整理｜ChatGPT

编辑｜存源

脑科学动态

大脑如何将动机转化为目标导向的行为？

近期，阿拉巴马大学伯明翰分校和国家心理健康研究所的科学家们发现了大脑如何在饥饿状态下激发动物寻找食物的强烈动机。实验通过训练小鼠在一个模拟觅食环境中寻找奖励，小鼠需在触发区等待直到听到提示音后开始移动，穿过长走廊到达奖励区领取草莓味的Ensure营养液。完成后，小鼠需返回触发区等待下一轮。这种设置模拟了自然环境中的觅食行为，小鼠很快学会了这一过程，并表现出极高的参与度。

研究者使用光学光度测量和钙离子传感器GCaMP监控PVT内两大神经元亚群在小鼠接近奖励和完成任务返回触发区时的活动。这些亚群是根据是否有多巴胺D2受体来区分的，分别代表PVTD2(+)和PVTD2(-)神经元。实验结果显示，PVTD2(+)神经元在接近奖励时活动增加，在任务完成后活动减少；而PVTD2(-)神经元则表现出相反的活动模式。

这项研究挑战了长期以来关于PVT功能的传统认识，证明了即便是同类细胞，不同亚群的神经元也能承担不同的功能角色，进而影响动机和目标导向行为。通过PVT到伏隔核（NAc）的轴突投射，大脑将需要状态转化为动机信号，参与调控复杂的行为模式。研究发表Current Biology期刊。

#大脑动机机制 #神经元亚群 #室旁核 #动机状态 #目标追求行为

阅读论文：

Beas, S., Khan, I., Gao, C., Loewinger, G., Macdonald, E., Bashford, A., Rodriguez-Gonzalez, S., Pereira, F., & Penzo, M. A. (2024). Dissociable encoding of motivated behavior by parallel thalamo-striatal projections. Current Biology, 0(0). https://doi.org/10.1016/j.cub.2024.02.037

蛔虫“全脑”活动的个体差异是如何产生的

东京大学Yu Toyoshima和Yuichi Iino带领的联合研究团队近期展示了秀丽隐杆线虫全脑活动中的个体差异，并从中提取出共性。此外，通过引入噪声或概率元素，可以更准确地模拟线虫的大脑活动。

这项研究使用微流控芯片和共聚焦显微镜技术，观察线虫对盐浓度变化的神经反应，发现即使在这种被认为神经回路相对一致的物种中，神经传递路径也存在个体间的显著差异。研究团队通过计算机模拟证明，只包含确定性元素的最初模拟产生了衰减的神经活动。通过向模型中添加噪声，团队实现了对线虫全脑活动的准确表征，不仅能够估算神经元间的连接强度，还证明了“噪声”对大脑活动的必要性。研究发表在PLOS Computational Biology期刊。

#线虫大脑活动 #个体差异 #计算机模拟 #神经“噪声” #PLOSComputationalBiology

阅读论文：

Toyoshima, Y., Sato, H., Nagata, D., Kanamori, M., Jang, M. S., Kuze, K., Oe, S., Teramoto, T., Iwasaki, Y., Yoshida, R., Ishihara, T., & Iino, Y. (2024). Ensemble dynamics and information flow deduction from whole-brain imaging data. PLOS Computational Biology, 20(3), e1011848. https://doi.org/10.1371/journal.pcbi.1011848

肠道细菌产生神经递质，塑造新生儿的免疫系统

在新生小鼠的小肠中进行的代谢物分析中，威尔康奈尔医学院的研究人员识别到血清素在新生儿肠道中高度富集，这种血清素主要由特定的肠道细菌产生。这些细菌通过直接改变T细胞的代谢，促进了肠道调节性T细胞的分化，进而促进了对饮食抗原和共生细菌的免疫耐受。

研究还显示，这些具有血清素生产能力的细菌，通过下调单胺氧化酶A的活性来限制血清素的分解，从而维持肠道中血清素的高水平。这一过程不仅增加了调节性T细胞的数量，还有助于防止免疫系统对肠道细菌或食物抗原的过度反应。通过将血清素直接口服灌胃给新生小鼠，研究发现这一处理能够在新生小鼠中引发长期的T细胞介导的对饮食抗原和共生细菌的特异性免疫耐受。研究发表在Science Immunology期刊。

