追问daily | 发呆也能学习；AI医生也会看人下菜；丘脑才是意识的门控

Science：人类丘脑高阶核团通过丘脑-前额叶环路调控意识感知

意识感知的神经机制长期聚焦于大脑皮层，但北京师范大学张鸣沙、中国人民解放军总医院赵虎林和北京师范大学李小俚团队挑战了这一观点。他们发现，丘脑的板内核和内侧核通过θ波同步“门控”前额叶活动，直接驱动意识感知。

研究团队设计了一项创新视觉任务，利用立体定向脑电图（sEEG）同时记录丘脑和前额叶皮层的神经活动。结果显示，板内核（intralaminar nuclei）和内侧核（medial nuclei）在意识感知出现时，比腹侧核团更早激活，且θ波（2-8Hz）相位主导了丘脑-前额叶的神经同步。进一步分析发现，这些核团与外侧前额叶皮层（LPFC）的耦合强度显著高于其他脑区，表明其特异性调控作用。解码实验证实，该环路主要编码“有意识”与“无意识”状态，而非任务其他变量（如刺激对比度）。这一发现支持了丘脑作为“意识门控”的理论，并可能为植物人等意识障碍患者提供精准干预靶点。研究发表在 Science 上。

霍华德休斯医学研究所的Aljoscha Nern、Frank Loesche、Shin-ya Takemura等科学家组成的团队，通过纳米级成像技术首次完整绘制出果蝇视觉系统的神经连接图谱，鉴定出732种神经元类型及其4900万突触连接。

研究团队采用聚焦离子束铣削（FIB-SEM）技术，将雄性果蝇大脑切成66片超薄样本，用7台定制电子显微镜耗时一年完成纳米级成像。通过自动分割和人工校对，他们重建了右视叶的53,000个神经元，发现这些细胞可归类为732种类型——约半数首次被命名。深度学习模型分析近200万突触预测了神经递质类型，实验验证准确率达85%。

连接组显示：视觉信息通过"局部神经元（50,000个）→投射神经元（4,500个）→中央脑（352条通路）"的三级架构传递。有趣的是，对偏振光敏感的背缘区未发现专用神经元，这可能是进化简化的结果。团队还开发了582种split-GAL4驱动线（精确操控特定神经元的遗传工具），并与数字神经元图谱整合，使每种细胞类型可在三维空间中查询。这项研究将抽象视觉原理转化为可测试的物理连接，为人工智能视觉算法和神经疾病研究提供新思路。研究发表在 Nature 上。

Cell：小胶质细胞调控神经元大小的进化机制

周围神经系统是否存在调控神经元发育的"隐藏守护者"？中国科学院深圳先进技术研究院的团队联合多机构研究者，通过跨物种分析揭开了PNS小胶质细胞的神秘面纱，不仅修正了教科书知识，更发现其决定神经元大小的关键作用。

研究团队采用单细胞转录组测序结合跨物种比较，系统分析了从人类到小型啮齿类共24种脊椎动物。结果显示，PNS小胶质细胞与大脑中的同类共享90%核心基因表达谱，并通过特殊突触结构直接包裹神经元胞体。在猪等大型动物中，每个感觉神经元平均被3-5个小胶质细胞包围，而小鼠则完全缺失这种结构。功能实验证实，清除这些细胞会导致神经元体积缩小23%，触觉灵敏度下降40%。进化分析更揭示惊人规律：物种每增加1公斤体重，其背根神经节中小胶质细胞密度就提升15%，这种相关性不受亲缘关系影响。研究为理解神经发育障碍提供了新视角，并解释了为何小鼠模型难以模拟人类外周神经疾病。研究发表在 Cell 上。

新生神经元可逆转亨廷顿舞蹈症损伤

亨廷顿舞蹈症患者大脑中的运动神经元会逐渐死亡，目前尚无有效疗法。罗切斯特大学医学中心的Abdellatif Benraiss、Steven Goldman团队发现，通过刺激大脑自身祖细胞产生的新神经元能成功整合到运动回路中，在动物模型中显著恢复运动功能。

