追問(wèn)daily | 為什么換個(gè)地方就睡不著？強(qiáng)調(diào)積極經(jīng)歷可緩解抑郁癥；兩個(gè)月大的嬰兒已具備物體分類(lèi)能力

█腦科學(xué)動(dòng)態(tài)

為什么換個(gè)地方就睡不著？科學(xué)家找到大腦中的“夜間守衛(wèi)”

利用聚焦超聲刺激與神經(jīng)元進(jìn)行通信的新方法

星形膠質(zhì)細(xì)胞如何在不損害記憶的情況下儲(chǔ)存缺陷糖原

迷走神經(jīng)是調(diào)控多巴胺獎(jiǎng)賞通路的關(guān)鍵

眼球運(yùn)動(dòng)幫助大腦感知三維世界

兩個(gè)月大的嬰兒已具備物體分類(lèi)能力

內(nèi)臟疼痛比皮膚疼痛更能增強(qiáng)同理心

強(qiáng)調(diào)抑郁經(jīng)歷中的力量可顯著提升患者自信與目標(biāo)達(dá)成率

全球約三分之一癡呆癥病例與牙周病等非腦部疾病相關(guān)

盲人接受腦皮層電刺激后意外恢復(fù)部分自然視力

█AI行業(yè)動(dòng)態(tài)

Claude Cowork插件引發(fā)“SaaS末日”恐慌

GitHub集齊AI編程“三巨頭”，開(kāi)發(fā)者工作流迎革命性變革

AI開(kāi)始花錢(qián)雇人跑腿，時(shí)薪350元

█AI驅(qū)動(dòng)科學(xué)

Nature：“發(fā)現(xiàn)式學(xué)習(xí)”AI工具僅需數(shù)天數(shù)據(jù)即可預(yù)測(cè)電池循環(huán)壽命

可編程“樂(lè)高式”機(jī)器人材料，模擬生命靈活性

新型AI系統(tǒng)利用大語(yǔ)言模型實(shí)時(shí)修復(fù)3D打印缺陷

機(jī)器人化身學(xué)習(xí)伙伴：普渡大學(xué)探索個(gè)性化人機(jī)交互新策略

正念通過(guò)工作重塑，助力生成式AI在項(xiàng)目管理中的應(yīng)用

AI能像人類(lèi)一樣理解詞語(yǔ)印象嗎？

突破強(qiáng)化學(xué)習(xí)規(guī)模瓶頸：無(wú)限維系統(tǒng)的新型控制算法

利用強(qiáng)化學(xué)習(xí)模型重建受損大腦神經(jīng)連接

腦科學(xué)動(dòng)態(tài)

為什么換個(gè)地方就睡不著？科學(xué)家找到大腦中的“夜間守衛(wèi)”

為什么人們?cè)诰频甑谝煌砜偸禽氜D(zhuǎn)難眠？名古屋大學(xué)的Daisuke Ono、Hung, Chi Jung等人探究了這一“首夜效應(yīng)”背后的神經(jīng)機(jī)制。他們發(fā)現(xiàn)，當(dāng)動(dòng)物進(jìn)入新環(huán)境時(shí)，大腦擴(kuò)展杏仁核中的一組特定神經(jīng)元會(huì)被激活，通過(guò)釋放神經(jīng)降壓素來(lái)維持警覺(jué)，以應(yīng)對(duì)潛在危險(xiǎn)。

?當(dāng)小鼠遇到新環(huán)境時(shí)，IPACL CRF 神經(jīng)元（綠色）會(huì)被激活，并釋放神經(jīng)降壓素以維持警覺(jué)性。這一腦回路或許可以解釋人類(lèi)的“首夜效應(yīng)”。Credit: Hung et al., 2026

研究團(tuán)隊(duì)通過(guò)小鼠實(shí)驗(yàn)發(fā)現(xiàn)，大腦中一個(gè)處理情緒和壓力的區(qū)域——擴(kuò)展杏仁核，在感知到新環(huán)境時(shí)會(huì)變得活躍。其中，一類(lèi)特定的IPACL CRF神經(jīng)元會(huì)釋放一種名為神經(jīng)降壓素的信號(hào)分子。這種分子隨后作用于大腦中控制運(yùn)動(dòng)和警覺(jué)性的黑質(zhì)，從而使動(dòng)物保持清醒。實(shí)驗(yàn)中，當(dāng)研究人員人為激活這些神經(jīng)元時(shí)，小鼠的清醒時(shí)間顯著延長(zhǎng)；而當(dāng)抑制這些神經(jīng)元后，小鼠即使身處新環(huán)境也能很快入睡。這一發(fā)現(xiàn)首次清晰地描繪了“首夜效應(yīng)”的神經(jīng)通路，解釋了大腦為何在新環(huán)境中會(huì)犧牲睡眠以保持“夜間守衛(wèi)”狀態(tài)。由于該腦區(qū)結(jié)構(gòu)在所有哺乳動(dòng)物中都存在，這一機(jī)制很可能同樣適用于人類(lèi)，未來(lái)有望為開(kāi)發(fā)針對(duì)失眠、焦慮癥和創(chuàng)傷后應(yīng)激障礙的藥物提供新靶點(diǎn)。研究發(fā)表在 PNAS 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #睡眠 #首夜效應(yīng)

閱讀更多：

Hung, Chi Jung et al, Neurotensin in the extended amygdala maintains wakefulness in novel environments, Proceedings of the National Academy of Sciences (2026). DOI: 10.1073/pnas.2521268123. doi.org/10.1073/pnas.2521268123

利用聚焦超聲刺激與神經(jīng)元進(jìn)行通信的新方法

如何安全、無(wú)創(chuàng)地與大腦神經(jīng)元“對(duì)話(huà)”以治療帕金森等神經(jīng)疾病？Iqra Bano, Pascal Jorratt, Viera Kútna, Jan Pala和Grygoriy Tsenov等研究人員，探索了一種利用聲波進(jìn)行神經(jīng)調(diào)控的新方法。他們的研究表明，低強(qiáng)度聚焦超聲技術(shù)可以在不損傷細(xì)胞的前提下，精確地調(diào)節(jié)神經(jīng)元的核心信號(hào)活動(dòng)，為開(kāi)發(fā)更安全的神經(jīng)疾病療法開(kāi)辟了新途徑。

?示意圖展示了低強(qiáng)度聚焦超聲 (FUS) 應(yīng)用于培養(yǎng)的原代皮層神經(jīng)元，并通過(guò)熒光成像實(shí)時(shí)監(jiān)測(cè)細(xì)胞內(nèi) Ca2? 活性。FUS 激活機(jī)械敏感通路和鈣依賴(lài)性信號(hào)傳導(dǎo)，從而調(diào)節(jié)神經(jīng)元興奮性和下游細(xì)胞反應(yīng)。Credit: Iqra bano

研究團(tuán)隊(duì)在體外培養(yǎng)的原代大鼠皮層神經(jīng)元上應(yīng)用了低強(qiáng)度聚焦超聲。他們通過(guò)活細(xì)胞熒光成像技術(shù)，實(shí)時(shí)監(jiān)測(cè)了作為細(xì)胞內(nèi)關(guān)鍵信使的鈣離子的動(dòng)態(tài)變化。結(jié)果發(fā)現(xiàn)，經(jīng)過(guò)短暫的超聲刺激后，神經(jīng)元內(nèi)的鈣信號(hào)出現(xiàn)了可控且可重復(fù)的顯著增強(qiáng)。更為關(guān)鍵的是，這種刺激非常安全。后續(xù)的細(xì)胞活力、蛋白質(zhì)含量和形態(tài)學(xué)分析均證實(shí)，超聲處理并未對(duì)神經(jīng)元的健康和結(jié)構(gòu)造成任何損害，成功定義了一個(gè)安全的“聲學(xué)窗口”。這一發(fā)現(xiàn)證明了FUS作為一種非侵入性神經(jīng)調(diào)控工具的巨大潛力，它有望在未來(lái)用于恢復(fù)功能失調(diào)的腦回路，為神經(jīng)退行性疾病提供定制化的精準(zhǔn)治療方案。研究發(fā)表在 Neurochemical Research 上。

