█腦科學(xué)動態(tài)
Nature：豬肝在人體內(nèi)成功運(yùn)轉(zhuǎn)10天，短期功能穩(wěn)定
Nature：人類大腦能量圖譜，高認(rèn)知區(qū)域線粒體更密集高效
Nature：高脂飲食偷走你的食欲，是大腦神經(jīng)降壓素在"罷工"
腦網(wǎng)絡(luò)標(biāo)準(zhǔn)化工具NCT發(fā)布：解決神經(jīng)科學(xué)“同名不同義”難題
首次繪制人腦-血液代謝交換圖譜
未婚者患癡呆癥風(fēng)險更低
孕晚期高糖飲食，寶寶更愛哭
D2神經(jīng)元是消除恐懼記憶的開關(guān)
運(yùn)動時視覺主導(dǎo)，靜止時聽覺優(yōu)先
█AI行業(yè)動態(tài)
谷歌Gemini 2.5 Pro實驗版登頂多項基準(zhǔn)測試
Qwen2.5-Omni：首款“全感官”AI模型，能看會聽還能實時對話
DeepMind提出了新的大型語言模型防御機(jī)制
█AI驅(qū)動科學(xué)
Cell：AI分析揭示孤獨(dú)癥診斷關(guān)鍵：重復(fù)行為更具特異性
類腦憶阻器控制器功耗僅為傳統(tǒng)方案的0.25%
類腦AI“超級圖靈”實現(xiàn)實時學(xué)習(xí)，能耗僅為傳統(tǒng)AI的百萬分之一
AI聊天機(jī)器人Therabot療效媲美“黃金標(biāo)準(zhǔn)”心理治療
醫(yī)生為何想關(guān)掉AI？醫(yī)療智能的“責(zé)任陷阱”亟待破解
文化差異決定人類對AI的態(tài)度：日本更尊重機(jī)器人
神經(jīng)網(wǎng)絡(luò)學(xué)會“猶豫”，醫(yī)療診斷準(zhǔn)確性翻倍
腦科學(xué)動態(tài)
Nature：豬肝在人體內(nèi)成功運(yùn)轉(zhuǎn)10天，短期功能穩(wěn)定
面對全球肝移植供體短缺，空軍軍醫(yī)大學(xué)西京醫(yī)院，在中國科學(xué)院院士竇科峰教授的領(lǐng)銜下，首次將六基因編輯豬肝移植至腦死亡受試者體內(nèi)。10天試驗顯示豬肝可分泌膽汁和白蛋白，血流穩(wěn)定且無排斥反應(yīng)，為未來臨時性“橋接器官”提供可能。
團(tuán)隊采用異位輔助移植（heterotopic auxiliary transplantation，保留患者原肝臟）技術(shù)，將經(jīng)六基因編輯（敲除引發(fā)排斥的GGTA1/CMAH基因，插入人類血栓調(diào)節(jié)蛋白等）的小型豬肝臟植入受試者。術(shù)后監(jiān)測顯示：豬肝2小時即分泌金黃色膽汁，10天累計66.5毫升；豬源性白蛋白（albumin，維持血液滲透壓的關(guān)鍵蛋白）水平上升；肝功能指標(biāo)丙氨酸氨基轉(zhuǎn)移酶（ALT）正常，天門冬氨酸氨基轉(zhuǎn)移酶（AST）短暫升高后回落。超聲檢測顯示豬肝動脈、門靜脈血流速度穩(wěn)定。免疫方面，抗胸腺細(xì)胞球蛋白（anti-thymocyte globulin）抑制T細(xì)胞，術(shù)后3天B細(xì)胞激活后被利妥昔單抗（rituximab，一種靶向B細(xì)胞的單抗）控制，免疫球蛋白（IgG/IgM）水平無顯著變化。組織學(xué)分析證實豬肝再生能力良好，無排斥跡象。但豬肝功能仍遜于人類，需延長研究周期驗證長期安全性。研究發(fā)表在 Nature 上。
#疾病與健康 #個性化醫(yī)療 #異種移植 #基因編輯 #肝臟移植
閱讀更多：
Tao, Kai-Shan, et al. “Gene-Modified Pig-to-Human Liver Xenotransplantation.” Nature, Mar. 2025, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41586-025-08799-1
Nature：人類大腦能量圖譜，高認(rèn)知區(qū)域線粒體更密集高效
大腦能量代謝與健康密切相關(guān)，但線粒體的分布規(guī)律長期未知。哥倫比亞大學(xué)歐文醫(yī)學(xué)中心的Martin Picard、波爾多大學(xué)Michel Thiebaut de Schotten及團(tuán)隊通過創(chuàng)新方法，繪制了全球首個大腦線粒體能量圖譜MitoBrainMap，揭示了不同腦區(qū)的能量供給差異。
?人類大腦體素化和映射。Credit: Nature (2025).
