追問daily | 為什么換個地方就睡不著？強調積極經歷可緩解抑郁癥；兩個月大的嬰兒已具備物體分類能力

█腦科學動態

為什么換個地方就睡不著？科學家找到大腦中的“夜間守衛”

利用聚焦超聲刺激與神經元進行通信的新方法

星形膠質細胞如何在不損害記憶的情況下儲存缺陷糖原

迷走神經是調控多巴胺獎賞通路的關鍵

眼球運動幫助大腦感知三維世界

兩個月大的嬰兒已具備物體分類能力

內臟疼痛比皮膚疼痛更能增強同理心

強調抑郁經歷中的力量可顯著提升患者自信與目標達成率

全球約三分之一癡呆癥病例與牙周病等非腦部疾病相關

盲人接受腦皮層電刺激后意外恢復部分自然視力

█AI行業動態

Claude Cowork插件引發“SaaS末日”恐慌

GitHub集齊AI編程“三巨頭”，開發者工作流迎革命性變革

AI開始花錢雇人跑腿，時薪350元

█AI驅動科學

Nature：“發現式學習”AI工具僅需數天數據即可預測電池循環壽命

可編程“樂高式”機器人材料，模擬生命靈活性

新型AI系統利用大語言模型實時修復3D打印缺陷

機器人化身學習伙伴：普渡大學探索個性化人機交互新策略

正念通過工作重塑，助力生成式AI在項目管理中的應用

AI能像人類一樣理解詞語印象嗎？

突破強化學習規模瓶頸：無限維系統的新型控制算法

利用強化學習模型重建受損大腦神經連接

腦科學動態

為什么換個地方就睡不著？科學家找到大腦中的“夜間守衛”

為什么人們在酒店第一晚總是輾轉難眠？名古屋大學的Daisuke Ono、Hung, Chi Jung等人探究了這一“首夜效應”背后的神經機制。他們發現，當動物進入新環境時，大腦擴展杏仁核中的一組特定神經元會被激活，通過釋放神經降壓素來維持警覺，以應對潛在危險。

?當小鼠遇到新環境時，IPACL CRF 神經元（綠色）會被激活，并釋放神經降壓素以維持警覺性。這一腦回路或許可以解釋人類的“首夜效應”。Credit: Hung et al., 2026

研究團隊通過小鼠實驗發現，大腦中一個處理情緒和壓力的區域——擴展杏仁核，在感知到新環境時會變得活躍。其中，一類特定的IPACL CRF神經元會釋放一種名為神經降壓素的信號分子。這種分子隨后作用于大腦中控制運動和警覺性的黑質，從而使動物保持清醒。實驗中，當研究人員人為激活這些神經元時，小鼠的清醒時間顯著延長；而當抑制這些神經元后，小鼠即使身處新環境也能很快入睡。這一發現首次清晰地描繪了“首夜效應”的神經通路，解釋了大腦為何在新環境中會犧牲睡眠以保持“夜間守衛”狀態。由于該腦區結構在所有哺乳動物中都存在，這一機制很可能同樣適用于人類，未來有望為開發針對失眠、焦慮癥和創傷后應激障礙的藥物提供新靶點。研究發表在 PNAS 上。

#疾病與健康 #神經機制與腦功能解析 #睡眠 #首夜效應

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元進行通信的新方法

如何安全、無創地與大腦神經元“對話”以治療帕金森等神經疾病？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行神經調控的新方法。他們的研究表明，低強度聚焦超聲技術可以在不損傷細胞的前提下，精確地調節神經元的核心信號活動，為開發更安全的神經疾病療法開辟了新途徑。

?示意圖展示了低強度聚焦超聲 (FUS) 應用于培養的原代皮層神經元，并通過熒光成像實時監測細胞內 Ca2? 活性。FUS 激活機械敏感通路和鈣依賴性信號傳導，從而調節神經元興奮性和下游細胞反應。Credit: Iqra bano

研究團隊在體外培養的原代大鼠皮層神經元上應用了低強度聚焦超聲。他們通過活細胞熒光成像技術，實時監測了作為細胞內關鍵信使的鈣離子的動態變化。結果發現，經過短暫的超聲刺激后，神經元內的鈣信號出現了可控且可重復的顯著增強。更為關鍵的是，這種刺激非常安全。后續的細胞活力、蛋白質含量和形態學分析均證實，超聲處理并未對神經元的健康和結構造成任何損害，成功定義了一個安全的“聲學窗口”。這一發現證明了FUS作為一種非侵入性神經調控工具的巨大潛力，它有望在未來用于恢復功能失調的腦回路，為神經退行性疾病提供定制化的精準治療方案。研究發表在 Neurochemical Research 上。

