追問daily | 為何AI無法毀滅人類？奧特曼承認ChatGPT“走偏”了；意識即記憶：感知是對過去的模擬

█ 腦科學動態

Science：大腦自我修復新機制，前體細胞時刻準備產生髓鞘

Cell：細胞衰老塑造了從發育到晚年的大腦結構

Nature：衰老導致神經元蛋白質周轉減慢并積聚于小膠質細胞

意識即記憶：感知是對過去的模擬

僅需皮膚活檢即可揭示罕見神經退行性疾病的蛋白結構

大腦杏仁核發現罕見的性別二元神經簇

情景與語義記憶提取涉及相同腦區

█ AI行業動態

2025十大科技進展揭曉

奧特曼承認ChatGPT“走偏”了：未來回歸通用

Kimi K2.5重磅開源

█ AI驅動科學

Nature：復旦團隊受壽司啟發研發發絲級柔性纖維芯片

受人類骨骼啟發，南科大研發出可“生長”的軟體機器人

AI讓資源匱乏地區的心臟驟停預測準確率翻倍

具備可靠性感知能力的AI框架加速下一代電池正極材料開發

機器學習識別酒精成癮風險：青少年愛吃糖可能是預警信號

自主機器人的不可預測運動會加劇人類的不適感

新研究揭示為何全能AI無法毀滅人類

基因沉默與3D打印結合：罕見顱腦疾病的非侵入性治療新曙光

腦科學動態

Science：大腦自我修復新機制，前體細胞時刻準備產生髓鞘

大腦中的髓鞘生成細胞是如何再生的？約翰·霍普金斯大學醫學院的Yevgeniya A. Mironova和Dwight E. Bergles團隊通過小鼠實驗發現了顛覆性證據：少突膠質細胞前體細胞（OPCs）并非僅在受傷或“按需”時才分化，而是以恒定的速度在整個大腦中持續嘗試產生新的髓鞘細胞。這一發現表明，大腦時刻保持著修復潛能，這為治療多發性硬化癥等脫髓鞘疾病提供了全新的視角。

? “蒲公英鐘狀結構”（DACS）是少突膠質細胞前體細胞嘗試分化時形成的。Credit: Yevgeniya Mironova, Ph.D.

研究團隊通過分析哺乳動物基因數據庫，發現OPC在嘗試分化時會改變其周圍的細胞外基質，形成一種獨特的“蒲公英鐘狀結構”（Dandelion-clock-like structures, DACS）。利用這一標記，研究人員能夠追蹤小鼠大腦中的OPC活動。結果顯示，這種分化嘗試在全腦范圍內持續發生，甚至在不需要髓鞘的區域也是如此。這種機制雖然看起來效率低下（許多分化嘗試最終失敗），但確保了大腦任何部位都有產生新髓鞘的潛力。進一步實驗表明，當人為剝離髓鞘模擬疾病損傷時，OPC的分化速率并沒有增加，但存活下來并形成新少突膠質細胞的比例顯著提高。這意味著，髓鞘修復的關鍵在于分化后的細胞能否成功整合和存活，而非單純增加前體細胞的分化數量。研究發表在 Science 上。

#疾病與健康 #神經機制與腦功能解析 #多發性硬化癥 #髓鞘再生 #少突膠質細胞

閱讀更多：

Mironova, Yevgeniya A., et al. “Myelin Is Repaired by Constitutive Differentiation of Oligodendrocyte Progenitors.” Science, vol. 391, no. 6783, Jan. 2026, p. eadu2896. science.org (Atypon), https://doi.org/10.1126/science.adu2896

Cell：細胞衰老塑造了從發育到晚年的大腦結構

細胞衰老通常被視為機體老化的標志，但它是否在生命早期也扮演著重要角色？Anina N. Lund、Noam D. Beckmann、Alexander W. Charney和Brian H. Kopell等研究人員（西奈山伊坎醫學院）通過“活體大腦計劃”發現，細胞衰老不僅與老年時期的大腦結構萎縮有關，還深度參與了早期大腦的發育過程。研究團隊首次在活體人腦中證實，特定的衰老分子特征與大腦容量的變化直接相關，揭示了這一生物學過程在整個生命周期中的雙重作用。

? Credit:Cell.

