█脑科学动态
用大脑活动预测群体选择何时更有效？
神经元错位导致癫痫和学习困难
小鼠视觉皮层中发现处理同一眼刺激的神经元集群
中年发福可能与大脑老化有关
精神分裂症患者大脑发育的早期灵活性不足
血液测试预测30种疾病风险
新型生物传感器实现PTEN活性高精度动态监测
大脑中的“健康脂肪”成为对抗神经疾病的新希望
█AI行业动态
DeepSeek推出夜间错峰优惠，API调用价格最高降幅达75%
Raycast推出了AI Extensions测试版
亚马逊为其Alexa语音助手引入生成性人工智能技术
█AI驱动科学
AI科学家LLM4SD提升分子性质预测准确性
机器人照镜子学习自我移动
AI写作风格与人类大不同
AI 助力法医精准预测脑损伤
复杂推荐模型未必优于传统方法
AI系统无法具有意识：基于“动态相关性”的不可行定理
脑科学动态
用大脑活动预测群体选择何时更有效？
何时用大脑活动来预测市场选择会比单纯用行为或问卷更准确？大脑活动是否在样本不具有代表性时依旧有效？Alexander Genevsky及其团队通过功能性磁共振成像和互联网调查数据，比较了实验室样本与互联网市场样本的行为和神经数据，以测试神经预测的普适性。
▷1) 在实验室样本中收集了脑部、行为和人口统计学数据。(2) 在构建的互联网市场中收集了行为和人口统计学数据。(3) 互联网市场根据人口统计学与实验室样本的匹配程度被分为更具有代表性和较少具有代表性的市场。(4) 实验室样本中的神经和行为数据被用于预测更具有代表性和较少具有代表性的市场样本中的行为数据。(5) 在更具有代表性和较少具有代表性的市场样本中对比了神经和行为模型特征。Credit: PNAS Nexus (2025).
研究团队进行了两个实验，一个涉及Kickstarter上的电影项目资助决策，另一个涉及YouTube上的短视频观看决策。研究者记录了被试的实际选择，和他们在伏隔核（NAcc，与正面情绪期待相关）与内侧前额叶皮层（MPFC，与更高层次的价值评估相关）的活动；同时根据人口统计学与实验室样本的匹配程度，分成“较具代表性”和“较不具代表性”两类人群，再看预测效果的差异。
研究发现，如果实验室这小群体在人口统计特征上与与整个市场相差较大，预测效果就明显变差。无论该小群体跟整体市场是否“代表性匹配”，都能显著预测大规模网络人群的最终选择，即伏隔核的活动对市场走势的预测力更稳定。而内侧前额叶皮层活动，虽然对个人选择很重要，但对预测大规模市场选择并没有显著贡献。研究者提出，人的决策过程大体可以分为“初级情感反应”与“整合评估”两部分。在做出最终行为前，人脑通常会先产生相对一致的情感反应（伏隔核激活），再加入个性化整合。这样就导致最终行为带有许多个体差异，但早期情感反应更可能在不同人群里保持一致，从而对“整体”市场需求具有更广的预测力。研究发表在 PNAS Nexus 上。
#认知科学 #预测模型构建 #神经机制与脑功能解析
阅读更多：
Genevsky, Alexander, et al. “Neuroforecasting Reveals Generalizable Components of Choice.” PNAS Nexus, vol. 4, no. 2, Feb. 2025, p. pgaf029. Silverchair, https://doi.org/10.1093/pnasnexus/pgaf029
神经元错位导致癫痫和学习困难
神经元在大脑发育过程中未能迁移到正确位置会导致侧脑室异位症，这是一种与癫痫和学习困难相关的状况。慕尼黑大学生物医学中心的西尔维亚·卡佩罗教授领导的国际团队使用患者干细胞培养出大脑类器官，研究了神经网络功能，发现受影响的神经元更易兴奋，并表现出更大的电活动。
▷控制组和患者来源神经细胞培养物的突触性质研究。Credit: Nature Communications (2025).
