█ 腦科學(xué)動態(tài)

Nature：急性痛與慢性痛機制徹底分離，驅(qū)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(fā)現(xiàn)13%全新生命代碼：迄今最大規(guī)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(nèi)部糖傳感器鞏固記憶

語言處理并非單核心，大腦多區(qū)域快速交互解碼抽象與具體概念

突觸數(shù)量不足可預(yù)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(fā)現(xiàn)觸覺刺激抗抑郁的備用網(wǎng)絡(luò)

█ AI行業(yè)動態(tài)

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(qū)動科學(xué)

諾獎得主發(fā)布新模型：高度精準(zhǔn)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(xué)院打造純機械集群機器人

AI利用大語言模型和概念圖預(yù)測未來科研方向

人工智能缺乏關(guān)鍵的“內(nèi)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(xiàn)實

谷歌科學(xué)家稱AI的未來在于“社會化”而非“超人化”

腦科學(xué)動態(tài)

Nature：急性痛與慢性痛機制徹底分離：驅(qū)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(jīng)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(xué)）發(fā)現(xiàn)了一條專門驅(qū)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(jīng)傳導(dǎo)通路，找到了在不破壞人體生物警報系統(tǒng)的前提下緩解持續(xù)性疼痛的具體靶點。

? 小鼠腦橫截面圖，顯示了從延髓腹內(nèi)側(cè)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(jīng)元。其他神經(jīng)元以藍色顯示。Credit: Xiaoke Chen

研究人員以已知與疼痛敏化相關(guān)的腦干細胞為起點，利用熒光蛋白標(biāo)記和單突觸逆向追蹤（monosynaptic retrograde tracing，一種利用病毒沿著神經(jīng)連接逆向傳播以繪制復(fù)雜腦區(qū)通訊網(wǎng)絡(luò)的技術(shù)）方法，在小鼠體內(nèi)繪制了一條此前未知的多突觸疼痛閉環(huán)路徑。該回路起源于脊髓，向上傳導(dǎo)途經(jīng)丘腦和初級軀體感覺皮層，隨后通過外側(cè)上丘到達延髓腹內(nèi)側(cè)部脊髓投射神經(jīng)元（RVMSC neurons，一組已知參與調(diào)控下行痛覺信號的神經(jīng)細胞簇），最終返回脊髓。實驗結(jié)果顯示，通過化學(xué)手段抑制這條回路中的任何節(jié)點，均能消除炎癥或神經(jīng)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(yīng)也完好無損。此外，如果在健康小鼠體內(nèi)多次重復(fù)激活該回路，即使沒有任何外在軀體損傷，也能直接誘發(fā)持續(xù)數(shù)周的慢性疼痛狀態(tài)。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(fā)阻斷該回路信號傳導(dǎo)的藥物，有望徹底改善慢性疼痛患者的生存質(zhì)量。研究發(fā)表在 Nature 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #慢性疼痛 #神經(jīng)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(guān)于大腦高頻伽馬信號究竟如何產(chǎn)生的問題，Tianhao Lei、Michael R. Scheid、Robert D. Flint、Joshua I. Glaser和Marc W. Slutzky（西北大學(xué)）通過腦機接口實驗證實，該信號并非局部神經(jīng)元放電的簡單疊加，而是廣泛神經(jīng)網(wǎng)絡(luò)同步放電引發(fā)的突觸后電位產(chǎn)生的總和。

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

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

#意識與腦機接口 #神經(jīng)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(fā)現(xiàn)13%全新生命代碼：迄今最大規(guī)模人類泛基因組圖譜問世

現(xiàn)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(xué)楊劍教授團隊聯(lián)合溫州醫(yī)科大學(xué)沈賢教授，開發(fā)了新型聯(lián)合組裝方法，成功構(gòu)建迄今最大規(guī)模的千人泛基因組，發(fā)現(xiàn)了占據(jù)人類基因組百分之十三的未知新序列。

