追問daily | Nature：發現13%全新生命代碼；AI分揀機兩分鐘頂人工四小時

█ 腦科學動態

Nature：急性痛與慢性痛機制徹底分離，驅動慢性疼痛的大腦地圖

Nature：腦機接口實驗揭示高伽馬腦信號真實起源

Nature：發現13%全新生命代碼：迄今最大規模人類泛基因組圖譜

Cell：首次完整解析尼古丁生物合成途徑

Nature：大腦利用內部糖傳感器鞏固記憶

語言處理并非單核心，大腦多區域快速交互解碼抽象與具體概念

突觸數量不足可預測精神分裂癥患者認知障礙的嚴重程度

繞過受損大腦皮層：發現觸覺刺激抗抑郁的備用網絡

█ AI行業動態

禮來口服GLP-1藥物Foundayo獲批，每月僅需25美元

兩分鐘頂人工四小時：中國AI分揀機助力破解合成紡織廢料難題

█ AI驅動科學

諾獎得主發布新模型：高度精準的AI正將人類推向知識崩潰

拋棄電池與芯片：佐治亞理工學院打造純機械集群機器人

AI利用大語言模型和概念圖預測未來科研方向

人工智能缺乏關鍵的“內部具身”，或成安全隱患

新框架讓機器人告別“指令盲”，自然語言交互成為現實

谷歌科學家稱AI的未來在于“社會化”而非“超人化”

腦科學動態

Nature：急性痛與慢性痛機制徹底分離：驅動慢性疼痛的大腦地圖

慢性疼痛患者常將無害的觸覺誤解為痛覺，但其背后的完整神經生理機制一直未被完全探明。Xiaoke Chen、Qian Wang和Joo Han Lee等研究人員（斯坦福大學）發現了一條專門驅動慢性疼痛的腦脊髓回路。該研究成功剝離了急性疼痛與慢性疼痛的神經傳導通路，找到了在不破壞人體生物警報系統的前提下緩解持續性疼痛的具體靶點。

? 小鼠腦橫截面圖，顯示了從延髓腹內側部投射到脊髓的參與慢性疼痛（黃色）和急性疼痛（紅色）的神經元。其他神經元以藍色顯示。Credit: Xiaoke Chen

研究人員以已知與疼痛敏化相關的腦干細胞為起點，利用熒光蛋白標記和單突觸逆向追蹤（monosynaptic retrograde tracing，一種利用病毒沿著神經連接逆向傳播以繪制復雜腦區通訊網絡的技術）方法，在小鼠體內繪制了一條此前未知的多突觸疼痛閉環路徑。該回路起源于脊髓，向上傳導途經丘腦和初級軀體感覺皮層，隨后通過外側上丘到達延髓腹內側部脊髓投射神經元（RVMSC neurons，一組已知參與調控下行痛覺信號的神經細胞簇），最終返回脊髓。實驗結果顯示，通過化學手段抑制這條回路中的任何節點，均能消除炎癥或神經損傷小鼠的機械性感覺過敏癥狀。令人驚嘆的是，小鼠的慢性疼痛不僅完全消退，其對突然傷害的保護性急性疼痛反應也完好無損。此外，如果在健康小鼠體內多次重復激活該回路，即使沒有任何外在軀體損傷，也能直接誘發持續數周的慢性疼痛狀態。這項研究不僅證實了慢性疼痛與急性疼痛由完全獨立的回路控制，還揭示出刺激該新回路會加劇疼痛。未來通過研發阻斷該回路信號傳導的藥物，有望徹底改善慢性疼痛患者的生存質量。研究發表在 Nature 上。

#疾病與健康 #神經機制與腦功能解析 #慢性疼痛 #神經回路 #感覺過敏

閱讀更多：

Wang, Qian, et al. “Deconstruction of a Spino-Brain–Spinal Cord Circuit That Drives Chronic Pain.” Nature, Apr. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-026-10296-y

Nature：腦機接口實驗揭示高伽馬腦信號真實起源

關于大腦高頻伽馬信號究竟如何產生的問題，Tianhao Lei、Michael R. Scheid、Robert D. Flint、Joshua I. Glaser和Marc W. Slutzky（西北大學）通過腦機接口實驗證實，該信號并非局部神經元放電的簡單疊加，而是廣泛神經網絡同步放電引發的突觸后電位產生的總和。

? HGA 生成的潛在來源及任務示意圖。Credit: Nature (2026).