#新生儿肠道细菌 #血清素 #免疫系统教育 #调节性T细胞 #食物过敏预防

阅读论文：

Sanidad, K. Z., Rager, S. L., Carrow, H. C., Ananthanarayanan, A., Callaghan, R., Hart, L. R., Li, T., Ravisankar, P., Brown, J. A., Amir, M., Jin, J. C., Savage, A. R., Luo, R., Rowdo, F. M., Martin, M. L., Silver, R. B., Guo, C.-J., Krumsiek, J., Inohara, N., & Zeng, M. Y. (2024). Gut bacteria–derived serotonin promotes immune tolerance in early life. Science Immunology, 9(93), eadj4775. https://doi.org/10.1126/sciimmunol.adj4775

人脑老化新视角：基因表达揭示年龄预测模型

过往的研究探讨过健康人脑各区域随着老化发生的转录组变化，但基于特定转录物面板表达水平开发年龄预测模型的研究尚缺。此外，有关老化大脑中性别二态基因活动的研究结果不一。

哈佛大学公共卫生学院、马萨诸塞州总医院、哈佛医学院等机构的研究人员，综合分析了来自基因表达综合数据库（GEO）的PFC转录组数据集，涵盖了从21岁到105岁的样本，发现老年和高龄组与年轻组相比有大量差异性调控的转录物，同时也比较了性别特异性表达的变化。

研究团队运用本体论、通路和网络分析来评估与年龄相关的基因，并应用了各种机器学习算法，包括最小绝对收缩与选择算子（Lasso）、Elastic Net（EN）、极限梯度提升（XGBoost）和轻梯度提升机（LightGBM）等，开发出准确的年龄预测模型并进行了验证。研究发表在Aging期刊。

#人脑老化 #基因表达 #年龄预测模型 #机器学习 #性别差异

阅读论文：

Zarrella, J. A., & Tsurumi, A. (2024). Genome-wide transcriptome profiling and development of age prediction models in the human brain. Aging, 16(5), 4075–4094. https://doi.org/10.18632/aging.205609

MRI 可以预测谁对精神分裂症治疗反应最好

荷兰研究人员近日报告称，神经黑素敏感型磁共振成像（NM-MRI），可能准确预测精神病患者是否会发展成为对治疗有抗性的精神分裂症。其中神经黑素可以提供健康多巴胺功能的视觉证据，而过量的多巴胺可能导致与精神病相关的攻击性和冲动控制能力差。

研究包括了62位18至35岁经历首次精神病发作的患者，所有患者都被诊断为精神分裂症谱系疾病。这些患者与20名健康志愿者的对照组进行了比较。所有患者接受了临床访谈、智商测试和NM-MRI扫描，而精神病患者接受了抗精神病治疗。六个月后，研究人员对治疗反应进行了评估。根据基线NM-MRI，15名非反应者在称为黑质的大脑区域有显著较低的信号。研究者基于神经黑素的证据，能够以高达68%的准确率预测哪些患者会对治疗有反应。在28名反应者和9名非反应者的后续扫描中，NM-MRI信号在六个月内没有变化。研究发表在The American Journal of Psychiatry上。

#脑部扫描 #治疗抗性精神分裂症 #神经黑素 #多巴胺功能 #早期诊断

阅读论文：

van der Pluijm, M., Wengler, K., Reijers, P. N., Cassidy, C. M., Tjong Tjin Joe, K., de Peuter, O. R., Horga, G., Booij, J., de Haan, L., & van de Giessen, E. (2024). Neuromelanin-Sensitive MRI as Candidate Marker for Treatment Resistance in First-Episode Schizophrenia. American Journal of Psychiatry, appi.ajp.20220780. https://doi.org/10.1176/appi.ajp.20220780

