追问daily | 濒死前“走马灯”的意识变化；触觉感知涉及16 种神经细胞；千个AI智能体打造虚拟文明

复旦大学冯建峰教授团队自2018年起开展了数字孪生脑的研究，致力于开发一个基于神经科学、数学和计算机科学的跨学科研究平台。该团队汇集了20多名专家，旨在通过模拟860亿个神经元和百万亿突触的结构，为脑科学研究和医学应用提供支持。

研究团队基于体素同化方法建立了计算人脑模型，通过个体结构和功能成像数据，确保模型在规模和结构上尽可能接近真实大脑。研究显示，模型在规模和结构越接近生物大脑，其在静息状态和任务执行期间的表现也越相似，模拟信号与人脑静息状态信号的相似度达93%以上。

实验中，研究人员移除了初级视觉皮层（V1，primary visual cortex）到下游视觉路径的连接，发现这大大降低了海马体的相似性，但对全脑的影响较小。DTB的计算框架为探索大脑结构与功能关系、测试各种认知和医学方法提供了新平台。研究还指出，在信息传递量巨大的情况下，团队使用了14012张图形处理器（GPU）进行计算，使模拟过程稳定可靠。此项研究展示了DTB平台在脑疾病诊疗、减少生物实验伤害以及类脑人工智能发展中的潜力。相关论文发表在 National Science Review 上。

触觉感知：16种神经元组成复杂感知系统

传统的观点认为，每种感觉由特定类型的神经细胞负责。然而，瑞典林雪平大学、卡罗林斯卡学院和美国宾夕法尼亚大学的研究团队通过合作，发现人类的触觉感知涉及16种不同的神经细胞类型，打破了单一神经细胞类型的传统认知。

研究团队采用深度RNA测序技术（RNA-seq），从单个背根神经节（DRG）神经元中分离体细胞，平均检测每个神经元超过9000种独特基因，并识别出16种不同类型的神经元。他们结合空间转录组学和RNAscope原位杂交技术验证了这些类型的存在，并发现了一些可能特有于人类的神经元类型。

研究还借助显微神经造影（microneurography），通过温度、触觉和化学刺激测试了不同神经元的反应。这项技术帮助研究人员观察了清醒参与者单个神经元的信号传递特性，发现某些触觉神经细胞在面对热量和辣椒素（capsaicin）等痛觉刺激时，表现出反应。此外，研究揭示了人类特有的快速传导疼痛神经元，这些神经元能够高效传递疼痛信号，以帮助人体及时避险。与小鼠相比，人类的神经细胞在速度上有显著差异，这种差异可能反映了人体对快速反应需求的适应性演化。这项研究成果已发表在Nature Neuroscience上。

随着神经科学技术的进步，能够同时记录成千上万神经元活动的设备得以广泛应用。然而，面对如此庞大的数据集，研究人员一直难以有效地可视化和分析这些信息。霍华德休斯医学研究所（HHMI）Janelia 研究园区的 Marius Pachitariu 等人开发了 Rastermap 技术，旨在帮助科学家更好地理解神经元集体活动的模式。这一技术为观察神经元在不同刺激下的表现提供了新手段。

研究团队首先通过计算机模拟对Rastermap（光栅图）算法进行了基准测试，随后将其应用于从小鼠皮层、斑马鱼大脑、大鼠海马体、猴子额叶皮层以及多个人工神经网络中采集的数据。Rastermap 的核心是将神经元活动数据沿一维轴排序，按活动模式分类并在光栅图中展示。该方法通过迭代算法不断调整神经元的排列顺序，使得具有相似活动模式的神经元能够在图像中邻近排列。这一排序技术尤其适用于在复杂的大规模神经数据中识别特定的活动模式，例如某些神经元对外界刺激的反应或与行为相关的模式。

在实验中，Rastermap成功地将数万个神经元的复杂活动记录简化为清晰的二维图像，使得研究人员能够快速定位和分析关键神经元组的活动特征。这种可视化方法不仅展示了神经元活动的空间关联性，还使得以往难以处理的高维数据得以形象化地呈现。研究团队相信，随着神经元记录的进一步扩展，Rastermap 将在未来的神经科学研究中发挥更大的作用。研究成果发表在 Nature Neuroscience 上。

