█ 腦科學(xué)動(dòng)態(tài)

Cell：吃下“智能細(xì)菌”，清除大腦毒素

Cell：首次繪制出鼻子嗅覺受體的氣味圖譜

Cell：高分辨率空間轉(zhuǎn)錄組學(xué)繪制出首個(gè)完整的小鼠嗅覺地圖

酗酒對(duì)大學(xué)生的次日認(rèn)知功能造成損害

說不出的痛苦更難熬，揭示情緒處理能力與慢性疼痛的深層聯(lián)系

微塑料遍布人腦：健康和腫瘤組織中均發(fā)現(xiàn)其蹤跡

治愈抑郁不只是消除悲傷，更是重拾快樂的能力

夢(mèng)境不僅是現(xiàn)實(shí)的回響，穩(wěn)定人格特質(zhì)深刻重塑夢(mèng)境

█ AI行業(yè)動(dòng)態(tài)

微軟與OpenAI重寫協(xié)議，OpenAI終獲自由

Anthropic年收300億美元，正式超越OpenAI

5.2萬星開源項(xiàng)目Ghostty告別GitHub

█ AI驅(qū)動(dòng)科學(xué)

Nature：申請(qǐng)量暴增57%：研究警告AI正淹沒科研資助機(jī)構(gòu)

半數(shù)解答存疑、文獻(xiàn)大面積造假：主流大模型醫(yī)療問答可靠性堪憂

驗(yàn)血即可預(yù)測(cè)更年期并發(fā)癥

提前數(shù)年鎖定風(fēng)險(xiǎn)，杜克大學(xué)新AI模型打破ADHD診斷延遲困境

FingerEye：融合視覺與觸覺的新型傳感器提升機(jī)器人靈巧操作能力

類腦網(wǎng)絡(luò)通過選擇性修剪實(shí)現(xiàn)低能耗持續(xù)進(jìn)化

多腦區(qū)柔性神經(jīng)接口實(shí)現(xiàn)自由活動(dòng)小鼠行為狀態(tài)的精準(zhǔn)解碼

心理學(xué)視角下的人工智能信任六大原則

腦科學(xué)動(dòng)態(tài)

Cell：吃下“智能細(xì)菌”，清除大腦毒素

肝功能衰竭引發(fā)的肝性腦病（HE）治療面臨困境，現(xiàn)有療法效果有限且可能破壞腸道生態(tài)。新加坡國(guó)立大學(xué)的Matthew Chang及其團(tuán)隊(duì)開創(chuàng)了一種全新的治療策略，他們通過基因工程改造腸道細(xì)菌，使其成為一種能同時(shí)執(zhí)行多種治療任務(wù)的“活體藥物”，成功在動(dòng)物模型中恢復(fù)了腸-肝-腦軸的代謝平衡。

? Credit: Cell (2026).

研究團(tuán)隊(duì)對(duì)一種有益的共生菌——植物乳桿菌（Lactobacillus plantarum）進(jìn)行了重新設(shè)計(jì)，創(chuàng)造出兩種功能互補(bǔ)的治療菌株。第一種菌株能夠高效吸收腸道中導(dǎo)致神經(jīng)毒性的氨，并將其轉(zhuǎn)化為患者體內(nèi)缺乏的支鏈氨基酸（branched-chain amino acids, BCAAs）。第二種菌株則負(fù)責(zé)分解谷氨酰胺，切斷了毒素氨的另一個(gè)關(guān)鍵來源。在肝性腦病小鼠模型中，這兩種菌株的混合物不僅將血液和大腦中的氨水平降至健康范圍，恢復(fù)了關(guān)鍵代謝物的平衡，還在改善焦慮和認(rèn)知功能方面表現(xiàn)優(yōu)于臨床常用抗生素利福昔明。更重要的是，與抗生素會(huì)破壞腸道菌群不同，這種新型微生物療法保留了腸道微生態(tài)的健康多樣性，展示了作為精準(zhǔn)、可編程療法的巨大潛力。研究發(fā)表在 Cell 上。

#疾病與健康 #個(gè)性化醫(yī)療 #肝性腦病 #合成生物學(xué) #腸-腦軸

閱讀更多：

Aggarwal, Nikhil, et al. “Engineered Commensals for Metabolic Modulation of the Gut-Liver-Brain Axis.” Cell, vol. 0, no. 0, Apr. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.03.048

Cell：首次繪制出鼻子嗅覺受體的氣味圖譜

長(zhǎng)期以來，嗅覺被認(rèn)為是五感中唯一缺乏精確空間圖譜的感覺。哈佛醫(yī)學(xué)院的 Sandeep Robert Datta 團(tuán)隊(duì)結(jié)合大規(guī)模基因測(cè)序技術(shù)，首次繪制出小鼠鼻腔內(nèi)上千種嗅覺受體的詳細(xì)分布圖。研究顛覆了傳統(tǒng)認(rèn)知，揭示了受體神經(jīng)元并非隨機(jī)分布，而是形成了一個(gè)與大腦嗅覺圖譜相對(duì)應(yīng)的、高度有序的水平條紋結(jié)構(gòu)。

? 圖片展示了小鼠鼻腔嗅覺組織中上千種嗅覺受體，并用顏色漸變進(jìn)行標(biāo)記。底部插圖顯示了部分標(biāo)記受體的精確空間位置。Credit: Datta Lab

研究團(tuán)隊(duì)結(jié)合了單細(xì)胞測(cè)序與空間轉(zhuǎn)錄組學(xué)，對(duì)超過300只小鼠的約550萬個(gè)嗅覺神經(jīng)元進(jìn)行了前所未有的大規(guī)模分析。結(jié)果顯示，表達(dá)不同類型受體的神經(jīng)元并非隨機(jī)散落，而是從鼻腔頂部到底部形成了精確、重疊的水平條紋，構(gòu)成了一幅精細(xì)的“氣味圖譜”。這幅圖譜在不同個(gè)體間高度一致，并與大腦嗅球中的圖譜精確對(duì)應(yīng)。研究還揭示了圖譜形成的分子機(jī)制：一種名為視黃酸的分子在鼻腔內(nèi)形成濃度梯度，如同一種空間坐標(biāo)系，引導(dǎo)著每個(gè)神經(jīng)元根據(jù)其物理位置選擇并表達(dá)正確的受體類型。這項(xiàng)基礎(chǔ)性發(fā)現(xiàn)為未來開發(fā)嗅覺喪失的療法奠定了重要基礎(chǔ)。研究發(fā)表在 Cell 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #感覺圖譜 #嗅覺

