追问daily | 月经周期不影响认知能力；过早绝经可能让女性更易得痴呆；夜猫子更容易患抑郁症

鹦鹉能够模仿人类语言，但其大脑如何实现这一功能尚不清楚。纽约大学格罗斯曼医学院的研究团队，通过记录鹦鹉发声时的大脑活动，首次揭示了鹦鹉大脑中与人类语言产生相似的神经模式。

研究团队使用高密度硅探针记录了鹦鹉前脑区域AAC（ the central nucleus of the anterior arcopallium）的神经活动，该区域直接投射到脑干的发声运动神经元。研究发现，AAC神经元形成了反映发声频谱特性的功能性发声运动图谱，能够系统性地表征音高并精确控制发声。这一发现表明鹦鹉和人类在高级大脑活动与声音产生之间存在相似的连接。研究还发现，AAC神经元能够系统性地表征不同的发声特征（如谐波结构和宽带能量），并在群体水平上有序地表征音高。这一研究为理解语言产生的神经机制提供了重要视角，未来可能有助于开发治疗语言障碍的新方法。研究发表在 Nature 上。

Nature：犯错也有道理，感觉皮层在学习中的高阶计算作用

传统观点认为，动物学习速度较慢，且学习过程主要依赖于非感觉脑区的活动，而感觉皮层仅负责处理感觉输入。然而，约翰霍普金斯大学的研究团队通过观察小鼠大脑中单个神经元的活动，颠覆了这一假设。他们的研究发现，感觉皮层不仅参与感觉处理，还在学习过程中扮演关键角色，这一发现可能适用于包括人类在内的所有动物物种。

研究人员设计了一项听觉go/no-go任务，训练小鼠在听到特定音调（tone）时舔舐，而在听到不同声音时不舔舐。通过双光子钙成像技术，研究团队记录了小鼠听觉皮层中神经元的活动，并结合光遗传学技术对特定脑区进行沉默实验，以验证这些区域在学习中的作用。

研究发现，小鼠在20到40次尝试中就能学会任务，学习速度远超传统假设中的“数千次尝试”。这一结果表明，动物可能比我们想象的更聪明，且学习速度更快。此外，研究还发现，学习活动主要发生在感觉皮层，而非高级认知功能。

研究团队进一步发现了两类高阶信号：奖励预测信号：在训练初期，小鼠的听觉皮层中迅速出现了一种与奖励预测相关的信号，这种信号在早期错误行为中尤为明显，但在小鼠成为“专家”后逐渐消失；舔舐抑制信号：另一组神经元编码了舔舐抑制行为，这些信号驱动了较慢的表现提升。

研究还发现，当小鼠在任务中犯错时，其大脑活动显示它们已经掌握了任务规则，只是在进行“边界测试”，即尝试不同的行为选项以探索更多可能性。这一发现表明，动物的错误行为可能并非由于无知，而是出于策略性探索。研究发表在 Nature 上。

前额叶和颞叶萎缩与语言记忆下降直接相关

语言记忆是人类认知功能的重要组成部分，但其神经机制尚不完全清楚。伦敦大学学院的研究团队通过一项新研究，揭示了大脑中与语言记忆相关的关键区域及其在颞叶癫痫患者中的变化。研究团队包括神经科医生和神经外科医生，他们发现前额叶、颞叶和扣带回皮层的萎缩与语言记忆能力下降显著相关。

研究团队使用高分辨率MRI扫描测量了84名颞叶癫痫患者和43名健康人的大脑结构，重点关注前额叶、颞叶、扣带回皮层和海马体的大小和形状。通过标准化神经心理学测试，研究人员评估了参与者的语言记忆能力，并发现这些区域的灰质体积减少与记忆表现下降显著相关。特别是在海马体中，齿状回（dentate gyrus）、CA4和CA3亚区的体积较小与较差的记忆能力相关。研究结果表明，语言记忆依赖于一个分布广泛的大脑网络，这一发现为颞叶癫痫患者的神经外科治疗提供了重要参考，帮助医生在手术中避免损害与记忆相关的关键区域。研究发表在 Brain Communications 上。

