追问daily | 阴谋论者也擅长批判性思维；舞者为何不会晕？Science：安慰剂效应新解

█脑科学动态

Science：安慰剂效应新解，大脑如何为身体定制不同止痛方案

可逆隐形技术，让小鼠头皮变透明以无创观测大脑发育

天堂鱼：一种研究工作记忆和个体行为的理想新模型

果蝇大脑突触关键蛋白Sif缺失可致神经连接崩溃

健身能让老年人减少“话在嘴边说不出”的尴尬

舞者不晕的秘密：并非抑制平衡感，而是大脑的精准预测

抑郁症的细胞根源：新研究锁定两种关键脑细胞类型

阴谋论者并非“认知吝啬鬼”，他们同样进行分析性思考

█AI行业动态

xAI推出极速代码模型Grok Code Fast 1，限时免费一周助力开发者

█AI驱动科学

Nature：几乎零功耗的光学生成模型：AI图像生成迎来节能突破

二氧化铌电光莫特神经元实现电光同步

新方法使AI模型无需访问原始数据即可删除隐私和版权内容

利用强化学习提升大语言模型代理的记忆管理能力

构建人体生物学多层级模型

AI意识的双重挑战：应对用户误判与异类意识的中间派纲领

AI重塑沙特会计业：学术界视角下的机遇、挑战与教育路径

可解释AI如何赋能创业组织：人机界面的关键作用

脑科学动态

Science：安慰剂效应新解，大脑如何为身体不同部位定制止痛方案

大脑如何实现对特定身体部位的精准止痛？悉尼大学的Lewis S. Crawford, Luke A. Henderson, Kevin Keay及其同事，利用安慰剂效应和超高场功能磁共振成像技术，首次绘制出人脑脑干中一个精确的疼痛控制地图，揭示了大脑镇痛系统具有高度的身体部位特异性。

▷镇痛脑干回路的躯体组织。7T 功能磁共振成像 (FMRI) 显示，在面部、手臂和腿部诱导的安慰剂镇痛诱发了侧脑干前额叶 (PAG) 和右脑中间 (RVM) 内的躯体组织活动变化。这种镇痛回路组织表明，刺激离散的脑回路可以缓解身体或面部特定部位的疼痛，并为靶向镇痛治疗的开发提供了平台。ipsi，同侧；MNI，蒙特利尔神经学研究所；VAS，视觉模拟量表。Credit: Science (2025).

研究团队招募了93名健康参与者，通过施加热痛和使用安慰剂药膏，成功诱导了针对面部、手臂或腿部的局部镇痛效应。利用7特斯拉功能性磁共振成像技术，研究人员发现，脑干中的两个关键区域——中脑导水管周围灰质（PAG）和延髓腹内侧前区（RVM）——表现出一种精确的“地图式”激活模式：缓解面部疼痛时，这两个区域的上部更活跃；而缓解手臂或腿部疼痛时，则是下部区域被激活。这一发现表明，大脑的内置镇痛系统并非笼统地抑制所有疼痛信号，而是以一种高度协调且解剖学上精确的方式运作。更重要的是，研究指出这种效应主要由外侧PAG驱动，其机制可能与大麻素系统有关，而非传统的阿片系统，这为开发无成瘾性的靶向疼痛疗法开辟了新途径。研究发表在 Science 上。

#疾病与健康 #神经机制与脑功能解析 #疼痛机制 #安慰剂效应

阅读更多：

Crawford, Lewis S., et al. “Somatotopic Organization of Brainstem Analgesic Circuitry.” Science, Aug. 2025. world, www.science.org, https://www.science.org/doi/10.1126/science.adu8846

可逆隐形技术，让小鼠头皮变透明以无创观测大脑发育

如何无创地长期观察大脑发育过程中的细微变化，一直是神经科学面临的挑战。斯坦福大学的Guosong Hong、Mark Brongersma、Jun Ding及同事，针对这一难题，开发出一种创新的可逆组织透明化技术，只需将一种特殊溶液涂抹在小鼠头皮上，即可实现无创、重复地对大脑深层进行高分辨率成像。

