追问daily | 大脑发育存在多种生成神经元的路径；基因表达改变如何诱发孤独症？谷歌Gemini 1.5 Pro开放API

█脑科学动态

大脑活动的波状性：解开大脑与行为之间联系的新视角

新的 mRNA 变异图谱捕捉大脑的内部运作

大脑发育过程中存在多种生成神经元的路径

基因表达改变如何诱发孤独症？

█AI行业动态

Google宣布Gemini 1.5 Pro开放API，提供本地音频理解功能

OpenAI 发布 GPT-4-Turbo 正式版，视觉功能新升级

Mistral AI开源Mixtral 8x22B

英特尔发布新一代人工智能芯片：Gaudi 3

希格斯玻色子提出者彼得·希格斯辞世

█AI研发动态

ScreenAI：用于 UI 和视觉情境语言理解的视觉语言模型

大语言模型生成书籍摘要的忠实度和内容选择评估

使用大语言模型进行社交技能训练

脑科学动态

大脑活动的波状性：解开大脑与行为之间联系的新视角

探索大脑活动与行为之间的联系，是神经科学领域长久以来的追求。耶鲁大学的Maya Foster和Dustin Scheinost博士的最新研究，提出了一种新颖的视角——将大脑状态视为波状活动的集合。通过综合分析多项实验研究，Foster和Scheinost提出了一种跨时间和空间的、与规模无关的框架，将大脑状态定义为一系列重现且有序的波状大脑活动模式。这种方法强调了大脑活动的序列性和周期性，提出大脑状态不仅仅是静态的快照，而是包含了重复出现的动态模式的集合。例如，完成一个认知任务时，大脑活动可能依次出现四种独特模式，然后这一系列可能会随时间重复。这种视角为理解大脑如何在不同状态之间转换、如何响应环境变化提供了新的理论基础。研究发表在Trends in Cognitive Sciences上。

#大脑活动 #波状性 #大脑状态 #序列性 #周期性

阅读论文：

Foster, M., & Scheinost, D. (2024). Brain states as wave-like motifs. Trends in Cognitive Sciences, 0(0). https://doi.org/10.1016/j.tics.2024.03.004

新的mRNA变异图谱捕捉大脑内部运作

韦尔康奈尔医学院的科研团队，包括神经科学副教授Dr. Hagen Tilgner和他的研究小组，共同构建了迄今为止最全面的小鼠和人脑中mRNA变体的图谱。通过采用尖端的“长读取”测序技术，研究团队在不同大脑区域、不同细胞类型及不同发育阶段的小鼠和人脑中，详细记录了mRNA异构体的存在。这项大规模的研究不仅要求高成本的测序技术，还需要复杂的数据处理，以识别出数十万个单一小鼠和人脑细胞中的异构体。

结果显示，72%的基因在一个或多个轴上的全长异构体表达存在变化。剪接、转录起始位点和多腺苷酸化位点在不同细胞类型之间有很强的变异性，这影响了蛋白质结构，并与疾病相关的变异联系在一起。此外，神经递质运输和突触周转基因在解剖区域的细胞类型中存在可变性。在出生后第21天到出生后第28天的青春期过渡期间，细胞类型特异性剪接的调节特别明显。发育期间的异构体调节强于同一细胞类型的区域调节。研究发表在Nature Neuroscience杂志上。

#RNA异构体 #大脑图谱 #神经元专化 #大脑发育 #神经疾病

阅读论文：

Joglekar, A., Hu, W., Zhang, B., Narykov, O., Diekhans, M., Marrocco, J., Balacco, J., Ndhlovu, L. C., Milner, T. A., Fedrigo, O., Jarvis, E. D., Sheynkman, G., Korkin, D., Ross, M. E., & Tilgner, H. U. (2024). Single-cell long-read sequencing-based mapping reveals specialized splicing patterns in developing and adult mouse and human brain. Nature Neuroscience, 1–13. https://doi.org/10.1038/s41593-024-01616-4

大脑发育过程中存在多种生成神经元的路径

长期以来，科学界认为大脑皮层的神经元是通过一种相对简单的过程由径向胶质细胞生成的。然而，西班牙国家研究委员会（CSIC）和米格尔·埃尔南德斯大学（UMH）共同建立的神经科学研究所的神经发生和皮层扩展实验室的维克多·博雷尔及其团队的最新研究颠覆了这一观点，揭示了大脑发育过程中存在多种生成神经元的路径。

