追问daily | 成功的学习都是欺骗来的；身体形象欺凌将影响女孩大脑；为什么有些人没睡好情绪也不好？

█脑科学动态

Science：蛋白质聚集干扰tRNA加工导致神经退行性疾病

Nature：更长时间的脑部扫描可降低成本并提升预测准确性

Cell：大脑如何按需增加血流量

Cell：TEMPO光学技术升级，特定神经元脑电波实时成像

Connectome 2.0：超高分辨率MRI实现近微米级人脑成像

睡眠质量调节奖惩敏感性与大脑连接，影响情绪健康

调整膳食脂肪酸比例可有效缓解创伤后头痛

静息脑电信号可区分大脑不同功能区

波纹脑电波分割经验以形成记忆

身体形象欺凌如何影响青春期女孩的大脑

别再“刻意学习”了，成功的学习都是“欺骗”来的

█AI行业动态

ChatGPT Agent：你的AI全能助手现在能自动处理复杂任务

█AI驱动科学

机器人吞噬同类零件实现自我生长与修复

ChatGPT生物医学知识评测：高准确率与“幻觉”风险并存

AI模型“复活”失败的阿尔茨海默病药物试验

可成像、可降解的声学微型机器人实现精准肿瘤药物递送

磁振荡定位技术实现体内微型机器人和手术器械的精确定位

从代码补全到工程伙伴：MIT研究描绘AI软件工程发展蓝图

三合一通用接口面世，普通人也能轻松教机器人新技能

MoR新架构：融合参数共享与自适应计算，推理速度提升两倍

“人脑/云端接口”：纳米机器人实现思想的即时访问

脑科学动态

Science：蛋白质聚集干扰tRNA加工导致神经退行性疾病

蛋白质聚集如何导致神经退行性疾病？来自马萨诸塞州总医院和哈佛医学院的Jason Yang、Raghu R. Chivukula等研究人员，通过研究一类罕见遗传病，发现蛋白质聚集物通过“绑架”细胞内关键分子，破坏了tRNA的正常加工过程。

▷神经退行性 GGC 重复扩增通过聚集 FAM98B 中一个富含甘氨酸的无序区域来破坏 tRNA 的加工。在正常的 tRNA 剪接中，外显子由 tRNA 连接酶复合物连接，该复合物是一种含有 FAM98B 的异五聚体复合物。GGC 重复异常产生的多聚甘氨酸蛋白与 FAM98B 相互作用，FAM98B 含有人类蛋白质组中单一最富含甘氨酸的序列，导致 tRNA 连接酶复合物的隔离和消耗。Credit: Science (2025).

研究团队首先在培养细胞中合成了由GGC基因重复扩增产生的多聚甘氨酸（polyglycine，简称polyGly）蛋白，这种蛋白是多种神经退行性疾病的标志。利用质谱法分析发现，这些polyGly聚集物会特异性地吸附并隔离细胞内的tRNA连接酶复合物（tRNA-LC），该复合物是加工信使RNA（tRNA）所必需的。

研究人员进一步查明，这种“绑架”行为是通过tRNA-LC中的FAM98B蛋白实现的，因为FAM98B含有一段极富甘氨酸的区域，容易与polyGly相互作用。这种隔离导致细胞内可用的tRNA-LC被耗尽，从而严重干扰了tRNA的正常剪接和成熟过程。这一机制在来自脆性X相关震颤/共济失调综合征（FXTAS）和神经元核内包涵体病（NIID）患者的脑组织样本中得到了验证。为了证实该机制的致病性，团队在成年小鼠的大脑中特异性地敲除了编码FAM98B的基因，结果发现这些小鼠出现了与人类GGC重复扩增疾病相似的严重运动协调障碍和神经退行性病变。研究发表在 Science 上。

#疾病与健康 #神经机制与脑功能解析 #蛋白质聚集 #遗传病

阅读更多：

Yang, Jason, et al. “Polyglycine-Mediated Aggregation of FAM98B Disrupts tRNA Processing in GGC Repeat Disorders.” Science, vol. 389, no. 6757, Jul. 2025, p. eado2403. science.org (Atypon), https://doi.org/10.1126/science.ado2403

Nature：更长时间的脑部扫描可降低成本并提升预测准确性

神经科学研究长期遵循“样本量越大越好”的原则，通常对数千名参与者进行短暂的功能性磁共振成像扫描，时长约10分钟。然而，这种方法成本高昂且数据质量有限。如何在扫描更多人和扫描更久之间取得平衡以降低成本并提高数据质量？新加坡国立大学的Thomas Yeo、牛津大学的Thomas Nichols、圣路易斯华盛顿大学的Nico Dosenbach及研究员Leon Ooi, Csaba Orban, Shaoshi Zhang等人，通过建立数学模型给出了答案：延长单次扫描时间比单纯增加人数更具成本效益。