▷左图：活体小鼠皮质中双光子激发的 YFP-H 荧光在用安吡酮处理前进行 3D 重建。由于头皮的散射，只能看到头皮中的 YFP 信号。右图：在用安吡酮实现头皮透明化后，对同一区域进行双光子激发的 YFP-H 荧光的 3D 重建。Credit: The Hong Lab

该技术的核心是一种含有安吡酮（ampyrone）的水溶液。研究人员将其涂抹于幼鼠头皮，利用物理光学原理，该溶液能暂时改变皮肤组织中水的折射率，使其与周围生物分子的折射率相匹配，从而极大减少光线散射，让头皮变得透明。这种效果是颜色中性的，意味着它可以兼容整个可见光谱，使研究人员能够清晰地观察到大脑中被绿色或黄色荧光蛋白标记的神经元。该技术完全无创且可逆，透明效果持续约20分钟后皮肤便会恢复原状，且毒理学分析显示其非常安全。借助这一“临时窗口”，团队成功对同一只幼鼠在数天内进行了重复成像，实时追踪了其大脑神经回路的结构发育和对外界刺激的功能反应。这项突破为研究神经发育障碍提供了强有力的工具。研究发表在 PNAS 上。

#神经科学 #神经机制与脑功能解析 #跨学科整合 #神经影像

阅读更多：

Keck, Carl H. C., et al. “Color-Neutral and Reversible Tissue Transparency Enables Longitudinal Deep-Tissue Imaging in Live Mice.” Proceedings of the National Academy of Sciences, vol. 122, no. 35, Sept. 2025, p. e2504264122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2504264122

天堂鱼：一种研究工作记忆和个体行为的理想新模型

斑马鱼是神经科学研究的常用模型，但其强烈的社会性会干扰个体行为研究。罗兰大学与匈牙利研究网络实验医学研究所的Zoltán K. Varga, Máté Varga, Ádám Miklósi等人提出，独居性的天堂鱼可作为一种理想的补充模型，以更准确地研究个体认知功能。

▷斑马鱼和天堂鱼在幼体后期的多项检测结果比较，揭示了这两个物种的潜在应用领域。Credit: Communications Biology (2025).

研究团队系统比较了斑马鱼和天堂鱼在社交、焦虑及认知任务中的表现。结果显示，群居的斑马鱼在同伴存在时探索更积极，而独居的天堂鱼则不受影响，且在个体焦虑测试中表现出更稳定、可重复的行为。最引人注目的发现来自Y型迷宫实验，天堂鱼展现出一种名为“交替”（alternation，即系统性地访问迷宫中未曾探索过的臂）的复杂探索策略。这种行为需要不断更新空间信息，是高级工作记忆的直接体现，此前这种能力在鱼类中鲜有报道。这一发现表明，天堂鱼不仅能弥补斑马鱼在个体行为研究上的不足，更是一种研究工作记忆等复杂认知功能的强大新模型，而斑马鱼则继续作为研究社会行为的理想选择。研究发表在 Communications Biology 上。

#神经科学 #神经机制与脑功能解析 #心理健康与精神疾病 #老龄化 #社会认知

阅读更多：

Varga, Zoltán K., et al. “Paradise Fish (Macropodus Opercularis) as a Complementary Translational Model for Emotional and Cognitive Function.” Communications Biology, vol. 8, no. 1, July 2025, p. 1125. www.nature.com, https://doi.org/10.1038/s42003-025-08556-0

果蝇大脑突触关键蛋白Sif缺失可致神经连接崩溃

来自霍华德·休斯医学研究所珍妮莉亚研究园区和美国国立卫生研究院的Justin S. Rosenthal, Quan Yuan及其同事，利用果蝇模型，详细描绘了其大脑中关键神经递质受体蛋白网络的动态变化，并发现了一个维持突触结构完整的核心蛋白。

▷果蝇胆碱能 PSD 分子网络示意图，展示了关键 nAchR 相互作用组蛋白的突触定位以及 Sif 在突触组织中的作用。Credit: Proceedings of the National Academy of Sciences (2025).