研究团队通过在貂和人大脑的皮层生发区进行单细胞RNA测序和带有条码的谱系追踪，发现了多种径向胶质细胞类别和它们发起的平行谱系。这些平行谱系最终汇聚成一个共同的新生神经元类别，显示出在不同的生发区和物种（如貂和人）中的重复性和保守性，但在小鼠中并非如此。此外，研究还发现，这些神经元在大脑的回和沟中遵循不同的分化轨迹，并表达与人类大脑皮层畸形相关的不同基因。研究发表在Science Advances上。

#神经发生 #径向胶质细胞 #大脑皮层折叠 #平行谱系 #单细胞RNA测序

阅读论文：

Del-Valle-Anton, L., Amin, S., Cimino, D., Neuhaus, F., Dvoretskova, E., Fernández, V., Babal, Y. K., Garcia-Frigola, C., Prieto-Colomina, A., Murcia-Ramón, R., Nomura, Y., Cárdenas, A., Feng, C., Moreno-Bravo, J. A., Götz, M., Mayer, C., & Borrell, V. (2024). Multiple parallel cell lineages in the developing mammalian cerebral cortex. Science Advances, 10(13), eadn9998. https://doi.org/10.1126/sciadv.adn9998

基因表达改变如何诱发孤独症？

孤独症谱系障碍（ASD）的发病机理复杂，与遗传因素紧密相关。在这一领域内，日本的研究团队，包括来自Juntendo大学、RIKEN和东京大学的科学家，发现了KMT2C基因在ASD发展中的重要角色。

研究团队通过创建带有KMT2C基因杂合子移码突变的基因工程小鼠模型，模拟了人类ASD患者的基因状态。通过行为分析，这些小鼠展现了类似于ASD的特征，如社交障碍、灵活性降低和工作记忆损害。进一步的转录组分析揭示，与ASD风险相关的基因在这些小鼠中被上调。通过单细胞RNA测序，研究揭示了特定细胞类型（如径向胶质细胞和未成熟神经元）在ASD风险基因表达中的变化。值得注意的是，研究还测试了vafidemstat——一种LSD1抑制剂，发现它能够显著改善突变小鼠的社交障碍，并通过调整DEGs以恢复正常的转录组状态，展现了治疗ASD的潜力。研究发表在Molecular Psychiatry上。

#孤独症谱系障碍 #KMT2C基因 #转录组分析 #vafidemstat #LSD1抑制剂

阅读论文：

Nakamura, T., Yoshihara, T., Tanegashima, C., Kadota, M., Kobayashi, Y., Honda, K., Ishiwata, M., Ueda, J., Hara, T., Nakanishi, M., Takumi, T., Itohara, S., Kuraku, S., Asano, M., Kasahara, T., Nakajima, K., Tsuboi, T., Takata, A., & Kato, T. (2024). Transcriptomic dysregulation and autistic-like behaviors in Kmt2c haploinsufficient mice rescued by an LSD1 inhibitor. Molecular Psychiatry, 1–17. https://doi.org/10.1038/s41380-024-02479-8

AI 行业动态

Google宣布Gemini 1.5 Pro开放API，提供本地音频理解功能

Google最新宣布，其先进的Gemini 1.5 Pro现已开放API，并在超过180个国家提供服务。此次更新带来的重大进步包括本地音频处理能力、文件API、系统指令、JSON模式等功能的增加，大大扩展了Gemini模型的应用范围。Gemini 1.5 Pro的最大亮点在于其能够直接处理音频输入，无需先将音频转换为文本，从而解锁了音频和视频模态的新使用案例。

Gemini 1.5 Pro还改进了API功能，包括系统指令的引入、JSON模式的支持，以及函数调用的优化，使模型能够更灵活地适应各种特定的应用场景。此外，引入的新文本嵌入模型text-embedding-004在MTEB基准测试中展现出卓越的性能。

#GoogleGemini1.5Pro #多模态理解 #AI技术创新 #音视频处理 #内容分析与创作

阅读更多：

https://developers.googleblog.com/2024/04/gemini-15-pro-in-public-preview-with-new-features.html

OpenAI发布GPT-4-Turbo正式版，视觉功能新升级

OpenAI全新发布GPT-4-Turbo正式版。这一版本的核心亮点包括强化后的基础能力、内置的视觉处理能力，以及更大的上下文处理范围，正式版本号为“gpt-4-turbo-2024-04-09”。GPT-4-Turbo据官方描述，是一个“Majorly improved GPT-4 Turbo model”。与之前版本最大的不同在于，新版模型内置了视觉能力，且不再需要通过特定的4v接口来实现图片处理功能。这意味着用户现在可以更加便捷地通过JSON模式和函数调用来进行视觉相关的请求。

