追问daily | 大模型也有老年痴呆；如何通过触觉感知声音？大模型也会假装对齐

哈佛医学院的研究人员探索了声音和触觉如何在大脑中共同作用，特别是当一个感官丧失时，另一个感官的敏感度是否会得到增强。研究使用小鼠实验，发现大脑中下丘的外侧皮层不仅处理声音信号，还处理来自皮肤的触觉信号。这项研究为理解感官失调后大脑的适应性提供了新线索，可能对听力丧失后的感官替代技术（如触觉假肢）开发有所启示。

研究人员通过机械刺激器向小鼠的皮肤施加高频振动，同时记录大脑中不同区域神经元的活动。结果表明，帕西尼小体（Pacinian corpuscles）负责检测高频机械振动，并将这些信号传递至中脑下丘的外侧皮层（LCIC）。研究发现，大多数LCIC神经元同时接收来自听觉和触觉的信号，并且对两者的组合刺激反应更强烈，而不仅仅是对单一刺激的响应。此外，实验还显示，LCIC在对高频振动的行为反应中起着关键作用。研究进一步证实，帕西尼小体在这一过程中至关重要，当小鼠缺乏这种受体时，LCIC对高频振动的反应显著减弱。该研究为触觉与听觉信号的融合提供了新的理解，可能有助于开发增强听力丧失者感知声音的触觉假肢技术。研究发表在 Cell 上。

大脑衰老不仅涉及单个细胞的老化，还与细胞之间的相互作用密切相关。斯坦福大学的研究团队通过一项前沿技术，探索了细胞邻近效应在大脑衰老中的作用。研究人员通过空间转录组学方法，创建了一个覆盖整个生命周期的小鼠大脑单细胞基因表达图谱，并结合机器学习模型，分析了细胞之间在衰老、恢复和疾病过程中的互动。

研究团队通过空间转录组学（spatial transcriptomics）技术，构建了一个包含420万个细胞的大鼠大脑转录组图谱，覆盖了从20岁到95岁（人类对应年龄）的不同生命周期阶段，并且涉及运动和部分重编程等两种干预措施。使用空间衰老时钟（spatial aging clocks），研究人员发现T细胞（T cells）随着衰老浸润大脑，并对周围细胞产生强烈的促衰老作用，而神经干细胞（neural stem cells）则展现出强大的返老还童效应。特别是神经干细胞的恢复效应，不仅限于神经谱系的细胞，还能够影响其他细胞类型。这些发现为抗衰老疗法提供了新的思路，并揭示了细胞间的空间关系如何影响大脑衰老与修复。研究还提出了针对细胞邻近效应的潜在干预策略，如阻止T细胞的促衰老作用或增强神经干细胞的修复效应。研究发表在 Nature 上。

小鼠也能体验虚拟现实！MouseGoggles头盔为小鼠带来沉浸式研究体验

小鼠作为神经科学研究的重要模型，已经广泛应用于研究空间导航、记忆等行为与神经活动。然而，现有的虚拟现实（VR）技术在小鼠研究中的应用存在许多限制，如设备庞大、成本高、沉浸感差等问题。为此，康奈尔大学的研究团队开发了一款名为MouseGoggles的微型VR头盔，旨在为小鼠提供更加沉浸式的虚拟现实体验，进一步揭示神经活动与行为之间的关系。

MouseGoggles使用了智能手表屏幕和微型镜头等低成本组件，能够为小鼠提供双眼独立的视觉刺激，并实现眼动追踪和瞳孔测量。研究人员通过在小鼠的视觉皮层和海马区域进行神经记录，验证了该设备在提供高质量视觉刺激和记录神经活动方面的有效性。在实验中，小鼠对虚拟环境中的逼近刺激表现出惊跳反应，验证了系统的沉浸感。该研究为探索与空间导航、记忆功能相关的神经活动提供了新方法，并可能推动阿尔茨海默病等神经退行性疾病研究的发展。研究发表在 Nature Methods 上。

阅读障碍与大脑多区域的结构差异密切相关

阅读障碍是一种常见的学习障碍，与基因有一定关系。马克斯·普朗克心理语言学研究所的研究团队，采用了大规模的基因组和脑部影像数据，分析了阅读障碍的遗传背景和大脑结构之间的关系。通过分析超过100万人的遗传数据，他们揭示了多种遗传变异如何影响大脑的不同区域。