傳統觀點常認為高頻伽馬活動只是局部神經元電活動的直接反映。為了檢驗該假說，研究人員開發了一種基于腦機接口的實驗。實驗中，猴子需要控制光標，而光標的不同運動方向分別由同一個電極記錄到的局部神經元放電率和高頻伽馬活動控制。結果表明，動物在幾分鐘內便能將這兩個信號解耦并獨立調節。若高頻伽馬信號僅是局部放電的疊加，動物將無法實現這種分離。深入分析多電極數據發現，高頻伽馬信號與分布在幾毫米皮層范圍內的神經元同步放電高度相關。最終證實，高頻伽馬活動主要起源于廣泛神經網絡同步放電觸發的突觸后電位。該研究發表在 Nature 上。

#意識與腦機接口 #神經機制與腦功能解析 #高頻伽馬活動 #突觸后電位 #腦信號

閱讀更多：

Lei, Tianhao, et al. “Active Dissociation of Intracortical Spiking and High Gamma Activity.” Nature, Apr. 2026, pp. 1–7. www.nature.com, https://doi.org/10.1038/s41586-026-10331-y

Nature：發現13%全新生命代碼：迄今最大規模人類泛基因組圖譜問世

現有參考基因組因樣本多源于歐洲，難以反映中國人群遺傳多樣性，致使罕見致病變異易被遺漏。西湖大學楊劍教授團隊聯合溫州醫科大學沈賢教授，開發了新型聯合組裝方法，成功構建迄今最大規模的千人泛基因組，發現了占據人類基因組百分之十三的未知新序列。

該研究開發了基于泛基因組的聯合組裝方法，對1116個個體的二倍體基因組進行了高質量組裝。通過這一大規模構建，研究團隊在現有國際參考基因組之外，發現了4.053億個堿基對的全新序列。其中2620萬個堿基對涉及基因編碼區和調控元件，具有明確的生物學功能。此外，研究系統鑒定了超過3540萬個小變異、11萬多個結構變異、48.5萬個串聯重復序列以及86萬個嵌套變異。在鑒定的結構變異中，33.3%為首次發現，且83.5%屬于罕見變異。研究進一步揭示了這些復雜變異的臨床醫學價值，例如鑒定出5239個直接影響蛋白質編碼外顯子的結構變異，以及2427個與神經退行性疾病密切相關的串聯重復擴增事件。團隊還結合基因表達數據構建了泛變異插補參考面板，為未來的全基因組關聯分析提供了高分辨率標記。研究發表在 Nature 上。

#疾病與健康 #個性化醫療 #泛基因組 #遺傳變異 #精準醫學

閱讀更多：

Wang, Yifei, et al. “The 1000 Chinese Pangenome Empowers Medical and Population Genetics.” Nature, Apr. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-026-10315-y

Cell：首次完整解析尼古丁生物合成途徑

尼古丁生物合成的最終酶促步驟與反應機制近百年來始終未能被完全闡明，且植物如何避免合成這種神經毒素時發生自身中毒也是未解之謎。中國科學院分子植物科學卓越創新中心李大鵬研究員團隊，首次完整解析了尼古丁的生物合成途徑與調控機制，并成功在多種異源植物中實現了尼古丁的工程化生產，有效增強了作物的抗蟲性。

? Credit:Cell.