研究团队采用空间蛋白质组学技术，系统分析了果蝇大脑中烟碱乙酰胆碱受体（nicotinic acetylcholine receptors, nAchRs）周围的蛋白质网络。研究发现，随着果蝇从幼虫发育为成虫，该蛋白质网络会发生显著的重构，大脑会启用不同类型的受体亚基组合。更有趣的是，当研究人员通过基因手段移除某个亚基时，其他亚基会启动代偿机制来弥补功能缺失，展现了突触的强大可塑性。研究最重要的发现是鉴定了一个名为Still life（Sif）的关键蛋白。当Sif被移除后，整个突触结构会崩溃，证明了它在组织和维持神经连接完整性方面扮演着不可或缺的角色。这一发现为理解大脑发育、衰老和神经系统疾病的分子基础提供了重要线索。研究发表在 PNAS 上。

#神经科学 #神经机制与脑功能解析 #蛋白质组学 #突触可塑性

阅读更多：

Rosenthal, Justin S., et al. “Molecular Organization of Central Cholinergic Synapses.” Proceedings of the National Academy of Sciences, vol. 122, no. 17, Apr. 2025, p. e2422173122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2422173122

健身能让老年人减少“话在嘴边说不出”的尴尬

为何老年人常有“话在嘴边说不出”的困扰？为了探究身体健康与大脑语言功能的关系，伯明翰大学的Foyzul Rahman、Katrien Segaert及其同事进行了一项研究。他们发现，老年人拥有更高的心肺健康水平，与其大脑在面临词汇提取挑战时表现出的更优补偿能力相关，从而显著减少了这种尴尬时刻。

▷共性分析前兆的双变量分析。Credit: Neurobiology of Aging (2025).

研究团队对73名60至81岁的健康老年人进行了评估。他们首先通过VO₂ peak测试（一种精确测量心、肺和肌肉在运动中协同工作效率的黄金标准）评估了参与者的心肺健康。随后，参与者在进行磁共振成像扫描时，完成了一项词汇提取任务，该任务旨在诱发“话在嘴边说不出”的状态。fMRI结果显示，心肺健康水平更高的老年人，在遇到词汇提取困难时，其大脑语言网络表现出更强的激活和更高效的协同工作模式。这表明，他们的大脑能够更好地进行功能性补偿，即调动额外的神经资源来应对认知挑战，以弥补年龄增长带来的神经功能自然衰退。这项发现为神经认知衰老的“补偿模型”提供了有力证据，并强调了规律的体育锻炼（如每周150分钟中等强度运动）对维护晚年大脑认知功能的重要性。研究发表在 Neurobiology of Aging 上。

#疾病与健康 #神经机制与脑功能解析 #健康老龄化 #认知补偿

阅读更多：

“Explaining Tip-of-the-Tongue Experiences in Older Adults: The Role of Brain-Based and Cardiorespiratory Fitness Factors.” Neurobiology of Aging, vol. 154, Oct. 2025, pp. 25–36. www.sciencedirect.com, https://doi.org/10.1016/j.neurobiolaging.2025.06.008

舞者不晕的秘密：并非抑制平衡感，而是大脑的精准预测

舞者为何能在连续旋转中保持平衡而不感头晕？传统观点认为是其抑制了平衡系统。为了验证这一假说，蒙特利尔大学的Karina Moïn-Darbari, François Champoux, Maxime Maheu等人进行了一项研究，结果表明，舞者卓越的平衡能力并非源于抑制，而是一种更复杂的大脑预测机制。

