█脑科学动态

基于大语言模型的共享语言空间，实现交流中思想的同步

利用寄生虫突破血脑屏障，向大脑传递药物

多巴胺信号对大脑神经活动的影响比想象中更小

新方法在几分钟内追踪迷幻药物对神经元的影响

睡眠剥夺显著减少小鼠大脑突触多样性

新超高速电子显微镜技术推动类脑计算研究

脑力劳动令人不快的科学依据

█AI行业动态

AI普及企业，Gemini 1.5 Flash更新

Neuralink第二位人类患者成功植入脑机接口

OpenAI人员大规模跳槽

OpenAI 承诺向美国AI安全研究所提供新模型早期访问权限

MindSearch：革新信息检索的智能代理系统

█AI研发动态

人工智能工具提升外科医生训练效果

人工智能在心理健康筛查中存在性别和种族偏见

生成式AI在医学教育中的应用和挑战

新型ECRAM器件助力高效低功耗AI计算

GROVER：一种用AI解码DNA语言的创新方法

利用自由能原理区分人工系统中的真实与模拟意识

重新定义数据处理：重新规范化生成模型的突破

脑科学动态

基于大语言模型的共享语言空间，实现交流中思想的同步

当两个人交流时，他们的大脑活动会变得相互协调，称为“脑对脑耦合”。目前，尚不明确这种现象在多大程度上是由语言还是其他因素（如肢体语言或语气）引起的。在最新的研究中，普林斯顿大学Zaid Zada和Samuel Nastase等人通过通过考虑对话期间使用的单词以及使用这些单词的上下文，提出了一种新的脑活动建模方法。

研究团队对5对癫痫患者进行了研究，这些患者在纽约大学医学院进行颅内监测，利用皮层电图记录了他们高清晰度的大脑活动。他们使用了GPT-2语言模型，提取对话中每个词的环境信息，并训练模型预测信息是如何从说话者传递到听者的。

研究发现，说话者的大脑在发出单词前约250毫秒达到活动高峰，而听者在听到单词后约250毫秒达到活动高峰。通过对上下文的敏感分析，研究团队能够逐词追踪信息的传递，发现这种方法比传统方法更能准确预测大脑活动的共性。

这项成果强调了上下文在解释大脑数据中的重要性，并且研究团队计划将此模型应用于其他类型的大脑数据，以探索不同大脑区域在对话中的协同作用和时间模式。该研究发表在Neuron期刊上。

#认知科学 #Neuron #脑对脑耦合 #上下文嵌入 #大语言模型

阅读论文：

Zada, Zaid, et al. “A Shared Model-Based Linguistic Space for Transmitting Our Thoughts from Brain to Brain in Natural Conversations.” Neuron, vol. 0, no. 0, Aug. 2024. www.cell.com, https://doi.org/10.1016/j.neuron.2024.06.025.

利用寄生虫突破血脑屏障，向大脑传递药物

治疗神经系统疾病的一大挑战在于如何有效穿越血脑屏障（BBB）递送药物。特拉维夫大学Oded Rechavi和格拉斯哥大学Lilach Sheiner的研究团队提出了一种创新的方法，通过基因改造弓形虫（Toxoplasma gondii），使其能够递送治疗性蛋白质至大脑。

研究团队利用基因工程技术改造弓形虫的内源性分泌系统，包括棒状体（rhoptries）和密集颗粒（dense granules），使其能够传递多个大于100千道尔顿（kDa）的治疗性蛋白质。研究在培养细胞、大脑类器官和体内进行验证，采用成像、拉下实验、单细胞RNA测序和荧光报告基因等技术评估蛋白质活性。通过腹腔注射改造后的弓形虫，小鼠体内展示了蛋白质在大脑中的三维分布。作为概念验证，研究展示了MeCP2蛋白的脑部递送，这是一种Rett综合症的潜在治疗靶点。研究同时评估了该系统的潜力和局限性，旨在指导未来的改进和更广泛的应用。研究发表在Nature Microbiology上。

#神经技术 #NatureMicrobiology #血脑屏障 #弓形虫 #基因工程

阅读论文：

Bracha, Shahar, et al. “Engineering Toxoplasma Gondii Secretion Systems for Intracellular Delivery of Multiple Large Therapeutic Proteins to Neurons.” Nature Microbiology, July 2024, pp. 1–22. www.nature.com, https://doi.org/10.1038/s41564-024-01750-6.