該研究開發(fā)了基于泛基因組的聯(lián)合組裝方法，對1116個個體的二倍體基因組進行了高質(zhì)量組裝。通過這一大規(guī)模構(gòu)建，研究團隊在現(xiàn)有國際參考基因組之外，發(fā)現(xiàn)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(qū)和調(diào)控元件，具有明確的生物學(xué)功能。此外，研究系統(tǒng)鑒定了超過3540萬個小變異、11萬多個結(jié)構(gòu)變異、48.5萬個串聯(lián)重復(fù)序列以及86萬個嵌套變異。在鑒定的結(jié)構(gòu)變異中，33.3%為首次發(fā)現(xiàn)，且83.5%屬于罕見變異。研究進一步揭示了這些復(fù)雜變異的臨床醫(yī)學(xué)價值，例如鑒定出5239個直接影響蛋白質(zhì)編碼外顯子的結(jié)構(gòu)變異，以及2427個與神經(jīng)退行性疾病密切相關(guān)的串聯(lián)重復(fù)擴增事件。團隊還結(jié)合基因表達數(shù)據(jù)構(gòu)建了泛變異插補參考面板，為未來的全基因組關(guān)聯(lián)分析提供了高分辨率標(biāo)記。研究發(fā)表在 Nature 上。

#疾病與健康 #個性化醫(yī)療 #泛基因組 #遺傳變異 #精準(zhǔn)醫(yī)學(xué)

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(yīng)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(jīng)毒素時發(fā)生自身中毒也是未解之謎。中國科學(xué)院分子植物科學(xué)卓越創(chuàng)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(diào)控機制，并成功在多種異源植物中實現(xiàn)了尼古丁的工程化生產(chǎn)，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(dǎo)的多組學(xué)技術(shù)，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(lián)反應(yīng)需要通過尿苷二磷酸-糖基轉(zhuǎn)移酶（UDP-glycosyltransferase，一種負責(zé)轉(zhuǎn)移糖基以穩(wěn)定復(fù)雜分子的酶）介導(dǎo)穩(wěn)定，隨后經(jīng)A622蛋白還原激活，通過分子間曼尼希樣反應(yīng)（Mannich-like reaction，一種多組分縮合形成復(fù)雜生物堿骨架的化學(xué)反應(yīng)）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(fā)現(xiàn)一個由五個核心組分構(gòu)成的代謝區(qū)室在液泡膜上進行組裝，精準(zhǔn)協(xié)同調(diào)控尼古丁的合成與轉(zhuǎn)運。在體外與異源體內(nèi)實驗中證實，破壞該體系中任一組分都會導(dǎo)致尼古丁積累量顯著下降。此外，多藥和毒素外排轉(zhuǎn)運蛋白在異源植物體系中高效生產(chǎn)尼古丁起到了極其關(guān)鍵的作用。研究發(fā)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(nèi)部糖傳感器鞏固記憶

記憶的鞏固如何與機體的代謝狀態(tài)相互作用？法國國家科學(xué)研究中心的Raquel Francés和Pierre-Yves Pla?ais團隊通過研究果蠅發(fā)現(xiàn)，大腦能夠利用內(nèi)部的糖傳感器將厭惡性學(xué)習(xí)與代謝狀態(tài)相耦合。研究揭示了非穩(wěn)態(tài)饑餓在長期記憶形成中的關(guān)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(yīng)神經(jīng)元（fructose-sensing neurons，一類負責(zé)檢測體內(nèi)糖分水平的神經(jīng)細胞）。結(jié)合鈣成像技術(shù)，研究人員觀測了果蠅在不同進食狀態(tài)下神經(jīng)元活動的改變。結(jié)果發(fā)現(xiàn)，飽食果蠅的厭惡性學(xué)習(xí)需要經(jīng)歷間隔重復(fù)訓(xùn)練，通過去抑制機制使此類神經(jīng)元進入類似饑餓的狀態(tài)。背側(cè)扇形體神經(jīng)元活性的下降解除了對果糖感應(yīng)神經(jīng)元的抑制。學(xué)習(xí)后攝入的糖分能激活這些神經(jīng)元，釋放促甲狀腺素并觸發(fā)記憶鞏固。雙選進食實驗表明，該神經(jīng)環(huán)路的改變不僅支持記憶形成，還令飽食果蠅表現(xiàn)出極度偏好蔗糖的饑餓樣進食行為。這打破了學(xué)習(xí)與代謝相互獨立的觀念，為理解進食障礙等共病現(xiàn)象提供了神經(jīng)學(xué)解釋。研究發(fā)表在 Nature 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #代謝感知 #學(xué)習(xí)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(qū)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(xué)休斯頓健康科學(xué)中心的Nitin Tandon和Elliot Murphy等發(fā)現(xiàn)多腦區(qū)通過快速交互理解語言。研究證實語言解碼依賴多區(qū)域協(xié)作而非單一核心。