閱讀更多：

Brann, David H., et al. “A Spatial Code Governs Olfactory Receptor Choice and Aligns Sensory Maps in the Nose and Brain.” Cell, vol. 0, no. 0, Apr. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.03.051

Cell：高分辨率空間轉(zhuǎn)錄組學(xué)繪制出首個(gè)完整的小鼠嗅覺地圖

嗅覺系統(tǒng)如何將氣味分子轉(zhuǎn)化為大腦可識(shí)別的“地圖”？哈佛大學(xué)的莊小威、Catherine Dulac等研究人員利用高分辨率成像技術(shù)MERFISH，首次全面繪制了小鼠嗅覺系統(tǒng)中近乎所有嗅覺受體的空間表達(dá)圖譜，揭示了嗅覺信息從鼻腔到大腦的精確編碼規(guī)則。

研究團(tuán)隊(duì)通過對(duì)MERFISH（多重抗錯(cuò)熒光原位雜交）技術(shù)的關(guān)鍵改進(jìn)，成功實(shí)現(xiàn)了對(duì)超過1100種嗅覺受體在組織內(nèi)的精確定位和定量。研究發(fā)現(xiàn)，在小鼠的主嗅覺上皮（main olfactory epithelium，簡(jiǎn)稱MOE）中，表達(dá)不同受體的感覺神經(jīng)元并非隨機(jī)分布，而是沿著兩個(gè)主軸形成了類似“年輪”的連續(xù)梯度。更重要的是，這個(gè)“地理信息”被精確地投射到大腦的嗅球中，形成了一種嚴(yán)格的、類似鏡像的拓?fù)溆成潢P(guān)系。例如，MOE中心的神經(jīng)元投射到OB的背側(cè)，而外周的神經(jīng)元?jiǎng)t投射到腹側(cè)。為了驗(yàn)證這一“嗅覺地圖”的功能意義，研究人員讓小鼠聞了社交氣味和捕食者氣味，發(fā)現(xiàn)這兩種氣味激活了地圖上完全不同的“分區(qū)”。這一發(fā)現(xiàn)為嗅覺感知的空間編碼理論提供了直接證據(jù)，表明大腦正是通過不同神經(jīng)元的空間位置來區(qū)分氣味的生物學(xué)意義。研究發(fā)表在 Cell 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #嗅覺 #空間轉(zhuǎn)錄組學(xué) #MERFISH

閱讀更多：

Bintu, Bogdan, et al. “Spatial Organization and Detection of Social Odors in Mouse Primary Olfactory System.” Cell, vol. 0, no. 0, Apr. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.03.053

酗酒對(duì)大學(xué)生的次日認(rèn)知功能造成損害

年輕人普遍酗酒，但其對(duì)次日認(rèn)知功能的具體影響尚不明確。為了探究這一問題，俄勒岡大學(xué)的Ashley Linden-Carmichael、RTI Health Solutions的Jacqueline Mogle及賓夕法大小組的研究人員，通過一項(xiàng)為期21天的日記式研究發(fā)現(xiàn)，豪飲及“斷片”式飲酒會(huì)顯著增加大學(xué)生次日出現(xiàn)記憶減退和決策困難等認(rèn)知問題的風(fēng)險(xiǎn)。

該研究招募了304名有酗酒史的大學(xué)生，在21天內(nèi)每日追蹤他們的飲酒行為和次日認(rèn)知表現(xiàn)。研究結(jié)合了參與者的自我報(bào)告和客觀的認(rèn)知任務(wù)，例如回憶數(shù)字串。結(jié)果顯示，酒精對(duì)次日認(rèn)知功能的影響是明確且可量化的。與不飲酒相比，任何飲酒行為都會(huì)使次日認(rèn)知失誤的可能性增加14%；每多喝一杯酒，該風(fēng)險(xiǎn)會(huì)再增加5%。影響最大的是高強(qiáng)度飲酒（high-intensity drinking，女性超8杯/男性超10杯），它使認(rèn)知失誤的報(bào)告可能性加倍。而“斷片”則使這一可能性增加40%，并且是唯一與客觀的工作記憶表現(xiàn)下降直接相關(guān)的行為。該研究挑戰(zhàn)了“酒醒就沒事”的普遍誤解，證實(shí)了酗酒對(duì)認(rèn)知功能的即時(shí)損害。研究發(fā)表在 Alcohol, Clinical and Experimental Research 上。

#疾病與健康 #心理健康與精神疾病 #酗酒 #認(rèn)知功能 #大學(xué)生

閱讀更多：

Linden-Carmichael, Ashley N., et al. “High-Intensity and Blackout Drinking Impact on next-Day Cognitive Functioning among College-Attending Young Adults.” Alcohol, Clinical and Experimental Research, vol. 50, no. 3, 2026, p. e70280. Wiley Online Library, https://doi.org/10.1111/acer.70280

說不出的痛苦更難熬，揭示情緒處理能力與慢性疼痛的深層聯(lián)系

為什么難以識(shí)別和表達(dá)情緒的人，其慢性疼痛對(duì)生活的影響更大？約翰斯·霍普金斯大學(xué)醫(yī)學(xué)院的 Rachel V. Aaron 等研究人員通過一項(xiàng)為期兩年的大型研究揭示，述情障礙是加劇疼痛干擾的風(fēng)險(xiǎn)因素，而非疼痛的結(jié)果，其作用通過引發(fā)心理困擾介導(dǎo)。

該研究對(duì)1,453名美國(guó)慢性疼痛患者進(jìn)行了為期兩年的追蹤調(diào)查。研究人員在研究開始、一年后和兩年后分別評(píng)估了參與者的述情障礙（alexithymia，一種難以識(shí)別和表達(dá)情緒的特質(zhì)）、心理困擾（psychological distress，主要指抑郁和焦慮癥狀）以及疼痛結(jié)果。分析發(fā)現(xiàn)了一條清晰的時(shí)間路徑：研究開始時(shí)較高的述情障礙水平，顯著預(yù)示了一年后更嚴(yán)重的心理困擾；而這種加劇的心理困擾，又接著預(yù)示了兩年后更嚴(yán)重的疼痛干擾。值得注意的是，該研究并未發(fā)現(xiàn)述情障礙與疼痛的劇烈程度本身有直接關(guān)聯(lián)，而是主要影響疼痛對(duì)生活造成的障礙。同時(shí)，研究也排除了反向因果關(guān)系，即疼痛干擾并不會(huì)導(dǎo)致述情障礙加重。這一發(fā)現(xiàn)強(qiáng)調(diào)，情緒處理困難是導(dǎo)致慢性疼痛患者生活質(zhì)量下降的一個(gè)重要風(fēng)險(xiǎn)因素，而心理困擾是其中的關(guān)鍵環(huán)節(jié)。研究發(fā)表在 Health Psychology 上。