多巴胺信号对大脑神经活动的影响比想象中更小

大邱庆北科学技术院脑科学系联合加州大学洛杉矶分校团队，揭示了大脑神经信号与多巴胺信号的关联，开发了“基于光神经芯片的多重大脑信号监测技术”。研究团队采用光遗传学技术，在“腹侧纹状体”中同时观察多巴胺和神经活动的变化。他们发现，当大脑处理神经信号时，如果不释放多巴胺，神经元活动没有异常；在正常生理范围内释放多巴胺时，神经元活动仅出现微小或不一致的变化。然而，当多巴胺释放量超过正常生理范围的五倍时，神经信号处理显著受影响。

研究进一步通过机器学习验证，研究人员确认在人工操控的纹状体中，多巴胺信号引起了神经元动作电位的变化。这表明，当前理论中被认为对神经信号处理至关重要的多巴胺，在生理范围内的影响实际上可能比预期的要小。相较于多巴胺信号，其他外部神经输入可能对纹状体中的神经活动更为重要。研究发表在 Nature Neuroscience 上。

#神经技术 #NatureNeuroscience #多巴胺 #纹状体 #神经信号

阅读论文：

Long, Charltien, et al. “Constraints on the Subsecond Modulation of Striatal Dynamics by Physiological Dopamine Signaling.” Nature Neuroscience, July 2024, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41593-024-01699-z.

CaST在几分钟内追踪迷幻药物对神经元的影响

加州大学戴维斯分校Christina Kim和David Olson的研究团队开发了一种名为CaST的新工具，可以快速标记迷幻药物在大脑中激活的神经元和生物分子。

研究人员设计了一种酶催化方法，通过外源性生物素分子在体内快速标记高钙离子水平的活跃细胞。该方法不需要植入设备，可以在10分钟内完成细胞标记，并且信号强度随钙离子浓度和标记时间增加。团队使用CaST工具标记了被裸盖菇素激活的小鼠前额叶皮层神经元，并观察到这些神经元与小鼠头部抽搐反应相关联。这一新工具不仅可以提供细胞级别的活动快照，还能与现有的商业工具兼容进行简单的染色和成像。未来，研究团队计划扩大CaST工具的应用范围，涵盖整个大脑的细胞标记，并探索受迷幻药物影响的神经元所表达的特定蛋白质。研究发表在 Nature Methods 上。

#神经技术 #NatureMethods #迷幻药物 #大脑健康 #神经元

阅读论文：

Zhang, Run, et al. “Rapid, Biochemical Tagging of Cellular Activity History in Vivo.” Nature Methods, Aug. 2024, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41592-024-02375-7.

睡眠剥夺显著减少小鼠大脑突触多样性

一支多学科研究团队发现，睡眠剥夺会显著减少小鼠大脑突触多样性。研究人员通过用刷子戳或敲打笼子干扰小鼠的正常睡眠，然后解剖并分析其大脑。他们利用一种此前开发的技术，将小鼠大脑突触分类为不同亚型，并比较了正常睡眠和睡眠剥夺小鼠的大脑突触多样性。

结果显示，睡眠剥夺的小鼠虽然总突触数量保持不变，但突触多样性显著减少，尤其在负责记忆和学习的大脑区域最为明显。研究团队推测，蛋白质合成的减缓可能是导致突触变化的原因。此外，突触组结构的改变还影响了神经振荡的响应，进一步表明睡眠对保持大脑认知功能的重要性。研究发表在 Current Biology 上。

#认知科学 #Current Biology #突触多样性 #睡眠剥夺 #记忆和学习

阅读论文：

Koukaroudi, Dimitra, et al. “Sleep Maintains Excitatory Synapse Diversity in the Cortex and Hippocampus.” Current Biology, vol. 0, no. 0, Aug. 2024. www.cell.com, https://doi.org/10.1016/j.cub.2024.07.032

新超高速电子显微镜技术推动类脑计算研究

近日，美国能源部阿贡国家实验室的研究团队开发出了一种新型显微镜技术，可以利用电脉冲追踪材料内部纳秒级的动态变化。该技术基于模拟人脑神经元工作原理的人工神经网络。电荷密度波是一种电子波状排列结构，它可以增加材料中电子运动的阻力，通过控制这些波的行为，有可能实现电子设备的快速开关和超精密感应。