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

該研究在19名癲癇患者大腦內(nèi)植入電極獲取顱內(nèi)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(jié)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(wǎng)絡(luò)，抽象詞匯更依賴側(cè)后顳中回皮層等語言區(qū)域。對于中間詞匯，大腦的高頻反應(yīng)保持穩(wěn)定且不受主觀評分影響。研究揭示大腦的多個區(qū)域會進行雙向交互來處理詞匯，推翻了傳統(tǒng)的中心輻射模型（hub-and-spoke model，假設(shè)存在單一概念中心并與次級腦區(qū)通信以解碼語言的傳統(tǒng)理論）。研究團隊還利用皮層刺激對其中5名患者進行干預(yù)測試，發(fā)現(xiàn)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(qū)協(xié)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(chǔ)。研究發(fā)表在 PLOS Biology 上。

#神經(jīng)科學(xué) #神經(jīng)機制與腦功能解析 #語言處理 #概念表征 #顱內(nèi)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(shù)量不足可預(yù)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(yù)后，但現(xiàn)有療法對其收效甚微，其背后的生物學(xué)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(xué)研究所、明斯特大學(xué)等）通過結(jié)合細胞模型與臨床深度數(shù)據(jù)，證實了患者神經(jīng)元突觸數(shù)量的不足能夠直接預(yù)測其認知障礙的嚴重程度。

? 轉(zhuǎn)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(fēng)險相關(guān)。Credit: JAMA Psychiatry (2026).

這項多模態(tài)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(shù)據(jù)。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(dǎo)多能干細胞（iPSC）衍生神經(jīng)元進行了體外表型分析。結(jié)果表明，患者體外培養(yǎng)的神經(jīng)元中興奮性突觸密度的降低以及特定的基因轉(zhuǎn)錄組特征，可以精準(zhǔn)預(yù)測其體內(nèi)右側(cè)背外側(cè)前額葉皮層等腦區(qū)灰質(zhì)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(xiàn)出的注意力及記憶力等認知障礙程度高度相關(guān)。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(fā)精準(zhǔn)的治療靶點提供了新方向。研究發(fā)表在 JAMA Psychiatry 上。

#疾病與健康 #神經(jīng)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(fā)現(xiàn)觸覺刺激抗抑郁的備用網(wǎng)絡(luò)

面對中風(fēng)引發(fā)的不可逆皮層損傷，傳統(tǒng)抗抑郁干預(yù)往往受限。華中科技大學(xué)劉丹和朱鈴強團隊發(fā)現(xiàn)，非侵入性觸覺刺激能繞開受損腦區(qū)，通過激活皮層下替代神經(jīng)環(huán)路顯著改善小鼠的抑郁和焦慮行為，提出環(huán)路代償新策略。

? Credit:Neuron.