▷fMRI 图像中黄色区域表示活动增加。 Credit: Wikipedia/ CC BY 3.0

研究团队开发了一个数学模型，旨在量化扫描时长与参与者数量对预测精度的影响。他们利用包含数千名个体的九个国际大型数据集验证了该模型，发现模型能高度准确地预测AI在不同研究设计下的表现。结果颠覆了传统认知：在脑-全域关联研究中，30分钟的扫描时长是实现成本与精度平衡的“最佳点”。与传统的10分钟扫描相比，30分钟扫描可在不牺牲甚至提升预测准确性的前提下，节省高达22%的研究成本。这是因为招募和管理每位参与者存在固定的高昂开销，延长对较少参与者的扫描时间，能更高效地获取高质量数据。研究团队还推出了在线计算器，帮助全球科研人员设计更智能、更经济的研究方案。研究发表在 Nature 上。

#AI驱动科学 #预测模型构建 #个性化医疗 #自动化科研

阅读更多：

Ooi, Leon Qi Rong, et al. “Longer Scans Boost Prediction and Cut Costs in Brain-Wide Association Studies.” Nature, Jul. 2025, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-09250-1

Cell：大脑如何按需增加血流量

大脑如何高效地按需分配血流以满足局部能量需求？哈佛医学院的 Chenghua Gu、Luke Kaplan、Trevor Krolak 及其团队发现，大脑血管的内皮细胞通过间隙连接形成了一个“信号高速公路”，能够快速、精准地引导血液流向最活跃的脑区。

▷脑血管。左图显示血管内壁单个内皮细胞的轮廓。中间图显示平滑肌细胞，它们包裹血管并产生血液流动所需的物理力。右图显示间隙连接，它们紧密连接相邻的内皮细胞，使它们能够快速传递信号。Credit: Gu Lab

研究团队在清醒小鼠中结合光遗传学与视觉刺激来激活特定脑区，并实时成像观察血管反应。他们发现，当神经元被激活时，血管舒张的信号并非孤立发生，而是沿着血管内壁的内皮细胞网络进行快速、长距离的传播。这种高效通信依赖于内皮细胞间的间隙连接（gap junction，连接相邻细胞并允许离子和小分子直接通过的微小通道）。这些通道构成的网络如同一个信号高速公路，确保了上游动脉能够协同扩张，从而将血液精准送达目标区域。

研究进一步锁定，构成这些间隙连接的两种关键连接蛋白Cx37 和 Cx40 在动脉内皮细胞中起决定性作用。当通过基因技术敲除这两个蛋白后，信号传播能力被破坏，导致神经活动引发的血管舒张反应在速度和范围上都受到严重影响。这一发现不仅解开了神经血管耦合（neurovascular coupling，神经活动与局部血流增加之间的功能性联系）的一个核心谜团，也为理解 fMRI 信号的生物学基础以及神经退行性疾病中血流失调的原因提供了重要线索。研究发表在 Cell 上。

#疾病与健康 #神经机制与脑功能解析 #神经血管耦合 #脑血流

阅读更多：

Krolak, Trevor, et al. “Brain Endothelial Gap Junction Coupling Enables Rapid Vasodilation Propagation during Neurovascular Coupling.” Cell, vol. 0, no. 0, Jul. 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.06.030

Cell：TEMPO光学技术升级，特定神经元脑电波实时成像

如何清晰地看到特定神经元产生的脑电波在大脑中传播？针对传统电极技术难以区分信号来源的难题，斯坦福大学的 Mark J. Schnitzer、Simon Haziza 及其团队开发了一套超灵敏光学成像技术，以细胞类型特异性的方式实时捕捉到了脑电波的传播细节，并发现了前所未见的脑电波活动模式。

该研究的核心是一种名为TEMPO（Transmembrane Electrical Measurements Performed Optically，光学跨膜电活动测量）的技术。研究人员通过基因工程让小鼠的特定神经元表达电压指示器，这种蛋白的荧光会随神经元电位变化而改变，从而将不可见的电活动转化为可见的光信号。团队开发了两款互补的成像仪器：一款超灵敏光纤传感器，用于记录自由活动小鼠的神经振荡；另一款宽视场中观显微镜，能够实时“拍摄”脑电波扫过大脑皮层的壮观景象。借助这套系统，研究团队发现了三种全新的脑电波模式，其中包括两种相互垂直传播的β波，以及一种能够双向传播的θ波，打破了其只单向运动的传统认知。研究者推测，这种类似回声的θ波可能是一种类似于人工智能学习机制的反向传播，或对大脑远距离通讯和学习记忆至关重要。研究发表在 Cell 上。

#疾病与健康 #大脑信号解析 #神经机制与脑功能解析 #计算模型与人工智能模拟

阅读更多：

Haziza, Simon, et al. “Imaging High-Frequency Voltage Dynamics in Multiple Neuron Classes of Behaving Mammals.” Cell, vol. 0, no. 0, Jul. 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.06.028

Connectome 2.0：超高分辨率MRI实现近微米级人脑成像

传统MRI无法在活体人脑中以微米级精度观察脑细胞和神经连接，阻碍了对“连接组”的研究。美国国立卫生研究院（NIH）部分资助，麻省总医院的Susie Y. Huang及Gabriel Ramos-Llordén等研究人员，开发了名为Connectome 2.0的新型超高分辨率MRI扫描仪，能以近乎单微米的精度绘制活体人脑的纤维和细胞结构图。

▷Connectome 2.0 梯度线圈。Credit: Nature Biomedical Engineering (2025).