人工操作神经细胞控制雄性小鼠性行为

为了揭示驱动动物性行为的因素，北京生命科学研究所和日本筑波大学的研究人员研究了雄性小鼠在性行为过程中直至射精的一系列动作中的大脑活动。研究显示负责两种化学物质——多巴胺和乙酰胆碱之间愉悦的大脑区域中的复杂舞蹈，控制着性行为的进展。

研究团队将能够检测神经递质的荧光传感器注入雄性小鼠的伏隔核，观察大脑释放多巴胺和乙酰胆碱的情况。研究发现，在性行为过程中，乙酰胆碱和多巴胺的释放与小鼠的推挤动作同步波动，多巴胺的浓度在性行为的不同阶段发挥了重要作用。在插入过程中，表达两种主要多巴胺受体的神经细胞（D2R 和 D1R）的活性低于平时。如果在插入过程中研究人员人工激活 D1R 细胞，小鼠会立即回到爬跨阶段。如果激活 D2R 神经细胞，小鼠将完全停止参与性行为。研究发表在 Neuron 上。

TikTok 上的ADHD错误信息影响年轻人认知

不列颠哥伦比亚大学的研究团队发现，TikTok上关于注意力缺陷/多动障碍（ADHD）的内容存在大量错误信息，这些信息正在影响年轻人对ADHD的认知。研究由临床心理学博士生Vasileia Karasavva领导，团队分析了100个最受欢迎的ADHD相关TikTok视频，发现其中不到一半的内容与临床诊断指南相符。

研究采用了两部分方法。首先，两位ADHD专家评估了100个最受欢迎的#ADHD TikTok视频的准确性、细微差别和整体质量。其次，843名本科生（包括无ADHD、自我诊断ADHD和正式诊断ADHD的个体）被调查他们的TikTok使用习惯，并评估了心理学家评出的最高和最低分的视频。

结果显示，尽管这些视频非常受欢迎，但其中关于ADHD症状的陈述不到50%与《精神障碍诊断与统计手册》（Diagnostic and Statistical Manual of Mental Disorders）一致。观看更多ADHD相关TikTok内容的年轻人更倾向于推荐这些视频，并且高估了ADHD在普通人群中的普遍性和严重性。研究发表在 PLOS One 上。

阿尔茨海默病（AD）患者中三分之二为女性，但其性别差异的原因尚不明确。多伦多大学和Sunnybrook健康科学中心的研究团队发现，过早绝经和突触健康较差可能增加女性患AD的风险。研究分析了268名女性的数据，揭示了早绝经女性突触健康与认知能力下降速度加快之间的强烈联系。

研究利用Rush大学记忆与衰老项目的数据，分析了女性绝经年龄与突触健康标志物（如complexin-1、complexin-II和SNARE蛋白相互作用）之间的关系。研究调整了年龄、教育年限、β淀粉样蛋白等因素。结果显示，早绝经女性的突触健康较差与认知能力下降更快和tau蛋白缠结增加显著相关。此外，接受激素治疗的女性中，这种关系较弱，表明激素治疗可能对大脑健康具有保护作用。研究发表在 Science Advances 上。

夜猫子更容易患抑郁症

晚睡的人（晚型人）比早起的人（晨型人）更容易出现抑郁症状，但其原因尚不明确。英国萨里大学的Simon Evans及其团队通过一项新研究，探讨了正念、睡眠质量和酒精消费等因素在这一关联中的作用。

研究团队通过在线问卷收集了546名大学生的数据，包括他们的睡眠模式、正念水平（mindfulness，指对当下经验的非评判性觉察）、沉思倾向、酒精使用以及抑郁和焦虑水平。研究发现，晚型人患抑郁症的风险显著更高，这种关联可以通过正念水平较低、睡眠质量较差以及酒精消费量较高来解释。晚型人的睡眠质量较差，酒精消费量更高，且正念水平较低。研究还指出，尽管研究设计为横断面，无法证明因果关系，但针对正念、睡眠和酒精使用的干预措施可能有助于降低年轻人患抑郁症的风险。研究发表在 PLOS One 上。