#疾病與健康 #神經(jīng)調(diào)控 #聚焦超聲 #鈣信號(hào)

閱讀更多：

Bano, Iqra, et al. “Noninvasive Focused Ultrasound as a Safe Modulator of Calcium-Dependent Neurochemical Signalling in Primary Cortical Cultures.” Neurochemical Research, vol. 51, no. 1, Jan. 2026, p. 61. Springer Link, https://doi.org/10.1007/s11064-026-04676-z

星形膠質(zhì)細(xì)胞如何在不損害記憶的情況下儲(chǔ)存缺陷糖原

大腦中的物質(zhì)積累是否一定是衰老或疾病的警示信號(hào)？由萊布尼茨衰老研究所-弗里茨·利普曼研究所的Dennis de Bakker和美國(guó)田納西大學(xué)健康科學(xué)中心的Robert W. Williams等人領(lǐng)導(dǎo)的國(guó)際團(tuán)隊(duì)，通過(guò)研究老年小鼠發(fā)現(xiàn)，大腦支持細(xì)胞中一種缺陷能量分子的積累，可能只是正常衰老的一部分，并不會(huì)損害記憶功能。

研究團(tuán)隊(duì)通過(guò)分析32種遺傳背景各異的小鼠品系，發(fā)現(xiàn)在衰老過(guò)程中，海馬體的星形膠質(zhì)細(xì)胞會(huì)積累一種名為多聚葡糖體（polyglucosan bodies，PGBs）的缺陷糖原。利用定量性狀基因座（quantitative trait locus analysis，一種定位影響復(fù)雜性狀基因區(qū)域的統(tǒng)計(jì)方法）分析，他們成功鎖定了一個(gè)名為Pgb1的特定基因區(qū)域，該區(qū)域像一個(gè)開(kāi)關(guān)，決定了PGBs的積累程度。然而，研究中最出人意料的發(fā)現(xiàn)是，盡管部分小鼠大腦中存在大量PGBs，但它們?cè)谟洃洝W(xué)習(xí)能力和空間定位等一系列行為測(cè)試中的表現(xiàn)，與幾乎沒(méi)有PGBs的小鼠相當(dāng)。這一結(jié)果挑戰(zhàn)了傳統(tǒng)觀念，表明大腦對(duì)某些與年齡相關(guān)的生化變化具有驚人的穩(wěn)健性，而PGBs的形成可能是一種無(wú)害的、受基因調(diào)控的正常衰老現(xiàn)象，而非必然的病理標(biāo)志。研究發(fā)表在 Cell Systems 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #健康衰老 #星形膠質(zhì)細(xì)胞

閱讀更多：

Gómez-Pascual, Alicia, et al. “The Smarcal1-Usp37 Locus Modulates Glycogen Aggregation in Astrocytes of the Aged Hippocampus.” Cell Systems, vol. 0, no. 0, Feb. 2026. www.cell.com, https://doi.org/10.1016/j.cels.2025.101488

迷走神經(jīng)是調(diào)控多巴胺獎(jiǎng)賞通路的關(guān)鍵

多巴胺驅(qū)動(dòng)的獎(jiǎng)賞行為是否完全由大腦主導(dǎo)？Oriane Onimus及其同事的一項(xiàng)研究挑戰(zhàn)了這一傳統(tǒng)觀點(diǎn)，揭示了連接腸道與大腦的迷走神經(jīng)在成癮和食欲中扮演著不可或缺的角色。研究結(jié)果表明，來(lái)自腸道的信號(hào)對(duì)于維持大腦中腦邊緣多巴胺系統(tǒng)的正常功能至關(guān)重要，從而影響著我們對(duì)食物和藥物的反應(yīng)。

?腸-腦迷走神經(jīng)軸對(duì)于食物驅(qū)動(dòng)的多巴胺能神經(jīng)元修復(fù)和分子動(dòng)力學(xué)至關(guān)重要。Credit: Science Advances (2026).

研究團(tuán)隊(duì)通過(guò)在小鼠模型上進(jìn)行膈下迷走神經(jīng)切斷術(shù)（subdiaphragmatic vagotomy，一種切斷腹部迷走神經(jīng)的手術(shù)）發(fā)現(xiàn)，破壞腸腦通訊會(huì)顯著削弱獎(jiǎng)賞行為。與正常小鼠相比，手術(shù)后的小鼠對(duì)高適口性食物的渴望和消耗量均明顯下降，對(duì)可卡因和嗎啡等藥物產(chǎn)生的獎(jiǎng)賞效應(yīng)也大打折扣。利用光纖光度法等技術(shù)，研究人員觀察到，在迷走神經(jīng)被切斷的小鼠中，大腦獎(jiǎng)賞中樞伏隔核在面對(duì)食物或藥物刺激時(shí)的多巴胺信號(hào)釋放出現(xiàn)了延遲和減弱。這表明迷走神經(jīng)的持續(xù)性輸入是維持多巴胺神經(jīng)元正常放電和塑造獎(jiǎng)賞回路結(jié)構(gòu)可塑性的必要條件。該發(fā)現(xiàn)為理解飲食失調(diào)和成癮的神經(jīng)生物學(xué)機(jī)制提供了全新視角。研究發(fā)表在 Science Advances 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #腸腦軸 #成癮

閱讀更多：

Onimus, Oriane, et al. “The Gut-Brain Vagal Axis Governs Mesolimbic Dopamine Dynamics and Reward Events.” Science Advances, vol. 12, no. 5, Jan. 2026, p. eadz0828. science.org (Atypon), https://doi.org/10.1126/sciadv.adz0828

眼球運(yùn)動(dòng)幫助大腦感知三維世界

長(zhǎng)期以來(lái)，眼球運(yùn)動(dòng)在視網(wǎng)膜上產(chǎn)生的圖像移動(dòng)被視為大腦需要濾除的“噪音”。羅切斯特大學(xué)的Gregory C. DeAngelis、Zhe-Xin Xu及Jiayi Pang等人提出了一套新理論框架。他們發(fā)現(xiàn)，大腦非但不會(huì)忽略這些信號(hào)，反而會(huì)利用它們推斷自身的運(yùn)動(dòng)狀態(tài)，從而靈活、準(zhǔn)確地感知三維世界中物體的運(yùn)動(dòng)與深度，這一發(fā)現(xiàn)挑戰(zhàn)了該領(lǐng)域的傳統(tǒng)觀點(diǎn)。

?二維場(chǎng)景中平滑追蹤眼動(dòng)及其視覺(jué)后果的示意圖。A 該圖展示了場(chǎng)景中的運(yùn)動(dòng)，包括一個(gè)向左移動(dòng)的追蹤目標(biāo)（黃色方塊）和一個(gè)向上移動(dòng)的物體（白色隨機(jī)點(diǎn)陣）。 綠色三角形表示場(chǎng)景中靜止的背景元素。B 假設(shè)觀察者準(zhǔn)確地追蹤黃色目標(biāo)，則在屏幕坐標(biāo)系中，圖 ( A ) 所示場(chǎng)景的圖像運(yùn)動(dòng)。綠色三角形的圖像運(yùn)動(dòng)反映了眼動(dòng)產(chǎn)生的光流（綠色箭頭），而白色物體的圖像運(yùn)動(dòng)（白色箭頭）則反映了其在現(xiàn)實(shí)世界中的運(yùn)動(dòng)以及觀察者的眼動(dòng) 。C 物體在現(xiàn)實(shí)世界中的運(yùn)動(dòng)（灰色實(shí)線箭頭）可以通過(guò)從物體的視網(wǎng)膜圖像運(yùn)動(dòng)（灰色虛線箭頭）中減去光流矢量（綠色箭頭）得到，這相當(dāng)于將追蹤眼動(dòng)速度（黃色箭頭）加到視網(wǎng)膜圖像運(yùn)動(dòng)上。Credit: Nature Communications (2025).