#疾病與健康 #神經調控 #聚焦超聲 #鈣信號

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

星形膠質細胞如何在不損害記憶的情況下儲存缺陷糖原

大腦中的物質積累是否一定是衰老或疾病的警示信號？由萊布尼茨衰老研究所-弗里茨·利普曼研究所的Dennis de Bakker和美國田納西大學健康科學中心的Robert W. Williams等人領導的國際團隊，通過研究老年小鼠發現，大腦支持細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，并不會損害記憶功能。

研究團隊通過分析32種遺傳背景各異的小鼠品系，發現在衰老過程中，海馬體的星形膠質細胞會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，一種定位影響復雜性狀基因區域的統計方法）分析，他們成功鎖定了一個名為Pgb1的特定基因區域，該區域像一個開關，決定了PGBs的積累程度。然而，研究中最出人意料的發現是，盡管部分小鼠大腦中存在大量PGBs，但它們在記憶、學習能力和空間定位等一系列行為測試中的表現，與幾乎沒有PGBs的小鼠相當。這一結果挑戰了傳統觀念，表明大腦對某些與年齡相關的生化變化具有驚人的穩健性，而PGBs的形成可能是一種無害的、受基因調控的正常衰老現象，而非必然的病理標志。研究發表在 Cell Systems 上。

#疾病與健康 #神經機制與腦功能解析 #健康衰老 #星形膠質細胞

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

迷走神經是調控多巴胺獎賞通路的關鍵

多巴胺驅動的獎賞行為是否完全由大腦主導？Oriane Onimus及其同事的一項研究挑戰了這一傳統觀點，揭示了連接腸道與大腦的迷走神經在成癮和食欲中扮演著不可或缺的角色。研究結果表明，來自腸道的信號對于維持大腦中腦邊緣多巴胺系統的正常功能至關重要，從而影響著我們對食物和藥物的反應。

?腸-腦迷走神經軸對于食物驅動的多巴胺能神經元修復和分子動力學至關重要。Credit: Science Advances (2026).

研究團隊通過在小鼠模型上進行膈下迷走神經切斷術（subdiaphragmatic vagotomy，一種切斷腹部迷走神經的手術）發現，破壞腸腦通訊會顯著削弱獎賞行為。與正常小鼠相比，手術后的小鼠對高適口性食物的渴望和消耗量均明顯下降，對可卡因和嗎啡等藥物產生的獎賞效應也大打折扣。利用光纖光度法等技術，研究人員觀察到，在迷走神經被切斷的小鼠中，大腦獎賞中樞伏隔核在面對食物或藥物刺激時的多巴胺信號釋放出現了延遲和減弱。這表明迷走神經的持續性輸入是維持多巴胺神經元正常放電和塑造獎賞回路結構可塑性的必要條件。該發現為理解飲食失調和成癮的神經生物學機制提供了全新視角。研究發表在 Science Advances 上。

#疾病與健康 #神經機制與腦功能解析 #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

眼球運動幫助大腦感知三維世界

長期以來，眼球運動在視網膜上產生的圖像移動被視為大腦需要濾除的“噪音”。羅切斯特大學的Gregory C. DeAngelis、Zhe-Xin Xu及Jiayi Pang等人提出了一套新理論框架。他們發現，大腦非但不會忽略這些信號，反而會利用它們推斷自身的運動狀態，從而靈活、準確地感知三維世界中物體的運動與深度，這一發現挑戰了該領域的傳統觀點。

?二維場景中平滑追蹤眼動及其視覺后果的示意圖。A 該圖展示了場景中的運動，包括一個向左移動的追蹤目標（黃色方塊）和一個向上移動的物體（白色隨機點陣）。 綠色三角形表示場景中靜止的背景元素。B 假設觀察者準確地追蹤黃色目標，則在屏幕坐標系中，圖 ( A ) 所示場景的圖像運動。綠色三角形的圖像運動反映了眼動產生的光流（綠色箭頭），而白色物體的圖像運動（白色箭頭）則反映了其在現實世界中的運動以及觀察者的眼動 。C 物體在現實世界中的運動（灰色實線箭頭）可以通過從物體的視網膜圖像運動（灰色虛線箭頭）中減去光流矢量（綠色箭頭）得到，這相當于將追蹤眼動速度（黃色箭頭）加到視網膜圖像運動上。Credit: Nature Communications (2025).