該研究依托獨特的“活體大腦計劃”，從接受神經外科手術的患者中獲取前額皮質活檢樣本，并將其與結構磁共振成像（sMRI）數據相結合。研究人員利用單核RNA測序和質譜分析技術，精確識別了不同細胞類型中的衰老基因表達譜，并將其與大腦結構特征進行匹配。結果顯示，細胞衰老對大腦體積的影響因細胞類型而異：小膠質細胞的衰老特征與較大的腦容量相關，而興奮性神經元的衰老特征則與較小的腦容量相關。這種在興奮性神經元中觀察到的負相關性不僅出現在老年大腦中，同樣也存在于5歲以下的兒童大腦中。這一發現有力地支持了拮抗性多效性理論，即某些基因在生命早期可能通過類似衰老的機制促進發育和生存，但在晚年卻可能導致組織退化和疾病。這項工作為理解阿爾茨海默病等神經退行性疾病提供了全新的視角，表明衰老機制可能是大腦正常發育與病理性退化之間的共用橋梁。研究發表在 Cell 上。

#疾病與健康 #神經機制與腦功能解析 #細胞衰老 #大腦發育 #多組學

閱讀更多：

Lund, Anina N., et al. “Establishing the Relationship between Brain Cellular Senescence and Brain Structure.” Cell, vol. 189, no. 2, Jan. 2026, pp. 511-527.e17. www.cell.com, https://doi.org/10.1016/j.cell.2025.10.014

Nature：衰老導致神經元蛋白質周轉減慢并積聚于小膠質細胞

隨著年齡增長，大腦清理“蛋白質垃圾”的能力逐漸下降，這種蛋白質穩態的失衡是神經退行性疾病的關鍵特征。為了解這一過程的細胞機制，斯坦福大學醫學院的Ian H. Guldner和Tony Wyss-Coray等人組成的研究團隊開發了新技術，深入追蹤了活體大腦中蛋白質的生命周期。研究發現，衰老不僅顯著減緩了神經元蛋白質的降解速度，還導致這些難以降解的蛋白質在小膠質細胞中異常堆積，進而可能引發記憶力下降和癡呆。

研究團隊開發了一種名為BONCAT（生物正交非經典氨基酸標記）的創新技術，通過在轉基因小鼠體內表達特定的工程化酶，給神經元新合成的蛋白質打上化學標簽，從而在不影響其他細胞的情況下特異性追蹤神經元蛋白質。通過對比年輕、中年和老年小鼠，研究人員發現，老年小鼠神經元蛋白質的平均半衰期增加了一倍，意味著大腦清理蛋白質的速度減慢了一半。進一步分析顯示，突觸相關蛋白質對衰老尤為敏感，最容易形成聚集物。這些降解緩慢的神經元蛋白質并非靜止不動，而是轉移到了大腦的免疫細胞——小膠質細胞中。老年小膠質細胞中積累的神經元蛋白質數量是年輕時的10倍以上，且超過一半表現出降解缺陷。這表明，隨著衰老，小膠質細胞雖然試圖吞噬和清除突觸部位的“垃圾”，但最終因不堪重負而失效，這可能是導致年齡相關突觸丟失和認知功能衰退的重要原因。研究發表在 Nature 上。

#神經科學 #神經機制與腦功能解析 #行為進化 #發聲交流 #冷泉港實驗室

閱讀更多：

Guldner, Ian H., et al. “Ageing Promotes Microglial Accumulation of Slow-Degrading Synaptic Proteins.” Nature, Jan. 2026, pp. 1–12. www.nature.com, https://doi.org/10.1038/s41586-025-09987-9

意識即記憶：感知是對過去的模擬

我們當下的意識體驗究竟是實時的感知，還是大腦構建的記憶？波士頓大學醫學院的Andrew E. Budson、昆士蘭科技大學的Hinze Hogendoorn以及多倫多大學的Donna Rose Addis聯合進行了一項跨學科理論研究。他們整合了記憶、感知和神經學領域的最新發現，提出了一個顛覆性的綜合理論，重新定義了意識的本質及其在大腦中的運作機制。

該研究通過綜合三種不同的理論視角，提出由于神經信號處理存在不可避免的延遲，我們所認為的實時感知其實必然是錯誤的直覺。研究指出，大腦中的感知機制實際上是在毫秒到秒的時間尺度上，對過去、現在和未來進行持續的、可編輯的最佳估計。這意味著，意識感知與記憶之間并沒有嚴格的界限，我們對當下的體驗本質上是大腦對先前無意識感覺和決策的顯性記憶。研究進一步強調，默認模式網絡以及額頂葉控制網絡和顯著性網絡不僅對記憶和模擬至關重要，也是產生意識的核心神經基礎。這一理論認為意識的目的與顯性記憶一致，即利用過去的信息來理解當下并規劃未來。這種觀點為解釋意識的解剖學和生理學機制提供了統一的框架，表明意識的神經相關物可能遍布整個大腦皮層。研究發表在 Journal of Cognitive Neuroscience 上。