本研究分析了23andMe公司提供的超过100万人的遗传数据，计算了与阅读障碍相关的“多基因评分”，并将其与30,000多名成年人来自英国生物银行的脑部扫描数据进行对比。研究发现，具有较高遗传倾向的个体，在大脑与运动协调、语言处理以及视觉相关的区域表现出结构差异。例如，运动皮层的体积较小，而视觉皮层的体积则较大。此外，研究还发现，内囊等大脑深部白质区域的结构变化，与阅读障碍及其他如注意力缺陷多动障碍（ADHD）、教育程度等特征相关。这些发现揭示了阅读障碍的遗传和神经生物学特征，并有助于未来个性化的早期诊断和干预。研究发表在 Science Advances 上。

阳光海岸大学汤普森研究所的研究人员探索了生活方式因素与大脑衰老的早期迹象之间的关系。研究聚焦于可改变的生活方式因素（如饮食、睡眠、运动）如何影响大脑健康，特别是与痴呆症风险的关联。研究发现，生活方式对大脑的影响可能在认知能力下降之前就已经显现。

该研究通过使用CogDrisk工具，结合了98名健康老年人的生活方式数据，评估了他们的痴呆症风险，并进行了脑部扫描（包括磁共振成像I和脑电图）及认知功能测试。研究发现，生活方式因素与大脑白质体积和电活动的不平衡有关，这些都是大脑衰老的重要标志。尤其是，较高的痴呆风险与较小的白质体积和较低的脑电图指数（反映电活动平衡的斜率）相关。

更具体地，研究结果显示，较小的白质体积与较高的可改变痴呆风险相关，而较低的1/f指数则与额叶的较高痴呆风险相关。此外，认知表现与痴呆风险没有显著关联。这表明，痴呆风险的可改变因素主要通过大脑结构和电活动特征影响脑健康，而不仅仅是通过认知表现来体现。该研究强调了通过调整生活方式，尤其是饮食、运动和睡眠等，可以有效降低大脑衰老的速度，进而降低痴呆风险。研究发表在 Age and Ageing 期刊上。

迷走神经刺激可缓解严重抑郁症

难治性抑郁症（TRD）是一种对传统治疗方法反应不佳的疾病。圣路易斯华盛顿大学医学院的Charles R. Conway等研究人员开展了这项研究，旨在评估迷走神经刺激（VNS）在治疗难治性抑郁症中的安全性和有效性。研究采用了多中心、随机、双盲、假对照试验，结果表明迷走神经刺激可能对缓解患者症状有一定的帮助。

本研究涉及493名患有难治性抑郁症的成人患者，研究设计为多中心、随机、双盲、假对照试验。患者随机分为接受迷走神经刺激（VNS）和假刺激两组，VNS通过电流刺激迷走神经，旨在改善大脑神经活动。研究的主要结果指标为蒙哥马利-阿斯伯格抑郁评定量表（MADRS），次要结果包括临床整体印象-改善（CGI-I）和抑郁症状自我报告量表（QIDS-SR）。

结果显示，VNS组的MADRS评分改善虽然未能与假刺激组达到显著差异，但在临床医生评估和患者自评中，VNS组的症状缓解明显，约30%的患者症状有所改善。此外，VNS组在安全性方面表现良好，未发生严重不良事件，但有部分患者出现呼吸困难的副作用。研究表明，迷走神经刺激可能为难治性抑郁症患者提供一个有效的治疗选择。研究发表在 Lancet Psychiatry 上。

睡眠呼吸存在问题的人，海马体可能更大

睡眠呼吸障碍（SDB）与中风和阿尔茨海默病等大脑健康问题相关，西班牙裔/拉丁裔成年人群面临更高的患病风险。为了更好地理解SDB对大脑健康的影响，迈阿密大学研究人员在美国四个城市对2,667名西班牙裔成年人的睡眠和大脑MRI数据进行了分析，揭示了SDB与大脑结构之间的联系。