此外，GPT-4-Turbo支持高达128k的上下文长度，大大超越了前代模型的处理能力，为用户提供了更深入、更连贯的交互体验。模型的训练数据也更新至2023年12月，确保了其在提供信息和回答查询时的时效性和准确性。

在价格方面，OpenAI保持了与之前版本相同的收费标准，输入和输出的费用分别为每100万tokens $10.00和$30.00，而读取图像的价格则降至最低每图$0.00085。

为了满足各类用户的需求，GPT-4-Turbo设置了不同级别的频率限制。以最高级别的Tire 5为例，用户可以享受到每分钟最高10,000次的并发请求，以及每分钟最高1,500,000 tokens的处理能力。

#OpenAI #GPT4Turbo #人工智能 #视觉能力 #技术革新

阅读更多：

https://platform.openai.com/docs/models/continuous-model-upgrades

Mistral AI 开源 Mixtral 8x22B

今日，Mistral AI开源Mixtral 8x22B，模型文件大小约为262GB，仅次于xAI此前推出的 Grok-1（参数量为 3140 亿），成为迄今为止第二大开源模型。

#MistralAI #Mixtral8x22B #大型语言模型 #人工智能 #开源社区

阅读更多：

https://twitter.com/MistralAI/status/1777869263778291896

英特尔发布新一代人工智能芯片：Gaudi 3

在近期的Intel Vision活动中，英特尔宣布推出新一代人工智能加速器Gaudi 3，该芯片在性能上远超英伟达的H100。Gaudi 3基于5nm工艺制造，其AI计算性能、内存带宽和网络带宽分别是前代产品的4倍、1.5倍和2倍。

Gaudi 3通过开放的社区基础软件和开放的行业标准以太网，提供了通过灵活扩展AI系统和应用程序的可能性。其独特的架构旨在实现大规模AI计算的效率，每个加速器均配备64个定制的AI TPCs和8个MMEs，支持多种数据类型，包括FP8和BF16，从而加速并行AI操作的速度和效率。

此外，Gaudi 3还将通过其PCIe加入卡新产品线，为工作负载如微调、推理和检索增强生成（RAG）带来高效能和低功耗的解决方案。英特尔Gaudi 3加速器预计将在2024年第二季度面向OEM制造商提供，并预计将在2024年第三季度实现广泛可用，PCIe加入卡预计在2024年最后一季度上市。

#英特尔Gaudi3 #AI芯片 #性能超越英伟达 #5nm工艺 #大规模AI计算

阅读更多：

https://www.intel.com/content/www/us/en/newsroom/news/vision-2024-gaudi-3-ai-accelerator.html#gs.7qaki7

希格斯玻色子提出者彼得·希格斯辞世

2013年诺贝尔物理学奖获得者、著名物理学家彼得·希格斯于周一在爱丁堡的家中去世，享年94岁。希格斯因其1964年的工作而获得诺贝尔奖，他提出了一种新粒子——希格斯玻色子，证明了这种粒子如何通过赋予其他粒子质量，从而维系宇宙的整体结构。

希格斯的理论于2012年在瑞士欧洲核子研究中心（CERN）的大型强子对撞机上经过一系列实验得到证实。这项发现也是与比利时理论物理学家弗朗索瓦·恩格勒特共享的，后者的1964年的工作同样直接贡献于该发现。

希格斯是英国皇家学会会员和荣誉勋章得主，他在爱丁堡大学的大部分职业生涯中，为理论物理学的发展做出了巨大贡献。爱丁堡大学为了纪念他，于2012年设立了希格斯理论物理中心。

#彼得·希格斯 #希格斯玻色子 #诺贝尔物理学奖 #粒子物理学 #科学遗产

AI 研发动态

ScreenAI：用于 UI 和视觉情境语言理解的视觉语言模型

Google Research的研究团队推出了“ScreenAI”，一种用于UI和信息图表理解的视觉语言模型，在UI和信息图表基础任务上取得了新成果。ScreenAI是基于PaLI架构，并结合了pix2struct的灵活打补丁策略，通过混合数据集和任务的独特训练方法，训练出了这一模型。特别地，该模型引入了Screen Annotation任务，旨在评估模型对布局的理解能力，同时还发布了ScreenQA Short和Complex ScreenQA两个数据集，以全面评估其问答（QA）能力。