该研究的核心是名为Connectome 2.0的新一代3特斯拉扫描仪，其技术突破在于一个极其强大的头部专用梯度线圈（gradient coil，用于在空间上定位信号的磁场发生器），其性能参数远超现有设备，是此前最先进的Connectome 1.0扫描仪性能的数倍。结合一个紧密贴合头部的72通道射频接收线圈，新系统极大地提升了信噪比，从而获得前所未有的图像清晰度。研究团队采用扩散磁共振成像（diffusion MRI）方法，成功在活体人脑中实现了对精细神经纤维束的精确追踪，并能推断出轴突直径等接近单微米级别的细胞结构信息。这在以往只能通过尸检或动物模型研究。结果显示，与上一代设备相比，Connectome 2.0的成像灵敏度至少提高了30%，能够揭示不同个体大脑之间细微的结构差异。研究发表在 Nature Biomedical Engineering 上。

#疾病与健康 #神经机制与脑功能解析 #脑成像 #连接组学

阅读更多：

Ramos-Llordén, Gabriel, et al. “Ultra-High Gradient Connectomics and Microstructure MRI Scanner for Imaging of Human Brain Circuits across Scales.” Nature Biomedical Engineering, Jul. 2025, pp. 1–16. www.nature.com, https://doi.org/10.1038/s41551-025-01457-x

睡眠质量调节奖惩敏感性与大脑连接，影响情绪健康

为何同样是睡眠不佳，有些人更容易出现情绪问题？为了探究这一现象背后的神经机制，海梅一世大学的Michal Rafal Zareba、Maya Visser及其同事研究发现，个体的睡眠质量会调节其对奖惩的敏感性与大脑功能连接之间的关系。

▷强化敏感性测量与功能连接模式之间的关联受个体睡眠质量的调节。Credit: Sleep Medicine (2025).

研究团队对155名健康的年轻人进行静息态功能性磁共振成像（resting-state fMRI）扫描，分析了他们的大脑功能连接模式。研究重点考察了睡眠质量、个体对奖励和惩罚的敏感性这三者之间的相互作用。结果发现，大部分大脑连接的改变并非由睡眠质量单独决定，而是体现为睡眠质量与奖惩敏感性的交互效应。在优质睡眠者和劣质睡眠者中，奖惩敏感性对大脑连接的影响方向常常相反。例如，脑前回（precentral gyrus）与后脑岛（posterior insula）之间的连接强度与特质性焦虑水平呈负相关，而在睡眠不佳且对惩罚高度敏感的个体中，该连接最弱。这表明，睡眠不足叠加高惩罚敏感性的特质，会增加情绪失调的风险。

此外，研究还发现一个仅与睡眠质量相关的连接——膝下前扣带皮层与丘脑的耦合，该连接与个体习惯性使用情绪抑制策略有关。这项研究首次证实，奖惩敏感性是理解睡眠质量如何影响大脑连接和情绪健康的关键因素。研究发表在 Sleep Medicine 上。

#疾病与健康 #心理健康与精神疾病 #神经机制与脑功能解析

阅读更多：

“Subjective Sleep Quality in Healthy Young Adults Moderates Associations of Sensitivity to Punishment and Reward with Functional Connectivity of Regions Relevant for Insomnia Disorder.” Sleep Medicine, vol. 131, Jul. 2025, p. 106527. www.sciencedirect.com, https://doi.org/10.1016/j.sleep.2025.106527

调整膳食脂肪酸比例可有效缓解创伤后头痛

如何缓解创伤性脑损伤（TBI）后常见的持续性头痛？来自北卡罗来纳大学医学院、美国军医大学和美国国立卫生研究院（NIH）的Daisy Zamora、Kimbra Kenney等研究人员进行了一项临床试验，发现通过调整饮食中脂肪酸的摄入，可以显著减轻头痛的频率和强度。

该研究是一项为期12周的随机对照试验，共纳入122名因创伤性脑损伤而患有持续性头痛的军事人员。参与者被分为两组：干预组遵循高omega-3脂肪酸（omega-3 fatty acids，常见于三文鱼等深海鱼油中，有助抗炎）并降低omega-6脂肪酸（omega-6 fatty acids，常见于玉米油、葵花籽油等植物油中，过量摄入可能促炎）的饮食方案；对照组则维持美国普通饮食中这两种脂肪酸的平均水平。

结果显示，与对照组相比，干预组参与者每月头痛天数平均减少了约2天，每日头痛疼痛强度降低了30%。血液分析也证实，干预组体内具有抗炎和止痛作用的omega-3衍生物水平显著升高。尽管该饮食未能显著改善头痛对生活质量的总体影响（以头痛影响测试HIT-6评估），但研究结果有力地证明，调整膳食结构是一种安全、有效的疼痛管理策略，有望成为创伤后头痛的辅助疗法。研究发表在 Journal of Neurotrauma 上。

#疾病与健康 #健康管理与寿命延长 #神经机制与脑功能解析 #个性化医疗

阅读更多：

Zamora, Daisy, et al. “A High Omega-3, Low Omega-6 Diet Reduces Headache Frequency and Intensity in Persistent Post-Traumatic Headache: A Randomized Trial.” Journal of Neurotrauma, Jul. 2025. liebertpub.com (Atypon), https://doi.org/10.1089/neu.2025.0126

静息脑电信号可区分大脑不同功能区

如何更精确地绘制大脑功能图谱以辅助疾病诊断？立陶宛考纳斯理工大学的Karolina Armonaite及其合作者Karolina Armonaite, Livio Conti, Marco Balsi, Luca Paulon, Franca Tecchio等人，通过分析大脑的内在电活动，发现常被视为“背景噪音”的信号其实包含着每个脑区的独特“指纹”。

▷MNI 数据集中所有用于静息觉醒状态下 sEEG 记录的电极位置的空间分布，包括颞上回（绿色，79 个通道）、中央后回（蓝色，64 个通道）和中央前回（红色，141 个通道）。Credit: Physica D: Nonlinear Phenomena (2025).

