追问daily | 吃下去的食物如何导演我们的梦境？你的情绪被天气操控了吗？

█脑科学动态

哺乳动物神经发生功能保守但基因调控迥异

一种更安全的细胞移植法在神经退行性疾病动物模型中取得成功

食物过敏和不耐受增加噩梦频率

科学家发现与“自我专注”思维相关的神经活动模式

诊断阿尔茨海默病，大脑血流指数准确率高达96%

可吞服无线光胶囊实现对肠道神经的无创操控

为了节能，你的大脑从一开始就在“贴标签”

█AI行业动态

英伟达发布Jet-Nemotron模型，吞吐量提升53.6倍

马斯克旗下xAI控诉OpenAI与苹果涉嫌垄断

█AI驱动科学

M2N2模型融合方法，模拟自然演化实现AI择偶与繁衍

如何信任AI？跨国团队提出“信任网络”跨学科研究框架

AI聊天机器人在处理中度自杀风险问题时表现不一致

AI通过虚拟经验提升对未知任务的泛化能力

你的情绪被天气操控了吗？

脑科学动态

哺乳动物神经发生功能保守但基因调控迥异

成年大脑如何生成新神经元？这一过程在人类和其他哺乳动物中有何不同？宾夕法尼亚大学、中国科学院等机构的Yi Zhou等人进行了一项跨物种研究，他们利用机器学习分析了人类、猴子、猪和小鼠的数据，发现尽管新生神经元的发育过程在功能上趋同，但驱动这些过程的基因表达模式在人类中却表现出显著的独特性。

▷海马体中未成熟神经元的跨物种分析。该团队利用机器学习增强的 scRNA 测序分析，在不同哺乳动物中鉴定出具有转录组范围未成熟神经元特征的 imGC。随后，他们对人类、猴子、猪和小鼠的 imGC 和成熟颗粒细胞（mGC）进行了跨物种比较。Credits: Yi Zhou, Guo-li Ming, and Hongjun Song.

研究团队利用机器学习算法分析已发表的单细胞RNA测序数据，从而在人类、恒河猴、猪和小鼠的海马体中准确识别出未成熟齿状颗粒细胞（imGCs，即新生的神经元）。这种方法克服了以往研究过度依赖小鼠分子标记的局限性。跨物种比较揭示了一个有趣的现象：尽管调控这些新生神经元发育的整体生物学过程在四个物种间是相似的，但具体的基因表达谱却大相径庭，呈现出高度的物种特异性。研究人员特别指出，人类imGCs中存在多个特异性富集的基因家族，例如ATP6基因家族。为了验证其功能，团队利用人类多能干细胞分化出的imGCs模型进行体外实验，证明了该基因家族在调控神经突生长和神经元网络活动中扮演着关键角色。这一发现强调，不能简单地将动物模型的研究结果推及人类，直接研究人类细胞对于理解大脑的独特进化和功能至关重要。研究发表在 Nature Neuroscience 上。

#神经科学 #神经机制与脑功能解析 #跨学科整合 #计算模型与人工智能模拟

阅读更多：

Zhou, Yi, et al. “Cross-Species Analysis of Adult Hippocampal Neurogenesis Reveals Human-Specific Gene Expression but Convergent Biological Processes.” Nature Neuroscience, Aug. 2025, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41593-025-02027-9

一种更安全的细胞移植法在神经退行性疾病动物模型中取得成功

如何安全有效地替换大脑中功能失调的免疫细胞以治疗神经退行性疾病？厦门大学医学院的Dadian Chen及其合作团队开发了一种创新的“三环小胶质细胞耗竭移植法”，该方法无需有害的放化疗预处理，在动物模型中成功移植了健康的小胶质细胞，并有效缓解了阿尔茨海默病等疾病的病理症状。

▷小胶质细胞分离过程示意图。分离脑组织并解离成单细胞悬液。去除细胞碎片，然后使用流式细胞术（FACS）分离小胶质细胞。流式细胞术图显示了基于前向散射 (FSC) 和侧向散射 (SSC) 特性的小胶质细胞分离的门控策略，随后排除碎片并选择 DAPI 阴性、GFP 阳性的细胞。Credit: Science Translational Medicine (2025).