#意識與腦機接口 #神經機制與腦功能解析 #記憶機制 #認知科學 #感知

閱讀更多：

Budson, Andrew E., et al. “Perception, Memory, Simulation, and Consciousness: A Convergence of Theories.” Journal of Cognitive Neuroscience, Jan. 2026, pp. 1–11. Silverchair, https://doi.org/10.1162/JOCN.a.2429

僅需皮膚活檢即可揭示罕見神經退行性疾病的蛋白結構

神經退行性疾病的致病蛋白結構研究以往主要依賴尸檢樣本，難以反映活體患者的實時病理。日內瓦大學的Andreas Boland和瑞士意大利語區大學的Giorgia Melli帶領的研究團隊，通過從活體患者身上采集微量皮膚樣本，成功解析了導致罕見神經退行性疾病的蛋白沉積物三維結構，為微創診斷和個性化治療帶來了新突破。

該研究聚焦于轉甲狀腺素蛋白淀粉樣變性，這是一種因蛋白質錯誤折疊而在器官中形成有毒絲狀沉積的疾病，機制與阿爾茨海默病相似。研究人員從一名活體患者身上采集了僅5-10毫克的皮膚組織，利用冷凍電鏡和質譜技術進行了分析。結果顯示，從皮膚中提取的淀粉樣纖維，其三維折疊結構與在心臟或神經等深層器官中發現的纖維幾乎完全一致。這意味著，通過簡單的皮膚活檢，不僅可以替代侵入性檢查來確診疾病，還能實現對疾病進程的長期監測以及對治療反應的實時評估。這一發現打破了以往只能依靠死后組織進行結構研究的局限，為阿爾茨海默病和帕金森病等具有類似蛋白聚集特征的疾病提供了新的研究范式。研究發表在 Nature Communications 上。

#疾病與健康 #個性化醫療 #神經退行性疾病 #冷凍電鏡

閱讀更多：

Yu, Jun, et al. “Structure of ATTRv-F64S Fibrils Isolated from Skin Tissue of a Living Patient.” Nature Communications, vol. 17, no. 1, Dec. 2025, p. 781. www.nature.com, https://doi.org/10.1038/s41467-025-67457-2

大腦杏仁核發現罕見的性別二元神經簇

大腦是否存在像生殖器官那樣明顯的性別差異？Tamar Licht, Adan Akarieh, Aya Dhamshy和Dan Rokni等人（耶路撒冷希伯來大學以色列-加拿大醫學研究所）深入研究了小鼠大腦，發現了一個此前未知的神經細胞簇。該區域的活動模式呈現出驚人的二元對立特征——在雌性中持續活躍，而在成年雄性中通常關閉，僅在特定條件下開啟。這一發現為理解大腦如何根據性別和社會狀態調節行為提供了新的生物學證據。

? Credit: bioRxiv.DOI: 10.1101/2025.07.09.663831

研究團隊利用TRAP2轉基因小鼠模型，聚焦于負責調節情緒和社會行為的內側杏仁核。他們發現了一個名為DIMPLE的密集神經元簇，其活動遵循著罕見的“開/關”規則。實驗數據顯示，該區域在所有雌性小鼠中始終處于激活狀態；相比之下，成年處男雄性小鼠的該區域則完全靜默。有趣的是，雄性小鼠在斷奶前該區域是活躍的，且在經歷交配行為后會被重新激活。為了探究背后的機制，研究人員測試了激素的影響。結果表明，這種差異并非單純依賴于循環性激素，因為切除性腺并未改變活動模式。然而，注射催乳素成功激活了處男雄性的該神經簇。這表明大腦利用這種類似開關的機制，整合性別、經歷和激素信號，以適應如生殖轉變等關鍵生命階段的行為需求。研究發表在 PNAS 上。

#神經科學 #神經機制與腦功能解析 #行為進化 #發聲交流 #冷泉港實驗室

閱讀更多：

Licht, Tamar, et al. “A Sexually Dimorphic Neuronal Cluster in the Mouse Medial Amygdala Responds to Male Sexual Status.” Proceedings of the National Academy of Sciences, vol. 123, no. 4, Jan. 2026, world, p. e2518703123. www.pnas.org, https://doi.org/10.1073/pnas.2518703123

情景與語義記憶提取涉及相同腦區

記憶究竟是如何在大腦中運作的？傳統觀點認為回憶過去（情景記憶）和提取知識（語義記憶）由不同系統負責。然而，諾丁漢大學心理學院的Roni Tibon及其同事，聯合劍橋大學的研究人員，通過一項最新研究顛覆了這一認知。他們發現，這兩種記憶類型的提取實際上涉及完全相同的大腦區域。這一發現不僅挑戰了教科書式的定義，也為理解癡呆癥等疾病提供了全新的視角。