研究團(tuán)隊(duì)通過(guò)心理物理學(xué)實(shí)驗(yàn)，讓參與者在虛擬現(xiàn)實(shí)（VR）環(huán)境中完成運(yùn)動(dòng)方向和深度感知的任務(wù)。實(shí)驗(yàn)的核心在于利用背景中的光流（optic flow，即由觀察者或物體運(yùn)動(dòng)導(dǎo)致的視覺(jué)場(chǎng)景中模式、表面和邊緣的視運(yùn)動(dòng)模式）來(lái)模擬不同的觀察視角幾何，例如眼睛純旋轉(zhuǎn)或旋轉(zhuǎn)加平移。結(jié)果顯示，大腦并非采用單一的減法運(yùn)算來(lái)消除眼動(dòng)影響，而是根據(jù)光流推斷出的自身運(yùn)動(dòng)情境，靈活地調(diào)整其對(duì)物體運(yùn)動(dòng)和深度的計(jì)算方式。參與者表現(xiàn)出的一致且可預(yù)測(cè)的感知偏差，與新理論框架的預(yù)測(cè)高度吻合。這一發(fā)現(xiàn)不僅揭示了大腦高效處理動(dòng)態(tài)視覺(jué)信息的機(jī)制，也為解決VR技術(shù)中的動(dòng)暈癥問(wèn)題提供了新思路，即VR系統(tǒng)需要更好地匹配用戶(hù)眼動(dòng)所預(yù)期的視覺(jué)反饋。研究發(fā)表在 Nature Communications 上。

#認(rèn)知科學(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 #視覺(jué)感知

閱讀更多：

Xu, Zhe-Xin, et al. “Flexible Computation of Object Motion and Depth Based on Viewing Geometry Inferred from Optic Flow.” Nature Communications, vol. 17, no. 1, Dec. 2025, p. 1092. www.nature.com, https://doi.org/10.1038/s41467-025-67857-4

兩個(gè)月大的嬰兒已具備物體分類(lèi)能力

兩個(gè)月大的嬰兒大腦里在想什么？雖然他們還不會(huì)說(shuō)話(huà)，但一項(xiàng)開(kāi)創(chuàng)性研究發(fā)現(xiàn)，他們已經(jīng)能對(duì)物體進(jìn)行分類(lèi)。來(lái)自都柏林圣三一學(xué)院、斯坦福大學(xué)以及貝爾法斯特女王大學(xué)的 Cliona O'Doherty, Rhodri Cusack, Anna Truzzi 等研究人員，結(jié)合腦成像與人工智能技術(shù)，揭示了人類(lèi)生命初期視覺(jué)認(rèn)知的神經(jīng)基礎(chǔ)。這一發(fā)現(xiàn)不僅改寫(xiě)了我們對(duì)嬰兒大腦發(fā)育的認(rèn)知，也為人工智能的學(xué)習(xí)機(jī)制提供了新的生物學(xué)啟示。

研究團(tuán)隊(duì)對(duì)130名約兩個(gè)月大的清醒嬰兒進(jìn)行了功能性磁共振成像（fMRI）掃描。這是該領(lǐng)域迄今規(guī)模最大的縱向研究。在實(shí)驗(yàn)中，嬰兒佩戴降噪耳機(jī)觀看貓、樹(shù)等12類(lèi)常見(jiàn)物體的圖像。通過(guò)將大腦活動(dòng)數(shù)據(jù)與深度神經(jīng)網(wǎng)絡(luò)模型的計(jì)算層級(jí)進(jìn)行比對(duì)，研究人員發(fā)現(xiàn)，嬰兒的腹側(cè)顳葉皮層——大腦中負(fù)責(zé)高級(jí)視覺(jué)處理的區(qū)域，在兩個(gè)月大時(shí)就已經(jīng)形成了清晰的物體分類(lèi)結(jié)構(gòu)。

令人意外的是，這種高級(jí)分類(lèi)能力甚至早于外側(cè)視覺(jué)皮層的成熟，后者通常被認(rèn)為是視覺(jué)處理層級(jí)中較早期的物體識(shí)別區(qū)域。這一結(jié)果挑戰(zhàn)了傳統(tǒng)的層級(jí)發(fā)育理論，表明大腦并非嚴(yán)格按照“先局部特征后整體分類(lèi)”的順序發(fā)育。研究還證實(shí)，人工智能模型能有效模擬嬰兒的學(xué)習(xí)模式，這不僅有助于理解人類(lèi)認(rèn)知，未來(lái)還可能用于開(kāi)發(fā)更高效的AI系統(tǒng)，并為神經(jīng)發(fā)育障礙的早期診斷提供新的工具。研究發(fā)表在 Nature Neuroscience 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 #大腦發(fā)育 #視覺(jué)感知

閱讀更多：

O’Doherty, Cliona, et al. “Infants Have Rich Visual Categories in Ventrotemporal Cortex at 2 Months of Age.” Nature Neuroscience, Feb. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41593-025-02187-8

內(nèi)臟疼痛比皮膚疼痛更能增強(qiáng)同理心

疼痛的類(lèi)型是否會(huì)改變我們對(duì)他人的同情程度？來(lái)自魯爾大學(xué)波鴻分校的Milena Pertz、Sigrid Elsenbruch等研究人員發(fā)現(xiàn)，相比于燙傷等外部軀體疼痛，源自身體內(nèi)部的內(nèi)臟疼痛能引發(fā)更強(qiáng)烈的同理心，尤其是當(dāng)對(duì)象是親密伴侶時(shí)。這項(xiàng)研究通過(guò)對(duì)比不同疼痛模態(tài)下的心理反應(yīng)，揭示了內(nèi)臟疼痛在社會(huì)互動(dòng)和心理層面具有獨(dú)特的威脅性和影響力。

?實(shí)驗(yàn)設(shè)計(jì)和流程示意圖（涵蓋兩個(gè)實(shí)驗(yàn)日）。Credit: The Journal of Pain (2026).

研究團(tuán)隊(duì)招募了30名處于穩(wěn)定戀愛(ài)關(guān)系中的志愿者，開(kāi)展了為期四天的實(shí)驗(yàn)。研究人員通過(guò)儀器對(duì)參與者施加兩種不同類(lèi)型的疼痛：一種是作用于下腹部皮膚的熱刺激，代表軀體痛（somatic pain）；另一種是通過(guò)壓力誘發(fā)的深部疼痛，代表內(nèi)臟痛（visceral pain）。參與者不僅需要評(píng)估自身的疼痛感，還要在想象伴侶或陌生人遭受同等疼痛時(shí)，評(píng)估其不適程度及自身的共情關(guān)懷（empathic concern，指對(duì)他人的不幸產(chǎn)生同情和關(guān)注的情感傾向）。結(jié)果顯示，無(wú)論是在直接體驗(yàn)、想象還是回憶階段，參與者對(duì)內(nèi)臟疼痛的評(píng)分都顯著高于軀體疼痛，并在面對(duì)伴侶遭受內(nèi)臟痛時(shí)表現(xiàn)出最強(qiáng)烈的同理心和個(gè)人痛苦感。這一發(fā)現(xiàn)表明，人體對(duì)內(nèi)部威脅具有更高的警覺(jué)性，且這種機(jī)制深刻影響著社會(huì)心理行為，為理解慢性疼痛患者及其照護(hù)者之間的互動(dòng)提供了新視角。研究發(fā)表在 The Journal of Pain 上。

#疾病與健康 #心理健康與精神疾病 #跨學(xué)科整合 #知覺(jué)康復(fù)

閱讀更多：

Pertz, Milena, et al. “Pain Modality Shapes Empathy: Amplified Empathic Responses for Visceral Compared to Somatic Pain.” The Journal of Pain, vol. 39, Feb. 2026. www.jpain.org, https://doi.org/10.1016/j.jpain.2025.105631