研究人員構(gòu)建了中風(fēng)后抑郁以及多種慢性應(yīng)激小鼠模型，并設(shè)計了帶有玻璃珠簾的特殊環(huán)境，為小鼠提供持續(xù)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(xué)實驗表明，接受該干預(yù)的小鼠抑郁與焦慮樣行為大幅減少。借助光遺傳學(xué)、化學(xué)遺傳學(xué)與病毒示蹤技術(shù)，研究團隊發(fā)現(xiàn)這種刺激并未修復(fù)受損的內(nèi)側(cè)前額葉皮層，而是激活了丘腦結(jié)合核至基底外側(cè)杏仁核的替代旁路。具體而言，觸覺刺激優(yōu)先激活丘腦結(jié)合核的興奮性神經(jīng)元，進而投射并募集杏仁核局部的抑制性神經(jīng)元。這一過程通過前饋抑制機制，成功壓制了杏仁核內(nèi)部異常活躍的興奮狀態(tài)，使局部神經(jīng)回路恢復(fù)了興奮與抑制的平衡。該機制在多種應(yīng)激模型中均表現(xiàn)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(yù)框架。研究發(fā)表在 Neuron 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #抑郁癥 #觸覺刺激 #神經(jīng)環(huán)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(yè)動態(tài)

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(jiān)督管理局（FDA）近日批準(zhǔn)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(guān)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(tǒng)注射或口服多肽藥物需空腹等待的痛點。

臨床試驗數(shù)據(jù)顯示了顯著效果：在72周內(nèi)，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(fēng)險指標(biāo)。禮來公司承諾以親民價格推向市場：符合條件的商業(yè)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(yīng)。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(shù)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(zhǔn)

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(yè)）研發(fā)的Fastsort-Textile分揀機，近期被《時代》雜志評為2025年最佳發(fā)明之一。該設(shè)備利用人工智能掃描儀，可在不到一秒內(nèi)精準(zhǔn)讀取一件衣物的材料成分（按客戶設(shè)定標(biāo)準(zhǔn)），并通過傳送帶系統(tǒng)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(huán)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(wù)量下兩名工人則需兩天且準(zhǔn)確率更低。銷售經(jīng)理崔鵬指出，人工難以準(zhǔn)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(jiān)李斌表示，此前高達50%的加工紡織品因無法準(zhǔn)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(jù)世界貿(mào)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(chǎn)量的約70%（數(shù)據(jù)來自阿姆斯特丹非營利組織“循環(huán)經(jīng)濟”Circle Economy），其源自化石燃料且低成本。DataBeyond首席執(zhí)行官莫卓亞強調(diào)，該技術(shù)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(zhuǎn)，最終目標(biāo)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(shù)目前僅應(yīng)用于張家港一地，但為全球紡織品循環(huán)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(huán)經(jīng)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(qū)動科學(xué)

諾獎得主發(fā)布新模型：高度精準(zhǔn)的AI正將人類推向知識崩潰

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

研究團隊構(gòu)建了一個動態(tài)模型，設(shè)定成功的決策必須結(jié)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(xué)習(xí)過程中的范圍經(jīng)濟（economies of scope，指同時完成多項任務(wù)或生產(chǎn)多種輸出比單獨進行效率更高的現(xiàn)象）效應(yīng)。研究表明，系統(tǒng)存在高知識與知識崩潰兩個穩(wěn)定的穩(wěn)態(tài)，二者間的轉(zhuǎn)換具有明確的閾值效應(yīng)（threshold effect，指某變量積累到特定臨界點時引發(fā)系統(tǒng)狀態(tài)發(fā)生突變的現(xiàn)象）。當(dāng)AI準(zhǔn)確度適中時，人類能與AI高效協(xié)作；然而，當(dāng)AI準(zhǔn)確率超越該閾值，盡管個體短期內(nèi)獲得了精準(zhǔn)推薦，卻完全喪失了推動領(lǐng)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(xiàn)非單調(diào)性特征。AI的極致精準(zhǔn)最終瓦解了促成長期進步的認知基礎(chǔ)架構(gòu)。研究發(fā)表在 Working Paper 上。

#認知科學(xué) #大模型技術(shù) #知識生態(tài) #閾值效應(yīng) #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(xué)院打造純機械集群機器人