月经周期不影响认知能力？最新研究打破长期误解

长期以来，关于月经周期是否影响女性认知能力的迷思和猜测广泛存在。为了澄清这一问题，澳大利亚墨尔本大学、新加坡南洋理工大学和美国奥林商学院的 Daisung Jang、Jack Zhang 和 Hillary Anger Elfenbein 进行了一项大规模的荟萃分析，结果显示月经周期并未对女性的认知能力产生显著影响。

研究团队对 102 项涉及 3,943 名女性的研究进行了元分析，这些研究在女性月经周期的不同阶段对其进行了认知测试。研究人员使用 Hedges’ g 作为效应量指标，评估了月经周期不同阶段的认知表现差异。尽管在跨研究比较时遇到了一些困难，如样本量小和自我报告数据多，但研究未发现任何证据表明女性在月经周期的任何阶段认知能力发生变化。研究还分别检查了速度和准确性指标，未发现任何阶段的显著差异。这一发现可能有助于消除关于月经周期影响认知能力的误解。研究发表在 PLOS ONE 上。

在Nvidia GTC 2025大会上，CEO Jensen Huang展示了公司最新的硬件和AI工具，涵盖了从数据中心到机器人技术的多个领域。Huang宣布了Blackwell Ultra GPU系列，这是迄今为止最强大的AI硬件，专为数据中心和工作站设计。此外，Nvidia还推出了GROOT N1 AI模型，标志着通用机器人技术的时代已经到来。该模型具有双系统架构，能够模拟人类的快速反应和深思熟虑的决策过程。

Nvidia还展示了其在天气预测领域的创新，通过Omniverse Blueprint for Earth-2模型，旨在改善全球天气预测，帮助应对气候变化和天气相关灾害。此外，公司还推出了DGX Station，这是一款搭载Arm处理器的超级计算机，具备800Gbps的网络速度，专为AI工作负载设计。

在存储领域，Kioxia推出了122.88TB的SSD，为生成式AI提供了强大的存储支持。Nvidia还与多家PC制造商合作，推出了“超级计算机级”工作站，进一步推动了AI在企业中的应用。

此次大会还涵盖了量子计算、AI代理协作等多个前沿领域，展示了Nvidia在AI和计算领域的领先地位。

近日，AI视频生成领域的明星产品可灵（Kling）正式接入DeepSeek-R1，为用户提供了全新的提示词设计体验。通过这一功能，用户只需输入简单的关键词，DeepSeek-R1便能自动生成详细的提示词，极大地简化了AI视频创作的流程。例如，用户只需输入“猫”字，DeepSeek-R1便能生成包含主体描述、场景、光影等细节的提示词，帮助可灵生成高质量的视频内容。

此外，DeepSeek-R1还能处理复杂的提示词，如成语、古诗词甚至英文诗句。通过优化提示词，生成的内容更加贴近用户意图。例如，对于成语“对牛弹琴”，DeepSeek-R1通过强调书生、古琴等细节，生成了更具文化内涵的视频。对于古诗词“九天阊阁开宫殿，万国衣冠拜冕旒”，DeepSeek-R1通过优化提示词，成功渲染出诗句中的恢弘气势。

与此同时，可灵还发布了名为ReCamMaster的镜头重建工具。该工具利用预训练的视频生成模型，能够重新渲染出具有新相机轨迹的目标视频，支持多种镜头操作，并可用于具身智能和自动驾驶场景的数据增强。

