追问daily | 基于主动推理的AI革新框架发布；p-tau217血液测试在阿尔茨海默病诊断中表现优异

圣塔菲研究所教授Mirta Galesic和外部教授Henrik Olsson发表了一篇论文，探讨了几种常见类比在建模信念动态时的优点和潜在缺陷。他们的研究目的是为了更好地理解和建模信念的传播和变化机制。

研究人员通过将信念的传播比作病毒的传播，分析了易感-感染-恢复（SIR）模型在信念动态建模中的应用。然而，他们指出，信念的传播与病毒传播有显著差异。简单的曝光并不总是导致某个想法被接受，特别是当这些信念与一个人的现有信念截然不同的时候，重复的信息可能无效甚至适得其反。

他们还探讨了其他类比，如铁磁性、阈值、力量、进化、加权加法模型和贝叶斯学习的使用情况。他们发现，虽然这些类比可以提供有用的概念和方法，但单独使用任何一种类比都不足以全面解释信念动态。因此，他们建议研究人员从多个来源汲取见解，并进行实证测试和比较，以查看模型是否有用和现实。

研究人员提供了一些使用类比开发信念动态模型的指南，强调首先绘制类比，然后在定量模型中实施，并进行实证测试和比较，以确保模型的有效性和现实性。他们强调，单一类比往往不够充分，最好从多个来源汲取见解，同时认识到每个类比的负担。研究发表在 Trends in Cognitive Sciences 上。

额叶皮层的神经元帮助猕猴解码社会互动

通过研究猕猴大脑在轮流任务中的表现，科学家们揭示了额叶皮层中神经元在分析社会背景下其他个体位置时的协同工作机制。研究由日本自然科学研究所国家生理科学研究所的Taihei Ninomiya和Masaki Isoda共同完成。

研究人员观察了猕猴在与三种不同伙伴（真实的猴子、录像中的猴子和录像中的物体）进行轮流任务时腹侧前运动皮层（PMv）和内侧前额皮层（MPFC）中的神经元活动。结果表明，PMv中的神经元数量没有因伙伴不同而变化，但MPFC中在与真实猴子合作时的空间调谐神经元显著多于与录像中的猴子或物体合作时的数量。

当观察到真实伙伴的行动时，MPFC中的一些空间调谐神经元会反映伙伴猴子的行动，表现得好像是自己在进行这些行动一样。这些发现表明，MPFC对实时社交互动更为敏感，并可能参与了空间视角转换的认知操作。未来，研究人员希望进一步了解PMv和MPFC及其在社交认知网络中的功能，以揭示社交认知功能的神经基础及其功能障碍引起的行为异常。研究发表在PNAS上。

宾夕法尼亚州立大学的研究团队通过成像技术，绘制了老鼠大脑的高分辨率3D地图，揭示了随着年龄增长，脑血管系统的变化及其对认知能力的影响。

研究团队使用了两种高分辨率3D成像技术：串联双光子断层扫描和光片荧光显微镜，分别对老年和年轻小鼠的大脑进行了成像，绘制了全脑血管网络的详细地图。结果显示，老年大脑的血管长度和分支密度减少约10%，动脉的扭曲度增加，血流供应受到阻碍，尤其在基底前脑、深层皮质层和海马网络等区域，这些区域与注意力、睡眠和记忆处理等功能密切相关。

此外，研究发现老年大脑中的血管系统反应变慢，无法及时为神经元提供所需能量，导致神经元功能失调或死亡。周细胞（pericytes）减少，血脑屏障功能受损，血管渗漏现象增加。通过对小鼠进行体内成像，研究团队还发现老年大脑的基础和按需血氧水平降低，尽管神经血管耦合相对完整。这项研究为早期诊断和延缓神经退行性疾病提供了新的视角和线索，未来可能帮助开发针对这些疾病的治疗方法。研究发表在 Nature Communications 上。

p-tau217血液测试在阿尔茨海默病诊断中表现优异

华盛顿大学医学院Suzanne E. Schindler团队对六种商业化血液测试在检测阿尔茨海默病标志物中的准确性进行了比较。研究中，团队评估了由ALZpath、C2N Diagnostics、Fujirebio Diagnostics、Janssen、Quanterix和Roche Diagnostics开发的六种血液测试。研究数据来自阿尔茨海默病神经影像学计划（ADNI），包括392名提供血样的参与者，他们的中位年龄为78.1岁，其中49%表现出认知障碍。