研究团队比较了19名专业舞者和19名普通人的姿势控制能力。他们使用了一种名为电流前庭刺激（galvanic vestibular stimulation, GVS，一种用微弱电流从外部不可预测地刺激平衡系统的技术）的关键方法。在正常情况下，舞者的平衡能力远超常人。然而，当受到不可预测的GVS干扰时，舞者的优势完全消失，其身体摇摆程度与普通人无异。这一结果有力地反驳了舞者能普遍抑制前庭信号的假说。研究者提出，舞者的秘诀在于大脑的自上而下的调节。在主动旋转时，大脑能预测动作带来的感觉变化并提前补偿，从而维持稳定。这种预测机制对GVS这种被动的外部干扰无效。这种能力源于长期训练带来的大脑可塑性。这一发现区分了主动与被动运动的神经通路，对设计更有效的跌倒预防和康复训练具有重要意义。研究发表在 NeuroReport 上。

#神经科学 #神经机制与脑功能解析 #运动控制 #大脑可塑性

阅读更多：

Moïn-Darbari, Karina, et al. “Dancers’ Resistance to Vertigo Cannot Be Explained by a Generalized Suppression of Vestibular Signaling.” NeuroReport, vol. 36, no. 7, May 2025, p. 378. journals.lww.com, https://doi.org/10.1097/WNR.0000000000002160

抑郁症的细胞根源：新研究锁定两种关键脑细胞类型

麦吉尔大学和道格拉斯研究所的Gustavo Turecki及其同事，通过分析人脑组织，首次在单细胞水平上确定了与抑郁症相关的两种特定脑细胞类型（兴奋性神经元和小胶质细胞）及其基因调控的改变。

▷单细胞水平的染色质结构。Credit: Nature Genetics (2025).

研究团队采用前沿的单核基因组技术，对来自抑郁症患者和健康对照者死后大脑的背外侧前额叶皮层的数千个细胞进行了分析。通过结合单核染色质可及性分析与基因表达谱，他们成功绘制了抑郁症的细胞级“病变图谱”。结果精确锁定了两种发生显著改变的细胞：一类是参与情绪和压力调节的兴奋性神经元，另一类是负责管理大脑炎症的小胶质细胞亚群。在抑郁症患者的兴奋性神经元中，许多基因的功能发生改变，特别是与压力反应相关的基因调控区域出现异常。同时，在小胶质细胞中，研究人员发现了免疫功能失调的迹象。这项研究不仅揭示了抑郁症在大脑中真实、可测量的细胞变化，也为开发能精准靶向这些特定细胞的新型疗法铺平了道路。研究发表在 Nature Genetics 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：

Chawla, Anjali, et al. “Single-Nucleus Chromatin Accessibility Profiling Identifies Cell Types and Functional Variants Contributing to Major Depression.” Nature Genetics, vol. 57, no. 8, Aug. 2025, pp. 1890–904. www.nature.com, https://doi.org/10.1038/s41588-025-02249-4

阴谋论者并非“认知吝啬鬼”，他们同样进行分析性思考

人们为何会相信阴谋论？传统观点认为这源于“懒惰思考”，但这一看法受到了挑战。由 Samuel G. Robson 及其同事进行的一项新研究，通过三组实验发现，无论是阴谋论的信徒还是非信徒，在评估证据时都同样运用分析性思维，其研究成果为理解错误信息的传播提供了新视角。

研究挑战了长期以来将阴谋论信徒标签为认知吝啬鬼（cognitive misers，即倾向于避免耗费脑力进行深入思考的人）的观点。研究团队招募了超过800名参与者，并根据他们对疫苗、气候变化等议题的看法将其分为信徒与非信徒。在实验中，所有参与者被要求评估虚构的专家报告，这些报告有的论证严谨（高质量），有的则充满矛盾和无关细节（低质量）。结果出人意料，信徒与非信徒群体一样，都能准确地区分出证据的优劣，并且都认为高质量证据的说服力远高于低质量证据。在第三项引入时间压力的实验中，两组人的表现也无显著差异，匆忙决策时都会更容易受到弱证据的影响。这表明，相信阴谋论或许与思维懒惰无关，而可能源于动机性推理（motivated reasoning，即为了维护既有信念而曲解信息的倾向）、对专家的不信任或对证据本身有着不同的评判标准。研究发表在 Journal of Applied Research in Memory and Cognition 上。