該研究首先利用信息論指導的多組學技術，鑒定出尼古丁生物合成過程中的糖基化作用。研究揭示，尼古丁的最終偶聯反應需要通過尿苷二磷酸-糖基轉移酶（UDP-glycosyltransferase，一種負責轉移糖基以穩定復雜分子的酶）介導穩定，隨后經A622蛋白還原激活，通過分子間曼尼希樣反應（Mannich-like reaction，一種多組分縮合形成復雜生物堿骨架的化學反應）進行縮合。緊接著由類BBE酶（berberine bridge enzyme-like，一種參與生物堿氧化的植物特異性酶）進行氧化，最后去糖基化生成尼古丁。研究團隊還發現一個由五個核心組分構成的代謝區室在液泡膜上進行組裝，精準協同調控尼古丁的合成與轉運。在體外與異源體內實驗中證實，破壞該體系中任一組分都會導致尼古丁積累量顯著下降。此外，多藥和毒素外排轉運蛋白在異源植物體系中高效生產尼古丁起到了極其關鍵的作用。研究發表在 Cell 。

#其他 #尼古丁生物合成 #植物防御 #代謝工程

閱讀更多：

Chang, Lijing, et al. “Complete Biosynthesis of Nicotine.” Cell, vol. 0, no. 0, Apr. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.03.034

Nature：大腦利用內部糖傳感器鞏固記憶

記憶的鞏固如何與機體的代謝狀態相互作用？法國國家科學研究中心的Raquel Francés和Pierre-Yves Pla?ais團隊通過研究果蠅發現，大腦能夠利用內部的糖傳感器將厭惡性學習與代謝狀態相耦合。研究揭示了非穩態饑餓在長期記憶形成中的關鍵作用。

研究團隊采用靶向表達溫敏蛋白的方法，特異性抑制了果蠅腦部Gr43a果糖感應神經元（fructose-sensing neurons，一類負責檢測體內糖分水平的神經細胞）。結合鈣成像技術，研究人員觀測了果蠅在不同進食狀態下神經元活動的改變。結果發現，飽食果蠅的厭惡性學習需要經歷間隔重復訓練，通過去抑制機制使此類神經元進入類似饑餓的狀態。背側扇形體神經元活性的下降解除了對果糖感應神經元的抑制。學習后攝入的糖分能激活這些神經元，釋放促甲狀腺素并觸發記憶鞏固。雙選進食實驗表明，該神經環路的改變不僅支持記憶形成，還令飽食果蠅表現出極度偏好蔗糖的饑餓樣進食行為。這打破了學習與代謝相互獨立的觀念，為理解進食障礙等共病現象提供了神經學解釋。研究發表在 Nature 上。

#疾病與健康 #神經機制與腦功能解析 #代謝感知 #學習與記憶

閱讀更多：

Francés, Raquel, et al. “Aversive Learning Hijacks a Brain Sugar Sensor to Consolidate Memory.” Nature, Mar. 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-026-10306-z

語言處理并非單核心，大腦多區域快速交互解碼抽象與具體概念

為探究大腦是否存在單一語言解碼中心，德克薩斯大學休斯頓健康科學中心的Nitin Tandon和Elliot Murphy等發現多腦區通過快速交互理解語言。研究證實語言解碼依賴多區域協作而非單一核心。

? 多個處理窗口中具體性主要效應的示意圖。Credit: PLOS Biology (2026).

該研究在19名癲癇患者大腦內植入電極獲取顱內記錄，要求他們對代表實體的具體詞匯、無形的抽象詞匯及介于兩者之間的中間詞匯進行分類。結果顯示，具體詞匯激活了處理感覺與語言的額葉及腹顳葉網絡，抽象詞匯更依賴側后顳中回皮層等語言區域。對于中間詞匯，大腦的高頻反應保持穩定且不受主觀評分影響。研究揭示大腦的多個區域會進行雙向交互來處理詞匯，推翻了傳統的中心輻射模型（hub-and-spoke model，假設存在單一概念中心并與次級腦區通信以解碼語言的傳統理論）。研究團隊還利用皮層刺激對其中5名患者進行干預測試，發現刺激腹顳葉和下額葉皮層會破壞患者詞匯分類能力。這不僅證實了多腦區協同在語言解碼中的因果作用，也為失語癥患者的語言重建提供了基礎。研究發表在 PLOS Biology 上。