為了驗證這兩種記憶系統的神經基礎是否存在差異，研究團隊設計了一項精巧的實驗。他們招募了40名參與者，并利用功能磁共振成像（fMRI）技術監測大腦活動。實驗中，參與者需要完成兩類高度匹配的回憶任務：一是基于現實知識回憶品牌與標志的配對（語義任務），二是回憶在實驗前剛剛學到的配對（情景任務）。長期以來的理論預測這兩種任務會激活不同的大腦網絡，但結果令人驚訝：神經影像數據顯示兩者之間的大腦活動模式沒有顯著差異。貝葉斯分析進一步證實，參與提取“心理時間旅行”般的個人經歷與提取一般事實知識的腦區存在高度重疊。Roni Tibon指出，這意味著整個大腦可能共同參與不同類型的記憶活動，這對于開發針對阿爾茨海默病等記憶障礙的干預措施具有重要意義。研究發表在 Nature Human Behaviour 上。

#神經科學 #神經機制與腦功能解析 #記憶機制 #認知科學 #阿爾茨海默病 #功能磁共振成像

閱讀更多：

Tibon, Roni, et al. “Neural Activations and Representations during Episodic versus Semantic Memory Retrieval.” Nature Human Behaviour, Jan. 2026, pp. 1–19. www.nature.com, https://doi.org/10.1038/s41562-025-02390-4

AI 行業動態

2025十大科技進展揭曉：從DeepSeek崛起、腦機接口突破到宇宙圖譜繪制

1月26日，由中國科學院和中國工程院主辦的2025年中國與世界十大科技進展新聞在北京正式揭曉。在備受矚目的中國科技進展中，能源、人工智能與生命科學領域的突破尤為強勁。被稱為“人造太陽”的全超導托卡馬克核聚變實驗裝置（EAST）創造了“億度千秒”的運行世界紀錄，標志著聚變能源研究向工程實踐邁出了從0到1的關鍵一步。深度求索公司推出的R1大模型以極高的性能和超低的訓練成本引發全球震動，被視為中國AI領域的里程碑事件。此外，釷基熔鹽堆的建成鞏固了研究人員在第四代核能技術上的國際引領地位，而“北腦一號”腦機接口則成功幫助失語患者重建交流能力。其他入選成果還包括超導量子計算原型機“祖沖之三號”、帕金森病新藥靶點發現以及6G通信領域的創新突破。

在世界科技進展方面，前沿物理探索與生物醫療技術不僅刷新了人類的認知邊界，更展現了改變生活的巨大潛力。腦機接口技術首次讓肌萎縮側索硬化癥患者能夠有感情地說話甚至唱歌，而轉基因豬腎移植在人體內創紀錄存活61天，為解決器官短缺問題帶來了新的曙光。物理學領域，研究人員探測到了史上最龐大的黑洞合并事件，并成功制造出首個肉眼可見的“時間晶體”（Time Crystal，一種在時間維度上持續重復排列的特殊物質形態）。同時，DeepMind開發的AI模型在國際數學奧林匹克競賽中達到金牌水平，證明了機器邏輯推理能力的飛躍。此外，關于宇宙早期信號的地基探測、最大宇宙圖譜的繪制以及“電子-光子-量子”一體化芯片的問世，也共同構成了年度全球科技的高光時刻。

#2025十大科技進展 #DeepSeek #腦機接口 #核聚變 #量子計算

閱讀更多：

https://www.cas.cn/yw/202601/t20260126_5097241.shtml

奧特曼承認ChatGPT“走偏”了：未來回歸通用，寫代碼不再是核心

OpenAI 首席執行官 Sam Altman 在近期的直播互動中針對 AI 行業未來發表了多項重要觀點。在軟件工程領域，他預測未來工程師數量將大幅增長，但工作重心將從繁瑣的代碼編寫與調試，徹底轉向利用系統解決實際問題，且針對個人或小群體的定制化軟件將成為主流并貢獻大量 GDP。在教育方面，Altman 持保守態度，反對在幼兒園階段引入計算機或 AI，主張兒童應優先通過真實的人際互動學習社交技能。對于外界關注的產品路線，他坦承 OpenAI 在 ChatGPT-5 系列模型的開發中確實“搞砸了”，因過度側重智力與編程能力而導致模型“偏科”，忽視了寫作與溝通等通用能力。他強調，未來的戰略重心將回歸真正的通用模型，力求在推理、編程和自然表達等所有維度上實現均衡發展的卓越性能。