首次在日常活动场景中，观察到猴脑如何编码社交行为

传统上，大脑功能的研究多在严格控制的实验室环境中进行，而关于动物或人类在日常活动中大脑功能的变化和特性了解甚少。近期，宾夕法尼亚大学的一项研究首次观察到猕猴在进行日常活动时社交行为是如何在大脑中编码的。

为了揭示这些差异及其本质，研究人员设计了三种场景下的实验：猴子独自一人、与另一只雄性猴子互动以及与一只已建立良好关系的雌性伴侣互动。实验涉及四只成年恒河猴，但只有雄性猴子被安装了神经记录设备。实验开始时，被测试的雄性猴会被安装一个装置，用于记录其前额叶和颞叶皮层的神经活动。每次互动实验持续约2.5小时。

通过分析，研究团队识别出24种特定的行为模式及其社交情境。进一步的分析显示，雄性和雌性猴子在相互理毛时表现出近乎完美的互惠性。当被记录的雄性猴子面临攻击性入侵者时，其行为和神经反应显示出一定程度的同理心，而这种同理心可以通过友善的雌性伴侣的存在而得到缓解。研究团队认为，他们的实验展示了大脑对日常活动的广泛神经响应分布，而且在人类大脑中可能发生类似的模式。研究发表在Nature期刊。

#社交行为编码 #日常活动神经响应 #恒河猴研究 #脑部监测 #前额叶和颞叶皮层活动

阅读论文：

Testard, C., Tremblay, S., Parodi, F., DiTullio, R. W., Acevedo-Ithier, A., Gardiner, K. L., Kording, K., & Platt, M. L. (2024). Neural signatures of natural behaviour in socializing macaques. Nature, 1–10. https://doi.org/10.1038/s41586-024-07178-6

AI 行业动态

OpenAI CTO采访语焉不详，Sora训练数据遭质疑

近期，OpenAI CTO Mira Murati在近期采访中对其训练数据的来源话语含糊，引发公众对其真实性和透明度的质疑。尤其是在数据来源的细节上，被几次提问后，Murati的回答从“我们使用的是公开可用的数据，以及经过许可的数据”到随后的“不确定”表述，令人猜疑。

#Sora #OpenAI #AI视频生成 #数据透明度 #技术挑战

阅读更多：

https://www.youtube.com/watch?v=mAUpxN-EIgU

AI 研发动态

转变治疗阿尔茨海默病的路径：微生物发酵法的突破性进展

在德克萨斯大学奥斯汀分校的最新研究中，科学家们利用人工智能系统和荧光生物传感器，开发出了一种新方法，通过基因改造的细菌生产治疗阿尔茨海默病和其他形式痴呆症状的药物——加兰他敏的化学前体。这种方法不仅可以规避传统从水仙花提取活性成分的方式所面临的供应不稳定和成本高昂的问题，还能大幅提高生产效率和降低成本。

研究团队通过人工智能系统MutComputeX，成功地改造细菌内的蛋白质，以提高其生产目标化学物质的效率，有些情况下，这一过程的效率是水仙花自然系统的三倍。此外，他们还开发了一种荧光生物传感器，能够迅速检测并分析哪些细菌在生产所需的化学物质以及产量多少。研究发表在Nature Communications上。

#阿尔茨海默病治疗 #微生物发酵 #人工智能 #荧光生物传感器 #基因改造细菌

阅读论文：

d’Oelsnitz, S., Diaz, D. J., Kim, W., Acosta, D. J., Dangerfield, T. L., Schechter, M. W., Minus, M. B., Howard, J. R., Do, H., Loy, J. M., Alper, H. S., Zhang, Y. J., & Ellington, A. D. (2024). Biosensor and machine learning-aided engineering of an amaryllidaceae enzyme. Nature Communications, 15(1), 2084. https://doi.org/10.1038/s41467-024-46356-y

新型贴片装置助力声带障碍者重获声音

加州大学洛杉矶分校的工程师团队最新研发了一种柔软、薄型、可伸展的设备，仅一平方英寸大小，可贴于喉咙外皮肤，帮助声带功能障碍者重新获得说话能力。该设备能够检测人的喉部肌肉运动，并通过机器学习技术将这些信号转化为可听见的语言，准确率接近95%。