该模型的训练分为预训练和微调两个阶段。在预训练阶段，采用自监督学习自动生成数据标签，然后利用这些标签对ViT和语言模型进行训练。微调阶段主要使用人工标注的数据，这使得ScreenAI在各项UI和信息图表基础任务上均表现优异，尤其是在Chart QA、DocVQA和InfographicVQA等任务中，与同类大小模型相比，实现了最佳性能。

除了在传统的任务上表现出色，ScreenAI还引入了新的基准测试集，为未来研究提供了基线。同时，研究团队也探讨了通过改变训练混合物来提升模型在特定方面的性能，并通过LLMs生成数据来增加训练数据的多样性。虽然ScreenAI在多项公共基准测试中与最先进的方法相竞争，但研究团队指出，与大型模型相比，还有进一步的研究空间。

#人机交互 #自然语言处理 #信息图表理解 #ScreenAI #数据集

阅读更多：

https://research.google/blog/screenai-a-visual-language-model-for-ui-and-visually-situated-language-understanding/

大语言模型生成书籍摘要的忠实度和内容选择评估

近年来，大型语言模型在生成文本摘要方面取得了显著进展，但其忠实度和内容选择的准确性仍然是挑战。研究人员最近发表的论文首次对大型语言模型生成的书籍摘要进行了全面评估。

该研究通过聚焦于2023年或2024年出版的书籍的摘要，成功避免了数据污染问题，并且雇佣了已经完整阅读过这些书籍的注释者，以降低成本和认知负担。研究团队创建了一个名为FABLES的数据集，包含了对26本书籍的3,158个LLM生成摘要中的声明的注释，耗资5,200美元。通过FABLES数据集的评估，研究人员发现不同大型语言模型之间存在显著差异，CLAUDE-3-OPUS表现出最高的忠实度，为90%。而开源的Mixtral与GPT-3.5-Turbo不相上下。

通过分析注释，研究人员发现大多数不忠实的声明与事件和角色状态有关，这通常需要通过叙事进行间接推理来否定。虽然在其他设置中基于LLM的自动评价器在事实性和连贯性方面已被证明是可靠的，但研究发现在检测不忠实声明方面，没有一个自动评价器能与人类注释强烈相关。此外，研究还超越了忠实度的评估，探索了长篇小说总结中的内容选择错误，发展了与关键叙事元素遗漏相关的错误类型学，并识别了对书籍末尾事件的系统性过分强调。

#大型语言模型 #书籍摘要 #忠实度评估 #内容选择 #人类评估

阅读论文：

Kim, Y., Chang, Y., Karpinska, M., Garimella, A., Manjunatha, V., Lo, K., Goyal, T., & Iyyer, M. (2024). FABLES: Evaluating faithfulness and content selection in book-length summarization (arXiv:2404.01261). arXiv. https://doi.org/10.48550/arXiv.2404.01261

使用大语言模型进行社交技能训练

斯坦福大学和乔治亚理工学院的研究人员联合提出了一种创新框架——APAM（AI伙伴和AI导师），旨在通过大型语言模型（LLMs）培训社会技能，如冲突解决和有效沟通。

APAM框架结合了实践学习、真实练习和个性化反馈，通过模拟对话和专业指导，为用户提供了一个风险更低的社会技能练习环境。AI伙伴作为训练的对手角色，提供模拟实践机会，而AI导师则基于领域专家知识和实际情况，提供定制化反馈，共同促进用户社会技能的提升。

研究团队通过实际的使用案例，如心理健康咨询、冲突解决和教育培训等场景，来测试框架的有效性。评估结果显示，用户能够在与AI伙伴的互动中有效地练习社会技能，并且从AI导师的反馈中学习到如何改善自己的技能。

#人工智能 #社会技能培训 #APAM框架 #大型语言模型 #教育创新

阅读论文：

Yang, D., Ziems, C., Held, W., Shaikh, O., Bernstein, M. S., & Mitchell, J. (2024). Social Skill Training with Large Language Models (arXiv:2404.04204). arXiv. http://arxiv.org/abs/2404.04204

整理｜ChatGPT

编辑｜丹雀 & 存源

追问互动

○如果您对本期内容有进一步想要追问的问题或者讨论的内容，欢迎在评论区留言，或者扫描二维码添加追问微信号，发送自我介绍，加入我们的社群参与互动。如需转载，还请留言。