阿贡国家实验室的研究人员使用了位于纳米材料中心的超高速电子显微镜，研究了在室温下形成电荷密度波的材料——二硫化钽（1T-TaS2）。他们通过两个电极向该材料施加电脉冲，观察到了两种未曾预见的现象：一是电流注入产生的热量导致电荷密度波熔化，而不是电流本身；二是电脉冲引发了材料内部类似鼓膜的振动，扰乱了电荷密度波的排列。

这项新技术不仅揭示了电荷密度波如何响应电信号的两种新机制，还表明其熔化反应与神经元激活的方式相似，而振动反应则可能在神经网络中生成类似神经元的信号。这为研究微电子材料在纳米尺度和纳秒级速度下的功能提供了全新的方法。

#超高速显微镜 #电荷密度波 #类脑计算 #能效提升 #材料科学

阅读论文：

Durham, Daniel B., et al. “Nanosecond Structural Dynamics during Electrical Melting of Charge Density Waves in $1\mathrm{T}\text{\ensuremath{-}}{\mathrm{TaS}}_{2}$.” Physical Review Letters, vol. 132, no. 22, May 2024, p. 226201. APS, https://doi.org/10.1103/PhysRevLett.132.226201.

脑力劳动令人不快的科学依据

拉德布德大学的Erik Bijleveld领导的研究团队最近探讨了脑力劳动与不适感之间的关系。他们对170项研究进行了元分析，这些研究涉及4670名参与者，涵盖了358种不同的任务，包括设备测试任务、虚拟现实任务和认知表现任务。所有研究均使用NASA任务负荷指数（NASA Task Load Index），即一种评估参与者劳动体验和负面情绪的标准工具。

元分析结果表明，脑力劳动与负面情绪之间存在显著的正相关关系，即脑力劳动越大，参与者体验到的不适感越强。这一结果在不同的人群和任务中都得到了验证，包括医疗从业者、军队人员、业余运动员和大学生等，研究覆盖了29个国家。有趣的是，在亚洲国家，脑力劳动带来的不适感较轻，这可能与这些国家教育文化的不同有关。亚洲国家的高中生通常花费更多时间在学业上，可能因此从小就习惯了更高强度的脑力劳动。

尽管脑力劳动令人不快，但人们仍然为了潜在的奖励而自愿参与其中。比如，许多人玩象棋是因为预期到象棋的益处大于其带来的不适感。因此，人们选择从事脑力劳动可能是为了收益，而非享受劳动过程本身。研究发表在Psychological Bulletin上。

#认知科学 #心理学通报 #脑力劳动 #负面情绪 #文化差异

阅读论文：

David, Louise, et al. “The Unpleasantness of Thinking: A Meta-Analytic Review of the Association between Mental Effort and Negative Affect.” Psychological Bulletin, 2024, p. No Pagination Specified-No Pagination Specified. APA PsycNet, https://doi.org/10.1037/bul0000443.

AI 行业动态

AI普及企业，Gemini 1.5 Flash更新

近日，云端AI产品管理高级总监沃伦·巴克利发布了关于最新AI模型Gemini 1.5 Flash的更新报告。作为目前最快的AI模型，Gemini 1.5 Flash已在高容量和高频任务处理上取得显著进展，受到各界的欢迎和应用。

然而，巴克利指出，真正的价值不仅在于提供出色的模型，更在于提供一个完整的生态系统，使用户能轻松访问、评估和大规模部署这些模型。为此，公司推出了一系列更新，以帮助用户顺利进入生产阶段并拓展全球市场：

  • 更多模型选择：公司扩展了Model Garden，增加了Meta的Llama 3.1和Mistral AI的最新模型，并以完全托管的“模型即服务”形式提供，用户无需开发负担即可找到最适合的模型。

  • 消除语言障碍：Gemini 1.5 Flash和Pro版本现已支持100多种语言，方便全球用户用母语进行提示和接收回复。

  • 可预测性能：为确保可靠性和性能，公司在Vertex AI中提供了Provisioned Throughput，并提供99.5%的正常运行时间服务级别协议（SLA）。