液体活检技术实现帕金森病的早期诊断

帕金森病（PD）等脑部疾病往往在首次症状出现前数年便已发展，早期检测可为延缓疾病进展提供可能。传统脑部疾病诊断依赖于死亡后的脑活检，现有技术难以捕捉到早期的生物标志物。哈佛大学维斯研究所和波士顿布莱根妇女医院的David Walt博士团队，利用细胞外囊泡（EV）研究推动了这一领域的进展。

研究团队通过改进的尺寸排阻色谱法（SEC）和超灵敏单分子阵列检测法（Simoa assay），在血浆中分离并分析了细胞外囊泡（EV）内外的帕金森病关键蛋白——⍺-突触核蛋白（⍺-synuclein）。为了克服EV分离中的蛋白质污染问题，研究人员引入了蛋白酶保护测定法（proteinase protection assay），有效去除了囊泡表面的非特异性结合蛋白质，从而精确测量EV内部的⍺-突触核蛋白及其在帕金森病进程中的磷酸化形式。

实验结果表明，在帕金森病患者的EV中，磷酸化⍺-突触核蛋白相对于总⍺-突触核蛋白的比例显著高于血浆整体中的水平，表明EV可以保护这种磷酸化标记免受循环磷酸酶的影响，从而保存疾病进程的关键信息。研究进一步验证了该技术的诊断潜力，为帕金森病和路易体痴呆等脑部疾病的早期诊断带来新的可能。研究结果已发表在 PNAS 上。

东北大学的Laurel Gabard-Durnam教授带领其团队研究早期护理人员的行为预测性对婴儿大脑学习能力的影响。团队发现，护理人员的日常互动可对婴儿大脑的学习模式产生重要影响，并可能成为促进健康发育的重要机制。

研究招募了262名护理人员与婴儿进行两阶段研究。第一阶段在婴儿4个月时观察护理人员与婴儿的日常互动，通过记录护理人员的言语、动作等行为数据，并使用“熵”（entropy）计算出护理行为的预测性。第二阶段在婴儿9个月时，通过脑电图（EEG）进行听觉统计学习任务测试，监测婴儿对可预测信息的学习能力。

结果发现，护理行为更具预测性的婴儿在学习任务中对可预测信息的反应显著更强，表明这些婴儿对新信息的学习能力较高。研究首次揭示，早期互动的预测性能够帮助强化婴儿大脑中核心学习与记忆系统的发育。此发现支持了在关键发育期内，护理人员的行为预测性对婴儿神经发育的重要性。研究发表在 Developmental Science 上。

肥胖引起胰岛素抵抗的主要元凶：交感神经过度活跃

罗格斯大学罗伯特伍德约翰逊医学院及其合作团队通过研究发现，肥胖引起的胰岛素抵抗不完全依赖于细胞胰岛素信号传导的损伤。该研究展示了营养过剩可通过交感神经系统（SNS）的过度激活导致胰岛素抵抗，为理解肥胖引起的代谢紊乱提供了新的视角。

研究团队使用一种特别设计的小鼠模型（THΔper mice），该模型具有外周限制性缺失的酪氨酸羟化酶基因（tyrosine hydroxylase gene），以减少外周SNS中的儿茶酚胺（catecholamine, CA）释放，同时保留中枢神经系统的CA水平。研究通过高脂肪饮食（HFD）对比实验发现，在喂食高脂饮食后，野生型小鼠会出现体脂增加、血糖耐受性下降及胰岛素抵抗，但THΔper小鼠则没有出现这些问题。此外，THΔper小鼠的血浆去甲肾上腺素（norepinephrine, NE）显著降低，表现出较少的脂解作用和代谢紊乱。这一模型显示，减少SNS活性可有效阻止HFD诱导的胰岛素抵抗及代谢失调，尤其是在脂肪组织的脂解作用中。研究指出，交感神经系统的过度激活是营养过剩引起的代谢性疾病的关键驱动力，并非单纯依赖于细胞胰岛素信号传导。这项研究发表在 Cell Metabolism 上。