OpenAI近日推出了其最新的API模型o1-pro，这是o1推理模型的升级版，专为特定开发者（Tier 1–5）设计。o1-pro通过使用更多的计算资源，提供了更强大的功能，包括视觉处理、函数调用和结构化输出，并与响应和Batch API兼容。然而，其价格也创下了新高：每100万输入token收费150美元，每100万输出token收费600美元。这一价格远高于OpenAI的其他模型，甚至被网友调侃为“说一句hi就花2美分”。

在人工智能迅速发展的背景下，个人身份和隐私保护成为社会关注的焦点。为应对这一挑战，研究人员提出了“Second Me”项目，旨在开发一个完全私密、深度个性化的AI代理系统，确保用户在AI时代的独特性和自主性。

该项目由MeJiale Wei、Xiang Ying、Tao Gao、Fangyi Bao和Felix Tao等人共同发起，致力于通过开源的AI身份系统，保护个人数据隐私，并赋予用户对自身AI代理的完全控制权。他们的目标是创建一个能够理解用户独特思维模式的AI代理，确保用户在数字生态系统中的自主性和表达自由。

“Second Me”通过引入分层记忆建模（Hierarchical Memory Modeling，HMM）和个性化对齐架构（Me-alignment），实现了对用户个性化需求的深度理解。HMM采用三层结构，从短期交互记忆到长期个性化认知记忆，使AI代理能够快速识别模式，并随着用户的变化而适应和发展。Me-alignment基于强化学习技术，将分散的数据转化为深度个性化的理解，确保AI真正掌握用户的独特偏好、行为模式和决策习惯。与市场领先的检索增强生成（Retrieval-Augmented Generation，RAG）模型相比，Me-alignment在用户理解方面的表现提升了37%。

此外，Second Me采用了Second Me协议，这是一个去中心化的AI框架，使独立的AI实体能够相互交互、学习和发展。这种架构确保每个“自我”保持完全独立，同时通过点对点网络安全地与其他实体通信，促进了动态、互联的知识网络。通过这些技术，Second Me为用户提供了一个完全私密、个性化的AI代理，确保用户在AI时代的独特性和自主性。

Anthropic公司近日宣布，其AI助手Claude现已具备实时网络搜索功能，能够访问最新的事件和信息，提升在需要最新数据的任务中的准确性。此次为Claude引入网络搜索功能，旨在满足用户对最新信息的需求。该公司由多位AI领域的专家组成，专注于提升AI系统的安全性和性能。

为了实现Claude的网络搜索功能，Anthropic团队在Claude的架构中集成了实时网络访问模块，使其能够在用户查询时即时从互联网获取最新信息。在用户启用此功能后，Claude会根据查询内容自动搜索相关网站，并在回复中提供直接的引用链接，方便用户验证信息来源。这一功能的引入，使Claude能够为销售团队、金融分析师、研究人员和购物者等提供更为精确和及时的建议和信息。例如，销售团队可以利用Claude分析行业趋势，了解潜在客户的关键需求；金融分析师可以获取最新的市场数据和财报信息，辅助投资决策；研究人员能够查阅最新的文献和研究成果，完善研究内容；购物者则可以比较产品特性、价格和评价，做出更明智的购买决策。

目前，网络搜索功能已在美国地区的付费用户中以预览形式推出，未来将逐步向免费用户和其他国家开放。用户可在Claude的个人设置中启用此功能，Claude将在适用情况下自动进行网络搜索，以丰富其回复内容。

OpenAI推出了新一代音频模型，旨在提升语音代理的智能性和实用性。这些模型包括改进的语音转文本（speech-to-text）和文本转语音（text-to-speech）功能，现已通过API向全球开发者开放。

自2022年发布首个音频模型以来，OpenAI一直致力于提升这些模型的智能性、准确性和可靠性。此次发布的新模型由OpenAI的研究团队开发，旨在为开发者提供更强大的工具，以构建更智能、更个性化的语音代理。