  • 成本优化：自2024年8月12日起，Gemini 1.5 Flash将显著降低输入和输出成本，分别减少约85%和80%。结合上下文缓存等功能，能够大幅降低长上下文查询的成本和延迟。

#AI发展 #企业应用 #高效模型 #多语言支持 #成本优化

阅读更多：

https://cloud.google.com/blog/products/ai-machine-learning/lower-costs-more-languages-for-gemini-on-vertex

Neuralink第二位人类患者成功植入脑机接口

近日，埃隆·马斯克旗下的脑机接口公司Neuralink宣布，成功将第二颗脑机接口芯片植入一名人类患者体内。这是继今年1月首位患者植入后的又一突破。

马斯克在周五与Lex Fridman的播客节目中透露了这一进展。他表示，第二颗植入物目前进展顺利，信号强度和电极数量都表现出色。马斯克对此表示谨慎乐观：“我不想过早下结论，但第二颗植入物似乎进展非常顺利。信号很强，电极也很多，工作得非常好。”

此次植入是Neuralink的PRIME研究的一部分，旨在为因脊髓损伤或肌萎缩性侧索硬化症（ALS）导致四肢瘫痪的患者提供临床试验。该植入物的目标是帮助患者仅通过意念控制外部设备，如电脑鼠标。马斯克上个月表示，预计到2026年，将有超过1000人植入Neuralink芯片。

#Neuralink #脑机接口 #埃隆马斯克 #脊髓损伤 #ALS

OpenAI人员大规模跳槽

近日，OpenAI联合创始人John Schulman宣布离职，并正式加入竞争对手Anthropic，专注于AI对齐研究。据外媒报道，Schulman的离职并非因对OpenAI的失望，而是他个人希望在职业生涯的下一阶段集中精力于实际技术工作。Schulman表示，Anthropic提供了一个新的视角和平台，让他能够继续在AI对齐领域深入研究。

Schulman的离职并非孤例。另一位联合创始人Greg Brockman正在进行长期休假，而产品负责人Peter Deng也已离职。此外，曾负责OpenAI超级对齐团队的Jan Leike几个月前也已加入Anthropic。

#JohnSchulman #OpenAI #Anthropic #AIDevelopment #职场动荡

阅读更多：

https://x.com/johnschulman2/status/1820610863499509855

OpenAI 承诺向美国AI安全研究所提供新模型早期访问权限

OpenAI首席执行官Sam Altman近日宣布，OpenAI将与美国AI安全研究所合作，提供其下一个重要生成AI模型的早期访问权限，以进行安全测试。这一消息是在Altman周四晚间发布的社交媒体帖子中公布的，尽管具体细节尚不明确，但这一举措意在回应外界对OpenAI在追求更强大生成AI技术过程中对AI安全工作重视不够的批评。

今年5月，OpenAI解散了一个致力于开发控制“超级智能”AI系统的安全团队，这引发了广泛关注和批评。两位联合负责人Jan Leike和Ilya Sutskever因此辞职，分别加入AI初创公司Anthropic和创办自己的安全AI公司。面对越来越多的批评声音，OpenAI表示将取消限制性的不诋毁条款，设立安全委员会，并承诺将20%的计算资源用于安全研究。然而，这些举措并未能完全平息外界的不满，尤其是在安全委员会由公司内部人员组成之后。

近日，包括夏威夷民主党参议员Brian Schatz在内的五位参议员在致Altman的一封信中，对OpenAI的政策提出了质疑。对此，OpenAI首席战略官Jason Kwon回应称，公司致力于在每个阶段实施严格的安全协议。

OpenAI与美国AI安全研究所的合作协议公布之际，正值该公司支持的“未来创新法案”提交参议院，该法案将授权安全研究所作为制定AI模型标准和指南的执行机构。此举可能被视为OpenAI试图影响联邦AI政策制定的策略。此外，Altman还担任美国国土安全部AI安全和安全委员会的成员，并且OpenAI在2024年上半年大幅增加了在联邦游说上的支出。

#OpenAI #AI安全 #联邦合作 #模型测试 #监管

阅读更多：

https://www.reuters.com/technology/artificial-intelligence/openai-working-new-reasoning-technology-under-code-name-strawberry-2024-07-12/