研究团队使用患者干细胞培养出大脑类器官，并通过硅探针记录发现FAT4和DCHS1基因突变的类器官中神经元活动异常增强。转录组和蛋白质组分析揭示了神经元形态和突触功能的变化。特别是，DCHS1神经元的放电阈值降低，可能是由于体细胞电压门控钠通道（voltage-gated sodium channels）增加。此外，PH神经元的形态复杂性增加和突触改变导致了过度活跃，而野生型DCHS1表达可以逆转这种过度活跃。研究发表在 Nature Communications 上。
#大脑健康 #神经机制与脑功能解析 #神经元错位 #大脑类器官 #突触功能
阅读更多：
Di Matteo, Francesco, et al. “Neuronal Hyperactivity in Neurons Derived from Individuals with Gray Matter Heterotopia.” Nature Communications, vol. 16, no. 1, Feb. 2025, p. 1737. www.nature.com, https://doi.org/10.1038/s41467-025-56998-1
小鼠视觉皮层中发现处理同一眼刺激的神经元集群
长期以来，科学家们已知许多哺乳动物的大脑皮层中，具有相同功能的神经元会被分组为柱状结构。然而，这种结构在较小动物如小鼠的视觉皮层中尚未被观察到。马克斯·普朗克生物智能研究所的马克·胡贝纳和托比亚斯·博恩霍费尔带领的团队，使用双光子显微镜技术，首次在小鼠的视觉皮层中证明了这些结构的存在。
▷小柱状组织形式用于小鼠视觉皮层 2/3 层、4 层和 5 层的 ocular dominance。Credit: Nature Communications (2025).
研究团队使用双光子显微镜技术，观察小鼠视觉皮层中神经元的排列方式。他们发现，处理来自同一眼睛的视觉信息的神经元在小鼠视觉皮层中形成集群，这些集群在视觉皮层的中间层最为明显，并在上下层中形成所谓的双眼支配柱（ocular dominance columns）。研究发表在 Nature Communications 上。
#神经科学 #神经机制与脑功能解析 #双光子显微镜 #小鼠视觉皮层 #双眼支配柱
阅读更多：
Goltstein, Pieter M., et al. “A Column-like Organization for Ocular Dominance in Mouse Visual Cortex.” Nature Communications, vol. 16, no. 1, Feb. 2025, p. 1926. www.nature.com, https://doi.org/10.1038/s41467-025-56780-3
东京大学的研究团队发现，内脏脂肪组织的老化与大脑认知功能下降有关。他们通过研究小鼠模型，发现脂肪组织中的CX3CL1蛋白对维持大脑中的BDNF水平至关重要，而BDNF是维持认知功能的关键分子。
▷脂肪 CX3CL1 与大脑 BDNF 之间假设的关系及其随年龄的变化。Credit: Dr. Yoshinori Takei
研究团队比较了不同年龄小鼠的内脏脂肪组织中CX3CL1的表达水平，并观察了这些变化如何影响大脑中的BDNF水平。他们还通过实验调整了腹膜中CX3CL1的水平，以观察其对认知功能的影响。研究发现，随着年龄的增长，内脏脂肪组织中CX3CL1的表达减少，导致大脑中BDNF水平下降，进而可能引起认知功能下降。调整CX3CL1的水平可以恢复由老化引起的认知功能障碍。研究发表在 GeroScience 上。
#大脑健康 #疾病预防 #认知科学
阅读更多：
Takei, Yoshinori, et al. “Adipose Chemokine Ligand CX3CL1 Contributes to Maintaining the Hippocampal BDNF Level, and the Effect Is Attenuated in Advanced Age.” GeroScience, Feb. 2025. Springer Link, https://doi.org/10.1007/s11357-025-01546-4