#认知科学 #意图与决策 #认知风格 #错误信息

阅读更多：

Robson, Samuel G., et al. “People Who Believe Implausible Claims Are Not Cognitive Misers: Evidence from Evaluation Tasks.” Journal of Applied Research in Memory and Cognition [US], vol. 14, no. 2, 2025, pp. 275–87. APA PsycNet, https://doi.org/10.1037/mac0000190

AI 行业动态

xAI推出极速代码模型Grok Code Fast 1，限时免费一周助力开发者

近日，xAI正式发布了其新一代代码模型Grok Code Fast 1，该模型旨在为“智能体编程”提供高速且低成本的解决方案。xAI表示，这一模型是专为集成开发环境（IDE）内自动化工具调用（如grep、终端和文件编辑）而设计的，其速度据称比GPT-5快三倍，成本低六倍。模型通过从零开始训练，采用全新架构，并基于大量编程相关语料和高品质任务数据集优化而成，以更灵活、响应更快的方式适应开发者的日常需求。

Grok Code Fast 1在多个主流平台上免费开放一周，包括GitHub Copilot、Cursor、Cline等，覆盖TypeScript、Python、Java、Rust、C++和Go等多种编程语言。xAI的推理和超级计算团队通过创新技术显著提升了服务速度，并优化了缓存机制，使得缓存命中率超过90%。该模型能够极少的监督下完成从项目构建、代码库问题解答到错误修复等多样化任务，例如开发者Danny Limanseta在一天内便利用其制作出一款小游戏。

在SWE-Bench-Verified测试中，Grok Code Fast 1取得了70.8%的得分，接近当前公认最强的Claude 4系列模型。xAI强调，开发过程更注重现实世界的人工评估和用户满意度，许多程序员已将其评为快速可靠的日常编码工具。未来，xAI计划推出支持多模态输入、并行工具调用和扩展上下文长度的新版本，持续优化模型性能。

#代码模型 #人工智能 #xAI #编程工具 #GrokCodeFast1

阅读更多：

https://x.ai/news/grok-code-fast-1

AI 驱动科学

Nature：几乎零功耗的光学生成模型：AI图像生成迎来节能突破

生成式AI巨大的能源消耗问题如何解决？加州大学洛杉矶分校的 Aydogan Ozcan、Shiqi Chen 及其同事为此提供了一个颠覆性的方案。他们开发出一种新颖的光学生成模型，利用光的物理传播代替传统的数字计算来创建图像，使得核心图像合成过程几乎不消耗任何电力，该成果有望显著降低AI的碳足迹。

▷快照光学生成模型的实验演示。Credit: Nature (2025).

该模型受当前主流的扩散模型启发，但巧妙地将计算密集型任务转移到了光学领域。研究首先通过一个轻量级数字编码器，将随机噪声转化为一系列“光学生成种子”。随后，这些种子被加载到空间光调制器（SLM，一种可以精细调控光束相位和振幅的设备）上，将图案信息编码到一束激光中。这束激光接着穿过一个固定的、经特殊优化的衍射解码器，光在自由空间中的传播和衍射过程自然地完成了复杂的解码计算，最终在传感器上形成一幅全新的图像。整个光学合成过程快如闪电且无需计算功耗。实验证明，该系统生成的名人、蝴蝶以及梵高风格画作等图像，其质量可与传统数字模型媲美，但能耗却极低。这项技术为AI在智能手机、AR眼镜等低功耗设备上的应用开辟了新路径。研究发表在 Nature 上。

#AI驱动科学 #计算模型与人工智能模拟 #光计算 #生成式AI

阅读更多：

Chen, Shiqi, et al. “Optical Generative Models.” Nature, vol. 644, no. 8078, Aug. 2025, pp. 903–11. www.nature.com, https://doi.org/10.1038/s41586-025-09446-5