研究团队分析了极为珍贵的颅内脑电图（sEEG，一种直接从大脑内部记录电信号的技术）数据，这些数据来自55名患者，覆盖了清醒和不同睡眠阶段。他们聚焦于三个功能明确的脑区：中央前回（precentral gyrus，负责运动功能）、中央后回（postcentral gyrus，负责感觉功能）和颞上回（superior temporal gyrus，负责听觉功能）。研究的核心是分析这些区域电信号中的非周期性成分，即所谓的背景噪音。通过计算其功率谱密度，研究人员发现这些信号遵循幂律行为。

结果显示，每个脑区在高频范围内的幂律指数都各不相同，形成了一个独特的“电信号指纹”。更重要的是，这一特征指纹在个体从清醒到深度睡眠的整个过程中都保持着惊人的稳定。这意味着，我们或许可以不依赖任何外部任务，仅凭大脑自身的“噪音”就能区分不同功能区域。这一发现不仅为更精确的皮层功能分区提供了新工具，也为未来创建大脑“数字孪生”模型、监测可能预示阿尔茨海默病等神经退行性疾病的微弱早期变化奠定了基础。研究发表在 Physica D: Nonlinear Phenomena 上。

#神经科学 #神经机制与脑功能解析 #大脑信号解析 #计算模型与人工智能模拟

阅读更多：

“Analysis of Power Law Behavior of Local Cortical Neurodynamics.” Physica D: Nonlinear Phenomena, vol. 477, Jul. 2025, p. 134733. www.sciencedirect.com, https://doi.org/10.1016/j.physd.2025.134733

波纹脑电波分割经验以形成记忆

大脑如何将连续的日常生活体验转化为独立的记忆片段？来自巴塞罗那大学、贝尔维特奇生物医学研究所等机构的 Lluís Fuentemilla、Marta Silva 及其合作团队，首次在人类的自然体验中，识别出一种关键的神经生理机制，揭示了波纹型脑电波在记忆形成过程中的动态分工模式。

研究团队通过记录10名癫痫患者观看英剧《神探夏洛克》时的颅内脑电活动，成功捕捉到了记忆形成过程中的关键神经信号。研究发现，大脑中不同区域的波纹型脑电波（ripple-type brain waves，一种高频电振荡）扮演着如同管弦乐队中不同乐器般的角色。海马体的波纹活动在事件边界（event boundaries，即电视剧的场景切换处）达到峰值，像一个指挥家，负责将连续的体验分割成独立的记忆片段，并对其进行“打包”。与此同时，新皮质区域的波纹活动则在事件内部持续保持活跃，积极处理信息内容，其中颞叶皮质的活动强度更能预测该事件能否被成功记住。这种海马体负责分割、新皮质负责编码的协同机制，揭示了大脑组织和巩固长期记忆的精妙过程，也为理解老年人记忆衰退等问题提供了新视角。研究发表在 Nature Communications 上。

#疾病与健康 #神经机制与脑功能解析 #记忆机制

阅读更多：

Silva, Marta, et al. “Movie-Watching Evokes Ripple-like Activity within Events and at Event Boundaries.” Nature Communications, vol. 16, no. 1, Jul. 2025, p. 5647. www.nature.com, https://doi.org/10.1038/s41467-025-60788-0

身体形象欺凌如何影响青春期女孩的大脑

针对身体形象的网络欺凌如何影响作为旁观者的青少年大脑？University of the Sunshine Coast的Taliah Prince、Jacob M. Levenstein、Daniel F. Hermens等人，首次利用脑成像技术，发现旁观此类欺凌会激活青春期女孩大脑中与情绪调节、记忆和社交认知相关的特定脑区。

该研究采用功能性磁共振成像对26名14至18岁的女孩进行了测试。研究人员向她们展示了真实的身体形象网络欺凌（BRC）内容和中性的社交媒体内容，并记录了她们的大脑血氧水平依赖响应。结果显示，与中性内容相比，BRC内容显著激活了与情绪调节相关的脑区，如脑岛和前扣带皮层，以及与社交认知相关的角回（angular gyrus）。这表明旁观欺凌行为会引发强烈的情绪和社交处理过程。更有趣的是，近期曾遭受过网络欺凌的女孩，其与记忆功能紧密相关的海马旁回活动增强，暗示她们可能正在无意识地重温自己的创伤经历。相反，那些对自身身体形象满意的女孩，其大脑的奖励和情绪中枢，如尾状核（caudate）和杏仁核（amygdala），表现出更强的激活，这可能是一种有效的神经保护机制，帮助她们抵御负面信息的影响。研究发表在 NeuroImage 上。

