AI寫本子更平庸但命中率更高；為什么光靠鍛煉很難減肥|科技周覽

整理 | 周舒義、平生

目錄

• 運動增強耐力，可能是因為你的大腦更強了
• 在沉默中滅亡，這顆恒星直接坍縮成黑洞
• 為什么光靠鍛煉很難減肥？
• 終身閱讀寫作，癡呆癥風險降低40%
• 比起早鳥，夜貓子更傷“心”
• AI寫本子，資助成功率更高

運動增強耐力，可能是因為你的大腦更強了

在很多人印象中，通過跑步等運動增強耐力，提升主要來自肌肉、心肺和代謝的適應。但一項發表于Neuron 的小鼠研究表明，反復運動還會“重塑”大腦中的特定神經元網絡，讓它們更容易被激活，而這種神經可塑性是耐力逐步提高的關鍵一環。

來自美國賓夕法尼亞大學的神經科學家 Nicholas Betley 及其團隊發現，隨著小鼠運動量的增加，其大腦中特定神經元之間的連接會變得更加緊密，運動耐力也隨之提升。“跑步鍛煉后，你的肺活量增加，心臟泵血更有力，肌肉會經歷分解和重生。所有這些有益的變化讓你下一次跑起來更輕松，”Betley說，“但我沒想到是大腦在協調這一切。”

小鼠體內的一些神經元在多次運動后更容易被激活。| Dr Gopal Murti/SPL

團隊將研究重點放在了腹內側下丘腦，這是一個與食欲、血糖調節密切相關的腦區。他們特別關注了該區域中產生類固醇生成因子-1（SF1）的一組神經元，此前研究表明，SF1參與代謝調節，缺失SF1會損害小鼠耐力。

研究人員監測了在跑步機上奔跑的小鼠，發現運動確實激活了這些SF1神經元。有趣的是，有一組SF1神經元僅在運動結束后才被激活。隨著訓練次數增加，運動后被激活的神經元不僅數量上升，激活強度也隨之增強。對連續訓練三周的小鼠進行分析后發現，相比不運動的小鼠，運動小鼠大腦中SF1神經元整體表現得更容易被激活，此外，反復運動使神經元之間的興奮性突觸（更容易釋放電信號）數量增加了一倍。

為了進一步確認這些神經元的作用，研究者使用光遺傳學手段，在小鼠運動后“關閉”SF1神經元。結果這些小鼠的跑步表現并不會隨訓練改善，反而比正常小鼠更容易疲勞。這表明這種神經重塑對于耐力提升必不可少。相反，如果人為增強SF1神經元活性，小鼠會比那些僅做常規訓練的同類跑得更遠、更快。

來自德克薩斯大學西南醫學中心、研究腸腦軸的Jeffrey Zigman表示，雖然運動耐力可能還涉及大腦中其他區域，但新研究“凸顯了這些特定神經元在介導耐力效應方面的重要性，甚至可能構成基礎功能”。

Betley表示，未來可以探索是否有可能增強人體內這些神經元的活性，從而幫助人們在患病后恢復肌肉量，甚至提高運動員的運動表現。但光遺傳學是一種侵入性技術，目前主要用于實驗動物。因此應用前景依然遙遠。Betley說，目前還不清楚如何提高人體內SF1神經元的活性。“就目前而言，讓人們知道運動不僅僅是鍛煉肌肉，它還能改變你的整個大腦，這本身就很有意義。”

相關論文：https://doi.org/10.1016%2Fj.neuron.2025.12.033

在沉默中滅亡，這顆恒星直接坍縮成黑洞

天文學家在鄰近星系中捕捉到一幕罕見景象：一顆大質量恒星先短暫變亮，隨后在可見光波段徹底“消失”。研究團隊認為，這可能是垂死的恒星在沒有產生超新星爆發的情況下，直接坍縮形成黑洞的證據。

按照經典圖景，當恒星走到生命盡頭時，小質量恒星平靜演化為白矮星；而質量超過太陽8倍左右的恒星，其核心會坍縮到接近原子核密度、形成中子星，坍縮過程中的反彈激波和中微子流會將外層物質炸開，形成壯麗的超新星爆發。

但是，天文學家在整理過去幾十年觀測到的超新星爆發的前身星時，發現了一個奇怪的現象：找到的前身星都是質量在8-17倍太陽質量之間的紅超巨星。那些質量在17倍以上的大質量紅超巨星幾乎從未被“抓現行”看到超新星爆發。

一種理論認為，由于恒星質量太大，核心坍縮時的引力太強，還沒來得及形成足夠強的向外激波把外層炸飛，物質就重新落回核心，導致整個恒星直接“吞掉”了自己，坍縮成了黑洞。這種現象也被稱為“失敗超新星”（Failed Supernova）。