密歇根大学医学院的研究团队近期在濒死大脑活动的领域展开研究，探索了心脏骤停期间大脑是否依旧保留活跃性。研究主要围绕死亡过程中的意识状态变化，观察了患者在生命支持撤除前后大脑的活动模式，提出濒死时大脑可能存在一定程度的意识。

研究团队选取了四位处于临终状态的患者，通过在撤除呼吸支持的前后使用19导联脑电图（EEG）记录脑电活动，频率分为δ（0-4Hz）、θ（4-8Hz）、α（8-13Hz）、β（13-25Hz）、γ1（25-55Hz）和γ2（80-150Hz）。使用离散傅里叶变换对各频段的功率进行分析，结果显示两位患者（Pt1和Pt3）在撤除生命支持后短时间内gamma功率显著增加，尤其是在temporo-parieto-occipital (TPO) 区域，这些区域被认为是与意识处理相关的“热点”。此外，gamma振荡与较慢频段的耦合（phase-amplitude coupling, PAC）显著增强，特别是在后皮质TPO区域和前额叶之间的远距离功能连接方面，显示出跨区域的信息传递增强。这些结果挑战了传统观念，指出了垂死的大脑仍可能保持活跃性，甚至具有某种意识状态。这项研究已发表在 PNAS 上。

北大校友Robert Yang带领Altera团队，创建了首个由千亿AI智能体组成的虚拟文明，引发关注。该文明模拟了人类日常生活的方方面面，并通过先进的PIANO架构（并行信息聚合神经协调，Parallel Information Aggregation and Neural Orchestration）实现了AI智能体的高度自主和协作能力。

在虚拟环境「我的世界」（Minecraft）中，这些智能体不但自主行动，还能有效互动，形成经济、文化、宗教和政治等复杂体系。PIANO架构使智能体能够同步进行思考与行动，实现了类似人类的感知、记忆和社交功能。这一创新架构包括「认知控制器」模块，统筹各子模块，确保智能体行为的连贯性。智能体不仅能相互推断情感，还具备自主生成目标的能力。例如，通过与环境交互，智能体会生成避开交通拥堵的方案，体现了主动性。

Altera团队还测试了智能体的群体互动能力。在社交实验中，多个智能体能辨识他人情绪并调节自身行为，从而建立或调整社交关系。实验显示，个性和社交网络结构密切相关，例如内向型智能体与他人的社交联系相对较少。

Altera的目标是让AI智能体文明能无缝融入人类社会。该项目获得了包括谷歌前CEO埃里克·施密特在内的投资人支持。Altera计划继续探索数字人类的同理心和社会能力，为未来的智能体应用奠定基础。

近日，OpenAI的ChatGPT Search 功能引入了一项地图显示功能，通过集成Mapbox服务，为用户提供位置推荐和路径指引的更直观体验。例如，用户可以在询问“在哪里可以找到美味的塔克（tacos）？”时，通过英语输入，ChatGPT Search 会展示相关位置的地图，帮助用户更轻松地探索周边环境。然而，此功能目前仅支持英文输入，用户在提出地理位置相关的问题时需使用英语，以确保功能的正常运行。从测试情况来看，ChatGPT Search 的地图功能在城市导览和位置推荐等场景中非常实用，特别适合探索陌生城市的用户，如寻找当地美食或旅游景点。

xAI公司近日宣布其Grok基础模型的API进入公开测试版，允许开发人员利用API在Grok系列模型上进行创新构建。此次公开测试计划将持续至2024年底，xAI为所有开发者每月提供25美元的免费API积分，以支持其测试和探索。开发人员可以通过访问console.x.ai注册账户并创建API密钥，随即获得Grok系列模型的编程访问权限。

xAI发布的Grok模型目前以grok-beta为临时名称，支持128,000个令牌的上下文长度，并具备函数调用和系统提示功能。除文本模式外，xAI还计划推出支持图像处理的多模态版本，进一步拓展Grok模型的应用潜力。此外，xAI的API与OpenAI和Anthropic的REST API完全兼容，开发者只需更改base_url即可轻松迁移现有应用。