關于商業化落地，Altman 指出市場需求正從單純追求低成本轉向對推理速度的極致渴求，OpenAI 致力于在成本與速度間取得平衡，以支持大規模智能體的經濟化運行。在宏觀經濟層面，他認為 AI 具有強通縮效應，雖能賦能個人以低成本創造巨大價值，但也需警惕財富向少數人集中的結構性風險。此外，Altman 特別表達了對 2026 年可能爆發的生物安全風險的擔憂。他認為隨著模型能力增強，單純的“封堵”策略已難以為繼，必須轉向建設具有韌性的安全基礎設施，如同人類建立防火規范應對火災一樣，利用 AI 本身的能力來構建防御體系，在風險控制與技術實用性之間尋找共存之道。

#SamAltman #OpenAI #通用模型 #生物安全 #軟件工程

閱讀更多：

https://www.youtube.com/watch?v=Wpxv-8nG8ec

Kimi K2.5重磅開源：萬億參數加持，百個智能體“群毆”復雜任務

月之暗面近日正式發布并開源了新一代萬億參數模型 Kimi K2.5，創始人 Yang Zhilin 首次公開展示了該模型的能力。Kimi K2.5 采用 MoE（Mixture of Experts，混合專家模型，一種通過門控網絡將任務分配給不同專家子模型的架構）基礎架構，顯著增強了視覺理解和編程能力，不僅支持視頻處理，還實現了視覺與代碼的深度融合。在 HLE和 SWE-bench Verified 等高難度評測中，該模型表現出眾，成績足以媲美甚至超越 GPT-5.2 等頂尖閉源模型，同時運行成本大幅降低。作為一款全能模型，Kimi K2.5 將視覺、文本、對話及思考能力集于一身，能夠通過簡單的草圖或視頻演示直接生成具備高級審美的前端代碼，甚至讓編程具備了類似專業設計師的“品味”。

為了解決現實世界的復雜難題，Kimi K2.5 引入了創新的 Agent Swarm功能，通過 PARL（Parallel Agent Reinforcement Learning，并行智能體強化學習）訓練，使其能像指揮官一樣調度最多 100 個智能體分身并行協作。這種機制將單線任務轉化為多線并發，處理速度提升了 4.5 倍，能高效完成如根據平面圖構建 3D 模型、創造包含完整語法的新語言等高密度腦力工作。此外，新發布的 Kimi Code 編程助手可無縫集成至主流開發環境，支持多模態輸入與技能遷移。研究人員表示，通過重構強化學習基建，Kimi K2.5 展現了強大的多步驟推理與執行能力，標志著國產開源模型正在成為全球新標桿，并推動人工智能進一步向解決真實世界復雜問題邁進。

#KimiK2.5 #國產大模型 #AgentSwarm #開源 #月之暗面

閱讀更多：

https://www.kimi.com/blog/kimi-k2-5.html

AI 驅動科學

Nature：復旦團隊受壽司啟發研發發絲級柔性纖維芯片

現有的可穿戴設備往往依賴外部剛性芯片來處理數據，這限制了其在紡織品中的深度集成與應用。復旦大學的Huisheng Peng、Zhen Wang等研究人員組成的研究團隊，開發出一種細如發絲的新型柔性纖維芯片。這項創新成果成功將高密度的計算能力集成到柔性纖維中，不僅解決了傳統芯片易碎、無法彎曲的痛點，還為下一代獨立運行的智能可穿戴系統奠定了硬件基礎。

? 圖片展示了 FIC 的結構。Credit: Nature (2026).

該研究從“壽司卷”的制作工藝中汲取靈感，摒棄了在平面剛性基板上構建電路的傳統方法。研究團隊首先在極薄的彈性薄片上構建電路，并覆蓋一層保護性聚合物，隨后將其卷成緊密的多層螺旋結構，形成纖維集成電路（Fiber Integrated Circuit, FIC）。這種獨特的結構使得在保持纖維形態的同時，每厘米能封裝高達10萬個晶體管，其運算能力足以媲美標準計算機芯片。在嚴苛的耐用性測試中，該纖維芯片展現出驚人的穩定性：它能承受超過30%的拉伸、10萬次彎折與摩擦，甚至在被一輛15.6噸重的集裝箱卡車碾壓后仍能正常工作。這種完全柔性的光纖系統無需外部處理器即可形成閉環系統，能獨立處理信號并執行神經網絡計算，為健康監測、智能服裝以及腦機接口等前沿應用提供了全新的交互模式。研究發表在 Nature 上。

#疾病與健康 #腦機接口 #柔性電子 #智能纖維 #可穿戴設備

閱讀更多：

Wang, Zhen, et al. “Fibre Integrated Circuits by a Multilayered Spiral Architecture.” Nature, Jan. 2026, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41586-025-09974-0