#神經科學 #神經機制與腦功能解析 #語言處理 #概念表征 #顱內記錄

閱讀更多：

Murphy, Elliot, et al. “Frontotemporal Network Interactions Causally Support Rapid Concreteness Judgments during Reading.” PLOS Biology, vol. 24, no. 3, Mar. 2026, p. e3003723. PLoS Journals, https://doi.org/10.1371/journal.pbio.3003723

突觸數量不足可預測精神分裂癥患者認知障礙的嚴重程度

精神分裂癥患者的認知癥狀決定了其長期預后，但現有療法對其收效甚微，其背后的生物學機制也尚不明確。Florian J. Raabe和Michael Ziller團隊（慕尼黑馬克斯·普朗克精神病學研究所、明斯特大學等）通過結合細胞模型與臨床深度數據，證實了患者神經元突觸數量的不足能夠直接預測其認知障礙的嚴重程度。

? 轉化性深度表型分析揭示了精神分裂癥（SCZ）認知障礙的多變量表型腦特征，該特征與遺傳風險相關。Credit: JAMA Psychiatry (2026).

這項多模態病例對照研究整合了兩個獨立隊列中461名參與者的磁共振成像、腦電圖和認知評估數據。同時，研究人員對其中80名供體通過血液樣本培育出的誘導多能干細胞（iPSC）衍生神經元進行了體外表型分析。結果表明，患者體外培養的神經元中興奮性突觸密度的降低以及特定的基因轉錄組特征，可以精準預測其體內右側背外側前額葉皮層等腦區灰質體積的縮小以及特定頻段電生理信號的異常。更重要的是，細胞層面的突觸缺陷程度與患者實際表現出的注意力及記憶力等認知障礙程度高度相關。該研究首次在個體層面建立了從微觀遺傳和突觸病理到宏觀腦功能和認知表型的機制橋梁，為未來開發精準的治療靶點提供了新方向。研究發表在 JAMA Psychiatry 上。

#疾病與健康 #神經機制與腦功能解析 #精神分裂癥 #認知障礙 #突觸密度

閱讀更多：

Raabe, Florian J., et al. “Bridging the Scales via Personalized Cellular Modeling and Deep Phenotyping in Schizophrenia.” JAMA Psychiatry, Mar. 2026. Silverchair, https://doi.org/10.1001/jamapsychiatry.2026.0576

繞過受損大腦皮層：發現觸覺刺激抗抑郁的備用網絡

面對中風引發的不可逆皮層損傷，傳統抗抑郁干預往往受限。華中科技大學劉丹和朱鈴強團隊發現，非侵入性觸覺刺激能繞開受損腦區，通過激活皮層下替代神經環路顯著改善小鼠的抑郁和焦慮行為，提出環路代償新策略。

? Credit:Neuron.

研究人員構建了中風后抑郁以及多種慢性應激小鼠模型，并設計了帶有玻璃珠簾的特殊環境，為小鼠提供持續的觸覺豐富體驗（tactile-enriched experience，一種非侵入性的外周感官刺激方式）。行為學實驗表明，接受該干預的小鼠抑郁與焦慮樣行為大幅減少。借助光遺傳學、化學遺傳學與病毒示蹤技術，研究團隊發現這種刺激并未修復受損的內側前額葉皮層，而是激活了丘腦結合核至基底外側杏仁核的替代旁路。具體而言，觸覺刺激優先激活丘腦結合核的興奮性神經元，進而投射并募集杏仁核局部的抑制性神經元。這一過程通過前饋抑制機制，成功壓制了杏仁核內部異常活躍的興奮狀態，使局部神經回路恢復了興奮與抑制的平衡。該機制在多種應激模型中均表現出顯著的情緒矯正效果，為伴隨腦損傷的精神障礙提供了全新干預框架。研究發表在 Neuron 上。