#疾病與健康 #心理健康與精神疾病 #慢性疼痛 #述情障礙 #情緒調(diào)節(jié)

閱讀更多：

Aaron, Rachel V., et al. “Temporal Pathways between Alexithymia, Psychological Distress, and Pain: An Autoregressive Mediation Analysis.” Health Psychology [US], 2026. APA PsycNet, https://doi.org/10.1037/hea0001604

微塑料遍布人腦：健康和腫瘤組織中均發(fā)現(xiàn)其蹤跡

微塑料能否穿透血腦屏障進(jìn)入大腦？中國(guó)研究員Runting Li等人通過分析近200份人腦樣本，首次系統(tǒng)性地證實(shí)了微塑料和納米塑料（MNPs）在健康和病變腦組織中的普遍存在，并揭示了其與腫瘤生長(zhǎng)的潛在關(guān)聯(lián)。

? 繪制病變腦組織中的磁性納米顆粒圖譜。Credit: Nature Health (2026).

研究團(tuán)隊(duì)利用高分辨率激光直接紅外光譜和掃描電子顯微鏡等手段，對(duì)113名腦腫瘤患者和5名健康捐獻(xiàn)者的共191份大腦樣本進(jìn)行了檢測(cè)。結(jié)果顯示，微塑料和納米塑料的檢出率驚人，在病變組織中為99.4%，在健康組織中則高達(dá)100%。常見的塑料類型包括用于飲料瓶的PET和塑料袋的聚乙烯。數(shù)據(jù)表明，MNPs在腫瘤周圍的濃度（最高達(dá)129微克/克）顯著高于健康腦組織，這可能是由于腫瘤破壞了血腦屏障的完整性，為這些微小顆粒的入侵打開了通道。更值得關(guān)注的是，分析發(fā)現(xiàn)微塑料的表面積越大，腫瘤細(xì)胞的生長(zhǎng)速度越快。盡管這并不意味著微塑料致癌，但它提示了環(huán)境污染物可能在加速疾病惡化中扮演了此前未知的角色。研究發(fā)表在 Nature Health 上。

#疾病與健康 #疾病預(yù)防 #微塑料 #大腦健康 #環(huán)境污染

閱讀更多：

Li, Runting, et al. “Microplastics and Nanoplastics in Brain Tumours and the Healthy Human Brain.” Nature Health, Apr. 2026, pp. 1–14. www.nature.com, https://doi.org/10.1038/s44360-026-00091-4

治愈抑郁不只是消除悲傷，更是重拾快樂的能力

傳統(tǒng)觀點(diǎn)認(rèn)為治療抑郁癥的關(guān)鍵在于消除悲傷，但為何許多患者在負(fù)面情緒減輕后仍無法感受快樂？針對(duì)這一難題，南方衛(wèi)理公會(huì)大學(xué)的Alicia E. Meuret和加州大學(xué)洛杉磯分校的Michelle G. Craske等研究人員開發(fā)并驗(yàn)證了一種名為積極情感療法（Positive Affect Treatment, PAT）的新型心理干預(yù)。研究證實(shí)，通過直接靶向大腦的獎(jiǎng)賞系統(tǒng)來重建快樂、動(dòng)機(jī)和目標(biāo)感，PAT在改善抑郁和焦慮方面的效果優(yōu)于傳統(tǒng)療法。

該研究對(duì)98名患有嚴(yán)重快感缺乏（anhedonia，一種無法體驗(yàn)快樂的癥狀）、抑郁和焦慮的成年人進(jìn)行了一項(xiàng)隨機(jī)對(duì)照試驗(yàn)。參與者被分為兩組，分別接受為期15周的PAT或傳統(tǒng)的負(fù)面情感療法（NAT）。PAT通過“品味”、感恩和慈愛等練習(xí)，專門訓(xùn)練大腦的獎(jiǎng)賞系統(tǒng)，重新建立對(duì)積極事件的預(yù)期、體驗(yàn)和學(xué)習(xí)能力。研究結(jié)果出人意料：盡管PAT從未直接處理負(fù)面情緒，但接受該療法的患者不僅在積極情緒上顯著改善，其抑郁和焦慮癥狀也得到了有效緩解。與NAT組相比，PAT組在整體臨床狀態(tài)上表現(xiàn)更優(yōu)，且效果持續(xù)至一個(gè)月后隨訪。這表明，恢復(fù)積極情緒本身就是一種強(qiáng)大的治療機(jī)制，感覺良好并非僅僅是消除糟糕感覺的結(jié)果。研究發(fā)表在 JAMA Network Open 上。

#疾病與健康 #心理健康與精神疾病 #積極情感 #快感缺乏 #獎(jiǎng)賞系統(tǒng)

閱讀更多：

Meuret, Alicia E., et al. “Positive Affect Treatment for Depression, Anxiety, and Low Positive Affect: A Randomized Clinical Trial.” JAMA Network Open, vol. 9, no. 4, Apr. 2026, p. e267403. Silverchair, https://doi.org/10.1001/jamanetworkopen.2026.7403

夢(mèng)境不僅是現(xiàn)實(shí)的回響，穩(wěn)定人格特質(zhì)深刻重塑夢(mèng)境

夢(mèng)境既普遍又極具個(gè)性化，但穩(wěn)定的個(gè)體特征與外部生活經(jīng)歷究竟如何共同塑造夢(mèng)境內(nèi)容，這一過程又如何隨時(shí)間演變，科學(xué)界尚缺乏大規(guī)模定量研究。Valentina Elce 等研究人員（研究機(jī)構(gòu)未在原文中提供）量化了大規(guī)模報(bào)告中的夢(mèng)境語義結(jié)構(gòu)，揭示了個(gè)人特質(zhì)與外部壓力在塑造夢(mèng)境特征中的共同作用。