此次研究中，名為M31-2014-DS1的恒星是一顆貧氫的超巨星，位于距離地球約250萬光年的仙女座星系。哥倫比亞大學的Kishalay De及其團隊在查閱歷史觀測數據時，發現了這顆恒星奇怪的生命軌跡：它自2014年起在中紅外波段上異常增亮，隨后幾年里光度急劇下降。2022年和2023年的觀測表明，該恒星在光學波段已基本不可見。現在，它的殘骸僅在紅外波段留存微弱信號。

為確認這顆“消失恒星”的去向，團隊在JWST紅外數據中看到一個仍在發光但逐漸變暗的氣體與塵埃“包層”，以約100公里/秒的速度向外擴張，團隊認為這是恒星在核心坍縮前拋出的外層物質。“這顆恒星的急劇且持續的黯淡非常不尋常，這表明超新星爆發并未發生，導致恒星核心直接坍縮成黑洞，”Kishalay De認為。

此外，NASA 的錢德拉X射線天文臺沒有探測到黑洞在吞噬物質時通常會發射的X射線。Kishalay De解釋說這在預期之中：X射線會被氣體和塵埃殼吸收，再以紅外線的形式重新輻射出來。這也是為什么在紅外波段仍能看到“余輝”。

盡管 M31-2014-DS1 的發現令人興奮，但也有科學家提出，超新星爆發失敗并非觀測結果的唯一解釋。約翰摩爾斯大學的天文學家 Emma Beasor認為，M31-2014-DS1 前身星在形成初期的質量約為太陽的13倍，不滿足理論上跳過超新星爆發所需質量。現有的JWST和錢德拉數據也可以解釋為兩顆恒星并合成一顆更大的恒星，這一過程會產生大量塵埃遮擋光線。Beasor指出：“我們并不真正知道失敗的超新星應該是什么樣子……這個天體看起來并不符合現有的任何模型。”

Kishalay De則認為，如果像M31-2014-DS1這樣的低質量恒星能夠直接坍縮成黑洞，那么此類現象或許比理論學家們想象的更為普遍。由于不會通過超新星爆發噴射出大量恒星物質，因此它們更容易形成質量更大的黑洞。這或許可以解釋引力波探測器發現的那些質量大得出乎意料的黑洞。“我認為這從根本上改變了我們對黑洞的認知，”De說。

相關論文：https://doi.org/10.1126/science.adt4853

為什么光靠鍛煉很難減肥？

傳統觀點認為減肥的好方法就是運動。然而發表在《當代生物學》（Current Biology）上的一項新研究為上述觀念潑了一盆冷水，解釋了為什么單純依靠鍛煉往往無法達到預期減肥效果。

幾十年來，科學家和大眾普遍使用一個簡單的“加和模型”（Additive Model）來計算能量消耗：總消耗=基礎代謝+運動消耗。根據這個模型，運動額外燃燒的卡路里會直接轉化為體重減輕。比如你日常活動消耗2000千卡，然后跑步燃燒了400千卡，那么你當天的總消耗就是2400千卡。

近年來出現的新理論“受限模型”（Constrained Model）則認為，我們的身體對能量消耗設定了上限，其位于一個狹窄、可預測的范圍。當通過運動燃燒更多熱量時，身體為了維持總能量消耗穩定，會減少用于其他生理活動（如細胞修復）的能量。這意味著，你在健身房燃燒的卡路里有相當一部分被這種“內部調整”抵消了。

來自美國杜克大學的Herman Pontzer 和 Eric T. Trexler 決定通過數據來驗證這兩種模型。他們分析了涉及450名參與者的14項不同運動研究（樣本量較小是因為監測總體能量消耗需要使用專門且昂貴的方法），以及多項動物研究。對比參與者預期消耗的能量與實際消耗的能量后發現，結果支持受限模型——加和模型通常會高估運動帶來的能量消耗。平均而言，運動消耗的熱量只有約72%真正增加到了每日總能量消耗中，剩余的28%被身體的補償機制抵消了。不過，這個28%只是一個平均值，不同個體之間存在很大差異。

運動類型也很重要。研究表明，補償效應在跑步、騎車等有氧運動中更顯著，這些運動帶來的能量消耗增加僅為預期值的30%。與此相對，舉重等力量訓練反而會出現“負補償”，也就是實際消耗的能量比預期的還要多。作者推測，這可能是因為力量訓練增加了肌肉修復的額外能耗，或提高了基礎代謝。但這并不意味著力量訓練能幫你快速減重，因為增肌會部分抵消體重下降。