研究團隊通過心理物理學實驗，讓參與者在虛擬現實（VR）環境中完成運動方向和深度感知的任務。實驗的核心在于利用背景中的光流（optic flow，即由觀察者或物體運動導致的視覺場景中模式、表面和邊緣的視運動模式）來模擬不同的觀察視角幾何，例如眼睛純旋轉或旋轉加平移。結果顯示，大腦并非采用單一的減法運算來消除眼動影響，而是根據光流推斷出的自身運動情境，靈活地調整其對物體運動和深度的計算方式。參與者表現出的一致且可預測的感知偏差，與新理論框架的預測高度吻合。這一發現不僅揭示了大腦高效處理動態視覺信息的機制，也為解決VR技術中的動暈癥問題提供了新思路，即VR系統需要更好地匹配用戶眼動所預期的視覺反饋。研究發表在 Nature Communications 上。

#認知科學 #神經機制與腦功能解析 #計算模型與人工智能模擬 #視覺感知

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

兩個月大的嬰兒已具備物體分類能力

兩個月大的嬰兒大腦里在想什么？雖然他們還不會說話，但一項開創性研究發現，他們已經能對物體進行分類。來自都柏林圣三一學院、斯坦福大學以及貝爾法斯特女王大學的 Cliona O'Doherty, Rhodri Cusack, Anna Truzzi 等研究人員，結合腦成像與人工智能技術，揭示了人類生命初期視覺認知的神經基礎。這一發現不僅改寫了我們對嬰兒大腦發育的認知，也為人工智能的學習機制提供了新的生物學啟示。

研究團隊對130名約兩個月大的清醒嬰兒進行了功能性磁共振成像（fMRI）掃描。這是該領域迄今規模最大的縱向研究。在實驗中，嬰兒佩戴降噪耳機觀看貓、樹等12類常見物體的圖像。通過將大腦活動數據與深度神經網絡模型的計算層級進行比對，研究人員發現，嬰兒的腹側顳葉皮層——大腦中負責高級視覺處理的區域，在兩個月大時就已經形成了清晰的物體分類結構。

令人意外的是，這種高級分類能力甚至早于外側視覺皮層的成熟，后者通常被認為是視覺處理層級中較早期的物體識別區域。這一結果挑戰了傳統的層級發育理論，表明大腦并非嚴格按照“先局部特征后整體分類”的順序發育。研究還證實，人工智能模型能有效模擬嬰兒的學習模式，這不僅有助于理解人類認知，未來還可能用于開發更高效的AI系統，并為神經發育障礙的早期診斷提供新的工具。研究發表在 Nature Neuroscience 上。

#神經科學 #神經機制與腦功能解析 #計算模型與人工智能模擬 #大腦發育 #視覺感知

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

內臟疼痛比皮膚疼痛更能增強同理心

疼痛的類型是否會改變我們對他人的同情程度？來自魯爾大學波鴻分校的Milena Pertz、Sigrid Elsenbruch等研究人員發現，相比于燙傷等外部軀體疼痛，源自身體內部的內臟疼痛能引發更強烈的同理心，尤其是當對象是親密伴侶時。這項研究通過對比不同疼痛模態下的心理反應，揭示了內臟疼痛在社會互動和心理層面具有獨特的威脅性和影響力。

?實驗設計和流程示意圖（涵蓋兩個實驗日）。Credit: The Journal of Pain (2026).

研究團隊招募了30名處于穩定戀愛關系中的志愿者，開展了為期四天的實驗。研究人員通過儀器對參與者施加兩種不同類型的疼痛：一種是作用于下腹部皮膚的熱刺激，代表軀體痛（somatic pain）；另一種是通過壓力誘發的深部疼痛，代表內臟痛（visceral pain）。參與者不僅需要評估自身的疼痛感，還要在想象伴侶或陌生人遭受同等疼痛時，評估其不適程度及自身的共情關懷（empathic concern，指對他人的不幸產生同情和關注的情感傾向）。結果顯示，無論是在直接體驗、想象還是回憶階段，參與者對內臟疼痛的評分都顯著高于軀體疼痛，并在面對伴侶遭受內臟痛時表現出最強烈的同理心和個人痛苦感。這一發現表明，人體對內部威脅具有更高的警覺性，且這種機制深刻影響著社會心理行為，為理解慢性疼痛患者及其照護者之間的互動提供了新視角。研究發表在 The Journal of Pain 上。