MindSearch：革新信息检索的智能代理系统

MindSearch是一款新型AI搜索引擎，其强大的信息整合能力能够在短短3分钟内，从超过300个网页中收集和汇总信息，相当于人类专家需要花费3小时才能完成的工作量。在深度、广度和响应准确性上，MindSearch在专家评估中超越了Perplexity AI和ChatGPT，特别在开源模型中展示了其卓越的知识增强和减少幻觉的能力。

MindSearch的高效处理源于其独特的多代理系统，主要由两个关键代理组成：WebPlanner和WebSearcher。WebPlanner模拟人类思维的高层规划者，负责将复杂问题分解成多个子问题，并构建一个有向无环图（DAG）结构，就像一个团队经理，分解复杂问题并规划搜索步骤。而WebSearcher则像多个搜查员一样，层次化地从多个网页中获取有价值的信息，并将结果反馈给WebPlanner。

在整个信息整合过程中，WebPlanner会根据搜索结果和问题的逻辑关系，动态更新DAG，添加新的节点和边，逐步逼近最终答案。最终，当所有子问题的答案都已收集并整合完毕后，WebPlanner通过DAG的终节点生成最终的完整回答，并返回给用户。这种创新的方法不仅提高了信息检索的效率，还显著提升了答案的准确性和完整性。

#MindSearch #WebPlanner #WebSearcher #信息检索 #智能代理

阅读更多：

https://mindsearch.netlify.app/

AI 研发动态

人工智能工具提升外科医生训练效果

FAMU-FSU工程学院在Suvranu De的带领下，开发了一款AI驱动的外科训练工具VBA-Net，旨在通过视频分析改进外科医生的训练和评估。VBA-Net通过分析实际手术任务的完整视频来区分专家与新手，并提供最终评分和在线反馈。该平台结合了深度神经网络（DNN）技术与现有的视频基础外科评估，为外科医生提供实时反馈。VBA-Net还采用了可解释人工智能（XAI），使用户能够更好地理解网络的内部工作原理，从而增强对机器学习算法结果的信任。这项技术仅需标准的摄像头设置，硬件要求低。

研究表明，VBA-Net可以显著提高外科医生的技术水平和评估的一致性，有助于实现美国外科委员会将视频基础评估（VBA）纳入外科医生培训的目标。研究团队希望这项技术能够在未来五到十年内在培训和认证项目中得到广泛应用，从而改善患者结果、拯救生命并培养更多训练有素的外科医生。研究发表在JAMA Surgery上。

#JAMA Surgery #外科训练 #人工智能 #视频分析

阅读更多：

Yanik, Erim, et al. “Deep Learning for Video-Based Assessment in Surgery.” JAMA Surgery, June 2024. Silverchair, https://doi.org/10.1001/jamasurg.2024.1510.

人工智能在心理健康筛查中存在性别和种族偏见

科罗拉多大学博尔德分校的计算机科学家Theodora Chaspari带领的研究团队发现，一些用于心理健康筛查的人工智能工具可能会因为人们说话方式的差异而产生偏见。

研究团队分析了用于训练机器学习算法的数据，包括从语音信号中提取的声学特征和相关标签，以及ML决策中的潜在偏见来源。为了降低现有偏见，研究还探讨了使用与人口统计信息关联性较低的特征作为ML输入，并通过对抗性方式转变特征空间的方法，以减少人口统计信息的影响。

研究结果显示，在估计焦虑水平时，性别和种族存在显著差异，检测抑郁症时也存在性别偏见。虽然不同人口统计群体之间的ML表现存在差异，但对于敏感群体，模型准确估计医疗结果的能力表现混合。这些发现强调了在开发ML模型时需谨慎设计，以确保其在所有人群中有效应用于数字医疗。研究发表在Frontiers in Digital Health上。

#人工智能 #心理健康 #性别偏见 #种族偏见

阅读更多：

Yang, Michael, et al. “Deconstructing Demographic Bias in Speech-Based Machine Learning Models for Digital Health.” Frontiers in Digital Health, vol. 6, July 2024. Frontiers, https://doi.org/10.3389/fdgth.2024.1351637.