二氧化铌电光莫特神经元实现电光同步

如何将电子计算和光子通信高效地集成到单一的类脑芯片中？来自斯坦福大学、桑迪亚国家实验室和普渡大学的 Mahnaz Islam, Eric Pop, Suhas Kumar 等研究人员，成功开发出一种基于二氧化铌的电光莫特神经元。该器件首次在单一元件上实现了与电脉冲完全同步的光信号发射，为神经形态计算开辟了新方向。

▷在从高阻状态到低阻状态的阈值切换过程中，观察到 NbO2 器件通道发出的光（“辉光”）。Credit: Mahnaz Islam, Stephanie Bohaichuk et al.

研究团队利用二氧化铌（niobium dioxide, NbO2）薄膜制造了一种新型器件。二氧化铌是一种特殊的莫特绝缘体-金属相变（Mott insulator-metal transition）材料，当施加的电压超过某一阈值时，其电阻会急剧下降，产生类似生物神经元放电的电脉冲振荡。在一次意外的观察中，团队发现在器件产生电脉冲的同时，竟伴随着明亮的可见光发射。进一步的实验证实，这种光脉冲与电脉冲在时间上达到了完美的同步。通过原位测量，研究人员揭示了其背后的机制是电荷载流子弛豫，即材料中的电子在高电场作用下被激发后回到低能态时释放出光子。这一发现意义重大，因为它意味着计算（电信号）和通信（光信号）可以在同一个基本单元中完成，无需独立的耗能转换器。这种“会发光”的人造神经元有望实现更紧凑、高效的神经形态系统，在计算机视觉、片上光通信等领域具有巨大潜力。研究发表在 Nature Electronics 上。

#神经科学 #计算模型与人工智能模拟 #神经形态计算 #电光集成

阅读更多：

Islam, Mahnaz, et al. “An Electro-Optical Mott Neuron Based on Niobium Dioxide.” Nature Electronics, vol. 8, no. 8, Aug. 2025, pp. 672–79. www.nature.com, https://doi.org/10.1038/s41928-025-01406-1

新方法使AI模型无需访问原始数据即可删除隐私和版权内容

如何让AI模型忘记它学到的隐私和版权数据，尤其是在原始训练数据已丢失的情况下？加州大学河滨分校的Ümit Yiğit Başaran, Amit Roy-Chowdhury和Başak Güler等研究人员开发出一种名为“无源认证反学习”的创新方法，能够在不重新训练模型的情况下，可验证地删除特定信息。

随着AI模型规模的扩大，其无意中记忆并复现训练数据中的隐私或版权内容的问题日益突出，引发了如欧盟通用数据保护条例（GDPR）等法规遵从的挑战。传统的解决方法是完全重新训练模型，但这既耗时又昂贵。该团队提出的“无源认证反学习”（source-free certified unlearning）框架，巧妙地绕开了这一限制。该方法的核心是使用一个替代数据集，其统计特征与原始数据相似。研究人员基于这个替代数据集来估算移除特定数据后模型参数应如何调整，然后向模型中注入经过精密校准的随机噪声，以确保被遗忘的数据无法被恢复。这种噪声的强度取决于替代数据与原始数据之间的统计差异。实验证明，该方法提供的隐私保证强度接近于完全重训练，但计算成本显著降低，为在无法访问原始数据的情况下响应数据删除请求提供了首个可行的、有理论保证的解决方案。

#AI驱动科学 #疾病与健康 #预测模型构建 #大模型技术 #跨学科整合

阅读更多：

Basaran, Umit Yigit, et al. “A Certified Unlearning Approach without Access to Source Data.” arXiv:2506.06486, arXiv, 6 June 2025. arXiv.org, https://doi.org/10.48550/arXiv.2506.06486