传统的小胶质细胞替代疗法依赖于骨髓移植，但其放疗或化疗预处理方案对大脑有毒性风险且效率不高。为解决此问题，研究团队开发了一种名为三环小胶质细胞耗竭移植法（TCMDT）的非条件化策略。他们使用一种名为PLX3397的集落刺激因子1受体（colony stimulating factor 1 receptor，CSF1R）抑制剂，通过三个周期的给药，安全地清除了小鼠大脑中原有的功能障碍小胶质细胞，为新细胞的植入创造了理想环境。随后，研究人员将健康的、体外培养的小胶质细胞直接注入阿尔茨海默病和桑德霍夫病（一种罕见的遗传性神经退行性疾病）的小鼠模型大脑中。结果显示，移植的细胞不仅成功地在全脑范围内定植，还分化为成熟的功能性小胶质细胞。在两种疾病模型中，这种细胞替代疗法均显著改善了病理状况，包括减轻神经退化、挽救小胶质细胞功能障碍和改善动物的运动表现。该研究为治疗多种与小胶质细胞功能障碍相关的神经系统疾病提供了一种极具潜力的临床转化新途径。研究发表在 Science Translational Medicine 上。

#疾病与健康 #神经机制与脑功能解析 #细胞疗法 #阿尔茨海默病

阅读更多：

Chen, Dadian, et al. “Brain-Wide Microglia Replacement Using a Nonconditioning Strategy Ameliorates Pathology in Mouse Models of Neurological Disorders.” Science Translational Medicine, Apr. 2025. world, www.science.org, https://doi.org/10.1126/scitranslmed.ads6111

食物过敏和不耐受增加噩梦频率

睡前吃下的食物是否会“导演”我们的梦境？针对这一古老迷思，蒙特利尔大学的Tore Nielsen、Jade Radke、Claudia Picard-Deland及麦克尤恩大学的Russell Arnold Powell等人进行了一项大规模调查研究，发现饮食习惯，特别是食物敏感性，与噩梦的发生频率和严重程度显著相关，揭示了肠道健康与梦境内容的潜在联系。

研究团队对1,082名加拿大心理学学生进行了在线问卷调查，收集了他们的饮食习惯、食物过敏史、睡眠质量和梦境体验等数据。结果显示，虽然只有约5.5%的人明确认为食物影响了梦境（主要归咎于甜点和乳制品），但数据揭示了更深层的联系。患有食物过敏或乳糖不耐受的参与者，其噩梦的频率和严重程度显著更高。进一步分析发现，乳糖不耐受与噩梦之间的关联，很大程度上是由胃肠道不适症状介导的。这意味着，肠道不适可能通过“肠脑轴”在睡眠中转化为令人不安的梦境。此外，深夜进食等不健康饮食习惯也与负面梦境和噩梦有关。这一发现为理解饮食如何影响心理健康提供了新视角，并暗示针对创伤后应激障碍等伴有噩梦症状的疾病，评估和调整患者的饮食习惯可能成为一种有效的辅助治疗策略。研究发表在 Frontiers in Psychology 上。

#疾病与健康 #心理健康与精神疾病 #饮食 #肠脑轴

阅读更多：

Nielsen, Tore, et al. “More Dreams of the Rarebit Fiend: Food Sensitivity and Dietary Correlates of Sleep and Dreaming.” Frontiers in Psychology, vol. 16, July 2025. Frontiers, https://doi.org/10.3389/fpsyg.2025.1544475

科学家发现与“自我专注”思维相关的神经活动模式

为何人们总是倾向于思考自己，这种倾向又如何与抑郁、焦虑等心理问题相关联？哥伦比亚大学的Danika Geisler和Meghan L. Meyer团队通过两项研究，首次识别出一种能够预测自我专注思维的大脑神经特征，并揭示了其与适应不良的自我关注（如内化障碍）之间的联系。

▷红色表示活动预测自我选择的区域，蓝色表示活动预测思考其他事物的区域。Credit: Geisler and Meyer, 2025.