研究人員在論文中寫道：“人類和其他動物會通過減少其他生理活動的能量消耗，來應對增加的身體活動，這支持了能量消耗受限模型。”作者表示，這項研究并非否定運動的價值，運動確實能增加總能量消耗，只是增加的幅度沒有加和模型預測的那么大。

也有學者對新研究持懷疑態度。來自英國巴斯大學的Dylan Thompson和Javier Gonzalez稱，現有的薈萃分析顯示，有氧運動對靜息代謝率的影響其實并不顯著。此外，人們消耗的熱量之所以沒有預期的多，可能不是因為生理上“調節”，而是因為行為上“偷懶”。比如一個人去健身房多做運動，回家后可能就會取消原本要做的家務，導致總運動量其實沒怎么變。他們呼吁進行更嚴密的進一步試驗。

相關論文：https://doi.org/10.1016/j.cub.2026.01.025

終身閱讀寫作，癡呆癥風險降低40%

一項新研究表明，終身參與各種智力刺激活動——如閱讀、寫作和學習外語，與更低的阿爾茨海默病風險以及更慢的認知衰退相關，風險降幅接近40%。這項研究僅表明兩者之間存在關聯，并未證明終身學習能降低患阿爾茨海默病的風險。

研究納入1939名平均年齡約80歲、研究開始時尚未出現癡呆的參與者，并平均隨訪約8年。通過問卷評估研究對象在不同人生階段（早年、中年、晚年）的“認知豐富度”（cognitive enrichment）。具體包括：18歲前聽故事和閱讀書籍的頻率、家中是否有報紙和地圖冊、是否長期學習外語等；中年階段的家庭資源（雜志訂閱、詞典、借書證等）與文化活動（如去博物館、圖書館）頻率；高齡階段（約80歲起）閱讀、寫作、游戲等活動頻率及收入等指標。隨訪期間，551人發展為阿爾茨海默病癡呆，719人出現輕度認知障礙。

研究人員將“終身認知豐富度”最高的前10%參與者與最低的后10%參與者進行了比較。在校正年齡、性別、受教育程度等因素后，分析發現，高認知豐富度與阿爾茨海默病風險降低38%相關，同時與輕度認知障礙的風險降低36%相關。前者的平均發病時間顯著推遲，高認知豐富度人群平均在94歲出現阿爾茨海默病，而低認知豐富度人群約在88歲出現——相差超過5年；輕度認知障礙的平均出現時間也相差約7年。

研究人員還對研究期間死亡并接受尸檢的一小部分參與者進行了研究。他們發現，即使納入與阿爾茨海默病相關的早期病理變化因素（例如淀粉樣蛋白和tau蛋白的積累），那些一生中智力刺激較為豐富的參與者，其記憶力和思維能力更好，認知衰退速度也更慢。

該研究的一個局限在于，參與者是在晚年才報告他們早年和中年經歷的細節，因此回憶可能會有偏差。

相關論文：https://doi.org/10.1212/WNL.0000000000214677

比起早鳥，夜貓子更傷“心”

近日發表在《美國心臟協會雜志》的一項新研究表明，與習慣早起的“百靈鳥”相比，習慣晚睡晚起的“夜貓子”更容易出現不理想的心血管健康狀況。研究結論僅表明相關，不證明因果。

這項研究利用英國生物樣本庫（UK Biobank）數據，對超過 32.2萬名年齡在39至74歲之間的成年人進行了長達近14年的跟蹤調查。研究人員將參與者分為“早睡型”、“中間型”和“晚睡型”，并使用美國心臟協會的“Life's Essential 8”評分標準來評估他們的心血管健康狀況（包括飲食、運動、睡眠、尼古丁暴露等指標）。

數據揭示了令人擔憂的趨勢：與睡眠模式處于“中間型”的參與者相比，“晚睡型”參與者心血管健康評分較差的可能性高出79%；隨訪期間，“晚睡型”參與者患心臟病或中風的風險比中間型高出16%。這種負面關聯在女性中更為顯著：女性“夜貓子”心血管健康狀況不佳的可能性比中間型高96%，男性“夜貓子”則高出67%。相對地，“早睡型”的人獲得較差健康評分的可能性比中間型低5%。

為什么夜貓子更傷“心”？研究認為，導致這一風險差異的主要原因在于生活方式，而非作息類型本身。“夜貓子”在多項生活方式指標上表現較差：吸煙是最大的影響因素（占34%），其次是睡眠質量差（14%）、高血糖（12%）以及飲食和體重（各占11%）。這種健康差異與“社會時差”有關，即人體內部生物鐘與日常社會日程（如上學、工作時間）之間的錯位，往往導致深夜進食、不吃早餐、睡眠不規律以及更依賴咖啡因或尼古丁等習慣，進而增加肥胖、高血糖和胰島素抵抗的風險。