研究采用物理體素化技術(shù)，將人腦切片分割為703個3×3×3毫米立方體（對應(yīng)神經(jīng)影像分辨率），測量每個立方體的線粒體密度、氧化磷酸化（OXPHOS，能量生成關(guān)鍵過程）酶活性和呼吸能力。結(jié)果顯示，灰質(zhì)線粒體數(shù)量比白質(zhì)多50%，且進(jìn)化較新的高級認(rèn)知區(qū)域（如皮層）線粒體能量轉(zhuǎn)化效率更高。通過逆向線性回歸模型，團(tuán)隊將數(shù)據(jù)擴(kuò)展到全腦，并驗證了模型對同一大腦其他區(qū)域的預(yù)測準(zhǔn)確性。這一發(fā)現(xiàn)為理解阿爾茨海默病等疾病的能量機(jī)制提供了新方向。研究發(fā)表在 Nature 上。
#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #線粒體 #能量代謝 #認(rèn)知科學(xué)
閱讀更多：
Mosharov, Eugene V., et al. “A Human Brain Map of Mitochondrial Respiratory Capacity and Diversity.” Nature, Mar. 2025, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-08740-6
Nature：高脂飲食偷走你的食欲，是大腦神經(jīng)降壓素在"罷工"
肥胖者常對高熱量食物興趣減退，這一矛盾現(xiàn)象背后的機(jī)制不明。加州大學(xué)伯克利分校的Stephan Lammel團(tuán)隊發(fā)現(xiàn)，長期高脂肪飲食會降低大腦神經(jīng)降壓素（neurotensin）水平，進(jìn)而削弱多巴胺驅(qū)動的進(jìn)食愉悅感。通過干預(yù)神經(jīng)降壓素信號，團(tuán)隊成功恢復(fù)小鼠對食物的興趣并減輕體重。
研究結(jié)合行為實驗與光遺傳學(xué)技術(shù)，發(fā)現(xiàn)正常小鼠的伏隔核（NAcLat）到腹側(cè)被蓋區(qū)（VTA）神經(jīng)回路編碼進(jìn)食快感，而高脂飲食小鼠該回路功能失調(diào)?；驕y序顯示，神經(jīng)降壓素表達(dá)下降是關(guān)鍵原因。通過飲食調(diào)整或基因操作恢復(fù)神經(jīng)降壓素后，小鼠對高熱量食物動機(jī)回升，總攝入量減少，體重下降。研究還發(fā)現(xiàn)，神經(jīng)降壓素干預(yù)可改善焦慮和運(yùn)動能力。這一發(fā)現(xiàn)為靶向神經(jīng)降壓素的精準(zhǔn)肥胖治療提供新思路。研究發(fā)表在 Nature 上。
#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #肥胖 #神經(jīng)降壓素 #光遺傳學(xué)
閱讀更多：
Gazit Shimoni, Neta, et al. “Changes in Neurotensin Signalling Drive Hedonic Devaluation in Obesity.” Nature, Mar. 2025, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-08748-y
首次繪制人腦-血液代謝交換圖譜
大腦如何通過血液獲取能量并排出廢物？這一關(guān)鍵問題長期缺乏系統(tǒng)性答案。北京腦科學(xué)與類腦研究所戈鵡平、首都醫(yī)科大學(xué)附屬北京天壇醫(yī)院王伊龍和莫大鵬團(tuán)隊通過高通量技術(shù)，首次鑒定出1365種代謝物和140種脂質(zhì)的腦-血交換規(guī)律。
?不同代謝物在人腦中的絕對攝取/釋放量和相對攝取/釋放百分比。Credit:Neuron(2025).
研究團(tuán)隊采集腦靜脈竇、股靜脈和股動脈血液樣本，利用代謝組學(xué)和脂質(zhì)組學(xué)技術(shù)，發(fā)現(xiàn)大腦每天凈吸收656.47 μM葡萄糖和5g谷氨酸，釋放439.18 μM谷氨酰胺（glutamine，解毒產(chǎn)物）。脂質(zhì)中，甘油三酯消耗最多，磷脂酰乙醇胺（PE，細(xì)胞膜成分）釋放顯著。腦靜脈狹窄（CVSS）患者葡萄糖代謝異常，而老年人腦葡萄糖攝取隨年齡下降。研究發(fā)表在 Neuron 上。
#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #代謝組學(xué) #腦靜脈疾病 #衰老
閱讀更多：
Wang, Yilong, et al. “Comprehensive Characterization of Metabolic Consumption and Production by the Human Brain.” Neuron, vol. 0, no. 0, Mar. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.03.003
腦網(wǎng)絡(luò)標(biāo)準(zhǔn)化工具NCT發(fā)布：解決神經(jīng)科學(xué)“同名不同義”難題
大腦功能網(wǎng)絡(luò)的命名和空間定義長期缺乏統(tǒng)一標(biāo)準(zhǔn)，阻礙跨研究比較。來自國際多機(jī)構(gòu)的團(tuán)隊開發(fā)了Network Correspondence Toolbox (NCT)，通過定量分析神經(jīng)影像數(shù)據(jù)與主流圖譜（如Yeo2011）的空間對應(yīng)關(guān)系，為領(lǐng)域提供標(biāo)準(zhǔn)化解決方案。