生成式AI在医学教育中的应用和挑战

随着人工智能技术的迅速发展，它在医学教育领域的潜力逐渐显现。然而，这一新兴技术的应用也引发了伦理、作弊和隐私等方面的争议。为了探讨生成式AI在医学教育中的应用，北卡罗来纳大学医学院的Joshua Hale领导了一项研究，旨在为教育者和学生提供最佳实践，并识别文献中的空白点。

本研究通过快速文献综述的方法，调查了生成式AI在本科医学教育中的应用。研究团队采用了图书馆员生成的搜索策略，在六个数据库中查找2023年6月30日前发表的相关文献。共筛选出521篇相关文献，其中41篇进行了全文审查和数据提取。结果显示，大多数文章为意见稿、案例报告、给编辑的信、社论和评论，只有7篇采用了定性和/或定量方法。

文献表明，生成式AI工具在虚拟患者和临床决策辅导方面潜力最大。生成式AI的自然语言处理能力使其能够作为虚拟患者，让学生独立练习并获得个性化反馈。此外，AI还可用于生成多项选择题和开发病例与模拟，以增强医学教育。例如，ChatGPT 3.5能够以43%的及格率回答临床自由回答问题。研究还发现，AI可以作为非临床学习助手、内容开发者和医学写作的辅助工具。

研究表明，生成式AI工具的应用可以为学生提供个性化的反馈和即时的改进建议。然而，目前缺乏生成式AI对学习者结果影响的定量证据，需要更多的研究来证明其具体益处。研究发表在Journal of Medical Education and Curricular Development上。

#医学教育 #生成式AI #虚拟患者 #临床决策辅导

阅读更多：

Hale, Joshua, et al. “Generative AI in Undergraduate Medical Education: A Rapid Review.” Journal of Medical Education and Curricular Development, Aug. 2024. Sage UK: London, England, journals.sagepub.com, https://doi.org/10.1177/23821205241266697.

新型ECRAM器件助力高效低功耗AI计算

POSTECH和韩国大学的研究团队开发了一种基于ECRAM（电化学随机存取存储器）器件的新型模拟硬件，展示了其在最大化AI计算性能方面的潜力。

随着AI技术的飞速发展，现有的数字硬件（如CPU、GPU等）的可扩展性已达到极限，模拟硬件逐渐成为研究热点。模拟硬件通过调节半导体的电阻并利用交叉点阵列结构进行并行计算，虽然在特定计算任务和连续数据处理方面具有优势，但仍难以满足多样化的计算需求。为了解决这些挑战，研究团队专注于ECRAM，这种器件通过离子的运动和浓度管理电导率，具有三端结构，能够在较低功耗下运行。

研究团队成功制造了64×64阵列的ECRAM器件，并展示了出色的电气和切换特性，具有高产率和一致性。他们将先进的Tiki-Taka算法（TTv2）应用于这一高产率硬件，成功最大化了AI神经网络训练的准确性。实验还揭示了硬件训练中的“权重保持”特性对学习的影响，并证实了其技术不会过载人工神经网络，展示了商业化的潜力。

论文展示了ECRAM器件在4K规模交叉点阵列中的制造，以及一个8×8阵列的电气特性，具有100%的产率和优异的切换特性。研究通过实验探讨了保持特性对训练性能的影响，并提出了一种保持感知零位移技术，以优化神经网络训练性能。这项技术确保了在模拟交叉点设备存在实际限制的情况下，依然能够实现稳健和高效的模拟神经网络训练。研究发表在 Science Advances 上。

#ECRAM #模拟硬件 #AI计算 #Tiki-Taka算法

阅读更多：

Noh, Kyungmi, et al. “Retention-Aware Zero-Shifting Technique for Tiki-Taka Algorithm-Based Analog Deep Learning Accelerator.” Science Advances, June 2024. world, www.science.org, https://doi.org/10.1126/sciadv.adl3350.