#疾病與健康 #心理健康與精神疾病 #跨學科整合 #知覺康復

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

強調抑郁經歷中的力量可顯著提升患者自信與目標達成率

社會普遍觀念常將抑郁癥視為個人軟弱的標志，這種偏見嚴重阻礙了患者實現人生潛能。來自維也納大學的Christina A. Bauer及其來自奧地利、德國和美國的同事（包括Gregory M. Walton等）進行了一項新研究，旨在通過改變敘事方式來幫助患者。研究團隊發現，簡單地引導患者重新審視自己在對抗疾病過程中所展現的堅韌與力量，而非聚焦于“軟弱”，能夠顯著提升他們的自信心，并大幅提高實現個人目標的成功率。

該研究包含三項實驗，共涉及748名有過抑郁經歷的參與者。研究人員開發了一種僅需約20分鐘的“抑郁重構”（depression-reframing）練習，鼓勵參與者反思并書寫自己在應對抑郁癥狀（如克服起床困難、處理負面情緒）時所體現出的毅力與適應力。這種方法借鑒了“說即是信”（saying-is-believing）的心理學技巧，旨在打破社會強加的“固有弱點敘事”（inherent-weakness-narratives）。結果顯示，這種干預措施效果顯著且廣泛適用，無論參與者當前的抑郁癥狀嚴重程度如何，其自信心均得到增強。更重要的是，在一項為期兩周的追蹤實驗中，接受重構干預的參與者在個人目標（如職業發展、人際關系等）的推進上，比對照組高出了49%。這表明，將抑郁經歷重新定義為力量的源泉，能有效轉化為實際的行動力。研究發表在 Personality and Social Psychology Bulletin 上。

#疾病與健康 #心理健康與精神疾病 #抑郁癥 #社會心理學 #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

癡呆癥通常被認為源于腦部病變，但身體其他器官的健康狀況是否也在其中扮演關鍵角色？中山大學的唐亞梅、鄧振紅等研究人員通過一項涉及全球數據的廣泛分析發現，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，這一發現為癡呆癥的預防提供了新的視角。

?1990-2021 年與 16 種外周疾病相關的癡呆癥 PAF 排名的時間趨勢。星號表示 2021 年與 1990 年的 PAF 比率。Credit: Deng et al.

研究團隊采用了系統綜述與貝葉斯薈萃分析的方法，整合了截至2024年9月的200多項研究數據，重點考察了26種外周疾病與癡呆癥風險的關聯。通過結合全球疾病負擔研究的患病率數據以及英國生物銀行（UK Biobank）的共病數據，研究人員計算了這些疾病對癡呆癥的人群歸因分數（population attributable fractions，簡稱PAF）。結果顯示，共有16種外周疾病顯著增加了癡呆癥風險，在全球范圍內，這些疾病共同構成了33.18%的癡呆癥負擔，相當于約1880萬個病例。其中，牙周病、慢性肝病、聽力喪失、視力喪失和2型糖尿病是導致癡呆癥風險增加的前五大因素。這項研究強調，癡呆癥并非總是僅由腦損傷引起，通過改善口腔衛生、控制慢性病等公共衛生策略，可能有效預防大量癡呆癥的發生。研究發表在 Nature Human Behaviour 上。

#疾病與健康 #其他 #細胞死亡 #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部分自然視力

當旨在創造人工視覺的實驗意外喚醒了自然視力，這為腦科學研究帶來了怎樣的震動？來自埃爾切米格爾·埃爾南德斯大學的 Arantxa Alfaro、Leili Soo 和 Eduardo Fernández 團隊，在一項皮層視覺假體的臨床試驗中觀察到了這一罕見現象。一名因不可逆視神經損傷而完全失明超過三年的患者，在接受大腦皮層電刺激和視覺訓練后，意外地恢復了部分自然視力，且這種改善在植入設備移除后依然持續。