这个小型贴片设备由两部分组成：一部分是自供电的感应组件，它检测并转换肌肉运动产生的信号为高保真、可分析的电信号，然后使用机器学习算法将这些电信号翻译为语音信号；另一部分是激励组件，将这些语音信号转化为所需的声音表达。设备的两部分都包含有弹性的生物兼容硅化合物聚二甲基硅氧矽(PDMS)层和铜制感应线圈组成的磁感应层。研究结果发表在Nature Communications上。

#声带恢复 #生物电系统 #机器学习 #非侵入式技术 #语音翻译

阅读论文：

Che, Z., Wan, X., Xu, J., Duan, C., Zheng, T., & Chen, J. (2024). Speaking without vocal folds using a machine-learning-assisted wearable sensing-actuation system. Nature Communications, 15(1), 1873. https://doi.org/10.1038/s41467-024-45915-7

虚拟现实中的昆虫：构建能飞能走的计算机化果蝇

科学家们通过结合精确的解剖学模型、先进的物理模拟器以及基于真实果蝇行为训练出的人工智能，创造了一种虚拟果蝇。这种计算机化的果蝇不仅能够在复杂的路径中自如行走和飞行，还能通过模拟的“眼睛”控制飞行方向，并与环境进行逼真的物理交互。这一成就是由HHMI Janelia研究所和Google DeepMind的科学家共同完成的。

这项技术不仅展现了虚拟果蝇行走、飞行的能力，还能模拟真实果蝇的视觉控制和导航能力，甚至能够实现高度真实的行为模拟——包括不同速度下的行走、转弯，甚至是短暂的停止。此外，神经网络的应用使得这种虚拟昆虫能够将简单的命令转化为复杂的物理动作，如同真实的果蝇一样。

#虚拟果蝇 #人工智能 #物理模拟 #视觉导航 #科技创新

阅读更多：

https://www.janelia.org/news/artificial-intelligence-brings-a-virtual-fly-to-life

Quiet-STAR：语言模型可以在说话之前自学思考

Quiet-STaR的研究团队提出了一个自觉思考的普遍的模型，它能够在每个词汇点生成合理的解释来预测未来的文本，从而改善预测能力。这不仅解决了生成续写的高计算成本问题，也克服了语言模型最初不知道如何生成或利用内部思维的挑战，以及需要预测超过单个下一个词汇的需求。

为了解决这些问题，研究团队引入了一种基于标记的并行抽样算法，这种算法使用可学习的标记来指示思考的开始和结束，并采用了一种扩展的教师强制技术。这种方法的引入，使得模型在处理难以预测的词汇时表现出了显著的优势，同时也提高了模型直接回答困难问题的能力。

在经过对互联网文本的持续预训练之后，Quiet-STaR在GSM8K和CommonsenseQA两项测试中展现了显著的零样本改进，并且在自然文本中难以预测词汇的困惑度上也有所改善。值得注意的是，这些进步无需对特定任务进行微调，就能够实现。

#自学型推理 #语言模型 #推理能力 #Quiet-STaR #人工智能

阅读论文：

Zelikman, E., Harik, G., Shao, Y., Jayasiri, V., Haber, N., & Goodman, N. D. (2024). Quiet-STaR: Language Models Can Teach Themselves to Think Before Speaking (arXiv:2403.09629). arXiv. https://doi.org/10.48550/arXiv.2403.09629

“梦境转译器”：AI如何揭示隐藏情感

最新研究介绍了一个名为Metamorpheus的创新项目，该项目探索了人们如何通过创造性视觉叙事来回顾和反思他们的梦境情感体验。Metamorpheus利用生成式人工智能模型，按照梦境的情感弧线安排故事情节，通过创造隐喻性图像和文本描述，激发用户的自我反思。这一过程不仅允许用户详细回忆梦境，而且帮助他们以有意义的方式重新体验和反思这些体验。