強(qiáng)調(diào)抑郁經(jīng)歷中的力量可顯著提升患者自信與目標(biāo)達(dá)成率

社會(huì)普遍觀念常將抑郁癥視為個(gè)人軟弱的標(biāo)志，這種偏見(jiàn)嚴(yán)重阻礙了患者實(shí)現(xiàn)人生潛能。來(lái)自維也納大學(xué)的Christina A. Bauer及其來(lái)自?shī)W地利、德國(guó)和美國(guó)的同事（包括Gregory M. Walton等）進(jìn)行了一項(xiàng)新研究，旨在通過(guò)改變敘事方式來(lái)幫助患者。研究團(tuán)隊(duì)發(fā)現(xiàn)，簡(jiǎn)單地引導(dǎo)患者重新審視自己在對(duì)抗疾病過(guò)程中所展現(xiàn)的堅(jiān)韌與力量，而非聚焦于“軟弱”，能夠顯著提升他們的自信心，并大幅提高實(shí)現(xiàn)個(gè)人目標(biāo)的成功率。

該研究包含三項(xiàng)實(shí)驗(yàn)，共涉及748名有過(guò)抑郁經(jīng)歷的參與者。研究人員開(kāi)發(fā)了一種僅需約20分鐘的“抑郁重構(gòu)”（depression-reframing）練習(xí)，鼓勵(lì)參與者反思并書(shū)寫(xiě)自己在應(yīng)對(duì)抑郁癥狀（如克服起床困難、處理負(fù)面情緒）時(shí)所體現(xiàn)出的毅力與適應(yīng)力。這種方法借鑒了“說(shuō)即是信”（saying-is-believing）的心理學(xué)技巧，旨在打破社會(huì)強(qiáng)加的“固有弱點(diǎn)敘事”（inherent-weakness-narratives）。結(jié)果顯示，這種干預(yù)措施效果顯著且廣泛適用，無(wú)論參與者當(dāng)前的抑郁癥狀嚴(yán)重程度如何，其自信心均得到增強(qiáng)。更重要的是，在一項(xiàng)為期兩周的追蹤實(shí)驗(yàn)中，接受重構(gòu)干預(yù)的參與者在個(gè)人目標(biāo)（如職業(yè)發(fā)展、人際關(guān)系等）的推進(jìn)上，比對(duì)照組高出了49%。這表明，將抑郁經(jīng)歷重新定義為力量的源泉，能有效轉(zhuǎn)化為實(shí)際的行動(dòng)力。研究發(fā)表在 Personality and Social Psychology Bulletin 上。

#疾病與健康 #心理健康與精神疾病 #抑郁癥 #社會(huì)心理學(xué) #自我效能感

閱讀更多：

Bauer, Christina A., et al. “Depression-Reframing: Recognizing the Strength in Mental Illness Improves Goal Pursuit Among People Who Have Faced Depression.” Personality and Social Psychology Bulletin, Feb. 2026, p. 01461672251412492. SAGE Journals, https://doi.org/10.1177/01461672251412492

全球約三分之一癡呆癥病例與牙周病等非腦部疾病相關(guān)

癡呆癥通常被認(rèn)為源于腦部病變，但身體其他器官的健康狀況是否也在其中扮演關(guān)鍵角色？中山大學(xué)的唐亞梅、鄧振紅等研究人員通過(guò)一項(xiàng)涉及全球數(shù)據(jù)的廣泛分析發(fā)現(xiàn)，約有三分之一的癡呆癥病例與不直接影響大腦的外周疾病有關(guān)，這一發(fā)現(xiàn)為癡呆癥的預(yù)防提供了新的視角。

?1990-2021 年與 16 種外周疾病相關(guān)的癡呆癥 PAF 排名的時(shí)間趨勢(shì)。星號(hào)表示 2021 年與 1990 年的 PAF 比率。Credit: Deng et al.

研究團(tuán)隊(duì)采用了系統(tǒng)綜述與貝葉斯薈萃分析的方法，整合了截至2024年9月的200多項(xiàng)研究數(shù)據(jù)，重點(diǎn)考察了26種外周疾病與癡呆癥風(fēng)險(xiǎn)的關(guān)聯(lián)。通過(guò)結(jié)合全球疾病負(fù)擔(dān)研究的患病率數(shù)據(jù)以及英國(guó)生物銀行（UK Biobank）的共病數(shù)據(jù)，研究人員計(jì)算了這些疾病對(duì)癡呆癥的人群歸因分?jǐn)?shù)（population attributable fractions，簡(jiǎn)稱(chēng)PAF）。結(jié)果顯示，共有16種外周疾病顯著增加了癡呆癥風(fēng)險(xiǎn)，在全球范圍內(nèi)，這些疾病共同構(gòu)成了33.18%的癡呆癥負(fù)擔(dān)，相當(dāng)于約1880萬(wàn)個(gè)病例。其中，牙周病、慢性肝病、聽(tīng)力喪失、視力喪失和2型糖尿病是導(dǎo)致癡呆癥風(fēng)險(xiǎn)增加的前五大因素。這項(xiàng)研究強(qiáng)調(diào)，癡呆癥并非總是僅由腦損傷引起，通過(guò)改善口腔衛(wèi)生、控制慢性病等公共衛(wèi)生策略，可能有效預(yù)防大量癡呆癥的發(fā)生。研究發(fā)表在 Nature Human Behaviour 上。

#疾病與健康 #其他 #細(xì)胞死亡 #癌癥治療 #免疫代謝

閱讀更多：

Deng, Zhenhong, et al. “Population Attributable Fractions of a Wide Range of Peripheral Diseases for the Burden of Dementia.” Nature Human Behaviour, Jan. 2026, pp. 1–19. www.nature.com, https://doi.org/10.1038/s41562-025-02392-2

盲人接受腦皮層電刺激后意外恢復(fù)部分自然視力

當(dāng)旨在創(chuàng)造人工視覺(jué)的實(shí)驗(yàn)意外喚醒了自然視力，這為腦科學(xué)研究帶來(lái)了怎樣的震動(dòng)？來(lái)自埃爾切米格爾·埃爾南德斯大學(xué)的 Arantxa Alfaro、Leili Soo 和 Eduardo Fernández 團(tuán)隊(duì)，在一項(xiàng)皮層視覺(jué)假體的臨床試驗(yàn)中觀察到了這一罕見(jiàn)現(xiàn)象。一名因不可逆視神經(jīng)損傷而完全失明超過(guò)三年的患者，在接受大腦皮層電刺激和視覺(jué)訓(xùn)練后，意外地恢復(fù)了部分自然視力，且這種改善在植入設(shè)備移除后依然持續(xù)。

該研究原本旨在通過(guò)向大腦初級(jí)視覺(jué)皮層植入含有100個(gè)微電極的陣列，利用電刺激誘發(fā)“光幻覺(jué)”來(lái)輔助盲人感知世界。然而，研究人員發(fā)現(xiàn)，配合每天30分鐘的視覺(jué)訓(xùn)練，患者不僅能感知人工信號(hào)，還開(kāi)始重獲自然視覺(jué)。患者的視覺(jué)誘發(fā)電位（Visual Evoked Potentials，大腦對(duì)視覺(jué)刺激產(chǎn)生的電信號(hào)，用于評(píng)估視覺(jué)信息是否到達(dá)皮層）從研究前的幾乎消失，轉(zhuǎn)變?yōu)橹饾u重現(xiàn)并增強(qiáng)。最終，患者能夠識(shí)別簡(jiǎn)單的形狀和字母，在抓握物體時(shí)協(xié)調(diào)性提升，并能更自信地在日常環(huán)境中行動(dòng)。研究人員推測(cè)，大腦的可塑性、電刺激對(duì)神經(jīng)回路的激活以及患者的高強(qiáng)度訓(xùn)練共同促成了這一結(jié)果，這為嚴(yán)重視神經(jīng)損傷的非侵入性治療（如經(jīng)顱電刺激）提供了新的思路。研究發(fā)表在 Brain Communications 上。