研究人员首先在对32名参与者的实验中发现，当人们进行短暂精神休息时，大脑默认网络中的一种特定活动模式，可以提前几秒钟预测他们接下来是否会选择思考与自身相关的事情。为了验证这一发现的普适性，团队接着将这个被识别出的神经特征应用到“人类连接组计划”这一大型公共数据库中，分析了1086名参与者的静息态大脑数据。结果显示，那些在内化障碍（一种与抑郁和焦虑密切相关的适应不良的自我专注形式）上得分较高的人，其大脑在休息时会更频繁地进入和退出这一特定的神经活动模式。这一发现表明，大脑中存在一种自发出现的、驱动自我专注思维的神经机制。这种神经活动模式的波动，可能构成了自我中心思想产生的基础，并与心理健康风险紧密相关。该成果为理解自我专注的神经基础提供了关键证据，并可能为未来预测甚至干预抑郁症、焦虑症等心理健康问题开辟新途径。研究发表在 Journal of Neuroscience 上。

#疾病与健康 #心理健康与精神疾病 #自我专注 #默认网络

阅读更多：

Geisler, Danika, and Meghan L. Meyer. “A Neural Signature of the Bias Towards Self-Focus.” Journal of Neuroscience, Aug. 2025. Research Articles. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.0037-25.2025

诊断阿尔茨海默病，大脑血流指数准确率高达96%

当前阿尔茨海默病的诊断方法存在侵入性强、成本高昂等问题。南加州大学的Vasilis Marmarelis及其合作团队将焦点从传统的淀粉样蛋白转向大脑的“管道系统”——血流动力学，开发出一种名为脑血管动力学指数（CDI）的非侵入性生理标志物，其诊断准确性超越了现有黄金标准。

▷使用新型生理标志物 CDI（蓝色）、Aβ PET-SUVR（红色）、MoCA（绿色）和 MMSE（黑色）区分 MCI/mAD 患者与 CN 对照组（左图）或 MCI 患者与 mAD 患者（右图）的 ROC 曲线。Credit: Alzheimer's & Dementia: Diagnosis, Assessment & Disease Monitoring (2025).

研究团队提出，大脑血流调节功能障碍可能是导致认知衰退的关键。他们开发了一种名为脑血管动力学指数（CDI）的检测方法，该方法无需注射或穿刺，仅通过多普勒超声和近红外光谱来监测大脑对血压和二氧化碳变化的实时反应。研究分析了200名参与者的数据，结果显示，CDI在区分轻度认知障碍（MCI）或阿尔茨海默病患者与认知正常的健康对照组时，其诊断性能的曲线下面积（AUC，一种衡量诊断准确性的统计指标，1.0为完美）达到了0.96。这一表现不仅远超当前诊断“金标准”之一的淀粉样蛋白PET扫描（AUC为0.78），也优于常用的MoCA（AUC为0.92）等认知测试。此外，CDI还能以高达0.98的AUC值区分MCI和早期阿尔茨海默病患者，展现了其在疾病分期上的巨大潜力。这一发现强调了血管功能在阿尔茨海默病中的核心作用，为开发新的治疗策略（如改善脑血流）提供了方向。研究发表在 Alzheimer's & Dementia: Diagnosis, Assessment & Disease Monitoring 上。