傳統(tǒng)的集群機器人高度依賴復(fù)雜的電子元件和中央處理器，難以在極端或微觀環(huán)境中應(yīng)用。佐治亞理工學(xué)院的Bolei Deng和Xinyi Yang等研究人員打破常規(guī)，開發(fā)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(jié)構(gòu)設(shè)計和相互接觸即可涌現(xiàn)出復(fù)雜的集群通信與智能行為。

? A) 無電子粒子機器人展現(xiàn)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(tài)：分離、互鎖和排斥。C) 上圖所示每種狀態(tài)的能量分布圖。D) 當(dāng)多個粒子機器人進行集體相互作用時，它們可以從液態(tài)（左圖，粒子保持分離狀態(tài)）轉(zhuǎn)變?yōu)楣虘B(tài)（中圖，形成一個鎖定的塊體），最終轉(zhuǎn)變?yōu)闅鈶B(tài)（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(shè)計了柔性結(jié)構(gòu)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(dāng)粒子接觸時，觸手會發(fā)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(chǎn)生排斥力并向外擴散。通過調(diào)整觸手的幾何參數(shù)，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?qū)崿F(xiàn)順序部署、形態(tài)相變和群體導(dǎo)航等復(fù)雜行為。該系統(tǒng)未來可微縮進入血管進行腫瘤藥物遞送，也可放大應(yīng)用于高輻射的太空環(huán)境中構(gòu)建自重組結(jié)構(gòu)。研究發(fā)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(yù)測未來科研方向

面對科研論文數(shù)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(xué)院（Karlsruhe Institute of Technology）的團隊開發(fā)了一種人工智能工具，通過系統(tǒng)分析海量科學(xué)文獻，能夠預(yù)測未來兩到三年的新興研究趨勢，為科學(xué)家提供靈感。

? 人工智能生成的技術(shù)術(shù)語知識網(wǎng)絡(luò)展示了材料科學(xué)領(lǐng)域的研究趨勢，并揭示了該領(lǐng)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(xué)領(lǐng)域的論文摘要，自動提取關(guān)鍵科學(xué)概念。這些概念隨后被構(gòu)建成一個龐大的知識網(wǎng)絡(luò)，即概念圖，其中每個概念都是一個節(jié)點。接著，第二個機器學(xué)習(xí)模型登場，它分析這些概念在文獻中共同出現(xiàn)的頻率，并在圖中建立連接。該模型的核心創(chuàng)新在于，它能追蹤這些連接隨時間的變化趨勢，例如，當(dāng)“鈣鈦礦”和“太陽能電池”的關(guān)聯(lián)越來越緊密時，模型會識別出這是一個正在興起的研究領(lǐng)域。通過這種方式，AI可以預(yù)測哪些尚未被廣泛關(guān)注的概念組合在未來可能變得至關(guān)重要。研究團隊將模型的預(yù)測結(jié)果提供給領(lǐng)域?qū)＜疫M行評估，專家們認為其中一些建議確實富有創(chuàng)新性和前景。這證明了該工具并非要取代人類的創(chuàng)造力，而是作為一個強大的分析助手，幫助科學(xué)家更有效地發(fā)現(xiàn)新思路和跨學(xué)科合作的機會。研究發(fā)表在 Nature Machine Intelligence 上。

#AI驅(qū)動科學(xué) #預(yù)測模型構(gòu)建 #大模型技術(shù) #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(guān)鍵的“內(nèi)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(xué)洛杉磯分校健康中心的Akila Kadambi和Marco Iacoboni等研究人員指出，關(guān)鍵在于AI缺乏與物理世界互動的身體和對自身狀態(tài)的內(nèi)在感知。他們提出一個“雙重具身框架”，認為模擬這種“內(nèi)部具身”是構(gòu)建更安全、更可信AI的核心。