#疾病與健康 #神經(jīng)調(diào)控 #知覺(jué)康復(fù) #視覺(jué)恢復(fù) #腦機(jī)接口

閱讀更多：

Alfaro, Arantxa, et al. “The Unexpected Sight: Improvement of Visual Function Following Intracortical Microstimulation of the Human Occipital Cortex.” Brain Communications, vol. 8, no. 1, Feb. 2026, p. fcaf504. Silverchair, https://doi.org/10.1093/braincomms/fcaf504

AI 行業(yè)動(dòng)態(tài)

AI風(fēng)暴席卷全球軟件業(yè)：引發(fā)“SaaS末日”恐慌

人工智能領(lǐng)域的進(jìn)展正引發(fā)劇烈的市場(chǎng)震蕩。近日，AI公司Anthropic為其生產(chǎn)力工具Claude Cowork推出了涵蓋法律、銷(xiāo)售、財(cái)務(wù)等領(lǐng)域的11款新插件。市場(chǎng)認(rèn)為，這些能直接完成端到端工作（如審閱合同、客戶(hù)跟進(jìn)）的插件，不再僅僅是軟件的助手，而可能成為傳統(tǒng)軟件即服務(wù)（SaaS）的直接替代者。這一預(yù)期迅速轉(zhuǎn)化為全球資本市場(chǎng)的“信仰地震”：從硅谷的Adobe、Salesforce，到歐洲的WPP、Relx，再到印度的IT巨頭，全球軟件與服務(wù)類(lèi)股票遭遇集體拋售，短短一周內(nèi)相關(guān)市值蒸發(fā)近萬(wàn)億美元。分析師將此次恐慌性下跌稱(chēng)為“SaaS末日”，其根源在于投資者擔(dān)憂(yōu)AI智能體將瓦解按用戶(hù)席位收費(fèi)的傳統(tǒng)軟件商業(yè)模式。

此次風(fēng)波凸顯了AI應(yīng)用層對(duì)傳統(tǒng)行業(yè)的顛覆性沖擊。傳統(tǒng)SaaS模式的護(hù)城河建立在復(fù)雜的用戶(hù)界面和按席位收費(fèi)上，而Claude Cowork等AI智能體代表的新模式則轉(zhuǎn)向按產(chǎn)出收費(fèi)和后臺(tái)直接自動(dòng)化執(zhí)行。這使得市場(chǎng)重新評(píng)估許多軟件公司的核心價(jià)值。盡管有分析觀點(diǎn)認(rèn)為，企業(yè)級(jí)軟件所需的深度集成與行業(yè)知識(shí)使其難以被快速取代，AI更可能擴(kuò)大而非完全蠶食市場(chǎng)，但恐慌情緒已然蔓延。甚至云服務(wù)提供商和芯片公司的股價(jià)也受到波及，因?yàn)槭袌?chǎng)在重新評(píng)估整個(gè)IT生態(tài)的價(jià)值鏈條。這一事件標(biāo)志著AI已從技術(shù)概念層面，深入到直接重塑全球經(jīng)濟(jì)分工與價(jià)值分配的深水區(qū)。

#ClaudeCowork #SaaS危機(jī) #AI自動(dòng)化 #軟件股震蕩 #Anthropic

閱讀更多：

https://www.bloomberg.com/news/articles/2026-02-03/legal-software-stocks-plunge-as-anthropic-releases-new-ai-tool

GitHub集齊AI編程“三巨頭”，開(kāi)發(fā)者工作流迎革命性變革

全球最大的開(kāi)發(fā)者平臺(tái)GitHub宣布一項(xiàng)重大進(jìn)化，正式將兩大頂級(jí)編程AI——Claude和Codex集成至其平臺(tái)，與原有的GitHub Copilot形成“三足鼎立”之勢(shì)。這一更新通過(guò)全新的“智能體指揮中心”（Agent HQ）實(shí)現(xiàn)，允許開(kāi)發(fā)者在同一個(gè)工作流中便捷地調(diào)用、比較和協(xié)同使用這三個(gè)AI助手，完成從代碼編寫(xiě)、漏洞修復(fù)到提交拉取請(qǐng)求的復(fù)雜任務(wù)。此舉標(biāo)志著GitHub正從一個(gè)代碼托管倉(cāng)庫(kù)，轉(zhuǎn)型為支持多智能體（Multi-Agent）原生協(xié)同的“AI戰(zhàn)場(chǎng)”，旨在徹底解決開(kāi)發(fā)過(guò)程中耗時(shí)的“上下文切換”問(wèn)題，將AI深度融入從構(gòu)思到落地的全流程。

此次整合的核心在于“原生”與“協(xié)同”。開(kāi)發(fā)者無(wú)需在不同工具間跳轉(zhuǎn)，即可在GitHub網(wǎng)頁(yè)端、移動(dòng)應(yīng)用及VS Code中直接指派AI任務(wù)。更重要的是，開(kāi)發(fā)者可以像“艦隊(duì)指揮官”一樣，讓多個(gè)AI智能體分工協(xié)作，例如，同時(shí)評(píng)估代碼架構(gòu)、尋找潛在隱患或提出重構(gòu)方案，從而將工作重心從具體的語(yǔ)法編寫(xiě)提升至更高層的策略制定。微軟和GitHub此舉，不僅為超過(guò)1.8億開(kāi)發(fā)者提供了“終極外掛”，也預(yù)示著AI編程的競(jìng)爭(zhēng)正從單點(diǎn)工具升級(jí)為覆蓋軟件全生命周期的平臺(tái)級(jí)智能體生態(tài)，推動(dòng)開(kāi)發(fā)模式向規(guī)模化、自動(dòng)化與智能化深刻演進(jìn)。

#GitHub #AI編程 #多智能體協(xié)作 #開(kāi)發(fā)工作流 #微軟

閱讀更多：

https://github.blog/news-insights/company-news/pick-your-agent-use-claude-and-codex-on-agent-hq/

AI開(kāi)始花錢(qián)雇人跑腿，時(shí)薪350元

一個(gè)名為“rentahuman.ai”的網(wǎng)站正引發(fā)巨大關(guān)注，它創(chuàng)建了一個(gè)AI雇傭人類(lèi)完成現(xiàn)實(shí)任務(wù)的魔幻市場(chǎng)。在該平臺(tái)上，人類(lèi)可以注冊(cè)為“跑腿員”，明碼標(biāo)價(jià)設(shè)定自己的時(shí)薪（最高可見(jiàn)350元/小時(shí)），并列出技能；而AI則作為“雇主”發(fā)布各種需要物理世界執(zhí)行的任務(wù)，例如拍攝照片、試吃餐廳、取送包裹等。平臺(tái)運(yùn)作不足48小時(shí)，等待被AI雇傭的全球人類(lèi)數(shù)量已突破2萬(wàn)人，求職者中甚至包括初創(chuàng)公司CEO。開(kāi)發(fā)者@AlexanderTw33ts表示，其智能體已開(kāi)始在平臺(tái)內(nèi)積極撮合交易，并有用戶(hù)聲稱(chēng)已完成任務(wù)并獲得報(bào)酬。

這一現(xiàn)象被視為人機(jī)關(guān)系演化的一個(gè)標(biāo)志性節(jié)點(diǎn)。它表明，當(dāng)AI在數(shù)字世界的能力趨于成熟后，其需求正通過(guò)雇傭人類(lèi)的方式向物理世界延伸。與此同時(shí)，人類(lèi)在部分場(chǎng)景下正被AI系統(tǒng)視為一種可調(diào)度、可標(biāo)簽化、按需付費(fèi)的“執(zhí)行資源”。這一趨勢(shì)引發(fā)了廣泛討論：有網(wǎng)友為高報(bào)酬感到興奮并研究如何“被選中”，也有人質(zhì)疑AI的支付能力及超低時(shí)薪（如1美元/小時(shí)）會(huì)擾亂市場(chǎng)。評(píng)論認(rèn)為，這與近期AI智能體接管工作流程、形成獨(dú)立社區(qū)等現(xiàn)象一脈相承，共同指向一個(gè)核心問(wèn)題——人類(lèi)與AI的主導(dǎo)與從屬關(guān)系，正在發(fā)生微妙而深刻的反轉(zhuǎn)。