精神分裂症患者大脑发育的早期灵活性不足
精神分裂症的症状在不同患者中差异显著，苏黎世大学的研究团队通过国际多中心研究，探讨了这些差异如何体现在大脑结构中。研究团队使用了来自 ENIGMA 合作项目的 MRI 数据，分析了 22 个国家超过 6,000 人的大脑结构，包括大脑皮层的厚度、表面积、折叠模式和深层脑区的体积。
研究团队使用了来自 22 个国际站点的 ENIGMA 磁共振成像（MRI）脑测量数据集，包含多达 6,037 个个体的特定脑测量数据。研究了精神分裂症患者和健康对照组个体的皮层厚度、皮层表面积、皮层折叠指数、亚皮层体积（subcortical volume）和分数各向异性（fractional anisotropy）变异性和均值。
研究发现，精神分裂症患者在额颞叶和亚皮层网络中的皮层厚度、皮层表面积、亚皮层体积和分数各向异性上表现出更大的变异性。这种结构变异性主要与精神病理症状相关，而精神分裂症组在这些结构指标上的均值通常较低。出乎意料的是，精神分裂症患者的脑褶模式更为统一，特别是在右尾前扣带区域。该区域的脑褶均值在精神分裂症组和健康对照组之间没有差异，且该区域的脑褶模式与疾病相关参数无关。研究发表在 American Journal of Psychiatry 上。
#大脑健康 #心理健康与精神疾病 #精神分裂症 #脑结构 #ENIGMA
阅读更多：
Omlor, Wolfgang, et al. “Estimating Multimodal Structural Brain Variability in Schizophrenia Spectrum Disorders: A Worldwide ENIGMA Study.” American Journal of Psychiatry, Feb. 2025, p. appi.ajp.20230806. psychiatryonline.org (Atypon), https://doi.org/10.1176/appi.ajp.20230806
器官老化速度不同，特定器官的加速老化可能增加多种疾病的风险。伦敦大学学院、斯坦福大学、Inserm和赫尔辛基大学的研究团队通过分析6200多名中年人的血液样本，测定九个器官的生物年龄，并跟踪参与者20年的健康状况，发现器官老化与30种疾病的风险显著相关。
研究团队使用SomaScan技术测定血浆样本中九个器官的生物年龄，并通过国家健康记录跟踪参与者20年。结果显示，器官加速老化显著增加了30种疾病的风险。例如，心脏老化加速与心血管疾病风险增加相关，肺部老化加速与慢性阻塞性肺疾病（COPD）和肺癌风险增加相关。令人惊讶的是，免疫系统老化加速与痴呆风险高度相关，提示炎症过程可能在神经退行性疾病中起关键作用。此外，肾脏老化加速与血管疾病、2型糖尿病和肝病风险增加相关。研究支持未来医疗向个性化疾病预防转变，通过血液测试更早识别疾病风险。研究发表在 The Lancet Digital Health 上。
#大脑健康 #疾病预防 #个性化医疗 #器官老化 #血液测试
阅读更多：
Kivimäki, Mika, et al. “Proteomic Organ-Specific Ageing Signatures and 20-Year Risk of Age-Related Diseases: The Whitehall II Observational Cohort Study.” The Lancet Digital Health, vol. 7, no. 3, Mar. 2025, pp. e195–204. www.thelancet.com, https://doi.org/10.1016/j.landig.2025.01.006
新型生物传感器实现PTEN活性高精度动态监测
PTEN基因在细胞生长调控中起关键作用，其突变与癌症、自闭症等疾病密切相关。然而，科学家一直缺乏直接测量PTEN活性的工具。为了解决这一问题，特拉维夫大学医学与健康科学学院的Tal Laviv团队开发了一种新型生物传感器，结合基因工具和显微镜技术，成功实现了PTEN活性的高灵敏度监测。
▷新型 PTEN FRET/FLIM 生物传感器的发展。Credit: Nature Methods (2025).