每种测试测量了一种或多种与阿尔茨海默病相关的生物标志物，特别关注大脑中的淀粉样斑块和tau蛋白缠结。研究发现，磷酸化tau 217（p-tau217）作为标志物表现出极高的准确性，能准确预测大脑中淀粉样蛋白和tau蛋白的水平、脑容量以及认知症状。C2N Diagnostics的PrecivityAD2和Fujirebio的Lumipulse测试在所有测试中表现最佳。根据全球阿尔茨海默病CEO倡议组织的建议，作为确认测试的血液测试需要达到约90%的灵敏度和特异性，而p-tau217测试符合这一标准。研究结果在2024年7月30日费城召开的阿尔茨海默病协会国际会议上发表。研究发表在 Alzheimer's Association International Conference 上。

北卡罗来纳大学教堂山分校医学院的Vibhor Krishna博士及其团队进行的一项研究发现，分阶段的双侧聚焦超声治疗对治疗严重或顽固性特发性震颤（essential tremor）是安全且有效的。这项研究在美国七所学术医学机构进行，旨在改善单侧治疗后仍有残余震颤的患者的生活质量。

这项前瞻性、多中心的开放标签试验共招募了62名患者，其中51名接受了双侧聚焦超声丘脑消融术（bilateral focused ultrasound thalamotomy）。患者的平均年龄为73岁，其中86.3%为男性。使用的聚焦超声系统与磁共振成像（MRI）相结合，实时对温度图进行定位。通过次阈值超声探测目标区域的有效性和潜在副作用，然后进行消融。

研究发现，治疗后3个月，患者的震颤/运动评分从17.4降至6.4，改善了66%。姿势震颤评分从2.5降至0.6，功能障碍评分从10.3降至2.2。12名患者出现轻微共济失调，6名在12个月后仍有症状。不良事件中，85%为轻微，13%为中度，1例为严重泌尿系统感染。副作用包括麻木/刺痛、言语困难、共济失调、不稳感和味觉变化，大多数在几个月到一年内改善。研究团队正在优化聚焦超声治疗，以减少副作用的风险。此项研究发表在JAMA Neurology上。

严重流感感染可能导致胎儿大脑发育异常

伊利诺伊大学厄巴纳-香槟分校的Adrienne Antonson教授团队研究了母体严重流感感染对胎儿大脑发育的影响，发现当母体感染的严重程度达到一定阈值时，胎儿大脑的变化更为显著。

研究团队使用适应于小鼠的活流感病毒对怀孕小鼠进行了感染实验，研究母体免疫反应对胎儿大脑发育的影响。结果表明，严重感染的母鼠胎儿的脑皮层厚度显著减少，这与人类精神分裂症和自闭症谱系障碍患者的脑部变化一致。具体而言，研究发现高剂量感染组的胎儿皮质异常和全局胎儿大脑转录变化明显，而中等剂量组没有这些变化。

此外，胎儿小胶质细胞和边界相关巨噬细胞（BAMs）的分析显示，脑膜BAMs的数量在剂量和时间上有所差异，而脉络丛BAMs的数量则保持不变。胎儿大脑巨噬细胞表现出吞噬CD68表达的增加，这也是剂量和时间依赖的。这些发现表明，某些母体免疫激活（MIA）的特征在模拟和活病毒模型之间是一致的，但有些则不一致，强调了使用活病原体在NDD建模中的重要性，以更好地评估完整的免疫反应并改进临床转化。研究发表在Molecular Psychiatry上。

VERSES AI Inc.（CBOE）近日发布了一项由首席科学家Karl Friston博士领导的开创性研究，展示了一种名为“重整化生成模型”（Renormalizing Generative Models，简称RGMs）的新型AI基础。这一基于物理学的框架，不仅在常用的MNIST基准测试中以90%更少的数据达到了99.8%的准确率，更展示了在效率、适用性和可解释性方面的突破性进展。

RGMs基于神经科学和物理学中的“主动推理”框架，该框架描述了生物系统如何基于感官输入持续生成和优化预测。与传统的深度学习、强化学习和生成性AI不同，RGMs通过“无尺度”技术调整数据规模，使其成为一种高效、通用的AI架构。

VERSES的首席执行官Gabriel René表示，RGMs不仅是AI发展的一个进化，更是对构建智能系统的根本性变革。这一方法能够模拟物理学，学习信息的因果结构，使得AI不仅能识别对象、声音和活动，还能基于现实世界的理解进行复杂决策。

研究表明，RGMs在对象识别、图像分类、自然语言处理、内容生成等基础学习任务中表现出色，并且能够高效地处理数据和计算资源，直接为企业带来成本节约和开发速度的提升。Friston博士进一步解释，RGMs通过学习观察的基础结构和隐藏原因，实现了一种与人类大脑类似的高效学习和适应方式。