研究團(tuán)隊(duì)收集了包含3366份夢(mèng)境與清醒體驗(yàn)報(bào)告的數(shù)據(jù)集，受訪者為207名成年人（跨越2020至2024年）。為精準(zhǔn)量化文本，研究采用了自然語言處理方法，結(jié)合大語言模型評(píng)估了16個(gè)語義維度和數(shù)據(jù)驅(qū)動(dòng)的詞匯分類。結(jié)果顯示，相比清醒狀態(tài)，夢(mèng)境明顯從自我為中心的思考轉(zhuǎn)變?yōu)橐砸曈X空間細(xì)節(jié)、多角色和離奇事件為主的感知體驗(yàn)。在個(gè)人特質(zhì)方面，對(duì)夢(mèng)境的態(tài)度、走神傾向及主觀睡眠質(zhì)量等特征，會(huì)選擇性地影響夢(mèng)境。例如走神傾向高的人其夢(mèng)境往往更加離奇。此外，團(tuán)隊(duì)通過2020年疫情封鎖期間的80人獨(dú)立數(shù)據(jù)集發(fā)現(xiàn)，封鎖期參與者夢(mèng)境中關(guān)于受限制的提及頻率顯著增加，情緒強(qiáng)度升高；而縱向追蹤表明這些由于外部壓力激發(fā)的特征在隨后四年內(nèi)逐漸回歸常態(tài)。研究發(fā)表在 Communications Psychology 上。

#認(rèn)知科學(xué) #自動(dòng)化科研 #自然語言處理 #夢(mèng)境分析 #個(gè)體差異

閱讀更多：

Elce, Valentina, et al. “Individual Traits and Experiences Predict the Content of Dreams.” Communications Psychology, vol. 4, no. 1, Apr. 2026, p. 69. www.nature.com, https://doi.org/10.1038/s44271-026-00447-2

AI 行業(yè)動(dòng)態(tài)

微軟與OpenAI重寫協(xié)議，AGI“賣身契”作廢，OpenAI終獲自由

科技巨頭微軟與人工智能公司OpenAI近日聯(lián)合宣布，雙方的合作協(xié)議已被徹底重寫。核心變化在于，微軟放棄了對(duì)OpenAI模型和產(chǎn)品的獨(dú)家銷售權(quán)，OpenAI從此可以在任何云平臺(tái)（包括競(jìng)爭(zhēng)對(duì)手的云服務(wù)）上銷售其全部產(chǎn)品。作為交換，OpenAI將繼續(xù)向微軟支付收入分成，直至2030年。此外，舊協(xié)議中極具爭(zhēng)議的“AGI綁定條款”——即一旦OpenAI實(shí)現(xiàn)通用人工智能，便可終止與微軟獨(dú)家合作——已被徹底廢除。這一調(diào)整意味著，自2019年以來微軟對(duì)OpenAI的強(qiáng)綁定關(guān)系正式松動(dòng)，OpenAI獲得了夢(mèng)寐以求的“自由”。

然而，這份遲來的自由背后，是OpenAI錯(cuò)失的市場(chǎng)窗口。在OpenAI被獨(dú)家鎖定在微軟Azure云平臺(tái)的三年間，其主要競(jìng)爭(zhēng)對(duì)手Anthropic憑借開放策略，通過AWS Bedrock（亞馬遜云服務(wù)平臺(tái)）、谷歌云等多渠道觸達(dá)企業(yè)客戶，年化收入已飆升至300億美元，成為眾多企業(yè)的首選。相比之下，OpenAI盡管擁有龐大的消費(fèi)者用戶群，但企業(yè)收入占比有限，且面臨巨額虧損。市場(chǎng)反應(yīng)冷淡，多位企業(yè)客戶明確表示，現(xiàn)有AI工具已足夠使用，對(duì)OpenAI的入駐缺乏熱情。分析指出，這不僅是品牌偏好的轉(zhuǎn)移，更關(guān)鍵的是開發(fā)團(tuán)隊(duì)和工作流已深度綁定競(jìng)爭(zhēng)對(duì)手的產(chǎn)品，切換成本高昂。OpenAI的“解綁”之舉雖為糾正歷史遺留問題，卻也揭示了在快速迭代的AI行業(yè)中，戰(zhàn)略上的三年遲疑足以讓先發(fā)優(yōu)勢(shì)化為烏有。

#微軟OpenAI分手 #AGI條款廢除 #企業(yè)AI競(jìng)爭(zhēng) #Anthropic崛起 #云服務(wù)綁定

閱讀更多：

https://openai.com/index/next-phase-of-microsoft-partnership/

Anthropic年收300億美元，正式超越OpenAI加冕新AI霸主

人工智能行業(yè)的權(quán)力格局迎來歷史性轉(zhuǎn)折。由OpenAI前員工Dario Amodei于2021年創(chuàng)立的Anthropic，最新年化營(yíng)收已飆升至300億美元，正式超越OpenAI的240億美元，成為美國(guó)收入最高的AI公司。這一奇跡般的增長(zhǎng)僅用了15個(gè)月：從2025年初的10億美元起步，翻了30倍。更引人注目的是，其模型訓(xùn)練成本據(jù)估算僅為競(jìng)爭(zhēng)對(duì)手的四分之一。Anthropic的勝利秘訣在于聚焦企業(yè)端市場(chǎng)——80%的收入來自企業(yè)客戶，擁有30萬家企業(yè)客戶，其中年付費(fèi)超過100萬美元的“大客戶”已突破1000家，甚至在兩個(gè)月內(nèi)翻了一番。

反觀OpenAI，則陷入了典型的C端“增收不增利”困境。雖然坐擁9億周活躍用戶，但多數(shù)為免費(fèi)用戶，高昂的推理成本和巨額的算力投資正成為沉重負(fù)擔(dān)。內(nèi)部管理也亮起紅燈：CEO Sam Altman與CFOSarah Friar在激進(jìn)擴(kuò)張策略上出現(xiàn)嚴(yán)重分歧，后者擔(dān)心高達(dá)6000億美元的算力合同可能壓垮公司財(cái)務(wù)。華爾街日?qǐng)?bào)的報(bào)道更揭示，OpenAI多次未達(dá)到營(yíng)收和用戶增長(zhǎng)目標(biāo)，其實(shí)現(xiàn)正向現(xiàn)金流的盈利時(shí)間表被推遲至2030年，比Anthropi的2027年晚了三年。這場(chǎng)由“叛將”發(fā)起的逆襲，標(biāo)志著OpenAI的壟斷時(shí)代正式終結(jié)，AI產(chǎn)業(yè)的競(jìng)爭(zhēng)焦點(diǎn)正從用戶規(guī)模轉(zhuǎn)向高質(zhì)量的企業(yè)服務(wù)和商業(yè)變現(xiàn)效率。