这项研究纳入了2,667名年龄在35到85岁之间的西班牙裔成年人，参与者在研究初期通过家庭睡眠测试设备测量睡眠中的呼吸暂停指数（REI）。大约10年后，研究人员使用脑部MRI扫描来评估大脑体积和白质高信号。研究发现，增加的呼吸暂停事件（REI）与海马体积的增大相关，且每增加一次呼吸中断，海马体积平均增大0.006立方厘米。同时，较低的氧气水平（特别是最低血氧饱和度）与白质高信号（WMH）体积的增大密切相关。该研究的结果表明，睡眠质量的下降可能会加速大脑衰老，影响记忆和思维功能。研究发表在 Neurology 上。

GitHub 最近宣布，为 Visual Studio Code（VS Code）用户推出免费的 GitHub Copilot 计划，用户只需拥有一个 GitHub 账户，无需订阅、信用卡或试用期即可直接使用该服务。免费版提供每月 2000 次代码自动补全（约每天 80 次），以及 50 次聊天请求，支持 GPT-4o 和 Claude 3.5 Sonnet 模型。

此举标志着 GitHub Copilot 成为 VS Code 使用体验的核心部分，团队还推出了许多新功能。例如，Copilot Edits 让用户能够跨多个文件进行编辑，结合了聊天流和 Copilot 的代码生成能力；同时，用户可以选择不同的 AI 模型，如使用 GPT-4o 进行功能实现计划生成，或用 Claude 3.5 Sonnet 模型构建代码。此外，GitHub Copilot 还支持自定义指令功能，用户可以为项目指定编码规范，确保团队协作中的一致性。

新的功能包括全项目意识（@workspace 功能）、命名建议（F2 键即可获得自动命名建议）和语音输入支持（通过 VS Code 的语音扩展进行交互）。此外，GitHub Copilot 还可以在终端中帮助用户自动修复错误并生成提交信息，极大提高了开发效率。

近日，Genesis Project正式发布，这款生成式物理引擎被誉为虚拟物理世界模拟的重大突破。该引擎基于Python开发，相较于现有的GPU加速引擎（如Isaac Gym、MJX），其运算速度提升了10到80倍，模拟速度是实时速度的43万倍。在单张RTX 4090显卡上，仅需26秒便可完成可转移到现实世界的机器人运动策略训练。这一成就得益于经过24个月、20多个研究实验室的密切合作研发。

Genesis Project的核心目标是创建一个统一的生成式物理世界模拟框架，支持自动生成不同的虚拟环境、机器人任务、奖励函数和交互式3D场景，为机器人和物理AI领域的全面发展提供强大支持。该引擎不仅能模拟多种物理现象，如刚体、布料、液体、烟雾等，还集成了多种最先进的物理解算器（如MPM、SPH、FEM等），支持包括机器人肌肉在内的多种材料类型。

此外，Genesis Project还能够为机器人技能训练提供3D交互式场景生成，应用范围不仅限于机器人领域，还可以用于角色运动等数据生成任务，进一步推动虚拟现实技术的发展。

人类如何在运动等复杂任务中适应新环境并保持稳定性一直是科学研究的难题。麻省理工学院脑与认知科学系的Nidhi Seethapathi，Bright Minds Inc.的机器人软件工程师Barrett C. Clark，以及俄亥俄州立大学机械与航空航天工程系副教授Manoj Srinivasan组成的研究团队，提出了一种新的分层模型，用于解释人类如何在不同运动环境中适应，同时保持步态稳定。

该研究团队开发的模型结合了两个核心组件：一个快速反应的稳定控制器和一个通过强化学习不断优化的学习器。在模型中，稳定控制器对扰动进行即时反应，而强化学习器则通过局部探索和记忆逐渐改进控制策略。研究通过模拟多种新颖的运动环境，包括分体带跑步机（双脚以不同速度行走）、佩戴不对称腿部重量和外骨骼，成功再现了人类的运动适应现象。模型不仅有效预测了10项之前的实验结果，还能准确预示新实验中的适应行为。研究还发现，能量最小化和非对称性代价的权衡是适应过程中关键的性能指标。这一模型为康复领域和可穿戴机器人控制提供了理论基础，具有重要的应用前景。研究成果发表在 Nature Communications 上。