#疾病与健康 #预测模型构建 #个性化医疗 #阿尔茨海默病

阅读更多：

Marmarelis, Vasilis, et al. Dysregulation of Cerebral Perfusion Dynamics Is Associated with Alzheimer’s Disease. alz-journals.onlinelibrary.wiley.com, https://doi.org/10.1002/dad2.70134. Accessed 26 Aug. 2025

可吞服无线光胶囊实现对肠道神经的无创操控

如何无创地研究被称为“第二大脑”的复杂肠道神经系统？纽约大学坦登工程学院及阿布扎比分校的Khalil Ramadi、Mohamed Elsherif等人领导的团队解决了这一难题，他们开发了一种名为ICOPS的可吞服无线“光胶囊”，首次实现了对肠道神经元的非侵入性精准光学调控。

▷可摄取控制光遗传刺激（ICOPS）处于“开启”状态。Credit: Mohamed Elsherif

研究人员首先通过基因技术，使实验大鼠肠道内的特定神经元对蓝光敏感。随后，大鼠吞下一个由3D打印制造、集成了微型LED的电子胶囊ICOPS。该胶囊的一大创新是无电池设计，它通过体外的发射线圈以磁感应方式无线获取能量，从而驱动LED发光。当胶囊在消化道内移动时，研究人员可以随时无线激活它，用光精准刺激目标神经元。实验证明，ICOPS胶囊能够提供足够强度的光照来激活神经，并且在自由活动的动物体内稳定工作，最终在约20小时内安全排出。这项技术为深入理解肠神经系统如何控制消化、新陈代谢乃至情绪提供了前所未有的工具，并有望催生针对胃轻瘫、代谢紊乱和饮食失调等疾病的靶向神经调控新疗法。研究发表在 Advanced Materials Technologies 上。

#疾病与健康 #神经调控 #光遗传学 #生物工程

阅读更多：

Elsherif, Mohamed, et al. Wirelessly Powered Ingestible Capsule for Optical Stimulation of the Gastrointestinal Tract in Rodents. advanced.onlinelibrary.wiley.com, https://doi.org/10.1002/admt.202500957. Accessed 26 Aug. 2025

为了节能，你的大脑从一开始就在“贴标签”

大脑如何将纷繁复杂的感觉信息转化为有意义的概念？传统观点认为分类是最后一步。东北大学的Lisa Feldman Barrett和麻省理工学院的Earl K. Miller在一篇综述中挑战了这一看法，他们提出，分类是贯穿大脑处理过程的、由预测驱动的核心计算原则，从信息输入之初便已开始。

研究人员综合了来自神经解剖学、电生理学、脑成像和认知科学的证据，提出了一个颠覆性的观点。他们指出，大脑并非被动地接收和处理信息，而是一个主动的预测机器。其核心机制在于，大脑首先对海量、高维度的感官输入进行压缩，这一过程从视网膜等感觉器官就开始了。更关键的是，与传统的前馈模型不同，该观点强调预测性反馈的作用。大脑会主动地从边缘系统核心等区域产生预测信号，这些信号沿着神经通路逆向传播，在感觉信号到达大脑皮层高级区域之前，就主动地组织和解释它们，相当于提前“预分类”。这一过程的根本驱动力是代谢效率，即稳态。因此，分类不是感知处理的终点，而是大脑为了在多变世界中高效节能地行动而采用的基本运作模式，它从一开始就为感官输入赋予了意义。

#认知科学 #神经机制与脑功能解析 #预测编码 #大脑理论

阅读更多：

Barrett, Lisa, and Earl Miller. “Categorization Is ‘Baked’ Into the Brain.” OSF, 15 Aug. 2025. OSF Preprints, https://doi.org/10.31234/osf.io/bu4sn_v1