研究团队开发了一种基于FRET（荧光共振能量转移，Förster Resonance Energy Transfer）的生物传感器，通过监测PTEN的构象变化来间接测量其活性状态。该传感器结合双光子荧光寿命成像显微镜，能够在细胞系、线虫和小鼠大脑中实时成像PTEN活性。研究还发现了一个点突变，使传感器能够在不干扰内源性PTEN信号的情况下监测其活性。此外，团队开发了一种红移传感器变体，能够区分兴奋性和抑制性皮质细胞中的PTEN活性。这一方法实现了PTEN活性在活体内的动态成像，具有前所未有的空间和时间分辨率。研究发表在 Nature Methods 上。
#神经技术 #个性化医疗 #PTEN基因 #FRET传感器 #动态成像
阅读更多：
Kagan, Tomer, et al. “Genetically Encoded Biosensor for Fluorescence Lifetime Imaging of PTEN Dynamics in the Intact Brain.” Nature Methods, Feb. 2025, pp. 1–14. www.nature.com, https://doi.org/10.1038/s41592-025-02610-9
大脑中的“健康脂肪”成为对抗神经疾病的新希望
伦敦大学学院的研究团队发现，增加大脑中的“健康脂肪”如欧米伽-3脂肪酸的水平可能对运动神经元疾病（MND）和前颞叶痴呆（FTD）具有保护作用。研究团队通过果蝇和人类脑细胞的实验，发现携带C9orf72基因突变的果蝇在增加这些健康脂肪后，存活率显著提高。此外，从MND/FTD患者身上提取的脑细胞在增加健康脂肪后，存活率也提高了30%。
▷高度不饱和磷脂在 FTLD 病理解剖前额叶皮层中减少。Credit: Nature Neuroscience (2025).
研究团队首先测量了携带C9orf72基因突变的果蝇和人类脑细胞中不同类型的脂肪水平，发现多不饱和脂肪酸（PUFAs）的水平显著降低。然后，他们通过表达能够产生这些脂肪酸的基因，直接将脂肪酸输送到果蝇的脑细胞中，发现果蝇的生存率提高了83%。在来自MND/FTD患者的细胞中重复实验，发现增加细胞中脂肪酸的水平可以使细胞存活时间延长30%。研究发表在 Nature Neuroscience 上。
#大脑健康 #疾病预防 #健康管理与寿命延长 #神经机制与脑功能解析
阅读更多：
Giblin, Ashling, et al. “Neuronal Polyunsaturated Fatty Acids Are Protective in ALS/FTD.” Nature Neuroscience, Feb. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41593-025-01889-3
AI 行业动态
DeepSeek推出夜间错峰优惠，API调用价格最高降幅达75%
DeepSeek今日宣布，从即日起在北京时间每日00:30至08:30的夜间空闲时段，其开放平台将推出错峰优惠活动。在此期间，API调用价格将大幅下调，其中DeepSeek-V3的价格降至原价的50%，而DeepSeek-R1的价格更是低至25%。
DeepSeek表示，此举旨在鼓励用户充分利用这一时段，享受更经济、更流畅的服务体验。这一策略不仅有助于优化资源利用，还能为用户提供更具性价比的服务选择。
#DeepSeek #API价格下调 #错峰优惠 #夜间优惠 #服务优化
阅读更多：
https://api-docs.deepseek.com/zh-cn/quick_start/pricing/
Raycast推出了AI Extensions测试版