NCT采用Dice系數(shù)（空間重疊度指標(biāo)）和自旋測試（spin test，通過隨機(jī)旋轉(zhuǎn)數(shù)據(jù)評估顯著性），量化新數(shù)據(jù)與16個常用圖譜的匹配程度。例如，默認(rèn)網(wǎng)絡(luò)（default network）在多數(shù)圖譜中命名一致，但“額頂網(wǎng)絡(luò)”等存在顯著分歧。應(yīng)用案例顯示，HCP工作記憶任務(wù)激活與部分圖譜匹配度高（Dice系數(shù)>0.7），而社交任務(wù)結(jié)果則差異較大。該工具開源且支持多圖譜并行對比，顯著提升結(jié)果可重復(fù)性。研究發(fā)表在 Nature Communications 上。
#神經(jīng)科學(xué) #跨學(xué)科整合 #腦網(wǎng)絡(luò)圖譜 #標(biāo)準(zhǔn)化工具 #功能磁共振成像(fMRI)
閱讀更多：
Kong, Ru, et al. “A Network Correspondence Toolbox for Quantitative Evaluation of Novel Neuroimaging Results.” Nature Communications, vol. 16, no. 1, Mar. 2025, p. 2930. www.nature.com, https://doi.org/10.1038/s41467-025-58176-9
未婚者患癡呆癥風(fēng)險更低
婚姻是否真能預(yù)防癡呆？美國佛羅里達(dá)州立大學(xué)醫(yī)學(xué)院的Antonio Terracciano和Selin Karakose團(tuán)隊分析了24,107名中老年人數(shù)據(jù)，發(fā)現(xiàn)未婚、離婚和喪偶者的癡呆風(fēng)險顯著低于已婚人群。
?研究流程圖。Credit: Alzheimer's & Dementia(2025).
研究基于美國國家阿爾茨海默病協(xié)調(diào)中心（NACC）隊列，通過Cox回歸模型（一種統(tǒng)計方法，用于分析事件發(fā)生時間與變量的關(guān)系）評估婚姻狀態(tài)與癡呆癥的關(guān)系。結(jié)果顯示，離婚者風(fēng)險降低34%（HR=0.66），未婚者降低40%（HR=0.60），且阿爾茨海默?。ˋD）和路易體癡呆（LBD）的關(guān)聯(lián)尤為顯著。調(diào)整教育、抑郁等15種因素后，離婚和未婚的關(guān)聯(lián)仍存在。研究人員認(rèn)為，可能因未婚者診斷延遲，或婚姻質(zhì)量未被充分考量。研究發(fā)表在 Alzheimer's & Dementia 上。
#疾病與健康 #預(yù)測模型構(gòu)建 #神經(jīng)機(jī)制與腦功能解析
閱讀更多：
Karakose, Selin, et al. “Marital Status and Risk of Dementia over 18 Years: Surprising Findings from the National Alzheimer’s Coordinating Center.” Alzheimer’s & Dementia: The Journal of the Alzheimer’s Association, vol. 21, no. 3, Mar. 2025, p. e70072. PubMed, https://doi.org/10.1002/alz.70072
孕晚期高糖飲食，寶寶更愛哭
孕期飲食如何影響嬰兒情緒健康？俄勒岡健康與科學(xué)大學(xué)團(tuán)隊發(fā)現(xiàn)，妊娠晚期高血糖指數(shù)（GI）飲食與嬰兒6月齡時更高的負(fù)面情緒相關(guān)。Elinor Sullivan、Hanna Gustafsson和Elizabeth Wood等研究者通過追蹤302名孕婦的飲食與代謝數(shù)據(jù)，首次明確了孕晚期是飲食干預(yù)的關(guān)鍵期。
?研究時間表。Credit: Scientific Reports (2025).
研究采用結(jié)構(gòu)方程模型（SEM），分析孕中晚期母親的飲食血糖指數(shù)（GI，反映食物升糖速度的指標(biāo)）、體脂率和胰島素抵抗數(shù)據(jù)，并通過實驗室標(biāo)準(zhǔn)觀察和監(jiān)護(hù)人問卷評估嬰兒情緒。結(jié)果顯示，孕晚期高GI飲食（如白面包、薯片）會顯著增加嬰兒的觀察性負(fù)面情緒（β=0.14）和悲傷傾向（β=0.17），而孕中期飲食無此影響。這表明胎兒大腦發(fā)育在孕晚期對血糖波動更敏感，短期飲食調(diào)整可能比長期代謝改變更有效。研究為孕期精準(zhǔn)營養(yǎng)干預(yù)提供了依據(jù)，例如推薦低GI食物（如蔬菜、全谷物）。研究發(fā)表在 Scientific Reports 上。
#疾病與健康 #心理健康與精神疾病 #個性化醫(yī)療 #孕期營養(yǎng) #神經(jīng)發(fā)育
閱讀更多：
Wood, Elizabeth K., et al. “Higher Prenatal Dietary Glycemic Index in the Third Trimester of Pregnancy Is Associated with Infant Negative Affect at 6 Months.” Scientific Reports, vol. 15, no. 1, Mar. 2025, p. 8357. www.nature.com, https://doi.org/10.1038/s41598-025-91886-0
D2神經(jīng)元是消除恐懼記憶的開關(guān)
大腦如何區(qū)分獎勵與威脅？米尼奧大學(xué)ICVS的Ana Jo?o Rodrigues和Carina Soares-Cunha團(tuán)隊發(fā)現(xiàn)，伏隔核（NAc）中D1和D2神經(jīng)元并非傳統(tǒng)認(rèn)為的“對立分工”，而是協(xié)同響應(yīng)刺激，但D2神經(jīng)元在消除負(fù)面聯(lián)想中起關(guān)鍵作用。
?D1- 和 D2-MSN 編碼正面和負(fù)面非條件刺激。Credit: Nature Communications (2025).