受人類骨骼啟發，南科大研發出可“生長”的軟體機器人

傳統人形機器人往往因笨重和僵硬而受限，且存在安全隱患。南方科技大學的 Hao Liu 和 Hongqiang Wang 等研究人員從人類骨骼發育中汲取靈感，開發出了一款名為 GrowHR 的新型軟體人形機器人。這款機器人不僅輕便靈活，還能像生物一樣改變自身尺寸，從而適應各種復雜的動態環境，為機器人的多功能設計開辟了新路徑。

? GrowHR 概述。(A) 可生長連接的結構與骨骼的比較。(B) 機器人與骨骼生長機制的比較。Credit: Liu et al., Sci. Adv. 12, eaea2831

該團隊研發的核心技術是“仿生骨骼連桿”（bone-mimetic linkages），這是一種由堅韌織物包裹柔軟氣密腔室構成的特殊結構。通過控制腔室內的氣壓，機器人的肢體可以伸展至原始長度的三倍以上，使其既堅硬到足以負重行走，又柔軟到能吸收沖擊。為了保持穩定性，研究人員利用張力纜繩和碳纖維導軌將這些部件連接。

實驗結果顯示，GrowHR 僅重約4.5公斤，極其輕盈。當它需要通過狹窄縫隙時，通過排出空氣，其高度可縮減至36%，寬度縮減至61%。這種獨特的密度特性還賦予了它驚人的兩棲甚至三棲能力：它不僅能漂浮、游泳，還能在水面上行走；若加裝小型風扇，它甚至能飛向天空。此外，這種柔軟的結構設計確保了其本質安全性，即使與人發生碰撞也不會造成傷害。研究發表在 Science Advances 上。

#疾病與健康 #神經機制與腦功能解析 #阿爾茨海默病 #觸覺感知 #Tau蛋白

閱讀更多：

Liu, Hao, et al. “Bioinspired Growable Humanoid Robot with Bone-Mimetic Linkages for Versatile Mobility.” Science Advances, vol. 12, no. 4, Jan. 2026, p. eaea2831. science.org (Atypon), https://doi.org/10.1126/sciadv.aea2831

AI讓資源匱乏地區的心臟驟停預測準確率翻倍

心臟驟停患者的康復幾率往往充滿不確定性，尤其是在缺乏先進資源的醫院。Liu Nan、Jasmine Chiat Ling Ong和Yilin Ning等（杜克-新加坡國立大學醫學院）及其國際合作者通過兩項開創性研究，展示了人工智能如何彌合醫療資源差距，并提出了在資源受限環境中安全應用AI的治理框架。

為了解決數據匱乏問題，研究團隊采用了遷移學習，將日本基于數萬名患者構建的腦功能恢復預測模型，成功調整應用于越南的臨床環境。結果顯示，改進后的模型在區分高風險與低風險患者時的準確率從46%躍升至80%，證明了現有AI工具無需從頭重建即可在低資源環境中發揮巨大作用。此外，團隊還在另一項研究中深入探討了大語言模型在全球健康領域的應用，例如南非的孕期咨詢聊天機器人和塞拉利昂基于智能手機的瘧疾檢測應用。盡管前景廣闊，但基礎設施和倫理監管仍是主要障礙。為此，研究人員提議建立名為POLARIS-GM的國際聯盟，旨在制定監管智能系統的最佳實踐指南，確保AI在改善全球醫療公平的同時，能有效應對隱私泄露和模型幻覺等風險。研究發表在 Nature Health 上。

#AI 驅動科學 #大模型技術 #資源匱乏環境 #全球健康 #遷移學習

閱讀更多：

Ong, Jasmine Chiat Ling, et al. “Large Language Models in Global Health.” Nature Health, vol. 1, no. 1, Jan. 2026, pp. 35–47. www.nature.com, https://doi.org/10.1038/s44360-025-00024-7

具備可靠性感知能力的AI框架加速下一代電池正極材料開發

為了讓電動汽車跑得更遠、智能手機待機更久，科學家們一直在尋找更優的電池正極材料。韓國科學技術院（KAIST）的Seungbum Hong教授和EunAe Cho教授團隊合作，開發了一種創新的人工智能（AI）框架。該框架能夠克服實驗數據不足的難題，精準預測電池正極材料的微觀顆粒尺寸及其預測結果的可靠性，從而顯著減少了不必要的試錯實驗，為加速全固態電池等下一代能源技術的研發鋪平了道路。

? 利用四種類型的樣本驗證分布偏移條件實驗。Credit: Advanced Science (2025).