該研究原本旨在通過向大腦初級視覺皮層植入含有100個微電極的陣列，利用電刺激誘發“光幻覺”來輔助盲人感知世界。然而，研究人員發現，配合每天30分鐘的視覺訓練，患者不僅能感知人工信號，還開始重獲自然視覺。患者的視覺誘發電位（Visual Evoked Potentials，大腦對視覺刺激產生的電信號，用于評估視覺信息是否到達皮層）從研究前的幾乎消失，轉變為逐漸重現并增強。最終，患者能夠識別簡單的形狀和字母，在抓握物體時協調性提升，并能更自信地在日常環境中行動。研究人員推測，大腦的可塑性、電刺激對神經回路的激活以及患者的高強度訓練共同促成了這一結果，這為嚴重視神經損傷的非侵入性治療（如經顱電刺激）提供了新的思路。研究發表在 Brain Communications 上。

#疾病與健康 #神經調控 #知覺康復 #視覺恢復 #腦機接口

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 行業動態

AI風暴席卷全球軟件業：引發“SaaS末日”恐慌

人工智能領域的進展正引發劇烈的市場震蕩。近日，AI公司Anthropic為其生產力工具Claude Cowork推出了涵蓋法律、銷售、財務等領域的11款新插件。市場認為，這些能直接完成端到端工作（如審閱合同、客戶跟進）的插件，不再僅僅是軟件的助手，而可能成為傳統軟件即服務（SaaS）的直接替代者。這一預期迅速轉化為全球資本市場的“信仰地震”：從硅谷的Adobe、Salesforce，到歐洲的WPP、Relx，再到印度的IT巨頭，全球軟件與服務類股票遭遇集體拋售，短短一周內相關市值蒸發近萬億美元。分析師將此次恐慌性下跌稱為“SaaS末日”，其根源在于投資者擔憂AI智能體將瓦解按用戶席位收費的傳統軟件商業模式。

此次風波凸顯了AI應用層對傳統行業的顛覆性沖擊。傳統SaaS模式的護城河建立在復雜的用戶界面和按席位收費上，而Claude Cowork等AI智能體代表的新模式則轉向按產出收費和后臺直接自動化執行。這使得市場重新評估許多軟件公司的核心價值。盡管有分析觀點認為，企業級軟件所需的深度集成與行業知識使其難以被快速取代，AI更可能擴大而非完全蠶食市場，但恐慌情緒已然蔓延。甚至云服務提供商和芯片公司的股價也受到波及，因為市場在重新評估整個IT生態的價值鏈條。這一事件標志著AI已從技術概念層面，深入到直接重塑全球經濟分工與價值分配的深水區。

#ClaudeCowork #SaaS危機 #AI自動化 #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”，開發者工作流迎革命性變革

全球最大的開發者平臺GitHub宣布一項重大進化，正式將兩大頂級編程AI——Claude和Codex集成至其平臺，與原有的GitHub Copilot形成“三足鼎立”之勢。這一更新通過全新的“智能體指揮中心”（Agent HQ）實現，允許開發者在同一個工作流中便捷地調用、比較和協同使用這三個AI助手，完成從代碼編寫、漏洞修復到提交拉取請求的復雜任務。此舉標志著GitHub正從一個代碼托管倉庫，轉型為支持多智能體（Multi-Agent）原生協同的“AI戰場”，旨在徹底解決開發過程中耗時的“上下文切換”問題，將AI深度融入從構思到落地的全流程。

此次整合的核心在于“原生”與“協同”。開發者無需在不同工具間跳轉，即可在GitHub網頁端、移動應用及VS Code中直接指派AI任務。更重要的是，開發者可以像“艦隊指揮官”一樣，讓多個AI智能體分工協作，例如，同時評估代碼架構、尋找潛在隱患或提出重構方案，從而將工作重心從具體的語法編寫提升至更高層的策略制定。微軟和GitHub此舉，不僅為超過1.8億開發者提供了“終極外掛”，也預示著AI編程的競爭正從單點工具升級為覆蓋軟件全生命周期的平臺級智能體生態，推動開發模式向規模化、自動化與智能化深刻演進。

#GitHub #AI編程 #多智能體協作 #開發工作流 #微軟

閱讀更多：

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

AI開始花錢雇人跑腿，時薪350元

一個名為“rentahuman.ai”的網站正引發巨大關注，它創建了一個AI雇傭人類完成現實任務的魔幻市場。在該平臺上，人類可以注冊為“跑腿員”，明碼標價設定自己的時薪（最高可見350元/小時），并列出技能；而AI則作為“雇主”發布各種需要物理世界執行的任務，例如拍攝照片、試吃餐廳、取送包裹等。平臺運作不足48小時，等待被AI雇傭的全球人類數量已突破2萬人，求職者中甚至包括初創公司CEO。開發者@AlexanderTw33ts表示，其智能體已開始在平臺內積極撮合交易，并有用戶聲稱已完成任務并獲得報酬。