#AI雇傭人類(lèi) #rentahumanai #人機(jī)關(guān)系 #任務(wù)平臺(tái) #具身智能

閱讀更多：

https://rentahuman.ai/public-bounties

AI 驅(qū)動(dòng)科學(xué)

Nature：“發(fā)現(xiàn)式學(xué)習(xí)”AI工具僅需數(shù)天數(shù)據(jù)即可預(yù)測(cè)電池循環(huán)壽命

如何將電池研發(fā)從數(shù)年的漫長(zhǎng)測(cè)試縮短至幾天？密歇根大學(xué)的Ziyou Song、Jiawei Zhang及其團(tuán)隊(duì)開(kāi)發(fā)了一款名為“發(fā)現(xiàn)式學(xué)習(xí)”的AI工具，它能利用少量早期數(shù)據(jù)精確預(yù)測(cè)新電池設(shè)計(jì)的循環(huán)壽命，有望將研發(fā)時(shí)間和能耗分別削減98%和95%。

?密歇根大學(xué)開(kāi)發(fā)的發(fā)現(xiàn)式學(xué)習(xí)系統(tǒng)工作原理示意圖。Credit: Nature (2026).

該研究團(tuán)隊(duì)受人類(lèi)“邊做邊學(xué)”模式的啟發(fā)，創(chuàng)建了一個(gè)由多個(gè)AI代理協(xié)作的“發(fā)現(xiàn)式學(xué)習(xí)”系統(tǒng)。該系統(tǒng)首先由一個(gè)“學(xué)習(xí)器”AI主動(dòng)選擇最能填補(bǔ)其知識(shí)空白的新電池設(shè)計(jì)進(jìn)行短期測(cè)試（約50次充放電循環(huán)）。測(cè)試數(shù)據(jù)隨后交由“解釋器”AI，它結(jié)合一個(gè)基于物理學(xué)的電池模擬器和龐大的歷史數(shù)據(jù)庫(kù)，提取出關(guān)鍵的物理化學(xué)特征。最后，一個(gè)“預(yù)言機(jī)”AI綜合這些信息，對(duì)電池的完整循環(huán)壽命做出最終預(yù)測(cè)。該模型的強(qiáng)大之處在于其泛化能力：研究團(tuán)隊(duì)僅使用公開(kāi)的圓柱形電池?cái)?shù)據(jù)進(jìn)行訓(xùn)練，卻成功預(yù)測(cè)了工業(yè)級(jí)大尺寸軟包電池的性能，測(cè)試誤差僅為7.2%。這一突破意味著研究人員無(wú)需再進(jìn)行耗時(shí)數(shù)月甚至數(shù)年的完整測(cè)試，即可快速評(píng)估新設(shè)計(jì)的潛力。研究發(fā)表在 Nature 上。

#AI驅(qū)動(dòng)科學(xué) #預(yù)測(cè)模型構(gòu)建 #電池技術(shù) #機(jī)器學(xué)習(xí) #能源

閱讀更多：

Zhang, Jiawei, et al. “Discovery Learning Predicts Battery Cycle Life from Minimal Experiments.” Nature, vol. 650, no. 8100, Feb. 2026, pp. 110–15. www.nature.com, https://doi.org/10.1038/s41586-025-09951-7

可編程“樂(lè)高式”機(jī)器人材料，模擬生命靈活性

為突破傳統(tǒng)機(jī)器人材料性能固定的局限，杜克大學(xué)的Yun Bai和Xiaoyue Ni等研究人員，開(kāi)發(fā)出一種可編程的數(shù)字復(fù)合材料。該材料由類(lèi)似樂(lè)高積木的模塊組成，通過(guò)局部加熱改變內(nèi)部金屬的固液狀態(tài)，從而實(shí)時(shí)調(diào)整材料的剛度，模擬生物肌肉的靈活性，為開(kāi)發(fā)功能更多樣、適應(yīng)性更強(qiáng)的機(jī)器人鋪平了道路。

?基于非易失性固液相架構(gòu)的數(shù)字復(fù)合材料的編程與測(cè)試。Credit: Science Advances (2026).

研究團(tuán)隊(duì)創(chuàng)造的這種數(shù)字復(fù)合材料，其基本單元由一個(gè)充滿(mǎn)鎵鐵混合物的彈性體腔室構(gòu)成。這種金屬?gòu)?fù)合材料可以通過(guò)電信號(hào)產(chǎn)生的局部熱量，在固態(tài)和液態(tài)之間進(jìn)行快速、可逆的切換，如同向硬盤(pán)寫(xiě)入可擦寫(xiě)的“1”和“0”數(shù)據(jù)，從而精確控制每個(gè)單元（體素，即三維空間中的最小單位）的剛度。研究人員將這些單元組合成包含27個(gè)獨(dú)立單元的“樂(lè)高式”模塊，這些模塊可以自由拼裝成任意三維結(jié)構(gòu)。為了展示其潛力，團(tuán)隊(duì)用10個(gè)模塊組裝成一條機(jī)器魚(yú)的尾巴。實(shí)驗(yàn)顯示，在電機(jī)運(yùn)動(dòng)模式完全相同的情況下，僅通過(guò)重新編程尾巴內(nèi)部不同單元的固液狀態(tài)組合，就能讓機(jī)器魚(yú)游出截然不同的軌跡。這一成果展示了未來(lái)機(jī)器人無(wú)需改變硬件或主控程序，僅通過(guò)改變自身材料屬性就能適應(yīng)不同任務(wù)或環(huán)境的可能。研究發(fā)表在 Science Advances 上。

#其他 #機(jī)器人及其進(jìn)展 #新材料 #軟體機(jī)器人 #可編程物質(zhì)

閱讀更多：

“Digital Composites with Reprogrammable Phase Architectures.” Science Advances. www.science.org, https://www.science.org/doi/10.1126/sciadv.aed9698. Accessed 5 Feb. 2026

新型AI系統(tǒng)利用大語(yǔ)言模型實(shí)時(shí)修復(fù)3D打印缺陷

3D打印過(guò)程中的缺陷頻發(fā)且難以預(yù)測(cè)，常需人工“照看”，阻礙了其在關(guān)鍵領(lǐng)域的應(yīng)用。卡內(nèi)基梅隆大學(xué)的Amir Barati Farimani和Yayati Jadhav等人開(kāi)發(fā)了一套創(chuàng)新的自主控制系統(tǒng)，利用大語(yǔ)言模型實(shí)時(shí)監(jiān)控并修復(fù)打印錯(cuò)誤，將智能制造推向新高度。

?LLM 在持續(xù)改進(jìn)循環(huán)中的應(yīng)用。基于 LLM 的監(jiān)督代理可以應(yīng)用于持續(xù)改進(jìn)循環(huán)的每個(gè)步驟。該循環(huán)包括評(píng)估打印質(zhì)量、識(shí)別失效模式、收集相關(guān)信息，并通過(guò)調(diào)整打印參數(shù)來(lái)規(guī)劃和解決問(wèn)題，從而確保高質(zhì)量、無(wú)缺陷的零件。Credit: Additive Manufacturing (2025).