研究團隊指出，當(dāng)前的多模態(tài)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(tài)的“內(nèi)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(tǒng)計的模式匹配，而人類的感知則根植于終生的身體經(jīng)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(nèi)部的成本或約束機制，AI系統(tǒng)沒有內(nèi)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(gòu)建模擬不確定性、處理負荷等內(nèi)部狀態(tài)的變量，以調(diào)節(jié)其行為，使其更對齊人類的認知模式。研究發(fā)表在 Neuron 上。

#認知科學(xué) #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(xiàn)實

如何讓機器人像人一樣聽懂指令并執(zhí)行任務(wù)，一直是AI領(lǐng)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(yè)大學(xué)和蘇黎世聯(lián)邦理工學(xué)院的Christopher E. Mower等研究人員共同開發(fā)了一個創(chuàng)新的開源框架，它成功地將大型語言模型與應(yīng)用最廣的機器人操作系統(tǒng)（Robot Operating System，ROS）相結(jié)合，為具身智能機器人賦予了前所未有的語言理解與執(zhí)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(biāo)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(fā)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(dāng)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(fù)雜的任務(wù)分解為一系列更小的、可執(zhí)行的步驟。隨后，框架通過兩種模式將這些步驟轉(zhuǎn)化為機器人能夠理解的語言：一種是直接生成簡短的內(nèi)聯(lián)代碼，通過ROS直接控制機器人；另一種是構(gòu)建行為樹，為任務(wù)規(guī)劃提供清晰路徑和備選方案。這種設(shè)計不僅提升了任務(wù)執(zhí)行的成功率，還賦予了機器人通過模仿學(xué)習(xí)新技能，并根據(jù)人類或環(huán)境的反饋進行自我優(yōu)化的能力。在包括桌面整理和遠程監(jiān)控在內(nèi)的多種真實場景測試中，該框架表現(xiàn)出卓越的魯棒性與可擴展性。研究發(fā)表在 Nature Machine Intelligence 上。

#AI驅(qū)動科學(xué) #機器人及其進展 #跨學(xué)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(xué)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(yù)言？來自谷歌、芝加哥大學(xué)等機構(gòu)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(zhì)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(gòu)成的復(fù)雜社會，而非一個孤立的超級心智。

研究團隊指出，當(dāng)前的前沿推理模型內(nèi)部已自發(fā)涌現(xiàn)出一種被稱為“思想社會”的驚人機制。當(dāng)模型處理復(fù)雜問題時，它并非簡單地“思考更久”，而是在內(nèi)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(zhì)疑和協(xié)調(diào)，這種內(nèi)在的社會化過程是其實現(xiàn)高精度推理的關(guān)鍵。更重要的是，這種行為是模型在優(yōu)化壓力下自發(fā)演化出的，印證了“穩(wěn)健的推理是一個社會過程”的認知科學(xué)觀點。基于此，研究者認為AI發(fā)展的未來在于構(gòu)建混合的“人機半人馬”系統(tǒng)，即人類和AI以多樣化的配置深度協(xié)作。這種視角將AI擴展問題從單純追求更大的模型，轉(zhuǎn)向設(shè)計更高效的協(xié)作性社會系統(tǒng)。因此，AI治理范式也應(yīng)隨之轉(zhuǎn)變，從類似“家長式管教”的人類反饋強化學(xué)習(xí)，轉(zhuǎn)向借鑒人類社會經(jīng)驗的“制度對齊”，即創(chuàng)建具備明確角色、規(guī)范和制衡機制的數(shù)字機構(gòu)（如AI法庭、AI監(jiān)管機構(gòu)）來確保整個生態(tài)系統(tǒng)的穩(wěn)定與對齊。

#大模型技術(shù) #計算模型與人工智能模擬 #跨學(xué)科整合 #人工智能哲學(xué)

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(guān)于追問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(xué)的邊界。歡迎評論區(qū)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(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10億美元創(chuàng)建的世界最大私人腦科學(xué)研究機構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點，支持腦科學(xué)研究，造福人類。

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)前沿實驗室、人工智能與精神健康前沿實驗室；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)，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎勵計劃、、科普視頻媒體「大圓鏡」等。