這一現象被視為人機關系演化的一個標志性節點。它表明，當AI在數字世界的能力趨于成熟后，其需求正通過雇傭人類的方式向物理世界延伸。與此同時，人類在部分場景下正被AI系統視為一種可調度、可標簽化、按需付費的“執行資源”。這一趨勢引發了廣泛討論：有網友為高報酬感到興奮并研究如何“被選中”，也有人質疑AI的支付能力及超低時薪（如1美元/小時）會擾亂市場。評論認為，這與近期AI智能體接管工作流程、形成獨立社區等現象一脈相承，共同指向一個核心問題——人類與AI的主導與從屬關系，正在發生微妙而深刻的反轉。

#AI雇傭人類 #rentahumanai #人機關系 #任務平臺 #具身智能

閱讀更多：

https://rentahuman.ai/public-bounties

AI 驅動科學

Nature：“發現式學習”AI工具僅需數天數據即可預測電池循環壽命

如何將電池研發從數年的漫長測試縮短至幾天？密歇根大學的Ziyou Song、Jiawei Zhang及其團隊開發了一款名為“發現式學習”的AI工具，它能利用少量早期數據精確預測新電池設計的循環壽命，有望將研發時間和能耗分別削減98%和95%。

?密歇根大學開發的發現式學習系統工作原理示意圖。Credit: Nature (2026).

該研究團隊受人類“邊做邊學”模式的啟發，創建了一個由多個AI代理協作的“發現式學習”系統。該系統首先由一個“學習器”AI主動選擇最能填補其知識空白的新電池設計進行短期測試（約50次充放電循環）。測試數據隨后交由“解釋器”AI，它結合一個基于物理學的電池模擬器和龐大的歷史數據庫，提取出關鍵的物理化學特征。最后，一個“預言機”AI綜合這些信息，對電池的完整循環壽命做出最終預測。該模型的強大之處在于其泛化能力：研究團隊僅使用公開的圓柱形電池數據進行訓練，卻成功預測了工業級大尺寸軟包電池的性能，測試誤差僅為7.2%。這一突破意味著研究人員無需再進行耗時數月甚至數年的完整測試，即可快速評估新設計的潛力。研究發表在 Nature 上。

#AI驅動科學 #預測模型構建 #電池技術 #機器學習 #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“樂高式”機器人材料，模擬生命靈活性

為突破傳統機器人材料性能固定的局限，杜克大學的Yun Bai和Xiaoyue Ni等研究人員，開發出一種可編程的數字復合材料。該材料由類似樂高積木的模塊組成，通過局部加熱改變內部金屬的固液狀態，從而實時調整材料的剛度，模擬生物肌肉的靈活性，為開發功能更多樣、適應性更強的機器人鋪平了道路。

?基于非易失性固液相架構的數字復合材料的編程與測試。Credit: Science Advances (2026).

研究團隊創造的這種數字復合材料，其基本單元由一個充滿鎵鐵混合物的彈性體腔室構成。這種金屬復合材料可以通過電信號產生的局部熱量，在固態和液態之間進行快速、可逆的切換，如同向硬盤寫入可擦寫的“1”和“0”數據，從而精確控制每個單元（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個獨立單元的“樂高式”模塊，這些模塊可以自由拼裝成任意三維結構。為了展示其潛力，團隊用10個模塊組裝成一條機器魚的尾巴。實驗顯示，在電機運動模式完全相同的情況下，僅通過重新編程尾巴內部不同單元的固液狀態組合，就能讓機器魚游出截然不同的軌跡。這一成果展示了未來機器人無需改變硬件或主控程序，僅通過改變自身材料屬性就能適應不同任務或環境的可能。研究發表在 Science Advances 上。

#其他 #機器人及其進展 #新材料 #軟體機器人 #可編程物質

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系統利用大語言模型實時修復3D打印缺陷

3D打印過程中的缺陷頻發且難以預測，常需人工“照看”，阻礙了其在關鍵領域的應用。卡內基梅隆大學的Amir Barati Farimani和Yayati Jadhav等人開發了一套創新的自主控制系統，利用大語言模型實時監控并修復打印錯誤，將智能制造推向新高度。

?LLM 在持續改進循環中的應用。基于 LLM 的監督代理可以應用于持續改進循環的每個步驟。該循環包括評估打印質量、識別失效模式、收集相關信息，并通過調整打印參數來規劃和解決問題，從而確保高質量、無缺陷的零件。Credit: Additive Manufacturing (2025).