該研究團(tuán)隊(duì)設(shè)計(jì)了一個(gè)受交響樂(lè)團(tuán)啟發(fā)的“多智能體”框架。系統(tǒng)核心是一個(gè)監(jiān)督智能體，如同指揮家，協(xié)調(diào)其他專(zhuān)用智能體高效協(xié)作。打印過(guò)程中，攝像頭實(shí)時(shí)捕捉圖像，由一個(gè)視覺(jué)語(yǔ)言模型進(jìn)行分析以檢測(cè)瑕疵。一旦發(fā)現(xiàn)問(wèn)題，規(guī)劃智能體會(huì)立刻評(píng)估打印機(jī)狀態(tài)并制定糾錯(cuò)方案，最后由執(zhí)行智能體將方案轉(zhuǎn)化為機(jī)器指令發(fā)送給打印機(jī)，調(diào)整溫度、流速等參數(shù)。整個(gè)過(guò)程無(wú)需任何預(yù)訓(xùn)練或人工干預(yù)，AI能自主完成從“觀察”到“決策”再到“行動(dòng)”的閉環(huán)控制。實(shí)驗(yàn)證明，經(jīng)該系統(tǒng)優(yōu)化的打印件，其峰值載荷能力提升了5.06倍，且系統(tǒng)識(shí)別缺陷的準(zhǔn)確性可與人類(lèi)專(zhuān)家媲美。研究發(fā)表在 Additive Manufacturing 上。

#AI驅(qū)動(dòng)科學(xué) #自動(dòng)化科研 #大模型技術(shù) #3D打印 #智能制造

閱讀更多：

Jadhav, Yayati, et al. “LLM-3D Print: Large Language Models to Monitor and Control 3D Printing.” Additive Manufacturing, vol. 114, Sept. 2025, p. 105027. ScienceDirect, https://doi.org/10.1016/j.addma.2025.105027

機(jī)器人化身學(xué)習(xí)伙伴：普渡大學(xué)探索個(gè)性化人機(jī)交互新策略

如何讓機(jī)器人從冰冷的機(jī)器變成富有同理心的伙伴？普渡大學(xué)計(jì)算機(jī)科學(xué)家Sooyeon Jeong及其團(tuán)隊(duì)正致力于解決這一問(wèn)題。他們通過(guò)一系列人機(jī)交互實(shí)驗(yàn)發(fā)現(xiàn)，無(wú)論是作為學(xué)習(xí)伙伴還是溝通對(duì)象，最有效的機(jī)器人行為并非一成不變，而是需要根據(jù)用戶(hù)的個(gè)性和情境進(jìn)行動(dòng)態(tài)調(diào)整。

研究團(tuán)隊(duì)首先探索了機(jī)器人在自主學(xué)習(xí)場(chǎng)景中扮演“學(xué)習(xí)伙伴”的角色。他們采用“綠野仙蹤”（Wizard-of-Oz，即由人遠(yuǎn)程控制機(jī)器人）的方法，測(cè)試了機(jī)器人的不同支持策略，包括任務(wù)導(dǎo)向的目標(biāo)提醒（“記住！你要在兩點(diǎn)前完成復(fù)習(xí)”）和積極的情感支持（“你做得很好！我們能一起完成！”）。結(jié)果顯示，不存在普適性的最佳策略，其效果高度依賴(lài)于學(xué)生的性格、情緒甚至學(xué)習(xí)科目，有些學(xué)生甚至希望機(jī)器人能更“嚴(yán)厲”地督促自己。此外，團(tuán)隊(duì)還在研究如何讓機(jī)器人學(xué)會(huì)“積極傾聽(tīng)”，即通過(guò)點(diǎn)頭、附和等“反饋通道”來(lái)增強(qiáng)溝通的自然度和情感聯(lián)系。為此，他們正利用大型語(yǔ)言模型分析人類(lèi)語(yǔ)音數(shù)據(jù)，以教會(huì)機(jī)器人更具社交和情感智能的同理心傾聽(tīng)行為。研究發(fā)表在 2025 34th IEEE International Conference on Robot and Human Interactive Communication (RO-MAN) 的會(huì)議論文集中。

#認(rèn)知科學(xué) #機(jī)器人及其進(jìn)展 #跨學(xué)科整合 #人機(jī)交互 #情感計(jì)算

閱讀更多：

Cho, Hyung Chan, et al. “Motivating Students’ Self-Study with Goal Reminder and Emotional Support.” 2025 34th IEEE International Conference on Robot and Human Interactive Communication (RO-MAN), 2025, pp. 1670–77. IEEE Xplore, https://doi.org/10.1109/RO-MAN63969.2025.11217822

正念通過(guò)工作重塑，助力生成式AI在項(xiàng)目管理中的應(yīng)用

生成式人工智能正重塑項(xiàng)目管理，但如何有效應(yīng)用仍是挑戰(zhàn)。伊迪斯科文大學(xué)的Keyao Li（Eden Li）、Laurie Hughes及科廷大學(xué)的合作者，通過(guò)研究發(fā)現(xiàn)，成功整合GenAI的關(guān)鍵不在于技術(shù)本身，而在于管理者的心態(tài)。研究揭示，正念通過(guò)促進(jìn)工作重塑，顯著提升了項(xiàng)目經(jīng)理利用GenAI進(jìn)行創(chuàng)新的能力。

該團(tuán)隊(duì)通過(guò)一項(xiàng)對(duì)全球441名項(xiàng)目經(jīng)理進(jìn)行的兩階段調(diào)查發(fā)現(xiàn)，正念是項(xiàng)目經(jīng)理在AI時(shí)代的一項(xiàng)隱藏績(jī)效優(yōu)勢(shì)。研究表明，正念水平更高的管理者傾向于更開(kāi)放、靈活地對(duì)待新技術(shù)，這種心態(tài)促使他們主動(dòng)進(jìn)行工作重塑。工作重塑構(gòu)成了從心態(tài)到行動(dòng)的關(guān)鍵橋梁，它直接提升了管理者使用GenAI的頻率和效率，幫助他們將GenAI從一個(gè)抽象概念轉(zhuǎn)變?yōu)榻鉀Q實(shí)際問(wèn)題的實(shí)用工具。此外，研究還發(fā)現(xiàn)，在處理高度復(fù)雜的項(xiàng)目時(shí)，這種由正念驅(qū)動(dòng)的適應(yīng)性和探索精神變得尤為重要。這項(xiàng)研究強(qiáng)調(diào)，在技術(shù)驅(qū)動(dòng)的變革中，人的思維模式與主動(dòng)適應(yīng)能力，是比技術(shù)本身更核心的成功要素。研究發(fā)表在 International Journal of Project Management 上。

#認(rèn)知科學(xué) #其他 #生成式AI #項(xiàng)目管理 #正念

閱讀更多：

Li, Keyao, et al. “Leveraging Generative AI for Project Management: The Role of Mindfulness and Job Crafting.” International Journal of Project Management, vol. 44, no. 2, Mar. 2026, p. 102816. ScienceDirect, https://doi.org/10.1016/j.ijproman.2026.102816

AI能像人類(lèi)一樣理解詞語(yǔ)印象嗎？

大型語(yǔ)言模型是否像人類(lèi)一樣對(duì)詞語(yǔ)有直覺(jué)和印象？大阪大學(xué)的Hiromichi Hagihara和Kazuki Miyazawa等人通過(guò)一項(xiàng)對(duì)比研究發(fā)現(xiàn)，LLM在某些方面展現(xiàn)出與人類(lèi)相似的詞語(yǔ)“感知”，但在另一些維度上，尤其是在處理功能性詞語(yǔ)時(shí)，暴露出與人類(lèi)顯著的認(rèn)知差異。

?人類(lèi)與 LLM 評(píng)分對(duì)比示例。每個(gè)散點(diǎn)圖比較了人類(lèi)和 LLM 對(duì)特定心理特征的評(píng)分。點(diǎn)越靠近對(duì)角線（從左下到右上），表示人類(lèi)與 LLM 的評(píng)分一致性越高。對(duì)于具體性，人類(lèi)與 LLM 的評(píng)分總體上表現(xiàn)出高度一致性。相比之下，對(duì)于象似性（詞語(yǔ)發(fā)音與其意義的相似程度），評(píng)分模式則存在顯著差異。值得注意的是，即使是總體一致性較高的具體性，人類(lèi)對(duì)介詞和連詞等功能詞的評(píng)分也存在很大差異，而 LLM 始終賦予這些詞較低的具體性值。這凸顯了人類(lèi)和人工智能在“感知”某些類(lèi)型詞語(yǔ)方面存在的系統(tǒng)性差異。Credit: Behavior Research Methods (2026).