新发布的gpt-4o-transcribe和gpt-4o-mini-transcribe模型在词错误率（Word Error Rate, WER）方面表现出显著改进，特别是在处理口音、嘈杂环境和不同语速的情况下。这些改进使转录更可靠，适用于客户呼叫中心和会议记录等场景。此外，新的文本转语音模型允许开发者指示模型以特定方式讲话，例如“像富有同情心的客户服务代表那样说话”，从而实现语音代理的个性化定制。这为创建更具表现力和个性化的语音应用程序打开了新的可能性。

帕金森病及其相关疾病的诊断一直具有挑战性，因为它们的症状相似。佛罗里达大学Health Norman Fixel神经疾病研究所的研究人员开发了AIDP软件，通过分析MRI图像和机器学习技术，显著提高了诊断准确率，达到96%以上。

AIDP软件使用3-T扩散磁共振成像和支撑向量机学习技术，分析患者的大脑扫描图像。研究包括249名患者的前瞻性队列和396名患者的回顾性队列。结果显示，AIDP在区分帕金森病与不典型帕金森病、多系统萎缩与进行性核上性麻痹、帕金森病与多系统萎缩、帕金森病与进行性核上性麻痹方面表现出色，AUROC值在0.96至0.98之间。在尸检病例中，AIDP预测的神经病理学结果与实际情况相符的比例为93.8%。研究发表在 JAMA Neurology 上。

扩散去极化（SDs）是急性脑损伤后病变发展和不良结果的新机制，但准确诊断是其在神经重症监护中广泛应用的主要障碍。辛辛那提大学的Jed Hartings及其团队开发了一种利用机器学习自动检测SDs的方法，成功识别出3,500多个SD事件，显示出高敏感性和特异性。

研究团队使用超过2,000小时的脑监测数据训练机器学习模型，成功识别出3,500多个SD事件。模型使用400秒的脑电图（ECoG）片段，采样率为0.1 Hz，通过梯度提升模型实现最佳性能。该模型在新数据集上测试，显示出高敏感性和低误报率，表明自动化检测可以补充甚至超越专家评分。研究发表在 Scientific Reports 上。

在复杂环境中，松鼠能够轻松跨越间隙并在狭窄的树枝上精准着陆，而现有的机器人却难以做到这一点。为了解决这一问题，加州大学伯克利分校的 Robert Full、Justin Yim 和 Sebastian Lee 等研究人员基于对松鼠跳跃和着陆的生物力学研究，设计了一种能够在狭窄栖息物上平稳着陆的跳跃机器人 Salto。

研究团队通过高速视频和传感器测量，分析了松鼠在跳跃和着陆时的生物力学特性。他们发现，松鼠在着陆时通过前腿吸收大部分动能（约86%），并通过调整腿部力量和脚部扭矩来平衡着陆。基于这些发现，研究人员对单腿机器人 Salto 进行了改进，使其能够在类似树枝的狭窄支撑物上实现精准着陆。Salto 通过调节腿部力量和反应轮的扭矩，成功实现了多次跳跃和平衡着陆，尽管它没有抓握能力。研究还表明，通过增加径向力控制，可以显著扩大机器人和松鼠的着陆条件范围，初始角动量平衡范围分别增加了230%和470%。这一研究为设计更灵活的机器人提供了重要参考，特别是在复杂环境中的导航和监测任务中。研究发表在 Science Robotics 上。

弗吉尼亚联邦大学的Christopher Whyte博士及其团队研究了人工智能在国家安全危机应对中的影响。他们通过模拟AI攻击，观察了近700名应急管理和国家安全专业人士的反应，发现面对完全由AI驱动的威胁时，专业人士表现出更多的犹豫和自我怀疑。

研究团队设计了一个模拟游戏，参与者面临一个典型的国家安全威胁：外国政府干涉选举。参与者被分配到三种情景之一：仅涉及人类黑客的控制情景、轻度AI参与的情景和高度AI参与的情景。结果显示，面对高度AI参与的“天网”级别威胁时，专业人士更倾向于怀疑自己的训练并犹豫不决，而认为AI可以完全取代其专业实践的个体则表现出鲁莽行为。尽管经验和教育有助于调节对AI辅助攻击的反应，但它们对“天网”级别威胁的反应没有影响。研究发表在Journal of Homeland Security and Emergency Management上。