該研究團隊設計了一個受交響樂團啟發的“多智能體”框架。系統核心是一個監督智能體，如同指揮家，協調其他專用智能體高效協作。打印過程中，攝像頭實時捕捉圖像，由一個視覺語言模型進行分析以檢測瑕疵。一旦發現問題，規劃智能體會立刻評估打印機狀態并制定糾錯方案，最后由執行智能體將方案轉化為機器指令發送給打印機，調整溫度、流速等參數。整個過程無需任何預訓練或人工干預，AI能自主完成從“觀察”到“決策”再到“行動”的閉環控制。實驗證明，經該系統優化的打印件，其峰值載荷能力提升了5.06倍，且系統識別缺陷的準確性可與人類專家媲美。研究發表在 Additive Manufacturing 上。

#AI驅動科學 #自動化科研 #大模型技術 #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

機器人化身學習伙伴：普渡大學探索個性化人機交互新策略

如何讓機器人從冰冷的機器變成富有同理心的伙伴？普渡大學計算機科學家Sooyeon Jeong及其團隊正致力于解決這一問題。他們通過一系列人機交互實驗發現，無論是作為學習伙伴還是溝通對象，最有效的機器人行為并非一成不變，而是需要根據用戶的個性和情境進行動態調整。

研究團隊首先探索了機器人在自主學習場景中扮演“學習伙伴”的角色。他們采用“綠野仙蹤”（Wizard-of-Oz，即由人遠程控制機器人）的方法，測試了機器人的不同支持策略，包括任務導向的目標提醒（“記住！你要在兩點前完成復習”）和積極的情感支持（“你做得很好！我們能一起完成！”）。結果顯示，不存在普適性的最佳策略，其效果高度依賴于學生的性格、情緒甚至學習科目，有些學生甚至希望機器人能更“嚴厲”地督促自己。此外，團隊還在研究如何讓機器人學會“積極傾聽”，即通過點頭、附和等“反饋通道”來增強溝通的自然度和情感聯系。為此，他們正利用大型語言模型分析人類語音數據，以教會機器人更具社交和情感智能的同理心傾聽行為。研究發表在 2025 34th IEEE International Conference on Robot and Human Interactive Communication (RO-MAN) 的會議論文集中。

#認知科學 #機器人及其進展 #跨學科整合 #人機交互 #情感計算

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

正念通過工作重塑，助力生成式AI在項目管理中的應用

生成式人工智能正重塑項目管理，但如何有效應用仍是挑戰。伊迪斯科文大學的Keyao Li（Eden Li）、Laurie Hughes及科廷大學的合作者，通過研究發現，成功整合GenAI的關鍵不在于技術本身，而在于管理者的心態。研究揭示，正念通過促進工作重塑，顯著提升了項目經理利用GenAI進行創新的能力。

該團隊通過一項對全球441名項目經理進行的兩階段調查發現，正念是項目經理在AI時代的一項隱藏績效優勢。研究表明，正念水平更高的管理者傾向于更開放、靈活地對待新技術，這種心態促使他們主動進行工作重塑。工作重塑構成了從心態到行動的關鍵橋梁，它直接提升了管理者使用GenAI的頻率和效率，幫助他們將GenAI從一個抽象概念轉變為解決實際問題的實用工具。此外，研究還發現，在處理高度復雜的項目時，這種由正念驅動的適應性和探索精神變得尤為重要。這項研究強調，在技術驅動的變革中，人的思維模式與主動適應能力，是比技術本身更核心的成功要素。研究發表在 International Journal of Project Management 上。

#認知科學 #其他 #生成式AI #項目管理 #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能像人類一樣理解詞語印象嗎？

大型語言模型是否像人類一樣對詞語有直覺和印象？大阪大學的Hiromichi Hagihara和Kazuki Miyazawa等人通過一項對比研究發現，LLM在某些方面展現出與人類相似的詞語“感知”，但在另一些維度上，尤其是在處理功能性詞語時，暴露出與人類顯著的認知差異。

?人類與 LLM 評分對比示例。每個散點圖比較了人類和 LLM 對特定心理特征的評分。點越靠近對角線（從左下到右上），表示人類與 LLM 的評分一致性越高。對于具體性，人類與 LLM 的評分總體上表現出高度一致性。相比之下，對于象似性（詞語發音與其意義的相似程度），評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，人類對介詞和連詞等功能詞的評分也存在很大差異，而 LLM 始終賦予這些詞較低的具體性值。這凸顯了人類和人工智能在“感知”某些類型詞語方面存在的系統性差異。Credit: Behavior Research Methods (2026).