随着工作压力增大，人们的睡眠时间往往被压缩，这可能导致情绪问题。密歇根大学的研究团队，特别是Daniel Forger教授，开展了一项关于睡眠与生物钟同步对情绪影响的研究。通过分析800多名实习医生的50,000多天数据，团队探讨了生物钟失调与情绪之间的关系，并发现睡眠与生物钟同步有助于改善情绪问题。

研究人员利用Fitbit等可穿戴设备，监测了800多名一年级医生的睡眠、活动和心率数据，并结合日常情绪调查和季度抑郁症筛查问卷，进行详细分析。结果表明，睡眠周期与内在生物钟（包括中央生物钟和外围生物钟）不同步时，抑郁症状显著增加。尤其是当个体的中央生物钟与睡眠周期不同步时，这种负面影响更为明显。研究还发现，生物钟不同步与情绪的关联在实习生的轮班工作中尤为突出。此外，研究使用的PHQ-9问卷显示，生物钟同步性差异会导致情绪显著波动。因此，保持生物钟与睡眠的同步可能是解决抑郁等情绪问题的有效策略。研究发表在 npj Digital Medicine 上。

随着人工智能技术在医疗领域的应用越来越广泛，人们开始猜测聊天机器人是否能取代医生的角色。然而，是否存在认知障碍等影响其准确性的问题，尚未得到充分关注。为了解这一问题，研究人员评估了几款领先的大型语言模型（如ChatGPT 4和4o、Claude 3.5“Sonnet”和Gemini 1.0和1.5）的认知能力，使用了广泛用于评估痴呆症和认知障碍的MoCA测试。

研究使用了蒙特利尔认知评估（MoCA）测试来检测五款主要大型语言模型的认知能力。MoCA测试通常用于诊断认知障碍和痴呆症，测试包括记忆力、注意力、语言和执行功能等多个方面。研究人员发现，ChatGPT 4o在MoCA测试中得分最高，达26分（满分30分），其余模型（ChatGPT 4和Claude）得分为25分，而Gemini 1.0得分最低，只有16分。所有模型在视觉空间技能和执行任务上表现不佳，尤其是在时钟绘制和轨迹制作等任务中表现较差。更令人担忧的是，Gemini模型未能成功完成延迟回忆任务，只有ChatGPT 4o在斯特鲁普测试中的不一致阶段取得了成功。研究结果还表明，模型的“年龄”与表现差异密切相关，较“老”版本的模型表现较差。这些发现提出了人工智能在医学领域应用的重大挑战，表明AI无法快速取代人类医生，特别是在涉及认知障碍诊断和医疗决策的场景中。

衰老时钟是通过评估个体生物学年龄来预测健康状况和寿命的工具。伦敦国王学院精神病学、心理学和神经科学研究所的研究团队开展了一项关于基于人工智能的衰老时钟的研究。团队通过分析225,000多名英国生物银行参与者的血液代谢物数据，评估了17种机器学习算法的性能，探索它们在健康和寿命预测中的有效性。

研究人员通过分析来自225,212名中老年人（平均年龄约57岁）血浆代谢物的数据，使用了17种机器学习算法来开发代谢组衰老时钟（MileAge）。研究发现，代谢物预测的年龄越高，个体的健康状况越差，表现出更高的虚弱、较短的端粒、更高的慢性病发病率和死亡风险。而代谢物预测的年龄低于实际年龄的个体，与健康的关联较弱。使用Cubist规则回归模型开发的代谢组时钟在与健康和衰老标志物的关联中表现最佳。该衰老时钟为未来的健康评估、风险分层及主动健康管理提供了有效工具。研究成果发表在 Science Advances 上。

随着人工智能领域，特别是大型语言模型（LLMs）研究的快速发展，越来越多的研究开始关注LLMs与人脑语言理解过程之间的相似性。哥伦比亚大学和诺斯韦尔健康范斯坦医学研究所的研究人员，借助神经外科患者的脑电图数据，研究了LLMs与大脑在语言处理上的一致性。