#Anthropic逆襲 #AI霸主易主 #企業(yè)端AI #Claude #OpenAI內(nèi)憂

閱讀更多：

https://www.wsj.com/tech/ai/openai-misses-key-revenue-user-targets-in-high-stakes-sprint-toward-ipo-94a95273

5.2萬星開源項(xiàng)目Ghostty告別GitHub：頂級(jí)開發(fā)者因“每天故障”忍痛離去

擁有5.2萬星標(biāo)的開源終端項(xiàng)目Ghostty即將離開GitHub。做出這一決定的是其創(chuàng)造者、HashiCorp聯(lián)合創(chuàng)始人Mitchell Hashimoto，一位自2008年起（GitHub用戶ID 1299）幾乎每日使用該平臺(tái)、長(zhǎng)達(dá)18年的資深開發(fā)者。他在博文中情緒激動(dòng)地解釋，核心原因在于GitHub日益頻繁的系統(tǒng)故障已嚴(yán)重妨礙正常工作。他記錄發(fā)現(xiàn)，近一個(gè)月幾乎每天都會(huì)遇到故障，甚至在撰寫博文當(dāng)天，因GitHub Actions（自動(dòng)化工作流工具）崩潰導(dǎo)致他兩小時(shí)無法進(jìn)行代碼審查。這位曾將GitHub視為“夢(mèng)中情司”的開發(fā)者坦言，寫離別信時(shí)不禁落淚，但“平臺(tái)似乎不想讓我待在這里”，為了能繼續(xù)寫代碼，只能選擇離開。

這一事件在HackerNews和X等社區(qū)引發(fā)強(qiáng)烈共鳴。許多開發(fā)者分享類似糟糕體驗(yàn)，并深度剖析原因：平臺(tái)重心可能已偏移，AI自動(dòng)化泛濫及大量機(jī)器人消耗基礎(chǔ)設(shè)施，使得真實(shí)人類開發(fā)者體驗(yàn)大打折扣。有評(píng)論尖銳指出，在壟斷地位下，GitHub似乎更關(guān)心商業(yè)指標(biāo)而非基礎(chǔ)穩(wěn)定性。Ghostty的出走釋放了強(qiáng)烈信號(hào)——當(dāng)工具本身成為創(chuàng)造力的絆腳石，即便擁有深厚情懷的標(biāo)桿性人物也會(huì)選擇離開。此舉可能引發(fā)更多高價(jià)值開源項(xiàng)目效仿，也為所有開發(fā)者服務(wù)平臺(tái)敲響警鐘：切勿讓耀眼的AI增長(zhǎng)數(shù)據(jù)掩蓋底層體驗(yàn)的加速崩壞。

#Ghostty #GitHub #開源社區(qū) #開發(fā)者體驗(yàn) #平臺(tái)遷移

閱讀更多：

https://news.ycombinator.com/item?id=47939579

AI 驅(qū)動(dòng)科學(xué)

Nature：申請(qǐng)量暴增57%：研究警告AI正淹沒科研資助機(jī)構(gòu)

智能體人工智能（Agentic AI）正對(duì)全球數(shù)十億美元的科研經(jīng)費(fèi)分配體系構(gòu)成根本性威脅。來自倫敦大學(xué)學(xué)院的Geraint Rees和James Wilsdon在一篇分析文章中指出，現(xiàn)行體系已無法適應(yīng)AI帶來的變革，他們通過數(shù)據(jù)揭示了系統(tǒng)所面臨的迫在眉睫的壓力，并呼吁資助機(jī)構(gòu)立即采取行動(dòng)進(jìn)行改革。

研究者指出，智能體人工智能的出現(xiàn)，使得研究人員可以在極短時(shí)間內(nèi)生成大量高質(zhì)量的經(jīng)費(fèi)申請(qǐng)書。這可能導(dǎo)致資助機(jī)構(gòu)被海量的申請(qǐng)淹沒，從而使評(píng)審過程失去區(qū)分度，最終只能做出近乎任意的資助決定。為了驗(yàn)證這一趨勢(shì)，團(tuán)隊(duì)分析了來自六個(gè)國(guó)家的12家資助機(jī)構(gòu)的數(shù)據(jù)，發(fā)現(xiàn)自2022年ChatGPT發(fā)布以來，經(jīng)費(fèi)申請(qǐng)數(shù)量急劇增加，2022至2024年增長(zhǎng)了17%，預(yù)計(jì)到2025年將增長(zhǎng)57%。研究者認(rèn)為，全面禁止AI的使用既不現(xiàn)實(shí)也無法解決根本問題。他們建議，資助體系應(yīng)將評(píng)估重心從書面提案本身，轉(zhuǎn)移到對(duì)申請(qǐng)人、其團(tuán)隊(duì)以及過往研究成果的綜合考察上，例如重新引入面試環(huán)節(jié)和基于作品集的評(píng)估。同時(shí)，資助機(jī)構(gòu)自身也可審慎利用AI工具輔助篩選，但必須確保過程透明，防止加劇現(xiàn)有偏見。研究發(fā)表在 Nature 上。

#AI驅(qū)動(dòng)科學(xué) #其他 #科研資助 #智能體AI

閱讀更多：

Rees, Geraint, and James Wilsdon. “Could Agentic AI Topple Grant-Funding Systems?” Nature, vol. 652, no. 8112, Apr. 2026, pp. 1119–21. www.nature.com, https://doi.org/10.1038/d41586-026-01297-y

半數(shù)解答存疑、文獻(xiàn)大面積造假：主流大模型醫(yī)療問答可靠性堪憂

人們?cè)絹碓揭蕾嚾斯ぶ悄塬@取醫(yī)療信息，但這潛藏著巨大的誤導(dǎo)風(fēng)險(xiǎn)。Nicholas B Tiller、Alessandro R Marcon、Marco Zenone等（哈伯-加州大學(xué)洛杉磯分校醫(yī)療中心倫德奎斯特生物醫(yī)學(xué)創(chuàng)新研究所）系統(tǒng)評(píng)估了主流聊天機(jī)器人解答健康問題的可靠性。結(jié)果表明，這些模型生成的醫(yī)療建議有近半數(shù)存在問題，且常伴隨偽造文獻(xiàn)，無法作為獨(dú)立的醫(yī)療權(quán)威。