#疾病與健康 #神經機制與腦功能解析 #抑郁癥 #觸覺刺激 #神經環路

閱讀更多：

Fan, Hong-Wei, et al. “Noninvasive Tactile Stimulation Engaging a Thalamic-Amygdala Circuit Ameliorates Mood Dysfunction in Mouse Models of Depression-like Behavior.” Neuron, vol. 0, no. 0, Apr. 2026. www.cell.com, https://doi.org/10.1016/j.neuron.2026.03.012

AI 行業動態

禮來口服GLP-1藥物Foundayo獲批，每月僅需25美元

美國食品藥品監督管理局（FDA）近日批準了禮來公司（Eli Lilly）的口服小分子GLP-1受體激動劑（GLP-1 receptor agonist，一種能模擬人體自身激素、促進胰島素分泌并抑制食欲的化合物）Orforglipron（商品名Foundayo?）上市，用于治療肥胖或超重且伴有相關疾病的成人患者。這是繼諾和諾德（Novo Nordisk）的口服版司美格魯肽后，第二款獲批的口服減重藥物。其最大突破在于服用便利性：作為首款小分子非多肽類GLP-1藥物，它不受飲食和飲水限制，可在一天中的任何時間服用，徹底解決了傳統注射或口服多肽藥物需空腹等待的痛點。

臨床試驗數據顯示了顯著效果：在72周內，最高劑量組患者平均減重12.4%，遠超安慰劑組的0.9%。此外，該藥還能改善腰圍、血脂和血壓等心血管風險指標。禮來公司承諾以親民價格推向市場：符合條件的商業保險患者每月自付費用可低至25美元，自費患者最低劑量月費為149美元。常見副作用包括惡心、腹瀉、嘔吐等胃腸道反應。禮來董事長David A. Ricks表示，目前僅不到10%的潛在受益者在使用GLP-1類藥物，這款靈活便捷的口服藥有望打破獲取壁壘，為全球數億肥胖人群提供公平的治療機會。

#口服GLP-1 #禮來 #減肥藥 #小分子藥物 #FDA批準

閱讀更多：

https://www.biocentury.com/article/658999/lilly-s-oral-orforglipron-readies-for-launch-in-catalyst-rich-year-for-obesity

兩分鐘頂人工四小時：中國AI分揀機助力破解合成紡織廢料難題

中國人工智能公司DataBeyond（成立于2018年的AI回收企業）研發的Fastsort-Textile分揀機，近期被《時代》雜志評為2025年最佳發明之一。該設備利用人工智能掃描儀，可在不到一秒內精準讀取一件衣物的材料成分（按客戶設定標準），并通過傳送帶系統高速分揀尼龍、聚酯等合成纖維。在江蘇張家港的回收廠山和盛環保科技有限公司，這臺機器處理100公斤衣物僅需兩到三分鐘，而人工完成同樣工作量約需四小時；機器每小時可處理兩噸，同等任務量下兩名工人則需兩天且準確率更低。銷售經理崔鵬指出，人工難以準確判斷聚酯纖維含量（如80%還是90%），而機器極少出錯。銷售總監李斌表示，此前高達50%的加工紡織品因無法準確分類而被焚燒或填埋，使用該機器后這一比例降至30%。

全球紡織廢料污染問題嚴峻，中國是最大貢獻國之一——根據世界貿易組織2025年報告，中國紡織品出口額達1420億美元，超歐盟兩倍。合成紡織品占全球產量的約70%（數據來自阿姆斯特丹非營利組織“循環經濟”Circle Economy），其源自化石燃料且低成本。DataBeyond首席執行官莫卓亞強調，該技術能充分利用廢料、減少焚燒，助力資源回收。李斌進一步展望，機器已能勝任分揀，而人力無法24小時運轉，最終目標是由機器人全天候運行的“黑暗工廠”（無人化全自動工廠）。該技術目前僅應用于張家港一地，但為全球紡織品循環利用提供了高效解決方案。