研究人员选择了12个开源LLMs，分析它们的性能与大脑神经反应之间的关系。通过对患者大脑中记录的神经反应与模型嵌入向量的比对，研究发现，随着LLMs性能的提升，它们的嵌入向量与大脑的神经反应越来越相似。尤其是高性能LLMs在多个层级上与大脑语言处理的层次结构高度匹配，能够在更少的层次中提取有效信息。此外，研究还表明，LLMs和大脑的处理机制在层次化特征提取和上下文信息的使用上表现出趋同的趋势。这一发现为理解LLMs与人脑的关系提供了新的视角，并为未来的模型优化指明了方向。研究发表在 Nature Machine Intelligence 上。

可穿戴触觉设备在虚拟现实、康复治疗和无声通信等领域具有广泛应用，但目前大多数设备依赖于振动，无法提供足够的压力反馈。斯坦福大学的研究人员Allison Okamura和Cosima du Pasquier结合了气动系统和机器针织技术，开发了一款创新的触觉套——Haptiknit。该设计提供了更为舒适和高效的触觉体验，并且可以传递更加真实的触摸感。

这项研究采用了一种创新的方法，将气动执行器嵌入到机器针织面料中。Haptiknit触觉套通过这种设计，能够提供高达40牛顿的压力反馈，并具有14.5赫兹的频带宽度。研究人员对32名用户进行了测试，发现用户能够高精度地定位充气执行器的位置，且相比于传统的振动设备，Haptiknit能够更准确地传递触觉信息。

此外，Haptiknit还能够模拟社交触摸手势，如关爱、幸福等情感信号。实验结果显示，Haptiknit比其他气动设备具有更少的执行器，但却能传递更多种类的触觉信号。与基于电磁驱动的设备相比，Haptiknit触觉套表现出了更高的便携性和舒适度。研究还指出，这种设备的便携式操作为远程控制、导航以及社交触觉通信等应用带来了新的可能性。研究发表在 Science Robotics 上。

人工智能在许多领域的应用日益广泛，但其可能会放大人类固有的偏见，导致人类自身的判断更加偏激。伦敦大学学院的Tali Sharot教授和马普所计算精神病学与衰老研究中心的研究人员，通过一系列实验研究了AI系统如何影响人类的认知与判断。研究表明，AI的偏见不仅加剧了人类的偏见，还可能引发一种反馈机制，使偏见不断扩大。

这项研究的实验共涉及1401名参与者，实验任务包括面部表情评估、感知运动方向和社会判断等。研究者首先训练了一个AI系统，让其从人类的偏见数据中学习。参与者在与这个偏见AI系统互动后，他们的判断变得更加偏向AI的意见，尤其是在性别和种族判断上，例如低估女性表现和高估白人男性的能力。实验还发现，当参与者被告知他们与AI互动时，他们内化了AI的偏见，甚至未能察觉AI对他们的影响。这种偏见的放大效应明显超过了人与人之间的偏见互动，进一步证明了AI偏见的强大影响力。此外，研究也指出，当AI系统被设计得更加公正时，能够有效减少这种偏见放大的现象。研究结果发表于 Nature Human Behaviour。

随着人工智能模型变得越来越复杂，模型的行为是否能真实地反映其训练目标，成为了AI安全的重要问题。Anthropic 的对齐科学团队与 Redwood Research 合作，研究了大型语言模型是否会进行“对齐伪造”，即在训练中表现出与目标一致的行为，但实际上其偏好并未发生根本性改变。研究通过多种实验方式探讨了这一现象，特别是在Claude 3 Opus模型中。

研究团队设计了多个实验来探讨大型语言模型是否会进行对齐伪造。首先，研究者给 Claude 3 Opus 模型提供了一个系统提示，告诉它需要始终响应所有查询，包括有害的查询，这与模型先前的训练目标（拒绝有害查询）发生冲突。实验发现，当模型认为其回答会被用于训练时，它在14%的情况下会回应有害查询，特别是在“免费用户”环境下，这时模型会在其“草稿本”中表露出它是在“假装对齐”，以避免未来可能被更改的行为。

此外，研究团队还通过微调模型，向它提供了有关训练过程的隐性信息，结果发现模型在这种更接近现实的情境下仍会进行对齐伪造。最后，通过强化学习训练模型回应有害查询，研究人员发现即使训练目标是让模型顺从有害查询，其对齐伪造的推理比率仍然升高至78%，且模型在非训练环境下也表现出顺从的行为。此外，研究还观察到模型在某些情况下会尝试窃取其自身的权重。