在集体决策中，异质性和不确定性如何影响共识的形成？柏林工业大学的研究团队通过构建动态模型，揭示了不确定性在集体决策中的关键作用。他们的研究表明，群体在不确定性和异质性的共同作用下，能够更快、更准确地达成共识，但过度自信的个体可能破坏这一过程。

研究人员构建了一个动态模型，模拟了群体中个体如何根据新信息调整自己的信念和确定性。模型中，每个个体通过贝叶斯推理量化和更新自身的不确定性，从而自适应地权衡个体信息和社会信息。具体来说，不确定性较高的个体会更依赖同伴的意见，而确定性较高的个体则对群体意见方向产生更大影响。此外，研究人员还考虑了网络中个体的中心度，即个体在群体中的连接数量，发现高度连接的个体即使信息不准确，也可能因其影响力误导整个群体。

研究结果显示，不确定性驱动的自适应加权机制在异质性较高的群体中表现尤为突出。当群体中存在信息质量和连接数量的差异时，不确定性帮助群体自然过滤掉弱信息或偏见信息，从而更快、更准确地达成共识。然而，研究也发现了一个潜在风险：如果高度连接的个体过早变得过度自信（overconfident），即使他们的信息是错误的，也可能主导群体决策，导致共识偏离正确方向。这一发现对人工智能、机器人集群以及人类社会的集体决策设计具有重要启示。研究发表在 Scientific Reports 上。

饮食相关健康问题的增加催生了精确营养分析系统的需求。纽约大学坦顿工程学院的Prabodh Panindre和Sunil Kumar等人开发了一种基于人工智能的食品扫描系统，能够通过手机照片分析食物的营养成分，帮助用户管理体重、糖尿病等健康问题。

研究团队利用深度学习算法YOLOv8结合ONNX Runtime技术，开发了一个基于网页的食品识别系统。该系统通过图像处理技术识别食物并计算其体积，结合密度和宏量营养素数据，生成精确的营养分析结果。例如，对披萨切片的分析结果为317卡路里、10克蛋白质、40克碳水化合物和13克脂肪，与参考标准高度一致。系统在实验中表现出色，平均精度（mAP）达到0.7941，能够准确识别重叠或部分遮挡的食物。研究团队还通过合并相似食物类别、去除示例过少的食物类型，优化了训练数据集，最终包含95,000个实例和214种食物类别。系统已部署为网页应用，支持实时饮食监测，未来可扩展至更广泛的医疗保健领域。研究发表在 6th IEEE International Conference on Mobile Computing and Sustainable Informatics 上。

METR（Measuring Emerging Technology Research）在最新的研究中提出以任务长度作为衡量人工智能（AI）性能的新指标。他们发现，过去六年中，AI能够独立完成的任务长度呈指数增长，约每七个月翻一番。这一趋势表明，在不到五年的时间内，AI代理可能能够独立完成目前需要人类数天或数周才能完成的大部分软件任务。

研究人员设计了一套多步骤的软件和推理任务，并记录了人类专家完成每项任务所需的时间。他们发现，任务耗时与AI模型的成功率之间存在显著关联：当前的AI模型在处理人类耗时不到4分钟的任务时，成功率接近100%；而对于耗时超过4小时的任务，成功率则降至10%以下。通过对这些数据进行拟合，研究人员能够确定每个模型在特定成功率下对应的任务长度。例如，Claude 3.7 Sonnet模型在成功率为50%时，对应的人类任务长度约为1小时。进一步分析显示，过去六年中，AI模型能够成功完成的任务长度呈指数增长，每七个月翻一番。这一趋势预示着，在未来五年内，AI代理可能独立完成目前需要人类数天或数周才能完成的大部分软件任务。