Meta近日推出了其新一代的视频与图像分割模型SAM 2（Segment Anything Model 2）。相比第一代模型，SAM 2是一个统一模型，能够在图像和视频中实现实时对象分割，并且达到最先进的性能。Meta将以Apache 2.0许可证共享该模型的代码和权重文件，同时还将发布SA-V数据集，其中包括约51,000个现实世界视频和超过600,000个时空掩码。

SAM 2的独特之处在于，它能够分割任何视频或图像中的任何对象，即使是之前从未见过的对象和视觉领域。这意味着用户无需进行额外的训练和适配，便可将其应用于多种场景。例如，SAM 2的输出可以与生成视频模型结合使用，创造新的视频效果，激发新的创意应用；同时，它还可以加速视觉数据的标注过程，提高计算机视觉系统的构建效率。

此外，Meta的开源策略也得到了延续，SAM 2的代码和权重文件将以开放的方式提供给社区。这一举措将有助于推动AI领域的进一步发展，激发更多新的应用和研究。Meta还推出了一个基于网络的演示，用户可以实时体验SAM 2在短视频中的分割和跟踪效果。

SAM 2在实际应用中展现了广泛的潜力。它不仅可以用于生成新的视频效果，还能在科学研究、医学影像分析等领域发挥重要作用。例如，跟踪显微镜下移动的细胞，帮助科学家进行更精细的研究；或是在灾害救援中分析卫星图像，快速定位受灾区域。

苹果公司在其最新发布的技术报告中，详细介绍了Apple Foundation Model（AFM）模型和AFM云端模型的技术细节、训练方法及评估结果。报告中透露，这些AI模型是在“云TPU集群”上训练的，表明苹果租用了第三方云服务提供商的服务器进行计算。

在2024年全球开发者大会上，苹果推出了Apple Intelligence，这是一个深度集成于iOS 18、iPadOS 18和macOS Sequoia的个人智能系统。Apple Intelligence由多种高度智能的生成模型组成，能够适应用户的日常任务，并实时调整以适应当前活动。其应用包括文本写作和润色、通知优先级和摘要、为家庭和朋友创建有趣的图像以及简化跨应用的交互操作。

苹果的基础模型在多个方面进行了优化，包括在设备上和服务器上的高效推理能力。通过使用低比特率的权重存储和多种优化技术，苹果在iPhone 15 Pro上实现了快速的首次生成和每秒30个词的生成速度。

苹果还特别强调了其在AI开发中的责任原则，包括尊重用户隐私、避免偏见和误用以及通过用户反馈不断改进AI工具。报告显示，苹果的模型在多个基准测试中表现出色，尤其是在处理恶意内容和敏感话题方面表现出较低的违规率，并且在人类评估者中受到了更高的偏爱。

生数科技近日宣布其Vidu视频模型正式开放Sora架构，并提供API申请服务。Vidu模型以其卓越的性能和创新的技术架构而著称，能够在不到30秒的时间内生成一个4秒钟的视频，这一能力在当前视频生成领域中堪称领先。

Vidu模型采用的是类似Sora的DIT架构，融合了Diffusion与Transformer技术，独创了U-ViT架构。通过这一架构，Vidu模型能够逼真地模仿真实物理世界，生成高质量的视频内容。根据官方发布的演示视频，Vidu模型生成的视频效果令人印象深刻，展现了其强大的技术实力。

用户可以通过Google账号直接登录Vidu平台，新用户注册即送80积分，同时平台还支持充值服务，为用户提供更多使用便利。生数科技此次开放API申请，为开发者和企业提供了更多的可能性，允许他们将Vidu模型集成到自己的应用和服务中，从而进一步扩展Vidu技术的应用范围。

伦敦国王学院与伦敦大学学院合作，利用NVIDIA Cambridge-1超级计算机开发了一种能够生成逼真三维人脑图像的AI模型。研究团队使用NVIDIA Cambridge-1超级计算机，训练了一种AI模型，可以生成高分辨率的三维人脑合成图像。这些图像在形态上与真实人脑高度一致，具有正确的折叠模式和适当的区域大小，并能准确反映年龄、性别和疾病状态等临床因素。

研究表明，AI模型生成的数据足够逼真，可以替代真实数据进行医学研究，例如痴呆症研究的结果在真实数据和合成数据上显示一致。通过大量数据，AI模型学会了年龄和性别对大脑的影响及病理对解剖结构的影响。合成图像提供了无限且高分辨率的数据，可以控制外部变量，提高AI诊断的准确性和公平性。未来，模型可扩展到心脏、肺等其他器官，甚至涉及癌症等复杂多系统疾病，帮助临床医生根据模型预测定制和优化治疗方案。研究发表在Nature Machine Intelligence上。