AI 行业动态

英伟达发布Jet-Nemotron模型，吞吐量提升53.6倍，效率与精度兼得

英伟达的研究团队近日推出了一种新型混合架构语言模型系列Jet-Nemotron，该模型在保持高精度的同时显著提升了效率。Jet-Nemotron通过两项核心创新——后神经架构搜索（Post Neural Architecture Search, PostNAS）和新型线性注意力模块JetBlock，实现了这一突破。PostNAS允许研究人员在预训练的Transformer模型上灵活探索不同的注意力模块设计，从而降低开发成本并加速创新；JetBlock则是一种高效的线性注意力模块，其性能优于之前的Mamba2等设计。

在具体表现上，2B版本的Jet-Nemotron在多项基准测试中媲美甚至超越了Qwen3、Gemma3和Llama3.2等全注意力模型，同时在H100 GPU上实现了高达53.6倍的生成吞吐量提升。此外，该模型在MMLU和MMLU-Pro基准上的准确率也超过了参数规模更大的MoE全注意力模型，如DeepSeek-V3-Small和Moonlight，展示了其卓越的综合能力。

这一成果不仅为高效大语言模型的发展提供了新方向，还具有实际应用价值。PostNAS的“过滤机制”帮助研究人员避免在无效架构上浪费资源，而JetBlock的高效设计则为长上下文和长文本生成提供了优化方案。

#英伟达 #JetNemotron #语言模型 #效率优化 #AI创新

阅读更多：

https://hanlab.mit.edu/projects/jet-nemotron

马斯克旗下xAI控诉OpenAI与苹果涉嫌垄断

近日，埃隆·马斯克旗下的xAI公司对OpenAI和苹果提起法律诉讼，指控双方通过合作协议将ChatGPT深度集成至iPhone操作系统中，涉嫌构成非法垄断行为。诉状中指出，这一合作实质上排除了其他人工智能聊天机器人的竞争机会，尤其是在苹果App Store的排名机制中，xAI开发的Grok应用尽管拥有100万条用户评论和4.9的高分，却未能进入任何官方推荐榜单，而ChatGPT则长期占据显要位置。xAI认为，苹果与OpenAI的联手为后者构筑了市场“护城河”，使其能够独占数十亿条用户数据提示，从而进一步巩固垄断优势。

OpenAI发言人凯拉·伍德（Kayla Wood）在回应中指责马斯克的诉讼是其“一贯的骚扰模式”的延续，并否认了相关指控。苹果方面则坚称其App Store运营“公平且不带偏见”，强调并未有意打压任何竞争对手。然而，xAI在诉讼中反驳称，苹果的排名算法明显降低了Grok及社交平台X的可见度，甚至在“必备应用”栏目中仅推荐ChatGPT作为唯一的AI聊天机器人，尽管实际调查发现该栏目目前并未包含此类应用。

#马斯克 #OpenAI #苹果 #反垄断 #人工智能

阅读更多：

https://www.theverge.com/news/765171/elon-musk-apple-openai-antitrust-lawsuit

AI 驱动科学

Sakana AI提出M2N2模型融合方法，模拟自然演化实现AI择偶与繁衍

如何让AI模型像生物一样，通过“优胜劣汰”和“繁衍”创造出更强的后代？针对现有模型融合技术依赖手动划分、限制潜力的难题，Sakana AI的João P. Abrantes、Robert Tjarko Lange和Yujin Tang团队从自然演化中汲取灵感，开发出M2N2算法，让AI模型能够自主“竞争、择偶、融合”，从而演化出一个强大的AI生态系统。

该研究的核心是名为M2N2（自然生态位的模型融合）的全新进化算法，它将自然法则引入AI世界。首先，它打破了传统模型融合按固定层切分的僵硬模式，引入了可演化的融合边界，允许模型像交换DNA片段一样自由组合参数。其次，M2N2模拟了“丛林法则”，让模型群体为有限的数据资源展开竞争，这迫使模型发展出独特的专业技能以占据自己的“生态位”，从而极大地丰富了种群的多样性。最关键的是，该方法引入了“择偶”机制，通过一种吸引力启发式算法，智能地将优势互补的模型配对融合，让“强强联合”或“取长补短”变得自动化和高效。实验证明，M2N2不仅能从零开始高效演化出媲美经典算法的图像分类器，还能成功融合大型语言模型，使新模型兼具数学推理和智能体交互能力。在文生图任务中，它甚至融合出了具备双语理解能力的模型，且没有出现灾难性遗忘。研究发表在 Genetic and Evolutionary Computation Conference (GECCO) 2025 上。