研究团队向小鼠脑室注射两种关键蛋白——脑源性神经营养因子（BDNF，促进神经元生长）和Noggin（抑制胶质细胞分化），成功激活休眠的祖细胞。这些细胞新生后迁移至受损的纹状体，分化为中棘神经元（MSNs），并通过 rabies病毒示踪技术证实其与运动皮层、苍白球建立了功能连接。光遗传学实验显示，用蓝光激活这些神经元能引发小鼠特定运动行为。在亨廷顿舞蹈症模型小鼠中，新生神经元使运动功能恢复率达63%，且未出现异常电活动。研究还发现灵长类动物大脑保留相同再生潜力，为临床转化提供希望。研究发表在 Cell Reports 上。

童年逆境如何通过改变大脑结构影响认知？布莱根妇女医院神经内科的Sofia Carozza和Amar Dhand团队发现，早期不良经历会导致全脑白质连接质量下降，这种结构性变化直接关联青少年时期的数学和语言能力缺陷。研究同时揭示社区支持等保护因素可减轻负面影响。

研究团队利用美国21个中心采集的9,082名儿童脑成像数据，通过扩散张量成像(DTI)技术测量白质的分数各向异性(FA，反映神经纤维完整性)和流线数量。分析显示，经历家庭经济困难或人际暴力的儿童，其大脑白质FA值平均降低12-15%，尤其在胼胝体和弓状束(语言相关通路)最为显著。计算模型表明，这些结构差异可解释儿童在韦氏量表心算测试中28%的分数变异，以及语言理解测试中22%的表现差异。值得注意的是，生活在高凝聚力社区的儿童，即使面临经济困难，其白质损伤程度减轻约40%。研究发表在 PNAS 上。

视觉训练竟能重塑丘脑连接，神经发育障碍治疗现曙光

丘脑能否像大脑皮层一样重塑神经连接？波士顿儿童医院的Chinfei Chen团队通过小鼠实验发现，丘脑外侧膝状核（LGN）能根据视觉经验自主调整神经连接，且发育期的改变具有持久性。

研究团队将小鼠暴露于特定方向的移动条纹视觉刺激中，通过单细胞记录技术发现，丘脑外侧膝状核（LGN，视觉信息中转站）的神经元会选择性增强对特定方向刺激的反应。这种可塑性完全由视网膜输入驱动，与皮层反馈无关。在发育关键期，这种改变可维持数周；而成年小鼠虽能短期调整，但无法形成长期记忆。

进一步实验显示，缺乏视网膜-丘脑精细化调控的突变小鼠丧失了这种可塑性。研究还发现，通过调节神经递质（如多巴胺、血清素）可能靶向干预丘脑连接，为临床治疗提供可能。例如，重复行为训练对孤独症患儿的疗效可能部分通过丘脑通路实现。研究发表在 Neuron 上。

发呆也能学习！揭秘大脑"挂机模式"的神奇功效

你是否常因走神而自责？罗兰大学的Péter Simor团队带来好消息：当进行不需要集中注意力的学习时，走神反而能提升效果。这项颠覆常识的研究发现，自发放空时大脑会产生类似睡眠的慢波，帮助人们更好地捕捉隐藏规律。

研究团队让37名参与者完成内隐学习任务（通过无意识吸收信息的学习方式），同时用脑电图监测其状态。当思维自发漫游时，参与者对视觉流中隐藏概率模式的识别准确率显著提高，这种效果在刻意走神时却不明显。脑电分析揭示，此时大脑皮层会出现低频振荡活动（类似深度睡眠时的脑波），这种"微睡眠"状态可能帮助大脑自动整合信息。有趣的是，传统认为走神有害的注意力需求任务，与这种被动学习机制存在根本差异。研究为理解大脑不同学习模式提供了新视角，或对教育方法设计产生启发。研究发表在 The Journal of Neuroscience 上。

虚拟形象外观如何影响人脑互动机制

虚拟形象越像真人，大脑反应越特别？罗马大学的Ugo Giulio Pesci、Vanessa Era等研究者发现，人类大脑处理虚拟形象动作时存在"外貌歧视"——类人身体特征会特异性激活动作观察网络（AON），这种神经偏好可能成为未来优化人机交互的关键。

研究团队设计了一项精妙的预测任务：参与者需观察屏幕上虚拟形象触碰瓶子的动作，并同步按下对应按钮。通过脑电图（EEG）记录发现，当虚拟形象具有类人身体时，顶枕叶皮层（parieto-occipital cortex）会持续产生独特的神经活动模式，且与处理简单形状的脑区明显不同。更有趣的是，早期观察正波（oPe）——一个与动作监控相关的脑电成分，仅在参与者需要预测虚拟形象动作方向时才对身体外观敏感。这意味着大脑对虚拟互动的处理存在双重机制：基础动作识别不受形象外观影响，但高级预测功能会主动"参考"对方的外形特征。研究还发现，这种神经调制具有任务特异性，暗示未来设计教育或医疗用虚拟代理时，可能需要根据应用场景定制形象拟真度。研究发表在 eNeuro 上。