研究采用微型顯微鈣成像技術(shù)，實時追蹤自由活動小鼠的NAc殼區(qū)D1/D2中型多棘神經(jīng)元（MSNs）活動。結(jié)果顯示：D1和D2神經(jīng)元群體均能區(qū)分正（如糖水）負(fù)（如奎寧）非條件刺激（US），但無法區(qū)分預(yù)測性線索（CS）。在獎勵或懲罰的聯(lián)想學(xué)習(xí)中，兩類神經(jīng)元被同步激活，支持協(xié)同作用假說。當(dāng)刺激關(guān)聯(lián)改變（如負(fù)面刺激消失），D2神經(jīng)元活動變化更顯著；光遺傳抑制證實其是消退厭惡記憶的必要條件。這一發(fā)現(xiàn)揭示了情緒障礙（如焦慮癥）中“頑固性負(fù)面記憶”的神經(jīng)機(jī)制，為靶向D2神經(jīng)元的療法提供依據(jù)。研究發(fā)表在 Nature Communications 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 #光遺傳學(xué) #伏隔核
閱讀更多：
Domingues, Ana Verónica, et al. “Dynamic Representation of Appetitive and Aversive Stimuli in Nucleus Accumbens Shell D1- and D2-Medium Spiny Neurons.” Nature Communications, vol. 16, no. 1, Jan. 2025, p. 59. www.nature.com, https://doi.org/10.1038/s41467-024-55269-9
運(yùn)動時視覺主導(dǎo)，靜止時聽覺優(yōu)先
大腦如何在運(yùn)動與靜止?fàn)顟B(tài)下切換視覺和聽覺的優(yōu)先級？韓國基礎(chǔ)科學(xué)研究所（IBS）的Lee Seung-Hee團(tuán)隊發(fā)現(xiàn)，次級運(yùn)動皮層（M2）通過抑制聽覺信號傳遞，使運(yùn)動中的小鼠更依賴視覺決策，而靜止時聽覺占優(yōu)。
?靈活的多感官處理機(jī)制。Credit: Nature Communications (2025).
研究結(jié)合鈣成像和光遺傳學(xué)，訓(xùn)練小鼠在跑步機(jī)上完成視聽沖突任務(wù)。結(jié)果顯示：靜止時，后頂葉皮層（PPC）因聽覺信號抑制視覺神經(jīng)元而聽覺主導(dǎo)；運(yùn)動時，M2向聽覺皮層發(fā)送抑制信號，阻斷其與PPC的連接（ACPPC通路），但保留聽覺至紋狀體（ACSTR）的通路，從而減少聽覺干擾、增強(qiáng)視覺處理。
進(jìn)一步實驗表明，關(guān)閉PPC會迫使小鼠依賴聽覺，而抑制M2則消除運(yùn)動中的視覺優(yōu)勢。盡管聽覺皮層仍處理聲音，但大腦通過動態(tài)調(diào)整整合方式適應(yīng)行為需求。研究揭示了“感官守門人”M2的關(guān)鍵作用，為開發(fā)感覺統(tǒng)合障礙療法提供了靶點。研究發(fā)表在 Nature Communications 上。
#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #感覺整合 #光遺傳學(xué) #鈣成像
閱讀更多：
Choi, Ilsong, and Seung-Hee Lee. “Locomotion-Dependent Auditory Gating to the Parietal Cortex Guides Multisensory Decisions.” Nature Communications, vol. 16, no. 1, Mar. 2025, p. 2308. www.nature.com, https://doi.org/10.1038/s41467-025-57347-y
AI 行業(yè)動態(tài)
谷歌Gemini 2.5 Pro實驗版登頂多項基準(zhǔn)測試，性能與性價比雙突破
谷歌最新發(fā)布的Gemini 2.5 Pro實驗版在多項獨(dú)立評估中表現(xiàn)卓越，成為當(dāng)前性能最強(qiáng)的推理模型之一。該模型以“先思考后回答”為特點，目前僅通過AI Studio提供實驗性API接口，定價尚未公開。若參考前代Gemini 1.5 Pro的收費(fèi)標(biāo)準(zhǔn)（每百萬輸入/輸出詞元1.25/5美元），其成本將顯著低于OpenAI和Anthropic的領(lǐng)先模型（如o1模型15/60美元，Claude 3.7 Sonnet模型3/15美元），性價比優(yōu)勢突出。
在關(guān)鍵基準(zhǔn)測試中，Gemini 2.5 Pro刷新多項紀(jì)錄：MMLU-Pro和GPQA Diamond分別達(dá)到86%和83%的歷史高分；Humanity’s Last Exam得分從原先的12.3%躍升至17.7%；AIME 2024測試中更是以88%的成績創(chuàng)下新高。此外，其輸出速度達(dá)195詞元/秒，遠(yuǎn)超Gemini 1.5 Pro的92詞元/秒，接近Gemini 2.0 Flash的253詞元/秒。
