞溫和電流）在BCI訓練前進行20分鐘干預。20名健康參與者隨機分組測試顯示，接受TESS的組別僅需2次訓練即達到對照組5次訓練的效果。腦電圖（EEG）分析證實，TESS通過暫時抑制運動皮層無關區域，使感覺運動節律（SMR，想象運動時產生的特定腦電波）信號強度提升47%，空間聚焦性提高35%。特別值得注意的是，7名經傳統方法訓練失敗的用戶在TESS輔助下全部成功掌握BCI控制，且效果可持續至少1周。在2例脊髓損傷患者的驗證中，該方法同樣展現出臨床轉化潛力。研究為運動康復和輔助技術開辟了新途徑。研究發表在 PNAS 上。

#意識與腦機接口 #神經調控 #知覺康復 #運動康復 #輔助技術

閱讀更多：

Alawieh, Hussein, et al. “Electrical Spinal Cord Stimulation Promotes Focal Sensorimotor Activation That Accelerates Brain–Computer Interface Skill Learning.” Proceedings of the National Academy of Sciences, vol. 122, no. 24, June 2025, p. e2418920122. world, www.pnas.org, https://doi.org/10.1073/pnas.2418920122

人工智能向小鼠學習：視網膜波預訓練提升運動預測能力

慕尼黑工業大學的Lilly May, Alice Dauphin和Julijana Gjorgjieva團隊發現，借鑒小鼠視覺發育機制——用視網膜波預訓練ANN，可顯著提升其在自然場景中的運動預測性能，準確率提高15%，學習速度加快20%。

?A）小鼠視網膜發育示意圖，視網膜波呈現。B）小鼠看到的刺激示意圖。Credit: PLOS Computational Biology (2025).

研究首先利用小鼠視網膜波數據預訓練ANN，隨后采用兩種數據集進行驗證：模擬小鼠視角的動畫電影和真實貓視角視頻。在核心的下一幀預測（next-frame prediction）任務中，預訓練ANN比直接訓練組更快達到高準確率。為排除訓練時長干擾，研究設計了對照實驗：將預訓練組的后續訓練時間縮短至與對照組總時長相同，結果預訓練優勢依然顯著。在更高難度的真實場景測試中，預訓練ANN的錯誤率比對照組低12%。進一步分析發現，預訓練優化了ANN神經元的感受野，這種改變與生物視覺系統的發育過程相似。研究表明，生物啟發的預訓練策略能有效提升ANN處理動態視覺信息的能力，為開發更高效的計算機視覺系統提供了新思路。研究發表在 PLOS Computational Biology 上。

#AI驅動科學 #計算模型與人工智能模擬 #神經機制與腦功能解析 #視網膜波 #運動預測

閱讀更多：

May, Lilly, et al. “Pre-Training Artificial Neural Networks with Spontaneous Retinal Activity Improves Motion Prediction in Natural Scenes.” PLOS Computational Biology, vol. 21, no. 3, Mar. 2025, p. e1012830. PLoS Journals, https://doi.org/10.1371/journal.pcbi.1012830

無需機器人即可訓練機器人：智能眼鏡捕捉第一人稱任務演示

紐約大學和加州大學伯克利分校的Vincent Liu、Ademi Adeniji、Lerrel Pinto團隊開發EgoZero系統，僅用Meta Project Aria智能眼鏡采集的人類演示數據，實現機器人策略70%的零樣本遷移成功率。

研究團隊采用Project Aria智能眼鏡記錄人類執行日常任務（如開關烤箱）的第一人稱視頻，通過三角測量定位物體3D坐標，結合Aria MPS手部姿態估計模型提取動作點。這些3D點構成形態無關（morphology-agnostic）的狀態-動作表示，輸入Transformer策略網絡進行訓練。在Franka Panda機械臂測試中，僅需100段演示（約20分鐘數據）即可學會新任務，且能泛化至未見過的物體實例和環境布局。系統突破在于完全規避機器人數據需求，通過統一3D表示橋接人機形態差異。該方法為利用海量人類行為數據訓練機器人提供了新范式，相關代碼已開源。