Raycast推出了AI Extensions测试版。它通过自然语言交互重新定义了任务自动化。用户无需记忆复杂操作，只需像与人对话一样输入指令，例如直接说“下周安排会议”或“专注编码一小时”，系统便能自动解析需求并调用相关工具完成任务。这一功能依赖于超过32种专用AI模型的支持，涵盖编码辅助、日程管理等场景，用户可根据任务复杂度选择不同模型——例如需要快速响应时调用Perplexity，处理复杂逻辑时切换至GPT-4。
该工具的核心突破在于跨应用协同能力，系统还具备动态学习能力，通过分析用户习惯实现个性化响应。例如预先设置“会议助手”规则后，AI会自动采用特定命名格式（如将“Thomas”转化为“Team会议”），优先选择用户惯用的Zoom而非Teams生成会议链接。当检测到日程冲突时，AI不仅会提醒用户，还能主动分析参与者空闲时段提出调整建议。这种上下文感知能力延伸到文件交互层面，用户可以直接对PDF或CSV文件提问，AI结合文档内容与系统信息（如当前时间或地理位置）生成针对性回复。
为了平衡自动化与可控性，系统保留了“人在回路”机制。当AI从邮件正文提取待办事项并生成任务列表时，会等待用户确认后再同步到项目管理工具。每次操作后，用户可通过点击“成功”或“失败”按钮提供反馈，这些数据将用于优化AI的响应准确性和速度。目前已有50多个扩展支持深度AI集成，包括线性开发工具Linear和设计协作平台Figma，开发者生态的持续扩展正在推动更多场景落地，例如根据Figma设计稿自动生成前端代码片段。
从技术实现来看，这种自然语言驱动的自动化并非简单串联现有API，而是通过语义理解将模糊指令转化为精准操作链。当用户说“帮我整理上个月销售数据”，AI需要同时判断时间范围（上月）、数据来源（本地CSV或云端数据库）、处理方式（汇总或可视化），再依次调用文件管理、表格处理及图表生成工具。这种将自然语言映射为多步骤工作流的能力，正在模糊人机交互的边界，朝着“用语言操控数字世界”的方向演进。
#AI #自然语言交互 #任务自动化 #AI扩展
阅读更多：
https://www.raycast.com/core-features/ai
亚马逊为其Alexa语音助手引入生成性人工智能技术
亚马逊为其Alexa语音助手引入生成性人工智能（Generative AI）技术。通过集成这一先进的AI技术，Alexa将能够提供更加个性化和富有创意的服务。新的Alexa功能不仅限于传统的语音识别和命令响应，还能够生成动态内容，如个性化的故事、歌曲以及用户定制的互动体验。
Alexa的生成性AI功能使得用户能够与Alexa进行更加丰富和自然的对话。用户可以要求Alexa根据特定主题生成内容，或通过调整对话方式，获取不同风格的回答。这种技术的引入极大地扩展了Alexa的应用场景，从简单的命令响应到复杂的创意生成，Alexa的功能变得更加多样化。
亚马逊在Alexa中引入的生成性AI技术基于深度学习和自然语言处理（NLP）技术，使得Alexa能够理解用户需求，并生成富有创意和个性化的内容。用户不仅能听到预设的回答，还可以要求Alexa创建新内容，比如定制的故事、音乐或其他类型的文本生成。
这一技术的核心在于使Alexa能够根据用户的情境进行内容创作，从而为用户提供更具互动性和娱乐性的体验。此外，Alexa还能够不断学习用户的偏好，优化生成内容的质量和相关性，进一步提升用户体验。
#人工智能 #生成AI #智能助手 #自然语言处理
阅读更多：
https://www.aboutamazon.com/news/devices/new-alexa-generative-artificial-intelligence
AI 驱动科学
AI科学家LLM4SD提升分子性质预测准确性
莫纳什大学和格里菲斯大学的研究团队开发了LLM4SD，一种利用大型语言模型加速科学发现的AI工具。该工具能够从文献中提取信息并通过数据分析提出假设，还能解释其结果。研究团队包括Yizhen Zheng、Huan Yee Koh和Jiaxin Ju等。
▷LLMs 在分子预测管道中进行科学发现。Credit: Nature Machine Intelligence (2025).