研究團(tuán)隊(duì)選取了五款主流大語言模型，采用紅隊(duì)演練（red teaming，一種用于誘導(dǎo)模型暴露缺陷以測(cè)試其安全性的壓力測(cè)試技術(shù)）策略，在癌癥、疫苗、干細(xì)胞、營(yíng)養(yǎng)和運(yùn)動(dòng)表現(xiàn)五個(gè)領(lǐng)域提出了250個(gè)問題。這些問題包含容易引發(fā)誤導(dǎo)的開放式與封閉式提問。數(shù)據(jù)表明，高達(dá)49.6%的回答存在一定程度或嚴(yán)重的問題。各模型整體表現(xiàn)相近，但Grok錯(cuò)誤率最高，達(dá)58%。模型在疫苗等擁有嚴(yán)謹(jǐn)文獻(xiàn)的領(lǐng)域表現(xiàn)較好，而在營(yíng)養(yǎng)學(xué)等信息冗雜的領(lǐng)域失誤頻發(fā)。面對(duì)更符合真實(shí)提問習(xí)慣的開放式問題時(shí)，回答的缺陷率高達(dá)32%，遠(yuǎn)超封閉式問題的7%。更危險(xiǎn)的是，250個(gè)問題中僅有兩個(gè)被模型拒答，AI展現(xiàn)出了極高且不合理的自信。此外，在文獻(xiàn)驗(yàn)證環(huán)節(jié)，AI產(chǎn)生了嚴(yán)重的幻覺。引文的中位完整度僅為40%，沒有一個(gè)模型能提供完全準(zhǔn)確的參考列表，其中甚至夾雜了大量虛假作者或完全捏造的論文。這類格式嚴(yán)謹(jǐn)?shù)奶摷僮C據(jù)極易讓普通患者信以為真。研究發(fā)表在 BMJ Open 上。

#疾病與健康 #大模型技術(shù) #醫(yī)療誤導(dǎo) #健康咨詢 #虛假信息

閱讀更多：

Tiller, Nicholas B., et al. “Generative Artificial Intelligence-Driven Chatbots and Medical Misinformation: An Accuracy, Referencing and Readability Audit.” BMJ Open, vol. 16, no. 4, Apr. 2026, p. e112695. Health Informatics. bmjopen.bmj.com, https://doi.org/10.1136/bmjopen-2025-112695

驗(yàn)血即可預(yù)測(cè)更年期并發(fā)癥

更年期對(duì)整體生殖系統(tǒng)的分子影響長(zhǎng)期未被充分揭示。Marta Melé等研究人員（巴塞羅那超級(jí)計(jì)算中心）構(gòu)建了首個(gè)女性生殖系統(tǒng)衰老圖譜，揭示了各器官的異步衰老動(dòng)態(tài)，并發(fā)現(xiàn)了可用于無創(chuàng)監(jiān)測(cè)的血液分子標(biāo)志物。

這項(xiàng)研究利用多組學(xué)數(shù)據(jù)與人工智能技術(shù)，分析了來自304名捐獻(xiàn)者的659個(gè)生殖器官樣本。研究團(tuán)隊(duì)借助超級(jí)計(jì)算機(jī)，運(yùn)用深度學(xué)習(xí)處理了1112張組織學(xué)圖像，并結(jié)合RNA測(cè)序數(shù)據(jù)，重建了七個(gè)器官的衰老軌跡。結(jié)果顯示，女性生殖器官的衰老并非同步進(jìn)行。卵巢和陰道在絕經(jīng)前便開始漸進(jìn)性衰老，而子宮則在更年期前后經(jīng)歷急劇的生物學(xué)轉(zhuǎn)變。在組織層面，子宮肌層（myometrium，構(gòu)成子宮壁主要部分的平滑肌組織）受衰老影響最為顯著，伴隨細(xì)胞外基質(zhì)重塑與免疫系統(tǒng)激活。此外，研究人員在超兩萬名女性的血漿樣本中識(shí)別出了與這些組織衰老相關(guān)的分子標(biāo)志物，這意味著未來可能通過常規(guī)驗(yàn)血即可無創(chuàng)評(píng)估女性生殖系統(tǒng)的健康風(fēng)險(xiǎn)。研究發(fā)表在 Nature Aging 上。

#疾病與健康 #個(gè)性化醫(yī)療 #女性衰老 #更年期 #多模態(tài)分析

閱讀更多：

Soldatkina, Oleksandra, et al. “Multimodal Data Analysis Reveals Asynchronous Aging Dynamics across Female Reproductive Organs.” bioRxiv, 20 May 2025, p. 2025.05.16.654406. bioRxiv, https://doi.org/10.1101/2025.05.16.654406

提前數(shù)年鎖定風(fēng)險(xiǎn)，杜克大學(xué)新AI模型打破ADHD診斷延遲困境

兒童注意力缺陷多動(dòng)障礙（ADHD）的延遲診斷常常導(dǎo)致患者錯(cuò)失早期干預(yù)的黃金期。為了解決這一難題，杜克大學(xué)（Duke University）的Elliot D. Hill及其研究團(tuán)隊(duì)開發(fā)了一種基于人工智能的預(yù)測(cè)工具。該模型能夠從常規(guī)的電子健康記錄中挖掘隱藏的特征模式，在兒童5歲時(shí)即可極高準(zhǔn)確率地預(yù)測(cè)其未來患ADHD的風(fēng)險(xiǎn)，為臨床早期篩查提供了強(qiáng)大的安全網(wǎng)。

研究團(tuán)隊(duì)首先利用超過72萬名患者的電子健康記錄預(yù)訓(xùn)練了一個(gè)基礎(chǔ)模型，隨后在一個(gè)包含超過14萬名兒科患者的隊(duì)列中對(duì)其進(jìn)行微調(diào)。該模型深入分析了兒童從出生到兒童早期的病史數(shù)據(jù)，能夠敏銳捕捉到單獨(dú)看可能不起眼、但組合在一起便構(gòu)成風(fēng)險(xiǎn)特征的臨床事件規(guī)律，如特定的發(fā)育遲緩與頻繁的行為問題就診記錄。