Meta最新发布的大语言模型Llama 4近日陷入舆论漩涡。这款包含Scout、Maverick和Behemoth三个版本的产品在官方测试中表现亮眼，却在用户实际使用中频频"翻车"，引发社区对"测试集混入训练数据"的质疑。Meta Gen AI团队负责人紧急发表声明否认这一指控，AI领域权威Yann LeCun也转发了澄清内容，强调部署不稳定是性能差异的主因。

事件发酵源于匿名爆料和用户实测反差。有自称Meta前员工的网友在留学论坛"一亩三分地"爆料领导层曾建议将测试集混入训练数据，而Meta研究员Licheng Yu等员工则公开驳斥这一说法。普林斯顿大学博士生Kai-Xuan Huang发现Llama 4在轻微扰动的数学数据集上表现差异显著，进一步加深了外界对模型优化方式的质疑。大模型基准平台LMArena虽然展示了Llama 4在某些任务上的优势案例，但"实验性聊天版本"的特殊优化处理又引发了新的透明度争议。

这场风波折射出AI行业面临的共同挑战——如何在追求基准测试成绩与保证实际应用效果之间取得平衡。尽管Meta坚称Llama 4代表着重大技术进步，但用户对测试结果可信度的动摇已经造成伤害。随着更多独立测试结果的公布，这场关于大模型评估标准与商业伦理的讨论将持续发酵。

Sync Labs 发布 Lipsync-2 ，全球首个零-shot的嘴型同步模型，它能在没有额外训练或微调的情况下，保留说话者独特的风格。

Lipsync-2模型不仅在现实主义、表现力、控制力、质量和速度方面有显著提升，还引入了风格保留和温度控制等新功能，使用户能够根据需求定制同步效果。适用于多种内容类型，包括真人视频、动画以及AI生成的视频，具备极高的灵活性和适应性。Lipsync-2 是“零样本”（zero-shot）技术的升级版，它不用事先针对某个特定的人或声音训练，就能直接用在任何人身上。

Lipsync-2有不少优点，其一是不像老技术需要先喂一堆数据给 AI，Lipsync-2直接拿来就能用，省时间；其二是它能看懂视频里的人怎么说话，然后模仿得很像，不只是简单地动嘴；其三是做得更像真人，连细微表情都抓得住。它在表现力、控制力、生成质量和速度方面都获得了提升。

斯坦福大学人类中心人工智能研究院（Stanford HAI）于近日发布了《2025年人工智能指数报告》，全面分析了全球人工智能（AI）的发展态势，涵盖技术性能、经济投资、公共认知等多个方面。

报告显示，美国在前沿AI模型的开发方面保持领先地位，2024年共推出40个重要模型；中国紧随其后，推出15个模型；欧洲则有3个。 值得注意的是，中国在AI论文发表和专利申请数量上超过美国，表明其在AI研究领域的快速发展。

在私人投资方面，全球对AI的私人投资达到创纪录的1508亿美元，同比增长26%。 生成式AI（Generative AI）领域的资金投入显著增加，反映出该技术的快速发展和广泛应用。

报告还指出，AI技术的进步带来了新的挑战。2024年，AI相关的事故报告达到233起，比2023年增加了56.4%，强调了在AI系统开发和部署中加强安全性和可靠性的必要性。

此外，公众对AI的看法因地区而异。在中国、印度尼西亚和泰国等国家，大多数人认为AI产品和服务带来的益处超过了缺点。

总体而言，报告强调了全球AI领域的快速发展和竞争态势，指出各国在技术创新、投资和政策制定方面的动态变化。

新模型大幅提升抗生素耐药性检测准确性

抗生素耐药性威胁全球健康，传统检测方法面临耗时和准确性不足的挑战。杜兰大学的Julian G. Saliba、Wenshu Zheng和Tony Hu团队开发出新型群体关联模型（GAM），结合机器学习技术，显著提高了耐药性检测的准确性和效率。