#AI紡織品分揀 #合成纖維回收 #循環經濟 #DataBeyond #黑暗工廠

閱讀更多：

https://www.washingtonpost.com/business/2026/04/01/china-recycling-textiles-artificial-intelligence/b2128e3a-2e38-11f1-aac2-f56b5ccad184_story.html

AI 驅動科學

諾獎得主發布新模型：高度精準的AI正將人類推向知識崩潰

當AI完美解答所有問題時人類創造新知的引擎會停滯嗎？Daron Acemoglu、Dingwen Kong和Asuman Ozdaglar（麻省理工學院）發現，過高精度的AI將致使個體喪失自主學習動力，停止維持集體知識庫的認知工作，最終將引發人類社會知識生態系統的徹底崩潰。

研究團隊構建了一個動態模型，設定成功的決策必須結合共享的通用知識與特定情境知識。研究重點分析了人類學習過程中的范圍經濟（economies of scope，指同時完成多項任務或生產多種輸出比單獨進行效率更高的現象）效應。研究表明，系統存在高知識與知識崩潰兩個穩定的穩態，二者間的轉換具有明確的閾值效應（threshold effect，指某變量積累到特定臨界點時引發系統狀態發生突變的現象）。當AI準確度適中時，人類能與AI高效協作；然而，當AI準確率超越該閾值，盡管個體短期內獲得了精準推薦，卻完全喪失了推動領域知識邊界的動力。這種個體層面的理性選擇，阻斷了群體知識的更新，使社會福利呈現非單調性特征。AI的極致精準最終瓦解了促成長期進步的認知基礎架構。研究發表在 Working Paper 上。

#認知科學 #大模型技術 #知識生態 #閾值效應 #人類認知

閱讀更多：

Acemoglu, Daron, et al. “AI, Human Cognition and Knowledge Collapse.” Working Paper no. 34910, National Bureau of Economic Research, Feb. 2026. Working Paper Series. National Bureau of Economic Research, https://doi.org/10.3386/w34910

拋棄電池與芯片：佐治亞理工學院打造純機械集群機器人

傳統的集群機器人高度依賴復雜的電子元件和中央處理器，難以在極端或微觀環境中應用。佐治亞理工學院的Bolei Deng和Xinyi Yang等研究人員打破常規，開發出一種完全沒有電子元件、電池或大腦的微型粒子機器人集群。該研究成功證明了僅依靠特定的物理結構設計和相互接觸即可涌現出復雜的集群通信與智能行為。

? A) 無電子粒子機器人展現出集體行為（左圖）；個體通過觸手的物理接觸進行交流（中圖）。B) 粒子機器人的三種狀態：分離、互鎖和排斥。C) 上圖所示每種狀態的能量分布圖。D) 當多個粒子機器人進行集體相互作用時，它們可以從液態（左圖，粒子保持分離狀態）轉變為固態（中圖，形成一個鎖定的塊體），最終轉變為氣態（右圖，所有粒子都具有動能）。Credit: Advanced Intelligent Systems (2025).

這項研究的核心在于機械智能（mechanical intelligence，即不依賴傳感器，而是通過幾何形狀直接控制物理行為的機制）。研究人員為每個相同的粒子機器人設計了柔性結構化觸手（architected tentacles，一種可通過形變存儲和釋放能量的特殊外形）。當粒子接觸時，觸手會發生彎曲互鎖并儲存彈性勢能。此時只需施加外部振動即可釋放張力，使觸手迅速彈開，粒子產生排斥力并向外擴散。通過調整觸手的幾何參數，如改變曲率以延長鎖定時間，或增加剛度以加快釋放速度，研究人員能直接對粒子的擴散范圍和交互順序進行物理編程。實驗證實，該機制使機器人能夠實現順序部署、形態相變和群體導航等復雜行為。該系統未來可微縮進入血管進行腫瘤藥物遞送，也可放大應用于高輻射的太空環境中構建自重組結構。研究發表在 Advanced Intelligent Systems 上。