Gemini 2.5 Pro延續(xù)了該系列的核心功能，包括支持100萬詞元上下文窗口（即將擴(kuò)展至200萬），以及多模態(tài)輸入（圖像、視頻、音頻，僅限文本輸出）。谷歌表示，待全部7項評估完成后將發(fā)布更詳細(xì)的“人工分析智能指數(shù)”，進(jìn)一步驗證其綜合能力。
#谷歌 #Gemini2.5Pro #AI模型 #基準(zhǔn)測試 #多模態(tài)
閱讀更多：
https://artificialanalysis.ai/https://x.com/ArtificialAnlys/status/1904923020604641471
Qwen2.5-Omni：首款“全感官”AI模型，能看會聽還能實時對話
通義千問（Qwen）團(tuán)隊最新推出的Qwen2.5-Omni，標(biāo)志著多模態(tài)大模型技術(shù)邁入新階段。這款端到端全模態(tài)模型不僅能處理文本，還能無縫理解圖像、語音和視頻，實現(xiàn)“看、聽、說、寫”一體化交互。其創(chuàng)新的Thinker-Talker架構(gòu)模擬人類認(rèn)知流程：Thinker模塊像“大腦”一樣整合多模態(tài)輸入并生成語義表示，而Talker模塊則如“嘴巴”般流式輸出自然語音。通過時間對齊位置編碼（TMRoPE）技術(shù)，模型還能精準(zhǔn)同步音視頻內(nèi)容，為實時對話和跨模態(tài)任務(wù)奠定基礎(chǔ)。
Qwen2.5-Omni在性能上全面超越同類產(chǎn)品。音頻理解能力優(yōu)于團(tuán)隊前代模型Qwen2-Audio，視覺處理表現(xiàn)與Qwen2.5-VL-7B持平，甚至在語音合成自然度上擊敗主流流式生成模型。測試數(shù)據(jù)顯示，其在MMLU、GSM8K等基準(zhǔn)任務(wù)中表現(xiàn)搶眼，并在多模態(tài)評測平臺OmniBench上達(dá)到業(yè)界頂尖水平（SOTA）。無論是語音識別（Common Voice）、視頻理解（MVBench），還是跨語言翻譯（CoVoST2），該模型均展現(xiàn)出卓越的泛化能力。
未來，Qwen2.5-Omni將賦能語音助手、智能客服、視頻分析等場景，其端到端設(shè)計顯著降低延遲，提升響應(yīng)一致性。團(tuán)隊透露將繼續(xù)擴(kuò)展其能力邊界，向“全模態(tài)統(tǒng)一”的終極目標(biāo)邁進(jìn)。這一突破或重新定義人機(jī)交互范式，推動AI應(yīng)用進(jìn)入“多感官協(xié)同”時代。
#人工智能 #多模態(tài)大模型 #Qwen2.5 #語音合成 #實時交互
閱讀更多：
https://huggingface.co/Qwen/Qwen2.5-Omni-7B
Google DeepMind提出了新的大型語言模型防御機(jī)制
Google DeepMind的研究團(tuán)隊提出了一種名為CaMeL（Capabilities for Machine Learning）的防御機(jī)制，旨在為大型語言模型（LLM）構(gòu)建一個保護(hù)層，即使在底層模型可能易受攻擊的情況下也能確保其安全性。
隨著大型語言模型在各個領(lǐng)域的廣泛應(yīng)用，其安全性問題日益凸顯。傳統(tǒng)的防御方法通常需要對模型進(jìn)行重新訓(xùn)練或修改，成本高且復(fù)雜。為了解決這一問題，Google DeepMind的研究人員與蘇黎世聯(lián)邦理工學(xué)院（ETH Zurich）的團(tuán)隊合作，開發(fā)了CaMeL防御機(jī)制，旨在提供一種無需修改底層模型即可增強(qiáng)安全性的解決方案。
CaMeL的核心思想是通過在用戶查詢的控制流和數(shù)據(jù)流中引入明確的提取過程，防止不受信任的輸入直接影響程序邏輯。具體而言，CaMeL采用了雙模型架構(gòu)，包括一個特權(quán)LLM（Privileged LLM）和一個隔離LLM（Quarantined LLM）。特權(quán)LLM負(fù)責(zé)總體任務(wù)的協(xié)調(diào)，將敏感操作與潛在有害數(shù)據(jù)隔離開來；隔離LLM則單獨(dú)處理數(shù)據(jù)，并被明確限制其調(diào)用工具的能力，以減少潛在風(fēng)險。此外，CaMeL通過為每個數(shù)據(jù)值分配元數(shù)據(jù)或“能力”，定義了嚴(yán)格的策略，規(guī)定每個信息的使用方式。一個定制的Python解釋器負(fù)責(zé)執(zhí)行這些精細(xì)的安全策略，監(jiān)控數(shù)據(jù)來源，并通過明確的控制流約束確保合規(guī)性。這種方法借鑒了軟件安全領(lǐng)域的成熟實踐，為LLM的安全性提供了新的思路。
#神經(jīng)技術(shù) #大型語言模型 #防御機(jī)制 #Google DeepMind