研究团队开发的GAM模型通过分析细菌全基因组序列（whole genome sequencing），识别与耐药性相关的关键突变。与传统方法不同，GAM不依赖专家定义的规则，能够自主发现新的耐药性标记。在7,179株结核分枝杆菌和3,942株金黄色葡萄球菌的测试中，GAM的准确性达到或超过WHO标准，同时将假阳性率（false positive rate，错误识别耐药性的概率）降低50%以上。机器学习（machine learning）的引入进一步提升了模型的预测能力，特别是在数据不完整的情况下。临床验证显示，该模型在中国样本中预测一线抗生素耐药性的准确率显著高于现有方法。研究发表在 Nature Communications 上。

定制化脑刺激为耐药性癫痫患者带来新希望

癫痫患者常面临药物无效和记忆、睡眠障碍的双重困扰。梅奥诊所的Vaclav Kremen、Gregory Worrell团队开发了一种智能植入设备，通过AI实时优化脑刺激参数，不仅能减少癫痫发作，还显著改善了患者的记忆和睡眠质量。

研究团队使用名为BrainRISE的植入式平台，持续监测5名颞叶癫痫患者的脑电活动（LFP）和日常行为数据。通过AI算法，系统自动识别癫痫发作、异常放电（IES）及睡眠状态，并同步评估患者的记忆和情绪变化。结果显示，低频刺激（LF-DBS）比传统高频刺激（HF-DBS）更有效：不仅减少了67%的癫痫发作，还显著提升了记忆测试分数和睡眠时长。AI驱动的参数调整使治疗更加精准，避免了过度刺激导致的情绪波动。这一技术未来或可扩展至其他神经系统疾病。研究发表在 Brain Communications 上。

VR+AI突破：孤独症早期诊断准确率达85%

如何实现孤独症的客观早期诊断？瓦伦西亚理工大学人类技术研究所的Mariano Alcañiz团队联合Red Cenit中心，开发出基于虚拟现实和深度学习的检测系统，诊断准确率突破85%，成本仅为传统方法的十分之一。

研究团队设计半沉浸式VR环境，通过大屏幕投影模拟日常生活场景，用普通摄像头捕捉儿童执行任务时的全身运动数据（kinematic data，记录关节位置和轨迹的物理量）。与传统手工提取特征相比，新开发的3DCNN ResNet模型（一种能自动学习时空特征的深度神经网络）展现出显著优势：在81名受试者测试中，模型平均准确率达85%，对MRI阴性病例的检出率提升至63.7%。关键突破在于系统通过分析运动模式异常（如重复性动作）实现诊断，无需依赖主观行为观察。研究特别发现，非典型运动特征（atypical motor patterns）作为生物标志物的有效性超过传统社交注意力指标。该系统已通过8年临床验证，仅需价值200美元的设备即可部署，有望纳入常规儿童发育筛查。研究发表在 Expert Systems with Applications 上。

面对不断变异的SARS-CoV-2病毒，劳伦斯利弗莫尔国家实验室的Fangqiang Zhu、Dan Faissol团队与阿斯利康合作，利用人工智能技术预先设计出能中和未来变体的抗体3152-1142。

研究团队首先通过深度突变扫描（DMS，一种模拟病毒所有可能突变的技术）找出已获批抗体AZD3152的弱点——当病毒刺突蛋白（spike protein）的F456或D420位点突变时，抗体效力大幅下降。随后，他们使用GUIDE人工智能平台（能生成数十亿种药物设计方案的超级计算系统）筛选优化方案，最终仅通过6个氨基酸改变就创造出新一代抗体3152-1142。实验显示，该抗体不仅能100%中和所有现存24种变体，对实验室人为制造的"未来变体"XBB.1.5+F456L也完全有效，效力比原版抗体提高100倍。更关键的是，经DMS全面检测，新抗体没有产生新的易受攻击位点。研究者比喻这如同"提前堵住病毒所有可能的逃生通道"。这项技术有望像流感疫苗快速更新机制一样，实现抗体的"即时升级"。研究发表在 Science Advances 上。

依恋风格如何影响人们对AI心理咨询工具的接受度？

当人工智能开始担任"心理医生"，为什么有人欣然接受有人却步不前？坎特伯雷大学的Xiaoli Wu、Kongmeng Liew和Martin Dorahy团队通过调查239名美国成年人发现，对AI的信任度和个人依恋风格共同决定了这一选择——焦虑型依恋者更可能拥抱AI咨询，而信任度则是跨越心理门槛的关键钥匙。