研究團隊讓多個LLM對695個兒童早期習得的單詞，從具體性、象似性（iconicity，即詞語發音與其意義的相似程度）等21個心理維度進行打分，并與已有的人類評分數據進行比較。結果顯示，對于“具體性”、“形象性”這類與物理世界緊密相關的屬性，LLM的評分與人類高度一致，這表明模型能從海量文本中捕捉到人類語言里編碼的世界知識。然而，在“象似性”這類更依賴直覺感知的維度上，兩者分歧巨大。最關鍵的差異體現在介詞、連詞等功能詞上：人類對這些詞的印象評分各不相同，而LLM則系統性地給予低分，顯示出其缺乏人類對這類抽象詞匯的靈活感知。研究還發現，LLM在預測兒童詞匯習得年齡時，會夸大某些特征的重要性。研究發表在 Behavior Research Methods 上。

#大模型技術 #計算模型與人工智能模擬 #認知科學 #語言學 #心理學

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

突破強化學習規模瓶頸：無限維系統的新型控制算法

強化學習雖然在游戲和自動駕駛中大放異彩，但在面對擁有數以億計個體的復雜系統（如人腦神經元或量子自旋）時卻往往束手無策。Jr-Shin Li和Wei Zhang（圣路易斯華盛頓大學）領導的研究團隊開發出一種數學上嚴謹且計算高效的新技術。他們成功將極其復雜的無限維強化學習問題轉化為可控的領域，為解決大規模系統的控制問題提供了新的通用解決方案。

面對如阿伏伽德羅常數級別（10的23次方）的量子自旋或龐大的神經元集群，傳統的對每個個體進行控制的方法既不現實也無法計算。研究團隊將這類系統建模為定義在無限維函數空間上的參數化系統，并創新性地開發了“矩核變換”（Moment Kernel Transform）。這種方法將原問題映射到一個形式更簡單的再生核希爾伯特空間中。在此基礎上，團隊設計了一種分層算法來學習最優策略，并在每一層引入“提前停止”（Early Stopping）機制。這種方法不僅保證了算法的譜收斂性（spectral convergence），還極大提高了計算效率，使得在工程和量子科學等領域尋找任意大規模系統的最優解成為可能。研究發表在 Journal of Machine Learning Research 上。

#AI 驅動科學 #意圖與決策 #強化學習 #控制理論 #無限維系統

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

利用強化學習模型重建受損大腦神經連接

中風或脊髓損傷常導致神經通路斷裂，嚴重影響患者的運動和認知能力。為了尋找恢復大腦功能連接的新方法，香港科技大學（HKUST）的 Shenghui Wu 和 Yiwen Wang 等研究人員開發了一種基于強化學習的新型計算模型。該模型不依賴受損腦區的數據，而是通過行為反饋建立人工信息通路，成功繞過受損部位重建神經連接，為神經康復提供了具有臨床潛力的創新方案。

?基于強化學習的脈沖生成的一般結構和信息流。Credit: Nature Computational Science (2026).

這項研究的核心突破在于解決了傳統神經假體技術對完整下游神經數據的依賴問題。在患者神經通路受損時，傳統的監督學習方法因缺乏目標信號而失效。研究團隊提出了一種基于強化學習的跨區域神經脈沖預測模型，該模型模仿大腦自身的試錯學習機制，利用“行為成功”作為反饋信號。模型能夠將上游神經元的活動實時轉化為下游神經元的預測脈沖。在大鼠實驗中，研究人員發現，該模型生成的神經脈沖不僅能通過解碼器驅動大鼠完成特定的運動任務，且行為成功率顯著優于現有方法。更關鍵的是，生成的信號具有與健康大腦高度相似的生物仿生特性。此外，該計算框架展現出極強的適應性，只需極少校準即可應用于不同的受試者和解碼設置。研究發表在 Nature Computational Science 上。

#疾病與健康 #腦機接口 #強化學習 #神經假體 #中風康復

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。