閱讀更多：
https://www.marktechpost.com/2025/03/26/google-deepmind-researchers-propose-camel-a-robust-defense-that-creates-a-protective-system-layer-around-the-llm-securing-it-even-when-underlying-models-may-be-susceptible-to-attacks/
AI 驅(qū)動科學(xué)
Cell：AI分析揭示自閉癥診斷關(guān)鍵：重復(fù)行為比社交障礙更具特異性
自閉癥診斷長期依賴主觀臨床評估，缺乏可靠生物標(biāo)記。麥吉爾大學(xué)Danilo Bzdok與蒙特利爾大學(xué)Laurent Mottron團(tuán)隊利用AI分析4200份兒童醫(yī)療記錄，發(fā)現(xiàn)重復(fù)行為（如固定興趣）比社交障礙更能準(zhǔn)確預(yù)測診斷，呼吁修訂現(xiàn)行標(biāo)準(zhǔn)。
研究采用大型語言模型，通過預(yù)訓(xùn)練數(shù)億通用語句后，微調(diào)于4000余份臨床報告，實現(xiàn)獨(dú)立診斷準(zhǔn)確率提升。通過可解釋性框架，模型鎖定報告中與診斷最相關(guān)的句子，直接對比DSM-5標(biāo)準(zhǔn)。結(jié)果顯示，重復(fù)動作（如拍手、轉(zhuǎn)圈）和感知異常（如對特定聲音敏感）的提及率在確診患者中顯著高于非患者，而社交互動差異（如缺乏眼神交流）的區(qū)分度較低。研究者建議降低社交因素權(quán)重，以提升診斷效率。這一發(fā)現(xiàn)可能縮短診斷延遲（目前需數(shù)年），加速干預(yù)實施。研究發(fā)表在 Cell 上。
#疾病與健康 #預(yù)測模型構(gòu)建 #大模型技術(shù) #心理健康與精神疾病
閱讀更多：
Stanley, Jack, et al. “Large Language Models Deconstruct the Clinical Intuition behind Diagnosing Autism.” Cell, vol. 0, no. 0, Mar. 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.02.025
類腦憶阻器控制器功耗僅為傳統(tǒng)方案的0.25%
傳統(tǒng)機(jī)器人控制器因高功耗限制設(shè)備續(xù)航與體積。密歇根大學(xué)Xiaogan Liang團(tuán)隊開發(fā)了一種基于憶阻器的類腦計算系統(tǒng)，通過模擬神經(jīng)網(wǎng)絡(luò)實現(xiàn)高效控制，功耗低至12.5微瓦，性能媲美數(shù)字方案。
?目標(biāo)跟蹤探測車導(dǎo)航任務(wù)。Credit: Science Advances (2025).
研究采用硒化鉍（Bi?Se?）動態(tài)憶阻器構(gòu)建儲備池計算（Reservoir Computing, RC）網(wǎng)絡(luò)，通過摩擦誘導(dǎo)選擇性沉積（RISS）工藝制備。該網(wǎng)絡(luò)將傳感器輸入的時序信號非線性映射到高維空間，結(jié)合短期記憶特性生成控制指令，無需復(fù)雜訓(xùn)練。在滾動機(jī)器人目標(biāo)追蹤測試中，系統(tǒng)響應(yīng)速度與精度與傳統(tǒng)控制器相當(dāng)，功耗僅為其0.25%；無人機(jī)杠桿平衡任務(wù)中，誤差率（NRMSE）為1.25。研究突破了傳統(tǒng)數(shù)字計算的能效瓶頸，為邊緣計算（Edge Computing）和微型機(jī)器人提供了新方案。研究發(fā)表在 Science Advances 上。
#AI驅(qū)動科學(xué) #自動化科研 #邊緣計算 #憶阻器 #機(jī)器人控制
閱讀更多：
Chen, Mingze, et al. “Nanoelectronics-Enabled Reservoir Computing Hardware for Real-Time Robotic Controls.” Science Advances, vol. 11, no. 13, Mar. 2025, p. eadu2663. science.org (Atypon), https://doi.org/10.1126/sciadv.adu2663
類腦AI“超級圖靈”模型實現(xiàn)實時學(xué)習(xí)，能耗僅為傳統(tǒng)AI的百萬分之一
AI的高能耗問題制約其發(fā)展，而人腦的高效性提供了解決思路。德克薩斯農(nóng)工大學(xué)的Suin Yi團(tuán)隊開發(fā)出“超級圖靈AI”，通過模擬人腦突觸可塑性，將學(xué)習(xí)與記憶功能整合，大幅降低能耗。
?Synstor 電路的結(jié)構(gòu)。Credit: Science Advances (2025).