在電池研發中，正極材料的初級顆粒尺寸直接決定了電池的性能和安全性。然而，傳統的研發過程依賴于海量的燒結實驗，且歷史數據往往存在缺失，難以直接用于機器學習。為了解決這一問題，研究團隊結合了化學感知插補技術（MatImpute，一種利用化學特性補充缺失數據的算法）和自然梯度提升模型（NGBoost，一種能計算預測不確定性的概率機器學習模型）。該AI框架不僅能填補缺失的實驗參數，還能在給出預測值的指出該預測的可信度。研究結果顯示，該模型的預測準確率高達86.6%，并揭示了燒結溫度和時間對顆粒尺寸的影響遠大于材料成分這一關鍵規律。在對NCM811材料進行的驗證實驗中，AI預測的誤差大多小于0.13微米，且實際結果均落在預測的置信區間內。這意味著研究人員可以優先選擇高成功率的條件進行實驗，大幅降低研發成本。研究發表在 Advanced Science 上。

#AI 驅動科學 #預測模型構建 #鋰離子電池 #正極材料 #材料科學

閱讀更多：

Madika, Benediktus, et al. “Uncertainty-Quantified Primary Particle Size Prediction in Li-Rich NCM Materials via Machine Learning and Chemistry-Aware Imputation.” Advanced Science, vol. 13, no. 2, 2026, p. e15694. Wiley Online Library, https://doi.org/10.1002/advs.202515694

機器學習識別酒精成癮風險：青少年愛吃糖可能是預警信號

青少年時期的行為特征能否預示未來的酒精成癮風險？Liana C. L. Portugal及其同事（研究團隊）利用人工智能技術對這一問題進行了深入探索。通過分析小鼠的行為數據，研究人員發現特定的行為模式可以準確預測青少年個體的酒精偏好，而這種預測能力在成年個體中并不存在，這為理解人類青少年酒精使用障礙的早期驅動因素提供了重要線索。

? Credit: Alcohol: Clinical and Experimental Research (2026).

為了解開行為與酒精成癮之間的復雜關系，研究團隊對青少年和成年小鼠進行了一系列行為學實驗，涵蓋了尋求新奇、焦慮樣行為、應對策略以及自然獎勵反應等維度。隨后，他們利用機器學習模型處理這些數據，分析哪些行為特征與隨后的酒精攝入量相關。結果顯示，對于成年小鼠，沒有任何行為變量能預測其酒精偏好；但在青少年小鼠中，模型成功識別出了關鍵預測因子。具體而言，表現出強烈自然獎勵尋求行為——即在測試中攝入更多糖水——的小鼠，更傾向于攝入酒精。此外，社交能力被發現是一個重要的負向預測指標：那些在測試中更喜歡獨處而非與同伴互動的小鼠，表現出更高的酒精偏好。研究人員推測，這可能與發育中的多巴胺通路以及調節社交行為的激素如催產素有關。這項研究表明，利用AI模型分析綜合行為特征，可能成為識別酒精濫用高危青少年的有力工具。研究發表在 Alcohol: Clinical and Experimental Research 上。

#疾病與健康 #預測模型構建 #青少年 #酒精成癮 #機器學習

閱讀更多：

Portugal, Liana C. L., et al. “Behavioral Profile Predicts Ethanol Preference in Adolescent Mice, but Not in Adults: A Machine Learning Approach.” Alcohol, Clinical and Experimental Research, vol. 50, no. 1, 2026, p. e70203. Wiley Online Library, https://doi.org/10.1111/acer.70203

自主機器人的不可預測運動會加劇人類的不適感

隨著服務型機器人逐漸融入社會，如何讓它們在人類環境中行動得體成為了一個新的挑戰。Yuta Matsubara、Hideki Tamura、Tetsuto Minami 和 Shigeki Nakauchi（豐橋技術科學大學）組成的團隊深入研究了自主機器人的運動模式對人類情感的影響，發現機器人的行為設計直接關系到人類的心理舒適度。

? 機器人模型（左）。使用的設備（中）。不可預測的動作令人不適且高度興奮（右）。Credit: Copyright(C)Toyohashi University Of Technology.

研究團隊利用虛擬現實（VR）技術構建了一個實驗環境，要求參與者在走向目標的過程中避開迎面而來的自主移動機器人。在此過程中，研究人員不僅收集了參與者的主觀情緒評分，還實時監測了他們的皮膚電導反應（SCR，一種反映生理喚醒程度和交感神經活動的指標）。實驗結果顯示，當機器人進行可預測的直線運動時，參與者的緊張感會隨著接觸次數的增加而逐漸下降，表現出典型的習慣化現象。然而，當機器人表現出突然停止然后重新啟動這種不可預測的行為時，參與者始終保持著較高的生理喚醒水平和心理不適感，且在重復試驗中未出現習慣化效應。這一發現證實，動作的不確定性會顯著增加人類的焦慮，因此在機器人設計中增強行為的可預測性對于營造無壓力的人機共存環境至關重要。研究發表在 International Journal of Social Robotics 上。