#其他 #機器人及其進展 #集群智能 #機械智能 #無源機器人

閱讀更多：

Yang, Xinyi, et al. “Electronic-Free Particle Robots Communicate through Architected Tentacles.” Advanced Intelligent Systems, vol. 7, no. 12, 2025, p. e202500151. Wiley Online Library, https://doi.org/10.1002/aisy.202500151

AI利用大語言模型和概念圖預測未來科研方向

面對科研論文數量的爆炸式增長，研究人員如何才能不錯過下一個重大突破？Pascal Friederich, Thomas Marwitz及其在卡爾斯魯厄理工學院（Karlsruhe Institute of Technology）的團隊開發了一種人工智能工具，通過系統分析海量科學文獻，能夠預測未來兩到三年的新興研究趨勢，為科學家提供靈感。

? 人工智能生成的技術術語知識網絡展示了材料科學領域的研究趨勢，并揭示了該領域研究的新思路。Credit: Thomas Marwitz, KIT

該研究采用了一種兩步走的AI策略。首先，研究團隊利用大型語言模型掃描材料科學領域的論文摘要，自動提取關鍵科學概念。這些概念隨后被構建成一個龐大的知識網絡，即概念圖，其中每個概念都是一個節點。接著，第二個機器學習模型登場，它分析這些概念在文獻中共同出現的頻率，并在圖中建立連接。該模型的核心創新在于，它能追蹤這些連接隨時間的變化趨勢，例如，當“鈣鈦礦”和“太陽能電池”的關聯越來越緊密時，模型會識別出這是一個正在興起的研究領域。通過這種方式，AI可以預測哪些尚未被廣泛關注的概念組合在未來可能變得至關重要。研究團隊將模型的預測結果提供給領域專家進行評估，專家們認為其中一些建議確實富有創新性和前景。這證明了該工具并非要取代人類的創造力，而是作為一個強大的分析助手，幫助科學家更有效地發現新思路和跨學科合作的機會。研究發表在 Nature Machine Intelligence 上。

#AI驅動科學 #預測模型構建 #大模型技術 #自動化科研

閱讀更多：

Marwitz, Thomas, et al. “Predicting New Research Directions in Materials Science Using Large Language Models and Concept Graphs.” Nature Machine Intelligence, Apr. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s42256-026-01206-y

人工智能缺乏關鍵的“內部具身”，或成安全隱患

為何先進的AI有時會犯下人類嬰兒都不會犯的錯誤？加州大學洛杉磯分校健康中心的Akila Kadambi和Marco Iacoboni等研究人員指出，關鍵在于AI缺乏與物理世界互動的身體和對自身狀態的內在感知。他們提出一個“雙重具身框架”，認為模擬這種“內部具身”是構建更安全、更可信AI的核心。

研究團隊指出，當前的多模態大型語言模型雖然強大，但缺少兩種人類與生俱來的特性：與世界互動的“外部具身”和感知自身疲勞、不確定性等狀態的“內部具身”。研究人員通過一個簡單的“點光源顯示”（point-light display，即用光點模擬運動中的人形）測試說明了這一點：多個頂尖AI模型無法識別出人形，甚至將其誤認為星座。研究者認為，這是因為AI的理解是基于統計的模式匹配，而人類的感知則根植于終生的身體經驗。這種“身體鴻溝”不僅是性能限制，更是安全隱患。由于沒有內部的成本或約束機制，AI系統沒有內在理由去避免過度自信的錯誤或抵制惡意操縱。為此，團隊提出了“雙重具身框架”，建議為AI構建模擬不確定性、處理負荷等內部狀態的變量，以調節其行為，使其更對齊人類的認知模式。研究發表在 Neuron 上。