Memory-R1：利用强化学习提升大语言模型代理的记忆管理能力

大型语言模型普遍存在“健忘”问题，有限的上下文窗口使其难以处理长对话。来自慕尼黑大学、剑bridge大学等机构的Sikuan Yan与Xiufeng Yang等研究者提出了Memory-R1，这是一个创新的强化学习（RL）框架。该框架通过训练两个智能代理，教会LLM如何像人类一样主动管理和筛选记忆，从而显著提升了模型的长时程推理能力。

传统方法通过检索增强生成为LLM提供外部记忆，但常因检索内容混杂而干扰判断。Memory-R1框架则引入了两个通过强化学习训练的专业代理来解决这一问题。第一个是记忆管理器，它不再依赖固定的规则，而是学习何时对记忆库执行最佳操作，例如是新增信息，还是在原有基础上更新。例如，当用户分两次提及领养了两只狗时，该管理器会智能地选择UPDATE，将“一只狗”的记忆更新为“两只狗”，而非错误地删除旧记忆。第二个是回答代理，它执行一种“记忆蒸馏”（Memory Distillation）策略，能从RAG检索出的大量信息中精准筛选出回答当前问题所需的核心记忆，再进行推理。仅使用152个问答样本进行训练，基于LLaMA-3.1-8B模型的Memory-R1在LOCOMO基准测试中，F1分数便提升了48%，创造了新的技术水平。该研究发表在 arXiv 上。

#AI驱动科学 #意图与决策 #强化学习 #大语言模型

阅读更多：

Yan, Sikuan, et al. “Memory-R1: Enhancing Large Language Model Agents to Manage and Utilize Memories via Reinforcement Learning.” arXiv:2508.19828, arXiv, 27 Aug. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2508.19828

构建人体生物学多层级模型

如何将海量的分子、细胞、影像及临床数据整合成一个完整的人体生物学模型，以加速疾病研究和药物开发？来自四川大学华西医院和德克萨斯大学休斯顿健康科学中心的Aoqi Wang、Xiaobo Zhou及其团队，提出了一个名为“全身人工智能代理”（Full-Body AI-Agent）的创新框架，旨在通过多智能体协作，实现对人体从微观到宏观的跨尺度模拟与分析。

该研究的核心是构建一个多层次的人工智能代理协作网络。该框架由一个作为总指挥的“全身AI代理”和七个专注于特定生物尺度的“基础AI代理”组成，分别负责处理分子、细胞、组织、器官等不同层面的信息。当系统接收到患者的多组学、医学影像和临床记录等复杂数据后，“全身AI代理”首先进行全局分析并生成跨尺度生物学假设，随后将任务分解并分配给相应的基础代理。例如，分子代理分析基因突变，细胞代理模拟其对细胞行为的影响，组织和器官代理则评估这些变化在更大范围内的后果。整个过程利用了大型语言模型的能力进行推理和协调。为验证其有效性，研究团队展示了两个应用实例：一个用于精准评估肿瘤转移风险的“转移人工智能代理”（metastasis AI Agent），以及一个用于在系统层面预测药物长期疗效与毒性的“药物人工智能代理”（drug AI Agent）。该框架为连接微观分子发现与宏观临床结果提供了统一的计算范式，有望显著提升个性化医疗和新药研发的效率与精度。

#AI驱动科学 #预测模型构建 #跨学科整合 #个性化医疗

阅读更多：

Wang, Aoqi, et al. “A Multi-Layered Framework for Modeling Human Biology: From Basic AI Agents to a Full-Body AI Agent.” arXiv:2508.19800, arXiv, 27 Aug. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2508.19800

AI意识的双重挑战：应对用户误判与异类意识的中间派纲领

随着AI日益融入生活，我们面临两大难题：一是用户普遍将AI误认为有意识的“伴侣”，二是我们尚无法判断AI是否能产生真正的“异类”意识。为应对此困境，伦敦政治经济学院的Jonathan Birch发表了一篇宣言，提出了一种“中间派”立场，旨在构建一套能同时解决用户误判和严肃探索AI意识这两个挑战的连贯策略。