#認知科學 #機器人及其進展 #人機交互 #虛擬現實 #情感計算

閱讀更多：

Matsubara, Yuta, et al. “Subjective Emotions and Physiological Responses During Collision Avoidance with a Virtual Autonomous Mobile Robot.” International Journal of Social Robotics, vol. 18, no. 1, Jan. 2026, p. 5. Springer Link, https://doi.org/10.1007/s12369-025-01341-3

新研究揭示為何全能AI無法毀滅人類

自ChatGPT發布以來，關于人工智能可能毀滅人類的擔憂甚囂塵上。為了探究這一生存威脅是否真實存在，佐治亞理工學院的Milton Mueller教授結合其四十余年的信息技術政策研究經驗，從社會、歷史及技術角度對通用人工智能的概念進行了深入剖析，并指出這些恐慌主要源于對技術社會影響的誤判。

? 人工智能相對于人類基準的性能，2012-2023 年。 Credit: Journal of Cyber Policy (2025).

該研究綜合了計算機科學、經濟學和哲學的視角，對被視為“超級智能”的通用人工智能進行了嚴謹的理論審查。Milton Mueller指出，目前科學界對“人類智能”及AGI的定義尚無定論。研究通過分析具體案例反駁了AI具備“自主性”的觀點，例如在一款賽艇游戲中，AI選擇繞圈刷分而非贏得比賽，這并非機器覺醒，而是系統獎勵機制的漏洞，屬于常見的協調差距（alignment gaps），完全可以通過重新編程進行修正。

此外，研究強調了物理定律對AI的限制。AI要實現所謂的“全能”，必須具備物理實體（如機器人）、能源供應及維護自身的基礎設施，單純的計算能力增長無法突破這些物理和經濟限制。Mueller總結認為，AGI只是一個迷思，過度關注不存在的末日威脅會分散對現實治理問題的注意力。他建議政策制定者應依據具體應用場景，如美國食品藥品監督管理局（Food and Drug Administration）監管醫療AI那樣，制定針對性的行業規范，而非追求通用的AI法規。研究發表在 Journal of Cyber Policy 上。

#大模型技術 #跨學科整合 #科技政策 #通用人工智能 #數字治理

閱讀更多：

Mueller, Milton. “AGI: The Illusion That Distorts and Distracts Digital Governance.” Journal of Cyber Policy, vol. 0, no. 0, Dec. 2025, pp. 1–18. Taylor and Francis+NEJM, https://doi.org/10.1080/23738871.2025.2597194

基因沉默與3D打印結合：罕見顱腦疾病的非侵入性治療新曙光

針對嚴重的罕見顱腦疾病——克魯宗綜合征（Crouzon syndrome），Wanda Lattanzi教授協調的團隊（圣心天主教大學與杰梅利大學醫院）與其合作者開發了一種革命性的非侵入性療法。該研究利用基因沉默技術結合納米顆粒與3D打印平臺，成功在實驗中關閉了導致顱縫過早閉合的缺陷基因，有望替代目前新生兒必須承受的高風險、創傷性開顱手術。

? Credit: Regenerative Biomaterials (2025).

該研究的核心在于一種名為小干擾RNA（siRNA）的“基因沉默劑”。研究團隊首先設計了能夠特異性識別并關閉突變FGFR2基因的siRNA，同時通過“等位基因特異性”（allele-specific）技術確保正常基因不受影響。為了解決藥物遞送難題，研究人員開發了兩種載體系統：一種是基于重組人鐵蛋白（ferritin）的納米顆粒，它能高效進入細胞釋放藥物；另一種是將負載藥物的PLGA納米顆粒嵌入3D打印的生物相容性水凝膠（hydrogel）中。實驗結果顯示，該系統不僅能使突變基因的表達降低高達90%，恢復患者干細胞的正常功能，還能通過3D打印支架實現長達20天的藥物緩釋。這一“個性化醫療”平臺不僅為克魯宗綜合征提供了預防畸形的新策略，也為其他骨骼遺傳病的治療提供了可定制的轉化模型。研究主要結果發表在 Molecular Therapy Nucleic Acids 上。

#疾病與健康 #個性化醫療 #基因沉默 #3D打印 #納米技術

閱讀更多：

Tiberio, Federica, et al. “Targeted Allele-Specific FGFR2 Knockdown via Human Recombinant Ferritin Nanoparticles for Personalized Treatment of Crouzon Syndrome.” Molecular Therapy Nucleic Acids, vol. 36, no. 1, Mar. 2025. www.cell.com, https://doi.org/10.1016/j.omtn.2024.102427

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。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。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

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。

研究院在華山醫院、上海市精神衛生中心分別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陳天橋雒芊芊神經科學研究院。

研究院還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、、、科普視頻媒體「大圓鏡」等。