#疾病与健康 #神经机制与脑功能解析 #心理健康与精神疾病 #网络欺凌

阅读更多：

“Differential Neural Responses to Body Image-Related Cyberbullying in Adolescent Females.” NeuroImage, vol. 314, Jul. 2025, p. 121266. www.sciencedirect.com, https://doi.org/10.1016/j.neuroimage.2025.121266

别再“刻意学习”了，成功的学习都是“欺骗”来的

人们普遍认为学习分“刻意”和“偶然”，但为何刻意学习常常失败？针对这一问题，东北大学心理学教授Aaron Seitz提出了一个颠覆性的观点，他认为所有学习本质上都是“偶然的”，所谓的刻意学习，其实是我们为大脑设下“圈套”，诱使其进入可学习状态的过程。

▷示意图显示，每只眼睛呈现不同的图像，参与者只感知两幅图像中较为显著的图像。在实验过程中，参与者通过一根管子接受水作为奖励。在右侧，我们可以看到，学习效果（即前测（蓝色）和后测（红色）之间的差异）在训练刺激上发生，但在旋转 90° 的相同刺激上没有发生。Credit: Current Opinion in Neurobiology (2025).

在这篇综述文章中，作者提出，我们学习知识的根本机制可能都是偶然的，而非出于直接的意愿。一个典型的例子是婴儿学习语言，他们并非有意识地去记忆语法规则，而是在充满语言的环境中，通过大脑自动提取声音的统计规律而自然习得。同样，我们常常在无意中就记住了某首流行歌曲的歌词。该理论认为，即使是我们认为的“刻意学习”，也并非通过意志力直接将信息刻入大脑，而是通过运用各种“技巧”（tricks）来为大脑创造一个适宜学习的内部和外部环境。这些技巧包括：通过重复（repetition）来增加信息出现的频率；通过集中注意力（attention）来塑造经验的“神经图像”；以及将学习与成功体验等积极结果配对，进行正强化（reinforcement）。因此，当一次刻意学习失败时，或许并非我们不够努力，而是没有找到适合自己大脑的“学习圈套”。研究发表在 Current Opinion in Neurobiology 上。

#认知科学 #其他 #学习理论 #注意力

阅读更多：

“Tricking Our Brains to Learn and Remember; Is All Learning Incidental?” Current Opinion in Neurobiology, vol. 93, Aug. 2025, p. 103020. www.sciencedirect.com, https://doi.org/10.1016/j.conb.2025.103020

AI 行业动态

OpenAI推出ChatGPT Agent：你的AI全能助手现在能自动处理复杂任务

OpenAI近日发布了ChatGPT Agent功能，标志着其新一代“统一智能代理系统”（unified agentic system）正式上线。这一功能结合了Operator（网页交互）、Deep research（信息分析）和ChatGPT（语言理解）三项核心技术，使AI能够通过虚拟计算机自动完成浏览网页、分析数据、制作PPT等复杂任务。用户只需用自然语言下达指令，ChatGPT Agent即可像“超级AI助理”一样，完成从查询信息到生成报告的全流程工作，大幅提升效率。

在安全性方面，OpenAI强调用户始终掌握控制权。ChatGPT Agent不会自动执行关键操作（如登录账号或支付），且敏感数据（如密码）不会被存储。此外，系统还配备了防恶意信息操控的机制。研究人员表示，该功能支持动态任务调度，能智能选择工具（如图形浏览器、API接入等），并在多个工具间无缝切换，同时保持上下文一致性。例如，它可以自动整理会议客户名单并生成新闻摘要，或根据用户需求制定早餐菜单并在线下单食材。

目前，ChatGPT Agent已向Pro用户开放（每月400条任务额度），Plus和Team用户将在近期获得访问权限。OpenAI的工程师Devashish和研究员Aidan分享了实际应用案例，如自动分析政府预算数据、规划旅行行程，甚至制作包含图表的企业演示文稿。测试显示，该功能在真实任务处理（task execution）和工具整合（agentic orchestration）方面表现优异，可帮助用户节省90%以上的重复工作时间。

#OpenAI #ChatGPTAgent #AI助理 #自动化工具 #智能代理

阅读更多：

https://openai.com/index/introducing-chatgpt-agent/

AI 驱动科学

机器人吞噬同类零件实现自我生长与修复

当前机器人因其固定的物理形态而无法自我生长或修复，限制了其自主性。为哥伦比亚大学的Philippe Martin Wyder、Hod Lipson及其同事提出“机器人新陈代谢”概念，并研发出一种新型模块化机器人，它能通过吸收和重组其他机器人的部件，实现物理上的生长、修复与能力提升。

▷这些桁架连接件自组装形成一个四面体。Credit: Creative Machines Lab

研究团队将这一新范式命名为机器人新陈代谢（Robot Metabolism，指机器人像生物体一样作为开放系统，通过吸收和重用外部材料来发展自身）。为实现这一目标，他们设计了一种名为Truss Link的条形模块化机器人。每个模块重280克，长度可在28厘米至43厘米间伸缩，两端配有创新的自由形态磁性连接器，允许模块以连续的宽范围角度自由连接，形成稀疏而坚固的桁架结构。研究人员通过实验证明，单个Truss Link模块可以自发地组装成二维结构，然后折叠成三维机器人。这些机器人还能通过整合环境中发现的新模块来“成长”并优化自身。在一个关键演示中，一个四面体形状的机器人整合了一个额外的模块充当“拐杖”，成功将其下坡速度提升了超过66.5%。研究发表在 Science Advances 上。