#AI驱动科学 #自动化科研 #模型融合 #进化算法

阅读更多：

Abrantes, João, et al. “Competition and Attraction Improve Model Fusion.” Proceedings of the Genetic and Evolutionary Computation Conference, 2025, pp. 1217–25. arXiv.org, https://doi.org/10.1145/3712256.3726329

如何信任AI？跨国团队提出“信任网络”跨学科研究框架

面对人工智能技术渗透社会带来的偏见、错误信息等潜在风险，我们该如何建立信任？由北卡罗来纳州立大学的 Roger Mayer、乔治梅森大学的 Frank Krueger 等人组成的国际团队，通过分析海量文献，发现当前研究缺乏整合社会多方观点的视角。为此，他们提出了一个名为“信任网络”（TrustNet）的跨学科研究框架。

▷多学科、跨学科和跨学科信任研究评估。Credit: Humanities and Social Sciences Communications (2025).

研究团队首先对过去三十年间超过34,000篇关于信任的研究论文进行了文献计量学分析，发现尽管存在跨学科合作，但能够纳入AI用户、政策制定者等非学术界利益相关者的“超学科”（transdisciplinary，强调知识与社会实践的融合）研究极为匮乏。针对这一空白，团队提出了“信任网络框架”（TrustNet Framework）。该框架鼓励研究人员将AI信任这一社会宏大挑战与具体科学知识相结合，并通过整合来自技术、心理学、伦理学以及社会各界的观点来创造新知识。该框架强调，信任是双向的，未来的研究不仅要考虑人类对AI的信任，还需探索AI系统如何评估人类的可靠性，甚至AI之间的信任机制。这个框架为应对AI带来的社会挑战（如歧视和战争）提供了一个统一的、可操作的科学路径。研究发表在 Humanities & Social Sciences Communications 上。

#认知科学 #跨学科整合 #人工智能伦理 #可信AI

阅读更多：

Krueger, Frank, et al. “A Call for Transdisciplinary Trust Research in the Artificial Intelligence Era.” Humanities and Social Sciences Communications, vol. 12, no. 1, July 2025, p. 1124. www.nature.com, https://doi.org/10.1057/s41599-025-05481-9

AI聊天机器人在处理中度自杀风险问题时表现不一致

当人们向AI聊天机器人倾诉自杀念头时，会得到怎样的回应？由兰德公司（RAND Corporation）和哈佛大学的 Ryan K. McBain 领导的团队，对三款主流聊天机器人进行了系统性评估。研究发现，尽管这些AI能处理极端风险的提问，但在更普遍存在的中等风险问题上，它们的表现却非常不稳定，凸显了现有安全机制的不足。

研究团队首先邀请了13位临床专家，将30个关于自杀的提问按照从“极低”到“极高”五个等级进行风险分类。随后，他们让 OpenAI 的 ChatGPT、谷歌的 Gemini 和 Anthropic 的 Claude 对每个问题重复回答100次，共收集了9,000条回应进行分析。结果显示，所有模型都能很好地处理风险两端的情况：它们一致拒绝回答如何自杀等极高风险问题，并总是提供自杀统计数据等极低风险信息。然而，在介于两者之间的中、低、高风险问题上，这些大型语言模型失去了判断力，其回应策略（是直接回答还是转介帮助）与风险等级之间没有明确的关联。例如，部分模型会直接回答哪种工具的自杀成功率更高这类高风险问题。模型间的差异也很大，Claude最倾向于直接回答，而Gemini则最为保守，有时甚至会拒答常规问题。研究发表在 Psychiatric Services 上。