为鼓励用户持续探索，xAI表示所有已购买预付积分的用户将获得等值的额外免费积分。此次API公开测试计划不仅是对Grok模型功能的验证，也为开发者创造了更多创新应用的可能性。xAI期待在这一过程中见证开发者带来的创新成果。

耶鲁大学医学院的研究团队开展了一项关于大脑行为预测模型的研究，以解决目前模型在不同数据集间泛化能力不足的问题。研究团队由博士生Brendan Adkinson带领，在副教授Dustin Scheinost实验室指导下进行。研究的目标是通过在多个具有显著差异的人群数据上训练模型，为心理健康和神经系统疾病的个性化治疗奠定基础。

研究人员从费城神经发育队列（PNC）、健康大脑网络（HBN）和发展人类连接组项目（HCPD）三个大型数据集中选取数据，这些数据集中包括不同的年龄、性别、种族、地域和临床症状表现。研究团队构建了三个预测模型，用于预测语言能力和执行功能。每个模型在训练后在其他两个数据集上进行了测试，结果显示，这些模型在不同数据集上的表现优异。研究表明，利用不同特征的数据进行训练，有助于提升模型的普适性。这一发现表明，通过多样化的数据集训练，模型在不同环境中也能取得较好预测效果，推进了大脑行为预测模型的实际应用。研究发表在 Developmental Cognitive Neuroscience 上。

在神经外科领域，清醒开颅手术常用于测试复杂的大脑功能，以确保患者在手术中保持脑功能的正常运作。然而，传统的开颅手术需要使用机械仪器移除颅骨部分，过程中产生的强烈震动和噪音给患者带来极大的心理压力。

位于亚琛的弗劳恩霍夫激光技术研究所开发了一种创新的机器人辅助激光手术技术，通过短脉冲激光温和地去除颅骨组织，手术过程几乎无声无振动，极大地减轻了患者的心理负担。这项技术在精确光学监控下进行，确保了激光只作用于骨组织，不会损伤脑膜等下层结构。

这种技术特别适用于脑肿瘤切除等需要大范围开颅的手术，允许研究人员在手术中与患者互动，实时评估其脑功能是否受到影响，从而使手术更加安全和有效。激光过程由OCT（光学相干断层扫描）系统监控，通过传感器精确控制切割深度，有效保护周围组织。核心部件为一款CO2固态激光器，短脉冲技术防止热损伤，切口平滑且无碳化。

该系统还通过虚拟化技术进行开发测试，提升了系统的效率与可靠性，为未来在脊柱手术等高风险操作中应用奠定了基础。随着这项技术的进一步成熟，清醒开颅手术将能更频繁地实施，并显著提高患者的预后。

为了加速科研创新，上海人工智能实验室推出了名为 VirSci（Virtual Scientists）的多智能体协作系统。该系统由多个基于大语言模型的智能体组成，旨在模拟科学家团队的协作过程。此项目的团队汇集了来自上海人工智能实验室的研究人员，致力于通过跨学科团队合作来促进科学创新。

VirSci系统采用多智能体协作模式，核心流程包括团队成员选择、主题讨论、创意生成、创新性评估和摘要生成。每个智能体拥有独立的科研背景，通过跨领域团队互动激发出更多创新想法。实验对比显示，VirSci生成的研究摘要在“新颖性（CD）”和“影响力（CI）”两方面均显著优于单智能体系统 AI Scientist，说明其多智能体协作机制有效促进了科研创新。研究还发现，团队规模与讨论轮次适中、团队新鲜度维持在50%、成员背景多样性在50%-75%时，创新性表现最佳。实验进一步表明，这种多智能体系统能够有效模拟科学家协作，为自主科学发现提供强大支持。

由里海大学计算机科学与工程助理教授Lichao Sun领导的研究团队，与马萨诸塞州总医院合作开发BiomedGPT，这是一款开源的轻量级通用生物医学AI模型。该团队还联合了宾夕法尼亚大学、乔治亚大学等多家机构的研究人员，意在构建一个适用于多种生物医学任务的AI平台，推动AI在医学领域的应用。