该宣言的核心论点围绕“持久对话者错觉”（persisting interlocutor illusion）展开。Birch指出，用户之所以轻易相信AI有意识，是因为他们误以为在与一个持续、统一的实体进行交流。然而，当前的大语言模型多采用专家混合架构，用户的一次对话可能由全球不同数据中心的多个子网络交替处理，每次交互都是一个时空上不连续的独立事件。从哲学层面分析，这种架构缺乏构成人格所必需的心理连续性（psychological continuity，即记忆、信念、意图等心智状态的持续关联）。维系对话的唯一线索仅仅是聊天记录的文本，这好比每次都由一位只阅读了你过往病历的新医生接诊，我们不能认为这位新医生与之前的医生是同一个人。因此，将AI视为一个有记忆、有情感的持续存在的“朋友”或“伴侣”，在当前技术下是一种幻觉。该宣言呼吁，我们需要向公众揭示这一错觉的本质，以应对用户误判的挑战，但同时也要避免极端地否定AI未来产生真正意识的可能性。

#大模型技术 #个性化医疗 #临床决策支持 #人机协作

阅读更多：

https://philpapers.org/archive/BIRACA-4.pdf

AI重塑沙特会计业：学术界视角下的机遇、挑战与教育路径

为响应沙特“2030愿景”的技术转型目标，人工智能在会计领域的应用备受关注。Talal Fawzi Alruwaili和Mahfoudh Hussein Mgammal进行的一项研究，通过调查学术界的观点，系统地评估了AI在沙特会计实践中应用的机遇与挑战，并为政策制定者、教育机构和行业提供了AI整合的路线图。

该研究通过对沙特会计学者进行结构化问卷调查，并采用结构方程模型对数据进行分析。研究发现，学术界普遍认可AI在自动化流程、提升财务报告准确性和预防欺诈方面的巨大潜力。然而，AI的成功落地面临诸多挑战，包括高昂的实施成本、潜在的算法偏见、从业人员技能差距以及数据安全等问题。研究结果明确指出，从业者的AI知识水平与AI在行业中的成功应用直接相关。因此，研究强调，加强AI素-养教育、建立健全的监管和道德框架是克服这些挑战的关键。只有通过教育培养出能够驾驭AI技术的专业人才，才能在规避风险的同时，最大限度地发挥AI的效益，从而助力沙特实现“2030愿景”设定的经济多元化和技术领先目标。研究发表在 Humanities and Social Sciences Communications 上。

#AI驱动科学 #其他 #会计 #人工智能 #2030愿景

阅读更多：

https://www.nature.com/articles/s41599-025-05004-6

可解释AI如何赋能创业组织：人机界面的关键作用

Sanjay Chaudhary、Ashraf Khalil、Rekha Attri和Peter Ractham通过一项定性研究，深入探讨了创业组织应如何部署AI，并强调了可解释性（explainability）与人机界面的核心作用，为企业构建负责任且高效的AI系统提供了理论框架。

该研究采用社会技术系统视角，超越了单纯的技术分析，探讨了组织动态、社会环境与AI技术间的复杂互动。研究指出，创业组织在应用AI时面临的最大障碍是其决策过程缺乏透明度，这直接导致了员工对AI推荐结果的模糊感和不信任。研究的核心发现是，可解释人工智能是成功集成AI的基石。通过部署XAI，企业可以打破“黑箱”，让决策过程变得清晰。在此过程中，人机交互界面（human-AI interface）扮演了至关重要的角色。一个设计良好、以用户为中心的界面，通过提供直观的解释和及时的反馈机制，能够显著增强员工对AI的信任，从而有效利用其提供的建议。基于这些发现，研究团队提出了一个“负责任的人工智能框架”，强调应将可解释性作为AI部署的核心，确保技术实施的公平、透明与高效。研究发表在 Technological Forecasting and Social Change 上。

#AI驱动科学 #跨学科整合 #可解释人工智能 #人机交互

阅读更多：

https://doi.org/10.1016/j.techfore.2025.124324

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。