研究显示，Metamorpheus的特性被用户认为是准确和充满创意的。尽管在重现复杂的视觉场景时存在挑战，用户仍然发现隐喻性文本描述能够精确反映他们当时的情感。更重要的是，这种互动体验增强了用户对情感的觉察，并以一种类似于治疗的无害方式促进了反思，让用户在一个安全的环境中重新体验和思考梦中的情绪。

#梦境重塑 #情感体验 #自我反思 #创意叙事 #生成式AI

阅读论文：

Wan, Q., Feng, X., Bei, Y., Gao, Z., & Lu, Z. (2024). Metamorpheus: Interactive, Affective, and Creative Dream Narration Through Metaphorical Visual Storytelling (arXiv:2403.00632; Version 1). arXiv. https://doi.org/10.48550/arXiv.2403.00632

持续预训练大型语言模型的简单且可扩展的策略

科学家们发现了一种更高效的更新大型语言模型（LLMs）的方法，这种方法不需要每次都从头开始训练。通常，这些模型需要在数十亿的数据上进行预训练，每当有新数据时，就需要重新开始训练过程。但现在，通过持续地预训练模型，并结合学习率（LR）的重新加热、衰减以及重播之前的数据，可以显著节省计算资源，同时保持与从头训练相同的性能水平。

研究表明，即便在数据分布发生微弱或显著变化的情况下，这种方法也能有效工作，无论是在处理英语之间的小幅变化，还是在英语到德语这样的大幅变化中，都能匹敌全新训练的效果。这一发现不仅减少了计算需求，还为如何有效更新大型语言模型提供了新的视角。此外，研究还提出了优化学习率计划的新方案，以防止在重新加热学习率时出现的遗忘问题。

#大型语言模型 #持续学习 #节能高效 #学习率调整 #数据分布变化

阅读更多：

Ibrahim, A., Thérien, B., Gupta, K., Richter, M. L., Anthony, Q., Lesort, T., Belilovsky, E., & Rish, I. (2024). Simple and Scalable Strategies to Continually Pre-train Large Language Models (arXiv:2403.08763). arXiv. https://doi.org/10.48550/arXiv.2403.08763

LoRAMoE：通过 MoE 风格的插件减轻大型语言模型中的世界知识遗忘

在人工智能领域，大型语言模型（LLMs）的监督微调（SFT）是一项关键步骤，旨在使模型更加符合人类指令，提升其在下游任务上的表现。然而，研究发现，大规模增加指令数据虽能增强模型在特定任务上的性能，却可能损害模型储存的世界知识。

为了解决这一挑战，科学家们提出了LoRAMoE框架，这是一种创新的解决方案，它通过引入多个低秩适配器（LoRA）并通过一个路由网络整合它们，类似于专家混合（MoE）的插件版本。LoRAMoE通过冻结背景模型并使部分LoRAs专注于利用世界知识解决下游任务，有效避免了世界知识的遗忘。

实验结果显示，随着指令数据的增加，LoRAMoE能显著提升模型处理下游任务的能力，同时保留了LLMs中储存的世界知识。特别地，LoRAMoE在世界知识基准测试中不仅避免了知识的灾难性崩溃，还大幅提高了性能，平均提升达到了35.3%，最高提升达到63.9%。此外，LoRAMoE在其他下游任务上也展现出了优秀的性能，接近甚至超过了直接细调的结果。

#LoRAMoE #语言模型 #知识保留 #多任务学习 #人工智能

阅读论文：

Dou, S., Zhou, E., Liu, Y., Gao, S., Zhao, J., Shen, W., Zhou, Y., Xi, Z., Wang, X., Fan, X., Pu, S., Zhu, J., Zheng, R., Gui, T., Zhang, Q., & Huang, X. (2024). LoRAMoE: Alleviate World Knowledge Forgetting in Large Language Models via MoE-Style Plugin (arXiv:2312.09979; Version 3). arXiv. https://doi.org/10.48550/arXiv.2312.09979

追问互动

○如果您对本期内容有进一步想要追问的问题或者讨论的内容，欢迎在评论区留言，或者扫描二维码添加追问微信号，发送自我介绍，加入我们的社群参与互动。如需转载，还请留言。