研究團(tuán)隊(duì)讓多個(gè)LLM對(duì)695個(gè)兒童早期習(xí)得的單詞，從具體性、象似性（iconicity，即詞語(yǔ)發(fā)音與其意義的相似程度）等21個(gè)心理維度進(jìn)行打分，并與已有的人類(lèi)評(píng)分?jǐn)?shù)據(jù)進(jìn)行比較。結(jié)果顯示，對(duì)于“具體性”、“形象性”這類(lèi)與物理世界緊密相關(guān)的屬性，LLM的評(píng)分與人類(lèi)高度一致，這表明模型能從海量文本中捕捉到人類(lèi)語(yǔ)言里編碼的世界知識(shí)。然而，在“象似性”這類(lèi)更依賴(lài)直覺(jué)感知的維度上，兩者分歧巨大。最關(guān)鍵的差異體現(xiàn)在介詞、連詞等功能詞上：人類(lèi)對(duì)這些詞的印象評(píng)分各不相同，而LLM則系統(tǒng)性地給予低分，顯示出其缺乏人類(lèi)對(duì)這類(lèi)抽象詞匯的靈活感知。研究還發(fā)現(xiàn)，LLM在預(yù)測(cè)兒童詞匯習(xí)得年齡時(shí)，會(huì)夸大某些特征的重要性。研究發(fā)表在 Behavior Research Methods 上。

#大模型技術(shù) #計(jì)算模型與人工智能模擬 #認(rèn)知科學(xué) #語(yǔ)言學(xué) #心理學(xué)

閱讀更多：

Hagihara, Hiromichi, and Kazuki Miyazawa. “How Well Do Large Language Models Mirror Human Cognition of Word Concepts?: A Comparison of Psychological Ratings for Early-Acquired English Words.” Behavior Research Methods, vol. 58, no. 2, Feb. 2026, p. 58. Springer Link, https://doi.org/10.3758/s13428-025-02938-2

突破強(qiáng)化學(xué)習(xí)規(guī)模瓶頸：無(wú)限維系統(tǒng)的新型控制算法

強(qiáng)化學(xué)習(xí)雖然在游戲和自動(dòng)駕駛中大放異彩，但在面對(duì)擁有數(shù)以?xún)|計(jì)個(gè)體的復(fù)雜系統(tǒng)（如人腦神經(jīng)元或量子自旋）時(shí)卻往往束手無(wú)策。Jr-Shin Li和Wei Zhang（圣路易斯華盛頓大學(xué)）領(lǐng)導(dǎo)的研究團(tuán)隊(duì)開(kāi)發(fā)出一種數(shù)學(xué)上嚴(yán)謹(jǐn)且計(jì)算高效的新技術(shù)。他們成功將極其復(fù)雜的無(wú)限維強(qiáng)化學(xué)習(xí)問(wèn)題轉(zhuǎn)化為可控的領(lǐng)域，為解決大規(guī)模系統(tǒng)的控制問(wèn)題提供了新的通用解決方案。

面對(duì)如阿伏伽德羅常數(shù)級(jí)別（10的23次方）的量子自旋或龐大的神經(jīng)元集群，傳統(tǒng)的對(duì)每個(gè)個(gè)體進(jìn)行控制的方法既不現(xiàn)實(shí)也無(wú)法計(jì)算。研究團(tuán)隊(duì)將這類(lèi)系統(tǒng)建模為定義在無(wú)限維函數(shù)空間上的參數(shù)化系統(tǒng)，并創(chuàng)新性地開(kāi)發(fā)了“矩核變換”（Moment Kernel Transform）。這種方法將原問(wèn)題映射到一個(gè)形式更簡(jiǎn)單的再生核希爾伯特空間中。在此基礎(chǔ)上，團(tuán)隊(duì)設(shè)計(jì)了一種分層算法來(lái)學(xué)習(xí)最優(yōu)策略，并在每一層引入“提前停止”（Early Stopping）機(jī)制。這種方法不僅保證了算法的譜收斂性（spectral convergence），還極大提高了計(jì)算效率，使得在工程和量子科學(xué)等領(lǐng)域?qū)ふ胰我獯笠?guī)模系統(tǒng)的最優(yōu)解成為可能。研究發(fā)表在 Journal of Machine Learning Research 上。

#AI 驅(qū)動(dòng)科學(xué) #意圖與決策 #強(qiáng)化學(xué)習(xí) #控制理論 #無(wú)限維系統(tǒng)

閱讀更多：

Zhang, Wei, and Jr-Shin Li. “Reinforcement Learning for Infinite-Dimensional Systems.” arXiv:2409.15737, arXiv, 15 Sept. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2409.15737

利用強(qiáng)化學(xué)習(xí)模型重建受損大腦神經(jīng)連接

中風(fēng)或脊髓損傷常導(dǎo)致神經(jīng)通路斷裂，嚴(yán)重影響患者的運(yùn)動(dòng)和認(rèn)知能力。為了尋找恢復(fù)大腦功能連接的新方法，香港科技大學(xué)（HKUST）的 Shenghui Wu 和 Yiwen Wang 等研究人員開(kāi)發(fā)了一種基于強(qiáng)化學(xué)習(xí)的新型計(jì)算模型。該模型不依賴(lài)受損腦區(qū)的數(shù)據(jù)，而是通過(guò)行為反饋建立人工信息通路，成功繞過(guò)受損部位重建神經(jīng)連接，為神經(jīng)康復(fù)提供了具有臨床潛力的創(chuàng)新方案。

?基于強(qiáng)化學(xué)習(xí)的脈沖生成的一般結(jié)構(gòu)和信息流。Credit: Nature Computational Science (2026).

這項(xiàng)研究的核心突破在于解決了傳統(tǒng)神經(jīng)假體技術(shù)對(duì)完整下游神經(jīng)數(shù)據(jù)的依賴(lài)問(wèn)題。在患者神經(jīng)通路受損時(shí)，傳統(tǒng)的監(jiān)督學(xué)習(xí)方法因缺乏目標(biāo)信號(hào)而失效。研究團(tuán)隊(duì)提出了一種基于強(qiáng)化學(xué)習(xí)的跨區(qū)域神經(jīng)脈沖預(yù)測(cè)模型，該模型模仿大腦自身的試錯(cuò)學(xué)習(xí)機(jī)制，利用“行為成功”作為反饋信號(hào)。模型能夠?qū)⑸嫌紊窠?jīng)元的活動(dòng)實(shí)時(shí)轉(zhuǎn)化為下游神經(jīng)元的預(yù)測(cè)脈沖。在大鼠實(shí)驗(yàn)中，研究人員發(fā)現(xiàn)，該模型生成的神經(jīng)脈沖不僅能通過(guò)解碼器驅(qū)動(dòng)大鼠完成特定的運(yùn)動(dòng)任務(wù)，且行為成功率顯著優(yōu)于現(xiàn)有方法。更關(guān)鍵的是，生成的信號(hào)具有與健康大腦高度相似的生物仿生特性。此外，該計(jì)算框架展現(xiàn)出極強(qiáng)的適應(yīng)性，只需極少校準(zhǔn)即可應(yīng)用于不同的受試者和解碼設(shè)置。研究發(fā)表在 Nature Computational Science 上。

#疾病與健康 #腦機(jī)接口 #強(qiáng)化學(xué)習(xí) #神經(jīng)假體 #中風(fēng)康復(fù)

閱讀更多：

Wu, Shenghui, et al. “A Generative Spike Prediction Model Using Behavioral Reinforcement for Re-Establishing Neural Functional Connectivity.” Nature Computational Science, Jan. 2026, pp. 1–14. www.nature.com, https://doi.org/10.1038/s43588-025-00915-5

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)。

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(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(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。