研究团队首先设计包含CAI（对话式人工智能）咨询场景的情景模拟，随后通过在线问卷收集数据。结果显示，信任AI能力与安全性的参与者，其采用意愿提升2.3倍（通过逻辑回归分析）。特别的是，具有焦虑型依恋（anxious attachment，表现为过度担忧关系稳定性）的群体展现出显著更高的接受度，这可能源于他们将AI视为"永不拒绝"的理想倾听者。而回避型依恋（avoidant attachment，表现为回避亲密关系）群体则无明显倾向。研究同时发现，87%的参与者表达了对数据隐私的顾虑，45%担忧可能产生情感依赖。这些发现为开发"依恋敏感型"AI咨询系统提供了重要依据，也提示需要建立更完善的风险防控机制。

AI医生也会"看人下菜"？研究揭示医疗算法中的隐藏偏见

当AI成为"医生"，它会公平对待所有患者吗？西奈山伊坎医学院的Mahmud Omar、Eyal Klang和Girish N. Nadkarni团队发现，9个主流医疗AI模型会根据患者的种族、收入等社会人口因素做出截然不同的治疗建议，这可能加剧医疗不平等。

研究团队设计了一套精密的"压力测试"系统：将1,000个急诊病例（如胸痛、创伤等）的临床细节保持不变，仅改变患者的社会人口标签（共32种组合），观察AI模型如何"变脸"。结果触目惊心——标注为LGBTQIA+的病例被过度建议心理健康评估（超出临床需要6-7倍），而无家可归者更易被推荐侵入性治疗。收入差异导致的检查建议鸿沟同样显著：高收入组获得CT/MRI（计算机断层扫描/磁共振成像）等高级检查的概率是低收入组的2.3倍，尽管临床症状完全相同。

研究还发现，AI的"偏见模式"具有系统性：当面对边缘群体时，模型会不自觉地提高护理等级，这种"过度补偿"可能源于训练数据中的历史偏见。通过对比9个模型（包括GPT-4和开源模型）的170万条建议，研究者建立了首个医疗AI偏见评估框架，可帮助开发者识别和修正算法中的"盲区"。研究发表在 Nature Medicine 上。

AI真的有创造力吗，揭示"可见性"如何影响人类判断

人们如何判断AI是否具有创造力？阿尔托大学的Niki Pennanen和Christian Guckelsberger团队通过实验发现，人类对AI创造力的评价高度依赖创作过程的可见程度——看得越多，评分越高。

研究团队设计了三阶段实验：首先让参与者仅评价AI绘制的静物画，此时平均创造力评分为3.2分（5分制）；当增加展示绘画过程的视频（process，即线条逐步呈现）后，评分显著提升至4.1分；最后展示机器人实际作画的完整场景，评分进一步升至4.7分。值得注意的是，使用两种不同外形的机器人（拟人机械臂和机械式绘图仪）创作相同画作时，外形差异未导致评分差异（p>0.05）。通过问卷分析还发现，对AI技术越熟悉的参与者给出的创造力评分越低（r=-0.32），这可能源于他们对AI工作原理更了解。研究首次量化证明了"眼见为实"效应在AI创造力评价中的重要性，提示未来AI系统设计可考虑适当展示创作过程以提升用户体验。研究发表在 ACM Transactions on Human-Robot Interaction 上。

大语言模型如何构建真正的"智能体"

大语言模型（LLMs）能否成为真正的"智能体"？来自MetaGPT、蒙特利尔大学等20家机构的Bang Liu、Xinfeng Li和Jiayi Zhang团队提出，LLMs仅是智能体的"引擎"，而真正的智能体需要整合记忆、世界建模、奖励处理等模块，并具备自主学习和协作能力。

研究团队采用模块化、脑启发架构，将智能体的功能分为四大核心模块：记忆（存储和检索信息）、世界建模（理解环境）、奖励处理（决策动机）和类情感系统（模拟人类情感反应）。通过自动化优化范式（如AutoML，自动化机器学习），智能体可自主提升能力并适应动态环境。在多智能体系统中，协作和集体行动能产生类似人类社会的集体智能。研究还强调，未来智能体需解决安全性和伦理问题，包括鲁棒性（robustness，系统抗干扰能力）和实际部署策略。研究为构建真正自主的智能体指明了方向，并提出了跨学科整合的解决方案。