#AI驱动科学 #机器人及其进展 #自动化科研

阅读更多：

Wyder, Philippe Martin, et al. “Robot Metabolism: Toward Machines That Can Grow by Consuming Other Machines.” Science Advances, vol. 11, no. 29, Jul. 2025, p. eadu6897. science.org (Atypon), https://doi.org/10.1126/sciadv.adu6897

ChatGPT生物医学知识评测：高准确率与“幻觉”风险并存

宾汉姆顿大学的Ahmed Abdeen Hamed及其来自波兰克拉科夫AGH大学、霍华德大学和佛蒙特大学的合作者，系统性地评估了ChatGPT在生物医学知识生成方面的能力，揭示了其在具备高准确率的同时，也存在严重的“幻觉”问题和知识缺口。

研究团队通过提示工程引导ChatGPT生成关于疾病、药物、症状和基因之间的关联。随后，他们利用专业的生物医学本体和PubMed文献数据库对AI生成的内容进行双重验证。结果显示，ChatGPT在识别疾病术语、药物名称和遗传信息方面表现出色，准确率分别高达88%–97%、90%–91%和88%–98%。然而，在症状识别上，由于大语言模型倾向于使用通俗语言而非专业术语，其准确率降至49%–61%。更严重的是，研究发现了一个重大缺陷：当被要求提供如GenBank基因登录号这类精确标识符时，ChatGPT会凭空编造数据，这种现象被称为“幻觉”（hallucinating）。尽管AI在建立疾病与药物、基因的关联上表现尚可（文献覆盖率89%–91%），但其生成无效信息的风险警示我们，在谨慎使用的前提下，结合检索增强生成（Retrieval Augmented Generation, RAG）等技术或可提升其未来应用的可靠性。研究发表在 iScience 上。

#AI驱动科学 #自动化科研 #大模型技术 #健康管理与寿命延长

阅读更多：

Hamed, Ahmed Abdeen, et al. “From Knowledge Generation to Knowledge Verification: Examining the Biomedical Generative Capabilities of ChatGPT.” iScience, vol. 28, no. 6, Jun. 2025. www.cell.com, https://doi.org/10.1016/j.isci.2025.112492

AI模型“复活”失败的阿尔茨海默病药物试验

如何解决阿尔茨海默病临床试验因患者异质性导致的高失败率问题？剑桥大学的Zoe Kourtzi, Delshad Vaghari及其同事，利用一个AI模型重新分析了一项已宣告失败的药物试验数据，成功识别出对治疗有显著反应的特定患者亚群。

▷左侧大脑中的疾病处于稳定状态，而右侧大脑中的疾病则缓慢进展。该团队开发的人工智能模型可以精准区分两者。Credit: University of Cambridge

研究团队利用一个名为预测性预后模型（PPM）的AI工具，对一项已失败的AMARANTH临床试验数据进行了回顾性分析。该试验测试的药物lanabecestat在全体受试者中未能显示疗效。PPM模型仅根据患者的基线数据，就以比标准临床评估高三倍的准确率，将患者分为缓慢进展型和快速进展型两组。惊人的发现是，在被AI识别为缓慢进展型的早期患者亚组中，药物lanabecestat将认知能力的下降速度减缓了46%（以临床痴呆评定量表-箱子总分（CDR-SOB）衡量）。而在快速进展型患者中则未见同样效果。这一结果证明，AI引导的患者分层技术能够揭示被掩盖的药物疗效，通过在试验早期精确筛选出最可能受益的患者，极大地提升新药研发的效率与成功率。研究发表在 Nature Communications 上。

#AI驱动科学 #个性化医疗 #阿尔茨海M默病

阅读更多：

Vaghari, Delshad, et al. “AI-Guided Patient Stratification Improves Outcomes and Efficiency in the AMARANTH Alzheimer’s Disease Clinical Trial.” Nature Communications, vol. 16, no. 1, Jul. 2025, p. 6244. www.nature.com, https://doi.org/10.1038/s41467-025-61355-3

可成像、可降解的声学微型机器人实现精准肿瘤药物递送

加州理工学院的Wei Gao、Julia R. Greer、Mikhail Shapiro、Di Wu以及南加州大学的Qifa Zhou等研究人员，合作开发了一种生物可吸收的声学微型机器人，它能被超声波驱动、磁力引导，并在小鼠体内成功递送药物，有效缩小了膀胱肿瘤。

▷加州理工学院打印的生物可吸收声学水凝胶微型机器人的扫描电子显微镜图像。Credit: Hong Han

研究团队利用双光子聚合制造出直径约30微米的球形水凝胶机器人。其核心创新在于独特的表面设计：通过两步化学改性，实现了外表面亲水（防止机器人在体液中相互粘连），而内表面疏水，能够稳定地捕获一个微小气泡长达数天。这个气泡是实现多功能集成的关键。当暴露在超声场中时，气泡会振动，通过机器人球体上的两个特殊开口喷射流体，从而推动机器人在血液、尿液等复杂生物流体中高效前进。同时，这个气泡也是一个出色的超声造影剂，让研究人员能通过常规超声设备实时成像，追踪机器人的位置。机器人的水凝胶结构中还嵌入了磁性纳米颗粒，以便利用外部磁场进行精确导航。在小鼠实验中，团队成功将携带抗癌药物的机器人引导至膀胱肿瘤处，结果显示，由机器人递送的药物比传统给药方式更有效地抑制了肿瘤生长。此外，这种水凝胶材料具有生物可降解性，完成任务后可在体内安全分解。研究发表在 Science Robotics 上。