GROVER：一种用AI解码DNA语言的创新方法

德累斯顿工业大学生物技术中心的研究团队开发了GROVER，一个训练于人类DNA的大型语言模型，旨在解码基因组中的复杂信息。该团队的目标是通过将DNA视为一种语言来提取其生物学意义。

研究团队采用了字节对编码（byte-pair encoding）的方法，创建了人类基因组的词汇表，并通过预测下一k-mer序列的任务训练了GROVER模型。GROVER学习了DNA的语言规则，包括语法、句法和语义。模型不仅能够准确预测下一个DNA序列，还能提取具有生物学意义的上下文信息，如识别基因启动子和蛋白质结合位点。

研究发现，GROVER所选定的词汇最好地携带了信息内容，嵌入主要编码了频率、序列内容和长度的信息。这些词汇有些集中在重复区域，而大多数则广泛分布在基因组中。此外，GROVER在基因元素识别和蛋白质-DNA结合等任务上的表现超过了其他模型。这些发现表明，DNA序列中不仅编码了功能信息，还包含了一些表观遗传信息。这项研究有望推进基因组学和个性化医疗的发展，通过解锁基因信息的隐藏层，提供关于疾病易感性和治疗的新见解。研究发表在 Nature Machine Intelligence 上。

#神经技术 #NatureMachineIntelligence #基因组学 #个性化医疗 #表观遗传学

阅读更多：

Sanabria, Melissa, et al. “DNA Language Model GROVER Learns Sequence Context in the Human Genome.” Nature Machine Intelligence, July 2024, pp. 1–13. www.nature.com, https://doi.org/10.1038/s42256-024-00872-0.

利用自由能原理区分人工系统中的真实与模拟意识

该研究由Wanja Wiese领导，旨在探索人工智能系统中的意识问题。研究团队利用自由能原理，试图防止无意中创造出人工意识，并减少被看似有意识的AI系统所欺骗的风险。

研究假设了弱形式的计算功能主义，即认为正确的神经计算形式足以产生意识。然而，研究指出，尽管这种神经计算可以在数字计算机中进行模拟，但为了真正复制意识，这种计算模拟必须以正确的方式实现。通过自由能原理的视角，研究发现自组织系统（如生物体）具有一些特性，这些特性可以在人工系统中实现，但并不存在于经典的冯·诺依曼架构计算机中。

具体而言，研究发现至少一种特定类型的因果流动（causal flow）可以用来区分仅仅模拟意识的系统和实际复制意识的系统。研究团队详细分析了大脑和计算机在因果结构上的差异，认为这种差异可能对意识至关重要。尽管计算机可以模拟某些信息处理过程，但由于大脑和计算机在因果结构上的不同，计算机可能无法真正复制意识。研究发表在 Philosophical Studies 上。

#认知科学 #自由能原理 #计算功能主义 #人工意识

阅读更多：

Wiese, Wanja. “Artificial Consciousness: A Perspective from the Free Energy Principle.” Philosophical Studies, vol. 181, no. 8, Aug. 2024, pp. 1947–70. Springer Link, https://doi.org/10.1007/s11098-024-02182-y.

重新定义数据处理：重新规范化生成模型的突破

在近期发表的一篇研究论文中，来自全球多个研究机构的科学家们展示了一种名为“重新规范化生成模型”（RGM）的新方法，该方法能有效处理图像、视频和音频数据的分类、压缩和生成。这项研究的核心在于一种离散状态空间模型，该模型通过引入路径作为随机变量，增强了状态间转换的表达能力，为动态环境中的主动推断和学习提供了新的途径。

该研究通过将复杂数据分解成更简单的子结构来优化信息处理，使用了基于变分自由能的方法来推断数据的潜在生成过程。通过最小化变分自由能，模型能够预测并计划其动作，从而优化分类和预测任务的执行。

在图像处理的应用示例中，研究者们通过对MNIST手写数字图像的处理，演示了如何利用RGM进行有效的图像压缩。他们展示了模型如何通过学习图像的结构特性，并将其转换为更简单的表示形式，实现对图像内容的高效编码和压缩，同时保留关键的视觉信息。

#数据处理 #机器学习 #图像压缩

阅读更多：

Friston, Karl, et al. From Pixels to Planning: Scale-Free Active Inference. arXiv:2407.20292, arXiv, 27 July 2024. arXiv.org, https://doi.org/10.48550/arXiv.2407.20292.

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，或扫二维码添加小助手微信questionlab，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, TCCl）是由陈天桥、雒芊芊夫妇出资10亿美元创建的全球最大私人脑科学研究机构之一。

TCCI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TCCI加州理工神经科学研究院。

TCCI建成了支持脑科学研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括学术会议和交流、夏校培训、AI加速科学大奖、科研型临床医生奖励计划、特殊病例社区、中文媒体追问等。