團(tuán)隊設(shè)計了一種突觸電阻電路，采用鐵電材料HfZrO，使AI在運(yùn)行中同步調(diào)整算法（類似人腦的赫布學(xué)習(xí)規(guī)則，即“共同激活的神經(jīng)元連接增強(qiáng)”）。實驗中，未預(yù)訓(xùn)練的無人機(jī)通過該電路在模擬強(qiáng)風(fēng)環(huán)境中實時避障，學(xué)習(xí)速度比傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)（ANN）快10倍，功耗僅20瓦（傳統(tǒng)數(shù)據(jù)中心需吉瓦級電力）。此外，其適應(yīng)性接近人類操作員，解決了傳統(tǒng)AI在未知環(huán)境中易失效的難題。研究成果發(fā)表于 Science Advances 上。
#AI驅(qū)動科學(xué) #神經(jīng)機(jī)制與腦功能解析 #計算模型與人工智能模擬 #節(jié)能AI #類腦計算 #突觸可塑性
閱讀更多：
Lee, Jungmin, et al. “HfZrO-Based Synaptic Resistor Circuit for a Super-Turing Intelligent System.” Science Advances, vol. 11, no. 9, Feb. 2025, p. eadr2082. science.org (Atypon), https://doi.org/10.1126/sciadv.adr2082
AI聊天機(jī)器人Therabot療效媲美“黃金標(biāo)準(zhǔn)”心理治療
心理健康服務(wù)供需失衡問題嚴(yán)峻，美國平均每位治療師需服務(wù)1600名抑郁或焦慮患者。達(dá)特茅斯學(xué)院的Nicholas Jacobson和Michael Heinz團(tuán)隊開發(fā)了生成式AI治療聊天機(jī)器人Therabot，首次臨床試驗表明其可顯著緩解抑郁、焦慮及飲食失調(diào)癥狀，效果接近傳統(tǒng)門診治療。
研究采用隨機(jī)對照試驗（RCT），將210名患者分為Therabot干預(yù)組和對照組。干預(yù)組通過智能手機(jī)應(yīng)用與Therabot進(jìn)行開放式對話，對話內(nèi)容基于認(rèn)知行為療法（CBT）最佳實踐。結(jié)果顯示，8周后干預(yù)組的抑郁癥狀平均減少51%（對照組僅4.22%），焦慮癥狀減少31%，飲食失調(diào)相關(guān)擔(dān)憂下降19%，效果量（Cohen’s d）達(dá)0.627–0.903。用戶平均使用6小時，治療聯(lián)盟評分與真人治療無顯著差異。研究還發(fā)現(xiàn)，用戶常在夜間主動發(fā)起對話，將Therabot視為“無評判的朋友”。該研究提示AI可彌補(bǔ)心理健康服務(wù)缺口，但需臨床醫(yī)生監(jiān)督以確保安全。研究發(fā)表在 New England Journal of Medicine AI 上。
#AI驅(qū)動科學(xué) #疾病與健康 #心理健康與精神疾病 #個性化醫(yī)療 #大模型技術(shù)
閱讀更多：
Heinz, Michael V., et al. “Randomized Trial of a Generative AI Chatbot for Mental Health Treatment.” NEJM AI, Mar. 2025. world, ai.nejm.org, https://ai.nejm.org/doi/abs/10.1056/AIoa2400802
醫(yī)生為何想關(guān)掉AI？醫(yī)療智能的“責(zé)任陷阱”亟待破解
醫(yī)療AI的普及面臨臨床醫(yī)生抵觸風(fēng)險，主因是工具負(fù)擔(dān)過重、責(zé)任不明及決策干擾。約克大學(xué)、布拉德福德健康研究所等團(tuán)隊通過Shared CAIRE項目調(diào)研六類AI工具的實際影響，發(fā)布白皮書提出七項改革建議，呼吁政府與開發(fā)者優(yōu)先解決責(zé)任分配與臨床參與問題。
?自主決策支持工具的臨床工作流程。Credit: arXiv (2025).