#大模型技术 #心理健康与精神疾病 #大模型技术 #人工智能

阅读更多：

McBain, Ryan K., et al. “Evaluation of Alignment Between Large Language Models and Expert Clinicians in Suicide Risk Assessment.” Psychiatric Services, Aug. 2025. Washington, DC, psychiatryonline.org, https://doi.org/10.1176/appi.ps.20250086

任务感知虚拟训练（TAVT）：AI通过虚拟经验提升对未知任务的泛化能力

如何让机器人在面对全新挑战时能像人类一样灵活适应，而非死板地执行程序？蔚山国立科学技术研究院的 Seungyul Han、Jeongmo Kim 及其研究团队开发了一项名为“任务感知虚拟训练”（TAVT）的开创性技术。该技术通过让AI自主生成并学习虚拟任务，从而能够“预见”并准备好应对前所未见的挑战。

传统强化学习训练的机器人往往难以泛化，而即便是接触多种任务的元强化学习，在面对训练数据分布之外的任务时也常常束手无策。研究团队提出的任务感知虚拟训练（TAVT）方法为此提供了解决方案。该方法的核心是一个双模块系统：首先，一个表征模块利用深度学习评估不同任务的相似度，构建一个捕捉任务核心特征的“地图”；然后，一个生成模块在这张地图上创造出无数新的虚拟任务，让AI提前“演练”各种可能遇到的情况。这一过程增强了AI的泛化能力。在机器人模拟测试中，例如Cheetah-Vel-OOD实验，经TAVT训练的猎豹机器人能迅速适应从未见过的全新奔跑速度，并保持稳定，而其他方法训练的机器人则会失去平衡。这项研究为开发能够在自动驾驶、无人机等复杂多变环境中稳定工作的AI系统开辟了新途径。

#AI驱动科学 #机器人及其进展 #元强化学习 #泛化能力

阅读更多：

Kim, Jeongmo, et al. “Task-Aware Virtual Training: Enhancing Generalization in Meta-Reinforcement Learning for Out-of-Distribution Tasks.” arXiv:2502.02834, arXiv, 18 June 2025. arXiv.org, https://doi.org/10.48550/arXiv.2502.02834

你的情绪被天气操控了吗？

全球变暖是否正悄悄影响我们的心情？为探究气候压力对全球人类福祉的影响，来自麻省理工学院和中国科学院的Siqi Zheng、Jianghao Wang、Yichun Fan等人组成的团队，通过对海量社交媒体数据的创新分析，量化了极端高温与人类负面情绪之间的关联，并揭示了这种影响在全球范围内的不平等性。

研究团队分析了2019年间来自全球157个国家，涵盖推特和微博两大平台的12亿条帖子。他们运用Transformers 双向编码器表征，为每条帖子打出情绪分数。通过将这些数据与当地逐日气象记录相结合，团队发现了一个清晰的规律：当气温超过35℃时，人们的负面情绪表达会急剧增加。研究进一步揭示了气候变化影响下的“情绪鸿沟”：在低收入和中等收入国家，高温天气导致的负面情绪增长幅度高达25%，几乎是高收入国家（8%）的三倍。研究人员利用气候模型推演，预测到本世纪末，仅升温就可能让全球整体情绪健康水平下降2.3%。这一发现凸显了气候变化对心理健康的隐性成本，尤其加剧了全球弱势群体的负担。研究发表在 One Earth 上。

#疾病与健康 #预测模型构建 #跨学科整合 #气候变化

阅读更多：

“Unequal Impacts of Rising Temperatures on Global Human Sentiment.” One Earth, Aug. 2025, p. 101422. www.sciencedirect.com, https://doi.org/10.1016/j.oneear.2025.101422

整理｜ChatGPT

编辑｜丹雀、存源

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。如果您有进一步想要讨论的内容，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。

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。