除了生活方式，生物學因素也不容忽視。晚睡型人群通常伴有晝夜節律延遲，這意味著他們體內促進睡眠的褪黑素和負責喚醒身體的皮質醇的分泌時間均比常人推遲。這種偏移會導致身體與外界的晝夜循環不同步，使身體的“戰斗或逃跑”系統過度活躍，從而導致夜間血壓居高不下，炎癥和氧化應激水平增加。長此以往，這些生理變化可能損傷血管，導致動脈斑塊積聚，最終引發心臟病。

對于晚睡型人群，專家建議采取積極措施來保護心臟。南佛羅里達大學副教授Bibhu Mohanty博士建議，應專注于改善生活習慣，包括建立更健康的睡眠規律、堅持鍛煉、健康飲食、避免不必要的零食和吸煙。

相關論文：https://doi.org/10.1161/JAHA.125.044189

AI寫本子，資助成功率更高

越來越多科學家開始用生成式人工智能幫忙潤色、改寫甚至起草科研基金申請書。一項基于真實申請文本的預印本研究發現，使用AI輔助起草科研資助申請書，獲得美國國立衛生研究院（NIH）資助的概率會略有提升；然而研究人員警告稱，這些工具可能會導致科學研究趨向同質化，可能把研究推向更“安全”、更保守的方向。相關論文1月21日發布在arXiv，未經過同行評審。

這項研究由來自美國西北大學的Dashun Wang與Yifan Qian團隊完成。通常情況下，失敗的基金申請并不公開，研究長期缺少可直接分析的材料。但他們拿到了兩所美國大型大學的研究人員在2021—2025年間提交給美國國家科學基金會（NSF）和NIH的數千份科研基金申請書，他們還從聯邦資助項目數據庫中收集了公開的基金摘要數據。

為識別AI寫作痕跡，研究者選取了數千份2021年的公開基金摘要（那時AI尚未流行）交給AI重寫，通過對比“人類版本”和“AI改寫版本”之間的差異，團隊掌握了區分人類寫作與機器生成文本的關鍵特征。他們根據這些特征為真實申請書打分，分數越高，意味著該提案由AI起草或編輯的成分越多。

結果發現，AI 輔助撰寫申請書的情況在2023年初ChatGPT發布后激增。在使用AI工具的研究人員中，生成的文本約占其申請書內容的10-15% 。

不過，AI介入對不同資助機構的申請結果產生了不同的影響：對于NIH體系，AI 參與度高與申請成功率上升相關，獲批成功的概率高出4%。基于這些資助，隨后發表的論文數量也增加了5%，盡管新增論文大多不是高引用文章。在NSF體系中，研究者沒有檢測到使用AI寫作帶來類似優勢。

研究者指出，盡管AI 似乎提高了命中率，但其中也有隱憂。LLM 基于現有的科學文獻進行訓練，因此它們生成的語言傾向于和已發表的工作保持一致。由AI輔助撰寫、編輯的提案，往往會向“歷史上被認可的表達方式”靠攏。密歇根大學安娜堡分校的科技政策研究者Misha Teplitskiy因此擔心，如果趨勢延續，AI把研究拉回主流，遠離非常規或高風險路線，科研可能會因此走向同質化。

不過佐治亞理工學院的Cassidy Sugimoto對此有不同解讀，她認為使用LLM作為編輯工具，并沒有從根本上改變哪些想法能夠獲得資助；相反，研究人員只是利用AI更好地傳達他們已有的想法，本質上是在要求AI讓申請書“看起來更像能獲得資助”，而AI顯然很好地完成了這項任務。

面對AI輔助申請的大量涌入，NIH已經疲于應對并開始采取措施。該機構目前禁止提交“主要由AI起草”的申請，并將每位研究人員每年的申請數量限制在六份以內。

相關論文：https://doi.org/10.48550/arXiv.2601.15485

注：本文封面圖片來自版權圖庫，轉載使用可能引發版權糾紛。

特 別 提 示

1. 進入『返樸』微信公眾號底部菜單“精品專欄“，可查閱不同主題系列科普文章。

2. 『返樸』提供按月檢索文章功能。關注公眾號，回復四位數組成的年份+月份，如“1903”，可獲取2019年3月的文章索引，以此類推。

版權說明：歡迎個人轉發，任何形式的媒體或機構未經授權，不得轉載和摘編。轉載授權請在「返樸」微信公眾號內聯系后臺。