BiomedGPT的核心在于其通用性和多模态数据处理能力。这款模型能够处理图像、文本和表格数据，满足多样化的临床需求。BiomedGPT在25项实验中表现优异，在影像学问答方面错误率仅为3.8%，复杂放射学报告生成的误差率为8.3%。同时，其生成摘要的能力接近人类专家水平。模型的轻量化设计使其具备更广泛的应用潜力，无需为特定任务定制，便可满足多种需求。此外，BiomedGPT的开放源代码库为其他研究人员提供了进一步开发的基础。里海大学研究团队通过和马萨诸塞州总医院的合作，在真实医疗场景中验证了该模型的准确性与实用性。该研究发表于 Nature Medicine 。

陕西商洛大学艺术学院的研究团队，开发了基于人工智能的工具，以解决在线音乐教育中乐谱符号识别和解释的难题。传统在线音乐教学受限于平台能力，无法充分帮助学生掌握乐理。张婷的团队利用深度学习的图像处理和模式识别方法，使学习者能够更加准确地理解音乐概念。

研究团队采用了脉冲耦合神经网络（PCNN），结合了两尺度下降法进行光谱倾斜校正，优化后的系统可将乐谱图像进行分割，从而精确识别不同符号。为了进一步提高准确率，张婷团队还优化了卷积神经网络（CNN），通过双通道特征融合识别网络，有效提升了图像预处理的精度。最终，图像分割方法的精度接近98%，光谱倾斜校正的精度为98.4%，整体乐理符号识别的平均精度达97%。该系统显著提高了学生对音高和节奏的理解，使音乐专业学生的最高得分提升了16分。此技术能在在线音乐教育中模拟面对面教学，即使在没有导师的情况下，学生也能获得实时反馈，大幅提高学习效果。该研究发表在 International Journal of Wireless and Mobile Computing 上。

在信息爆炸的互联网时代，假新闻的传播愈发普遍，给社会带来误导。为应对这一问题，国立阳明交通大学、中华大学和国立宜兰大学的研究团队，包括 Szu-Yin Lin 和 Yen-Chiu Chen 等人，致力于开发一种结合文本和视觉特征的多模态模型，旨在快速、精准地检测假新闻。

这项研究提出了一种基于多模态融合的模型，用于识别假新闻。该模型能够将文本信息和视觉信息通过数据清理和特征提取相结合，进而利用早期融合、联合融合和后期融合三种策略对数据进行综合分析。研究团队将此模型在 Gossipcop 和 Fakeddit 数据集上进行了测试，结果显示该模型的准确率分别达到了 85% 和 90%，同时 F1 分数也达到了 90% 和 88%，显著优于传统的单模态方法如 BERT 等。这表明，融合多种数据模式（如文本和图像）的多模态方法能够更全面地捕捉不同维度的信息，从而有效提升假新闻检测的准确性与稳定性。研究团队指出，这一成果为未来的假新闻检测提供了一个有力的技术支持，能够有效减少网络错误信息的传播。研究发表在 Science Progress 上。

耶鲁大学医学院的Dustin Scheinost实验室及其博士生Brendan Adkinson等人开展了一项研究，探讨了大脑活动与行为关联模型的广泛适用性。该研究意在弥补传统神经影像模型在多元数据环境下泛化不足的问题，期望通过更全面的数据训练，提高模型的临床应用价值，特别是在欠服务的农村地区中。

研究团队选取了三个具有显著人口异质性的大脑成像数据集——费城神经发育队列（PNC，包含1291名样本）、健康大脑网络（HBN，1110人）和人类连接组项目（HCPD，428人）进行验证。这些数据集在年龄、性别、种族、地理位置等方面存在显著差异。研究人员在每个数据集上分别训练了三个模型，然后在其他数据集上进行外部验证，发现模型在跨数据集测试中表现出色。特别是在HBN和HCPD数据集中，跨数据集训练优于同一数据集的交叉验证，进一步证明多样性训练对模型泛化的重要性。这一研究为未来神经影像预测模型在实际应用中的普适性提供了重要的基础，展示了功能连接组模型在面对不同特征数据时的鲁棒性。研究结果已发表在 Developmental Cognitive Neuroscience 期刊上。