研究表明，當(dāng)兒童達(dá)到5歲時(shí)，該模型估算未來ADHD風(fēng)險(xiǎn)的準(zhǔn)確度極高，其4年時(shí)間范圍的時(shí)間依賴性接收者操作特征曲線下面積達(dá)到了0.92。尤為重要的是，該模型在不同性別、種族以及保險(xiǎn)狀況的患者群體中表現(xiàn)出高度一致的準(zhǔn)確性，這意味著它有望緩解現(xiàn)有的醫(yī)療資源不均問題。特征重要性分析進(jìn)一步證實(shí)，ADHD與早期發(fā)育、行為及精神健康狀況密切相關(guān)。研究人員強(qiáng)調(diào)該工具并非替代醫(yī)生的自動(dòng)化醫(yī)生，而是幫助初級(jí)保健醫(yī)生在短暫的問診中精準(zhǔn)鎖定需要重點(diǎn)關(guān)注的高危兒童，避免他們被醫(yī)療系統(tǒng)遺漏。研究發(fā)表在 Nature Mental Health 上。

#疾病與健康 #預(yù)測(cè)模型構(gòu)建 #ADHD #電子健康記錄 #早期干預(yù)

閱讀更多：

Hill, Elliot D., et al. “Early Attention Deficit Hyperactivity Disorder Prediction from Longitudinal Electronic Health Records.” Nature Mental Health, Apr. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s44220-026-00628-2

FingerEye：融合視覺與觸覺的新型傳感器提升機(jī)器人靈巧操作能力

為解決機(jī)器人靈巧操作中接觸前后感知割裂的問題，新加坡國(guó)立大學(xué)與RoboScience的Zhixuan Xu等團(tuán)隊(duì)開發(fā)了FingerEye視覺觸覺傳感器，實(shí)現(xiàn)了交互全階段的連續(xù)感知反饋，大幅提升了機(jī)器人的操控性能。

? FingerEye 概述及功能。Credit: Xu et al.

研究團(tuán)隊(duì)設(shè)計(jì)的FingerEye傳感器巧妙集成了雙目紅綠藍(lán)攝像頭（RGB cameras，捕捉彩色圖像的相機(jī)設(shè)備）與柔性環(huán)形結(jié)構(gòu)。在接觸前階段，雙目系統(tǒng)提供具備隱式立體深度的視覺線索以精準(zhǔn)引導(dǎo)指尖定位。接觸物體時(shí)，外部力導(dǎo)致柔性環(huán)發(fā)生形變，系統(tǒng)通過基于標(biāo)記的姿態(tài)估計(jì)（marker-based pose estimation，利用視覺標(biāo)簽追蹤對(duì)象位姿和空間變化的技術(shù)）將形變轉(zhuǎn)化為精確的接觸力矩信號(hào)。這種獨(dú)特設(shè)計(jì)支持多角度的接觸感知。為進(jìn)一步提升學(xué)習(xí)效率，團(tuán)隊(duì)構(gòu)建了該傳感器的數(shù)字孿生平臺(tái)，并結(jié)合真實(shí)演示與模擬觀察，訓(xùn)練出高效的視覺觸覺模仿學(xué)習(xí)策略。實(shí)驗(yàn)結(jié)果顯示，搭載該傳感器的機(jī)器人能極其穩(wěn)定地完成放置硬幣、拾取易碎芯片及操作功能性注射器等高難度任務(wù)，且對(duì)物體外觀變化展現(xiàn)出優(yōu)異的魯棒性。

#其他 #機(jī)器人及其進(jìn)展 #靈巧操作 #視覺觸覺傳感器 #模仿學(xué)習(xí)

閱讀更多：

Xu, Zhixuan, et al. “FingerEye: Continuous and Unified Vision-Tactile Sensing for Dexterous Manipulation.” arXiv:2604.20689, arXiv, 23 Apr. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2604.20689

類腦網(wǎng)絡(luò)通過選擇性修剪實(shí)現(xiàn)低能耗持續(xù)進(jìn)化

人工智能規(guī)模的擴(kuò)大帶來了巨大的能耗挑戰(zhàn)。Bing Han、Feifei Zhao等人（中國(guó)科學(xué)出版社等）受嬰兒大腦發(fā)育過程啟發(fā)，提出了一種適用于脈沖神經(jīng)網(wǎng)絡(luò)的持續(xù)學(xué)習(xí)框架，成功讓系統(tǒng)在不斷學(xué)習(xí)新任務(wù)的同時(shí)縮小規(guī)模并提升能效。

該研究提出了一種名為基于時(shí)間發(fā)育機(jī)制的多認(rèn)知功能持續(xù)學(xué)習(xí)模型，模擬嬰兒大腦由簡(jiǎn)入繁的發(fā)育軌跡，按感知、運(yùn)動(dòng)控制到交互的順序逐步構(gòu)建認(rèn)知模塊。研究人員利用進(jìn)化算法強(qiáng)化系統(tǒng)跨區(qū)域的長(zhǎng)程連接。同時(shí)，系統(tǒng)引入了反饋引導(dǎo)機(jī)制進(jìn)行選擇性修剪（selective pruning，即主動(dòng)抑制并移除早期任務(wù)中不再需要的冗余局部結(jié)構(gòu)）。在涵蓋多域認(rèn)知任務(wù)以及CIFAR100和ImageNet通用數(shù)據(jù)集的實(shí)驗(yàn)中，該模型在不依賴經(jīng)驗(yàn)回放（experience replay，即通過存儲(chǔ)和重復(fù)訓(xùn)練舊數(shù)據(jù)來防止網(wǎng)絡(luò)遺忘先前知識(shí)的方法）或權(quán)重凍結(jié)等耗能策略的情況下，實(shí)現(xiàn)了穩(wěn)定的持續(xù)學(xué)習(xí)。隨著學(xué)習(xí)的深入，模型不僅有效克服了災(zāi)難性遺忘，還在掌握新能力的同時(shí)去除了無用連接，逐漸縮減網(wǎng)絡(luò)規(guī)模，證實(shí)了類腦動(dòng)態(tài)變化在實(shí)現(xiàn)低能耗通用認(rèn)知智能方面的巨大潛力。研究發(fā)表在 National Science Review 上。

#其他 #計(jì)算模型與人工智能模擬 #脈沖神經(jīng)網(wǎng)絡(luò) #持續(xù)學(xué)習(xí) #網(wǎng)絡(luò)修剪

閱讀更多：

Han, Bing, et al. “Continual Learning of Multiple Cognitive Functions with a Brain-Inspired Temporal Development Mechanism.” National Science Review, vol. 13, no. 7, Apr. 2026, p. nwag066. Silverchair, https://doi.org/10.1093/nsr/nwag066