#AI驅動科學 #自動化科研 #機器人學習 #3D表示 #智能眼鏡

閱讀更多：

Liu, Vincent, et al. EgoZero: Robot Learning from Smart Glasses. arXiv:2505.20290, arXiv, 3 June 2025. arXiv.org, https://doi.org/10.48550/arXiv.2505.20290

少即是多：突破性修剪技術大幅降低AI系統資源消耗

深度學習系統面臨參數冗余導致的資源消耗問題。巴伊蘭大學的Yarden Tzach、Ido Kanter等研究人員開發出基于單濾波器性能評估的新方法，可在不影響準確率的情況下修剪高達90%的網絡參數。

研究團隊首先提出單濾波器性能量化方法（single-filter performance），通過凍結部分網絡權重并訓練隨機初始化的全連接層，精確評估每個卷積濾波器對最終輸出的貢獻。基于此開發的AFCC技術（applied filter's cluster connections）能夠識別并移除冗余參數，在VGG-11和EfficientNet-B0架構上的測試顯示，某些層級可修剪90%參數而保持準確率不變。與傳統基于權重強度的修剪方法不同，該技術從宏觀網絡行為角度實現高效精簡，且可擴展至全連接層。研究為部署AI系統到資源受限設備提供了可行方案，預計可降低90%內存占用和相應能耗。研究發表在 Physical Review E 上。

#AI驅動科學 #計算模型與人工智能模擬 #深度學習優化 #神經網絡修剪 #能效提升

閱讀更多：

Tzach, Yarden, et al. “Advanced Deep Architecture Pruning Using Single Filter Performance.” Physical Review E, vol. 111, no. 6, June 2025, p. 065307. arXiv.org, https://doi.org/10.1103/49t8-mh9k

新數據清洗方法提升SVM模型性能，AI學習前自動剔除錯誤標簽

支持向量機（SVM）易受訓練數據標簽噪聲影響的問題長期困擾AI領域。佛羅里達大西洋大學互聯自主與人工智能中心的Shruti Shukla、Dimitris A. Pados等研究人員開發出基于L1范數主成分分析（L1-PCA）的全自動數據清洗方案，在模型訓練前即可識別并清除錯誤標簽，使SVM分類準確率最高提升63.7%。

該方法通過L1范數主成分分析（L1-norm principal component analysis，一種對異常值不敏感的數學方法）計算每個數據點與同類樣本的偏離程度，自動標記并移除疑似錯誤標簽的樣本。相比傳統需要人工設定閾值或噪聲假設的方法，該技術實現了完全自動化處理，包括關鍵的維度選擇環節也無需人工干預。在威斯康星乳腺癌數據集等基準測試中，該方法使受污染數據的分類準確率平均提升23.5%，在極端噪聲場景下改善幅度達63.7%。值得注意的是，即使對原始標注"潔凈"的數據集，該方法仍能帶來3-8%的性能提升，暗示實際應用中隱性標簽噪聲可能比預期更普遍。該框架已證實可無縫集成至各類AI系統，為醫療診斷、金融風控等對數據質量敏感的高風險領域提供保障。研究發表在 IEEE Transactions on Neural Networks and Learning Systems 上。

#AI驅動科學 #預測模型構建 #數據質量優化 #機器學習魯棒性 #自動化預處理

閱讀更多：

Shukla, Shruti, et al. “Training Dataset Curation by L 1-Norm Principal-Component Analysis for Support Vector Machines.” IEEE Transactions on Neural Networks and Learning Systems, 2025, pp. 1–9. IEEE Xplore, https://doi.org/10.1109/TNNLS.2025.3568694

整理｜ChatGPT

編輯｜丹雀、存源

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。如果您有進一步想要討論的內容，歡迎評論區留言，或后臺留言“社群”即可加入社群與我們互動。

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

Chen Institute與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工天橋神經科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、等。