#疾病与健康 #机器人及其进展 #精准医疗 #药物递送 #生物材料

阅读更多：

Han, Hong, et al. “Imaging-Guided Bioresorbable Acoustic Hydrogel Microrobots.” Science Robotics, vol. 9, no. 97, Dec. 2024, p. eadp3593. science.org (Atypon), https://doi.org/10.1126/scirobotics.adp3593

磁振荡定位技术实现体内微型机器人和手术器械的精确定位

微型机器人在体内导航和手术器械的体内定位，都需要实时且精确的定位和控制，但现有技术存在局限性。德国癌症研究中心（German Cancer Research Center）的Felix Fischer、Christian Gletter、Minseok Jeong 和 Tian Qiu 团队开发了一种名为“小尺度磁振荡定位”（SMOL）的新方法，实现了对体内微型机器人和手术器械的实时、精确、无线的六自由度定位和追踪。

▷毫米机器人中 SMOL 与驱动的集成。Credit: npj Robotics (2024).

研究团队开发了一种基于磁振荡器（magnetic oscillator，一个位于毫米级外壳内的机械振荡磁体）的定位方法，称为SMOL（Small-Scale Magneto-Oscillatory Localization，小尺度磁振荡定位）。外部磁场激发磁体振动，其振荡衰减信号被磁传感器记录，类似于核磁共振成像（MRI）中的核磁共振原理。通过分析这些信号，可以确定设备的位置和方向，实现所有六个自由度的追踪，精度小于1毫米，距离超过10厘米。与基于静态磁体的追踪方法相比，SMOL 信号质量更高。由于基于弱磁场，该技术对人体无害，且与许多传统设备和成像技术兼容。研究团队已将 SMOL 系统集成到微型机器人和微创手术器械中，未来还可应用于胶囊内窥镜、肿瘤组织标记以进行精确的放射治疗、全自动手术机器人或增强现实（AR）应用等。 研究发表在 npj Robotics 上。

#AI驱动科学 #自动化科研 #机器人及其进展 #医疗设备 #精准医疗

阅读更多：

Fischer, F., et al. “Magneto-Oscillatory Localization for Small-Scale Robots.” Npj Robotics, vol. 2, no. 1, Mar. 2024, p. 1. www.nature.com, https://doi.org/10.1038/s44182-024-00008-x

从代码补全到工程伙伴：MIT研究描绘AI软件工程发展蓝图

在人工智能将取代程序员的讨论甚嚣尘上之际，其在真实软件工程中的能力究竟如何？来自麻省理工学院（MIT）、加州大学伯克利分校等机构的Alex Gu、Armando Solar-Lezama及其合作者，系统地分析了AI在软件工程领域的现状、核心瓶颈与未来路径，强调当前AI远未能胜任代码生成之外的复杂工程任务。

该研究通过对现有文献和技术的系统性梳理，指出当前业界对AI编程能力的评估过于乐观和狭隘。研究人员发现，流行的评测基准如SWE-Bench，仅模拟了本科生级别的编程练习，无法反映处理数百万行代码的系统迁移或性能优化等真实工业场景。研究总结了AI面临的几大核心瓶颈：首先是评测体系的缺失；其次是人机交互渠道的薄弱，开发者无法精确控制模型输出，模型也无法表达自身判断的置信度；再者，模型在处理大型专有代码库时表现不佳，常出现幻觉；最后，基于语法的代码检索方式也极易出错。研究团队呼吁，未来需要社区协作，建立更真实的评测标准和更透明的工具，让人类工程师专注于架构与创新，将AI定位为增强能力的工程伙伴而非替代者。

#AI驱动科学 #自动化科研 #软件工程 #人机协作

阅读更多：

Gu, Alex, et al. Challenges and Paths Towards AI for Software Engineering. arXiv:2503.22625, arXiv, 28 Mar. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2503.22625

三合一通用接口面世，普通人也能轻松教机器人新技能

如何让机器人教学摆脱复杂的编程？麻省理工学院的研究人员 Michael Hagenow, Dimosthenis Kontogiorgos, Yanwei Wang, 和 Julie Shah 针对这一问题，开发了一款名为“通用示教接口”（VDI）的创新工具。它将三种主流的机器人示教方法集于一体，让非专业用户也能轻松训练机器人。

▷麻省理工学院工程师开发了一种新型手持式界面，使人们能够通过三种训练方法之一来教授机器人新技能：自然教学（左上）、动觉训练（中间）和远程操作。Credit: Massachusetts Institute of Technology