爱丁堡大学的科学家利用尖端的人工智能技术，通过分析超过45,000人的血样，成功预测出一个人未来十年内患阿尔茨海默病和心脏病等疾病的风险。研究团队包括爱丁堡大学、Optima Partners和Biogen的研究人员。

研究人员通过对来自英国生物银行的血样进行机器学习分析，识别出了与阿尔茨海默病、心脏病和2型糖尿病等常见疾病发展相关的蛋白质模式。这些蛋白质模式在预测疾病风险方面优于传统风险因素，如年龄、性别、生活习惯、胆固醇和其他常用临床变量。

具体来说，研究团队分析了47,600名参与者的1,468种Olink蛋白质水平，报告了963种蛋白质水平与21种年龄相关疾病发病率之间的3,209种关联。他们使用罚惩Cox回归法开发了基于蛋白质的评分，并在测试集中发现六种ProteinScores提高了10年内疾病发病率的曲线下面积（AUC）估计值，超越了传统风险因素。此外，2型糖尿病的ProteinScore在性能上优于多基因风险评分和糖化血红蛋白（HbA1c）。研究还比较了使用代谢组学和蛋白质组学特征的评分的性能，展示了血浆蛋白质组在风险分层中的价值。研究发表在 Nature Aging 上。

由华威大学和澳大利亚新南威尔士大学的研究团队合作进行的这项研究，旨在通过分析濒危动物的声音，帮助这些动物免于灭绝。研究团队利用一种改编自神经科学中分析脑电波的新方法来分析包括大象、鲸鱼和鸟类在内的濒危动物的声音。

研究团队评估了四种时间-频率（TF）可视化方法，包括超级小波变换（Superlet transform, SLT）、连续小波变换（Continuous Wavelet Transform, CWT）和两种短时傅里叶变换（Short-Time Fourier Transform, STFT）。他们通过分析合成测试信号，发现SLT比其他方法可视化测试信号的误差减少了18.48%-28.08%。随后，他们将这些方法应用于可视化查戈斯蓝鲸、亚洲象、南方食火鸡、东方鞭鸟、鲱鱼和美洲鳄鱼的声音。

结果表明，STFT的偏差可能导致对侏儒蓝鲸歌声和象叫声的误解。SLT在低频动物声音的可视化方面表现出更高的准确性，降低了误解的风险。此外，研究团队开发了一个名为“BASSA”的开源图形用户界面软件应用程序，使研究人员能够更容易地分析短时低频动物声音录音。SLT在用户友好的格式中改进了低频动物声音的可视化，推动了动物交流、发声方法、发声机制和物种识别方面的研究进展。研究发表在Scientific Reports上。

最新的研究开发了一种利用生成式人工智能和家庭物联网技术的个性化故事书生成系统，以帮助儿童学习词汇。研究团队通过家庭物联网（IoT）设备监控儿童的日常语言环境，采用发声者分离和形态分析技术，分析儿童接触的词汇、所说的词语以及听到但未说出的词汇。

他们评估了每个词汇的语言病理学意义，并利用先进的生成式AI技术，如GPT-4和Stable Diffusion，生成个性化的儿童故事书，将目标词汇无缝融入每个儿童的故事中。该系统可以根据儿童语言发展和环境的变化，自动更新目标词汇和个性化故事书。在为期四周的测试中，OSOS系统在9个家庭中的应用效果显著，孩子们能够有效学习目标词汇，证明了该系统在日常生活中的实用性。研究发表在 ACM SIGCHI Conference on Human Factors in Computing Systems 上。

生成性模型在贝叶斯分析、概率机器学习和许多领域中起着关键作用，如计量经济学、医疗保健和系统生物学。研究人员开发了自动学习此类数据概率模型的方法。然而，现有的概率编程系统大多集中于模型规范和参数估计，缺乏对复杂数据库查询的支持。

GenSQL正是为解决这一问题而设计的。它是一个用于查询生成模型的概率编程系统，通过扩展SQL引入新的基本操作，使复杂的贝叶斯工作流程得以实现。GenSQL集成了概率模型，这些模型可以是自动学习的或定制设计的，与表格数据结合，可用于异常检测和数据合成等任务。

GenSQL的接口设计新颖，提供了严格的正确性保证，确保查询的准确和高效执行。基准测试表明，GenSQL在性能上远超竞争对手，速度提升高达6.8倍。其开源实现支持多种概率编程语言，证明了其在实际应用中的广泛效用。

GenSQL不仅仅是一个SQL的概率扩展，它还引入了新的语义概念和严格的正确性定理，增强了表达能力和性能，支持嵌套查询和多模型结果的组合。它的类型系统确保表达式的正确性，处理连续和离散类型，并包含处理零概率事件的特殊规则。