研究采用混合方法，結(jié)合臨床場景測試與倫理法律分析，發(fā)現(xiàn)現(xiàn)有AI工具因產(chǎn)品責(zé)任制度缺陷，迫使醫(yī)生成為“責(zé)任承擔(dān)者”（liability sink）。例如，提供明確治療建議的AI可能引發(fā)法律風(fēng)險，而僅展示數(shù)據(jù)（如風(fēng)險評分）的工具更受青睞。團(tuán)隊提出分級委托標(biāo)準(zhǔn)：AI在特定條件下自主處理簡單病例（如病理圖像初篩），復(fù)雜病例仍由醫(yī)生主導(dǎo)。
此外，AI設(shè)計需納入臨床反饋，避免界面冗余或信息過載。例如，某病理AI經(jīng)醫(yī)生參與優(yōu)化后，診斷效率提升30%，但未參與的同類工具因操作繁瑣遭棄用。研究強(qiáng)調(diào)，改革需同步推進(jìn)：修訂產(chǎn)品責(zé)任法、強(qiáng)制臨床培訓(xùn)、明確AI與醫(yī)生決策權(quán)界限。
#AI驅(qū)動科學(xué) #疾病與健康 #個性化醫(yī)療 #跨學(xué)科整合 #責(zé)任歸屬
閱讀更多：
Jia, Yan, et al. The Case for Delegated AI Autonomy for Human AI Teaming in Healthcare. arXiv:2503.18778, arXiv, 24 Mar. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2503.18778
文化差異決定人類對AI的態(tài)度：日本更尊重機(jī)器人
自動駕駛時代，人類如何與AI共享公共空間成為關(guān)鍵問題。慕尼黑大學(xué)Jurgis Karpus與早稻田大學(xué)團(tuán)隊通過博弈實驗發(fā)現(xiàn)，日本人對機(jī)器人和人類一視同仁，而西方人更傾向利用AI。
研究采用經(jīng)典博弈論實驗（如囚徒困境，模擬利益沖突的決策場景），要求日本和美國參與者在人類或AI對手間選擇合作或自私策略。結(jié)果顯示，美國參與者對AI的合作率比人類低27%，而日本參與者對兩者無差別。情感分析表明，日本人對剝削機(jī)器人和人類同樣感到內(nèi)疚，而西方人僅對剝削人類產(chǎn)生道德負(fù)擔(dān)。研究者認(rèn)為，這種文化差異可能源于日本神道教和佛教中的“泛靈論”傳統(tǒng)，將機(jī)器視為有靈魂的實體。研究建議，在AI倫理設(shè)計和政策制定中需納入文化視角，例如全自動出租車在東京的接受度可能高于柏林。研究發(fā)表在 Scientific Reports 上。
#認(rèn)知科學(xué) #跨學(xué)科整合 #自動化倫理 #文化差異 #博弈論
閱讀更多：
Karpus, Jurgis, et al. “Human Cooperation with Artificial Agents Varies across Countries.” Scientific Reports, vol. 15, no. 1, Mar. 2025, p. 10000. www.nature.com, https://doi.org/10.1038/s41598-025-92977-8
神經(jīng)網(wǎng)絡(luò)學(xué)會“猶豫”，醫(yī)療診斷準(zhǔn)確性翻倍
神經(jīng)網(wǎng)絡(luò)在醫(yī)療等高風(fēng)險場景中常因過度自信引發(fā)誤判。Skoltech AI Center的Aleksandr Yugay、Alexey Zaytsev團(tuán)隊聯(lián)合俄羅斯科學(xué)院信息傳輸問題研究所，開發(fā)出基于“軟標(biāo)簽”訓(xùn)練的新方法，使模型能主動識別不確定性，血型分類任務(wù)評估準(zhǔn)確性提升2倍。
研究采用“軟標(biāo)簽”（soft labels，專家標(biāo)注的0-1置信度）替代傳統(tǒng)二分類標(biāo)簽，訓(xùn)練模型區(qū)分認(rèn)知不確定性（epistemic uncertainty，數(shù)據(jù)不足導(dǎo)致）和偶然不確定性（aleatoric uncertainty，數(shù)據(jù)噪聲引發(fā)）。通過血型數(shù)據(jù)集（3139張圖像）和病理切片測試，模型在分類任務(wù)中不確定性評估質(zhì)量達(dá)到SotA（State-of-the-Art）水平的2倍，分割任務(wù)提升62%。例如，模型會對模糊血型圖像輸出低置信度，提示人工復(fù)核，減少誤診風(fēng)險。該技術(shù)可擴(kuò)展至工業(yè)檢測、自動駕駛等領(lǐng)域。
#AI驅(qū)動科學(xué) #預(yù)測模型構(gòu)建 #個性化醫(yī)療 #不確定性量化 #神經(jīng)網(wǎng)絡(luò)
閱讀更多：
Korchagin, S. A., et al. Improving Uncertainty Estimation with Confidence-Aware Training Data. Semantic Scholar, https://www.semanticscholar.org/paper/Improving-Uncertainty-Estimation-with-Training-Data-Korchagin-Zaychenkova/fc00f3d7004a1338ad431e9eb364dd18106f4a72. Accessed 28 Mar. 2025
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，歡迎評論區(qū)留言，或后臺留言“社群”即可加入社群與我們互動。
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(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，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)，項目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎勵計劃、、等。
熱門跟貼