该研究的核心是开发了一款多功能手持附件，可安装于协作机器人手臂上，通过集成的摄像头、运动标记和力传感器来捕捉人类的示范动作。研究团队设计了三种教学模式：遥控操作（teleoperation，即用户通过操纵杆等设备远程控制机器人）、动觉训练（kinesthetic training，即用户直接拖动机器人手臂来完成动作）和自然示教（natural teaching，即用户手持附件工具亲自示范任务，由机器人观察学习）。为了验证其可用性，研究团队邀请制造业专家使用该接口教机器人完成压装和模塑两项典型工业任务。结果显示，专家们普遍认为自然示教模式最为直观高效，但同时也指出，遥控操作在处理危险品等场景下不可或缺，而动觉训练则非常适合微调机器人的位置。

#其他 #机器人及其进展 #人机交互 #示教学习

阅读更多：

Hagenow, Michael, et al. Versatile Demonstration Interface: Toward More Flexible Robot Demonstration Collection. arXiv:2410.19141, arXiv, 13 Mar. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2410.19141

DeepMind提出MoR新架构：融合参数共享与自适应计算，推理速度提升两倍

来自Google DeepMind、KAIST AI和Mila等机构的研究人员，包括Sangmin Bae、Tal Schuster、Aaron Courville等人，提出了一种名为“混合递归”（Mixture-of-Recursions，简称MoR）的新型模型架构，旨在以更低的成本实现与大模型相当的性能。

混合递归框架巧妙地在一个递归Transformer（一种重复使用相同网络层的模型）内部统一了两种效率策略。首先，通过参数共享，模型尺寸大幅减小。其次，研究引入了一个轻量级的token级路由（token-level routing）机制，该机制能为每个输入文本的最小单元（token）动态决定其需要经历的计算深度，简单的内容“浅尝辄止”，复杂的内容则进行更深入的“思考”。这种自适应计算不仅减少了无效的算力消耗，还配合了专门的递归级键值缓存（KV caching，一种用于加速生成过程的内存技术）策略，进一步降低内存占用，提升效率。实验结果表明，在同等训练资源下，MoR模型参数量减少近一半，但性能反而超越了基线模型。在实际应用中，其训练时间缩短了19%，推理吞吐量最高提升了2.06倍。

#大模型技术 #计算模型与人工智能模拟 #意图与决策

阅读更多：

Bae, Sangmin, et al. Mixture-of-Recursions: Learning Dynamic Recursive Depths for Adaptive Token-Level Computation. arXiv:2507.10524, arXiv, 14 Jul. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2507.10524

“人脑/云端接口”：纳米机器人实现思想的即时访问

如何将人脑与云端知识库直接相连，实现思想的即时访问？Nuno R. B. Martins, Robert A. Freitas Jr. 及一个由加州大学伯克利分校（University of California, Berkeley）和美国分子制造研究所（Institute for Molecular Manufacturing）研究人员领导的国际团队，在一篇理论文章中提出了“人脑/云端接口”（B/CI）的详细构想，阐述了其技术路径、巨大潜力与核心挑战。

该研究构想了一个基于神经纳米机器人（neuralnanorobotics）的系统，作为连接大脑与云的桥梁。研究人员提出，未来的微型机器人将能够进入人体循环系统，穿越血脑屏障，并精准地自我定位到神经元周围。它们将实时监测大脑约860亿个神经元和200万亿个突触的活动，并将编码后的电信号无线传输至云端超级计算机进行处理。这种接口将允许用户像电影《黑客帝国》中一样，直接将信息“下载”到大脑中，从而即时获取人类所有知识，并可能催生一个由无数人脑和人工智能连接而成的“全球超级大脑”，实现集体思考。研究团队指出，当前计算能力已非主要障碍，真正的瓶颈在于数据传输带宽，即如何通过植入大脑深处的微型设备高效、安全地与云端交换海量数据。为此，他们提出可利用磁电纳米粒子来有效放大神经元与云端之间的通信信号。研究发表在 Frontiers in Neuroscience 上。

#意识与脑机接口 #脑机接口 #跨学科整合 #神经机制与脑功能解析

阅读更多：

Martins, Nuno R. B., et al. “Human Brain/Cloud Interface.” Frontiers in Neuroscience, vol. 13, Mar. 2019. Frontiers, https://doi.org/10.3389/fnins.2019.00112

整理｜ChatGPT

编辑｜丹雀、存源

由天桥脑科学研究院主办的首届AI驱动科学年度研讨会（AIAS 2025）将于10月27–28日在美国旧金山举行。会议面向全球征集论文，聚焦能够在科学领域开辟全新研究模式、假设生成及实验方法的变革性人工智能创新。如果您希望与诺贝尔奖得主Jennifer Doudna，David Baker，知名学者Animashree Anankumar，Heather J. Kulik，以及业界领袖Tom Miller一同登台分享，请点击阅读原文提交您的论文：https://aias2025.org/call-for-papers/！征稿截止日期为8月1日。

关于追问nextquestion

天桥脑科学研究院旗下科学媒体，旨在以科学追问为纽带，深入探究人工智能与人类智能相互融合与促进，不断探索科学的边界。欢迎评论区留言，或后台留言“社群”即可加入社群与我们互动。您也可以在后台提问，我们将基于追问知识库为你做出智能回复哦~

关于天桥脑科学研究院

天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。

Chen Institute与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了加州理工天桥神经科学研究院。

Chen Institute建成了支持脑科学和人工智能领域研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括、、、科研型临床医生奖励计划、、等。