#認知科學 #計算模型與人工智能模擬 #人工智能安全 #具身認知 #大語言模型

閱讀更多：

Kadambi, Akila, et al. “Embodiment in Multimodal Large Language Models.” Neuron, vol. 0, no. 0, Apr. 2026. www.cell.com, https://doi.org/10.1016/j.neuron.2026.03.004

新框架讓機器人告別“指令盲”，自然語言交互成為現實

如何讓機器人像人一樣聽懂指令并執行任務，一直是AI領域的難題。由華為倫敦諾亞方舟實驗室、德國達姆施塔特工業大學和蘇黎世聯邦理工學院的Christopher E. Mower等研究人員共同開發了一個創新的開源框架，它成功地將大型語言模型與應用最廣的機器人操作系統（Robot Operating System，ROS）相結合，為具身智能機器人賦予了前所未有的語言理解與執行能力。

? a) 團隊提出的 ROS-LLM 框架概述，展示了多個組件的集成。帶標簽的線條表示框架中假定僅引入一次的部分，例如初始原子動作庫。b) 典型的機器人開發工作流程概述。Credit: Nature Machine Intelligence (2026).

該框架的核心思想是利用LLM強大的自然語言處理能力作為機器人的“大腦”。當接收到如“拿起綠色積木并將其放在黑色架子上”的指令時，LLM會首先將復雜的任務分解為一系列更小的、可執行的步驟。隨后，框架通過兩種模式將這些步驟轉化為機器人能夠理解的語言：一種是直接生成簡短的內聯代碼，通過ROS直接控制機器人；另一種是構建行為樹，為任務規劃提供清晰路徑和備選方案。這種設計不僅提升了任務執行的成功率，還賦予了機器人通過模仿學習新技能，并根據人類或環境的反饋進行自我優化的能力。在包括桌面整理和遠程監控在內的多種真實場景測試中，該框架表現出卓越的魯棒性與可擴展性。研究發表在 Nature Machine Intelligence 上。

#AI驅動科學 #機器人及其進展 #跨學科整合 #意圖與決策

閱讀更多：

Mower, Christopher E., et al. “A Robot Operating System Framework for Using Large Language Models in Embodied AI.” Nature Machine Intelligence, vol. 8, no. 3, Mar. 2026, pp. 313–25. www.nature.com, https://doi.org/10.1038/s42256-026-01186-z

谷歌科學家稱AI的未來在于“社會化”而非“超人化”

人工智能“奇點”是否是一個錯誤的預言？來自谷歌、芝加哥大學等機構的James Evans, Benjamin Bratton和Blaise Agüera y Arcas等研究人員在一篇論文中提出，智能的本質是社會性的，未來的智能爆炸將是一個由人類和億萬AI智能體共同構成的復雜社會，而非一個孤立的超級心智。

研究團隊指出，當前的前沿推理模型內部已自發涌現出一種被稱為“思想社會”的驚人機制。當模型處理復雜問題時，它并非簡單地“思考更久”，而是在內部模擬了一場多視角的辯論會，不同的認知觀點進行論證、質疑和協調，這種內在的社會化過程是其實現高精度推理的關鍵。更重要的是，這種行為是模型在優化壓力下自發演化出的，印證了“穩健的推理是一個社會過程”的認知科學觀點。基于此，研究者認為AI發展的未來在于構建混合的“人機半人馬”系統，即人類和AI以多樣化的配置深度協作。這種視角將AI擴展問題從單純追求更大的模型，轉向設計更高效的協作性社會系統。因此，AI治理范式也應隨之轉變，從類似“家長式管教”的人類反饋強化學習，轉向借鑒人類社會經驗的“制度對齊”，即創建具備明確角色、規范和制衡機制的數字機構（如AI法庭、AI監管機構）來確保整個生態系統的穩定與對齊。

#大模型技術 #計算模型與人工智能模擬 #跨學科整合 #人工智能哲學

閱讀更多：

Evans, James, et al. “Agentic AI and the next Intelligence Explosion.” arXiv:2603.20639, arXiv, 21 Mar. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2603.20639

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。