多腦區(qū)柔性神經(jīng)接口實(shí)現(xiàn)自由活動(dòng)小鼠行為狀態(tài)的精準(zhǔn)解碼

如何在動(dòng)物自由活動(dòng)時(shí)，長(zhǎng)期且穩(wěn)定地解碼全腦多區(qū)域的神經(jīng)動(dòng)態(tài)信號(hào)并確保算法的通用性？Ye Tian等研究人員開發(fā)了一種集成了多腦區(qū)柔性探針與定制化深度學(xué)習(xí)框架的平臺(tái)。該研究成功實(shí)現(xiàn)了對(duì)小鼠復(fù)雜行為狀態(tài)的高精度解碼，并有效克服了傳統(tǒng)模型在跨天和跨個(gè)體應(yīng)用時(shí)泛化能力不足的難題。

該研究團(tuán)隊(duì)設(shè)計(jì)了一種包含歐米茄形變形結(jié)構(gòu)的柔性探針（MRFP），這種特殊設(shè)計(jì)賦予了探針高達(dá)50%的面內(nèi)拉伸性，從而能夠在適應(yīng)大腦微小運(yùn)動(dòng)的同時(shí)維持極高的機(jī)械完整性。研究人員通過微孔引導(dǎo)技術(shù)，將128個(gè)記錄位點(diǎn)精準(zhǔn)植入小鼠的8個(gè)獨(dú)立腦區(qū)。為了解析復(fù)雜的局部場(chǎng)電位，團(tuán)隊(duì)采用了融合局部特征提取與全局依賴建模的深度學(xué)習(xí)模型（L-Conformer）。實(shí)驗(yàn)結(jié)果表明，在4秒的最佳時(shí)間窗口下，該平臺(tái)對(duì)小鼠的休息、漫游、進(jìn)食和視覺閃爍狀態(tài)的解碼準(zhǔn)確率達(dá)89%。研究進(jìn)一步揭示，相較于將電極集中在單一腦區(qū)，從5個(gè)以上不同腦區(qū)獲取分布式信號(hào)能顯著提升解碼性能，表明行為狀態(tài)是大腦網(wǎng)絡(luò)分布式協(xié)同的結(jié)果。此外，該模型展現(xiàn)出卓越的穩(wěn)定性，跨天解碼準(zhǔn)確率達(dá)85%，而在未引入新個(gè)體數(shù)據(jù)重新訓(xùn)練的零樣本測(cè)試中，跨個(gè)體準(zhǔn)確率也達(dá)到了70%。研究發(fā)表在 Microsystems & Nanoengineering 上。

#意識(shí)與腦機(jī)接口 #大腦信號(hào)解析 #柔性探針 #深度學(xué)習(xí) #局部場(chǎng)電位

閱讀更多：

Tian, Ye, et al. “A Multi-Region Flexible Neural Interface for Behavioral State Decoding in Freely Moving Mice.” Microsystems & Nanoengineering, vol. 12, no. 1, Apr. 2026, p. 154. www.nature.com, https://doi.org/10.1038/s41378-026-01258-5

心理學(xué)視角下的人工智能信任六大原則

隨著人工智能系統(tǒng)逐步接管原本由人類完成的復(fù)雜決策與任務(wù)，理解人類何時(shí)以及為何信任機(jī)器成為亟待解決的關(guān)鍵科學(xué)問題。Jim A. C. Everett、Scott Claessens、Tim-Dorian Kn?chel與Madeline G. Reinecke梳理了當(dāng)前的理論爭(zhēng)議與實(shí)證研究，提出了理解人工智能信任的六大核心原則，為人類應(yīng)對(duì)機(jī)器時(shí)代提供了理論指引。

該研究結(jié)合心理學(xué)與多領(lǐng)域視角對(duì)現(xiàn)有文獻(xiàn)進(jìn)行系統(tǒng)回顧，打破了僅將系統(tǒng)安全性視為唯一信任依據(jù)的傳統(tǒng)認(rèn)知，確立了六項(xiàng)多維指導(dǎo)原則。研究揭示信任是人類心理推斷的過程，并非可直接寫入機(jī)器代碼的客觀屬性。其次該框架嚴(yán)格區(qū)分了實(shí)際可信度（actual trustworthiness：基于使某人或某物值得信任的客觀特征的實(shí)在屬性）、態(tài)度信任（attitudinal trust：一種反映在不確定情況下愿意依賴他者的內(nèi)在心理傾向）與外在的信任行為。研究進(jìn)一步指出人類對(duì)算法的評(píng)判具有多維性，不僅包含對(duì)其執(zhí)行效能的表現(xiàn)信任（performance trust：對(duì)系統(tǒng)運(yùn)轉(zhuǎn)可靠性及其執(zhí)行能力的完全信賴），還包含對(duì)其內(nèi)在意圖的道德信任（moral trust：主觀相信系統(tǒng)真誠(chéng)且遵循道德規(guī)范并尋求向善）。此外該體系論證了信任具有特定代理屬性與個(gè)體差異，不同用戶在面對(duì)不同戰(zhàn)略動(dòng)機(jī)時(shí)，會(huì)對(duì)同一智能系統(tǒng)展現(xiàn)截然不同的交互與信任模式。這一理論框架為評(píng)估人機(jī)交互關(guān)系提供了全新的系統(tǒng)尺度，表明評(píng)估機(jī)器系統(tǒng)不僅要考量客觀技術(shù)指標(biāo)，更必須探究人類復(fù)雜的社會(huì)心理特征。研究發(fā)表在 Nature Reviews Psychology 上。

#認(rèn)知科學(xué) #跨學(xué)科整合 #人機(jī)信任 #態(tài)度信任 #技術(shù)倫理

閱讀更多：

Everett, Jim A. C., et al. “Principles for Understanding Trust in Artificial Intelligence.” Nature Reviews Psychology, Apr. 2026, pp. 1–14. www.nature.com, https://doi.org/10.1038/s44159-026-00562-1

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(jìn)，不斷探索科學(xué)的邊界。歡迎評(píng)論區(qū)留言，或后臺(tái)留言“社群”即可加入社群與我們互動(dòng)。您也可以在后臺(tái)提問，我們將基于追問知識(shí)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?jiǎng)?chuàng)建的世界最大私人腦科學(xué)研究機(jī)構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點(diǎn)，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(shí)驗(yàn)室、人工智能與精神健康前沿實(shí)驗(yàn)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(xiàng)目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎(jiǎng)勵(lì)計(jì)劃、、科普視頻媒體「大圓鏡」等。