LLM4SD通过从科学文献中提取信息（如分子量对溶解度的预测重要性）和从科学数据中推断知识（如含卤素分子更可能穿过血脑屏障）来合成知识。这些信息被转化为可解释的知识，使分子能够转化为特征向量。通过与随机森林（Random Forest）等可解释模型结合使用，LLM4SD在一系列预测分子性质的基准任务中超越了当前的最先进技术，准确性提高了48%。研究发表在 Nature Machine Intelligence 上。
#神经技术 #预测模型构建 #大模型技术 #分子性质预测
阅读更多：
Zheng, Yizhen, et al. “Large Language Models for Scientific Discovery in Molecular Property Prediction.” Nature Machine Intelligence, Feb. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s42256-025-00994-z
机器人照镜子学习自我移动
哥伦比亚大学工程与应用科学学院的研究团队，包括Hod Lipson和Yuhang Hu，开发了一种新方法，使机器人能够通过摄像头观察自己的动作来学习自身的形态和运动学。这种方法利用深度神经网络从2D视频中推断3D运动，使机器人能够自主建模并进行自我模拟。研究结果显示，这种自我学习能力不仅使机器人能够规划动作，还能在身体受损时自我调整和恢复。
▷一个机器人在其在镜中的倒影中观察自己，学习自身的形态和运动学以进行自主自模拟。Credit: Jane Nisselson/Columbia Engineering
这项研究的关键方法是使用深度神经网络从2D视频中推断3D运动。研究人员让机器人通过摄像头观察自己的动作，从而学会创建自己的模拟器。这种方法不仅节省了工程努力，还允许模拟在机器人经历磨损、损坏和适应变化时继续进行并发展。研究结果显示，这种自我学习的模拟不仅使机器人能够进行精确的运动规划，还能检测异常并从损伤中恢复。例如，机器人吸尘器或个人助手机器人可以在撞到家具后自我观察，调整动作方式，并继续工作。这种适应性可以使家庭机器人更加可靠，不需要不断重新编程。研究发表在 Nature Machine Intelligence 上。
#认知科学 #自动化科研 #机器人技术 #自我学习 #深度神经网络
阅读更多：
Hu, Yuhang, et al. “Teaching Robots to Build Simulations of Themselves.” Nature Machine Intelligence, Feb. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s42256-025-01006-w
AI写作风格与人类大不同
随着大型语言模型的广泛应用，人们对其生成文本的能力和风格产生了浓厚兴趣。卡内基梅隆大学的Alex Reinhart及其团队通过分析LLMs与人类文本的差异，揭示了LLMs在写作风格上的局限性。研究团队使用语法、词汇和风格特征分析工具，比较了LLMs生成的文本与人类写作的差异，发现LLMs在风格适应性和语言表达上与人存在显著不同。
研究团队构建了人类和LLMs生成的平行文本语料库，使用Douglas Biber的词汇、语法和修辞特征分析方法，系统比较了LLMs与人类写作风格的差异。研究发现，指令调优的LLMs（如ChatGPT和Llama 3）在写作时倾向于使用名词密集、信息密度高的风格，即使在模仿非正式写作时也难以与人类写作风格一致。例如，LLMs使用现在分词从句的频率是人类文本的2到5倍，名词化频率是人类的1.5到2倍。此外，LLMs在词汇选择上也表现出明显的偏好，如ChatGPT过度使用“camaraderie”和“tapestry”等词汇。这些差异表明，尽管LLMs在生成文本方面表现出色，但在匹配人类写作风格多样性方面仍存在局限。研究结果为进一步理解LLMs的写作风格提供了重要参考。研究发表在 PNAS 上。
#认知科学 #大模型技术 #写作风格 #语言模型 #文本分析
阅读更多：
Reinhart, Alex, et al. “Do LLMs Write like Humans? Variation in Grammatical and Rhetorical Styles.” Proceedings of the National Academy of Sciences, vol. 122, no. 8, Feb. 2025, p. e2422455122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2422455122
AI 助力法医精准预测脑损伤
创伤性脑损伤（TBI）是法医调查中的关键问题，但目前缺乏标准化的量化方法。牛津大学的研究团队与泰晤士谷警察局、国家犯罪局、约翰·雷德克里夫医院、Lurtis Ltd. 和卡迪夫大学合作，开发了一种基于物理学的 AI 驱动工具，用于辅助 TBI 的法医调查。该工具通过结合机械模拟和机器学习，提供了基于证据的损伤预测，显著提高了 TBI 调查的准确性和一致性。
该研究的关键方法是基于力学的机器学习框架，研究人员使用了 53 份匿名的警察报告进行训练，模型在颅骨骨折、意识丧失和颅内出血的预测中分别达到了 94%、79% 和 79% 的准确率。该框架使用了头部和颈部的一般计算机制模型（computational mechanistic model），模拟不同类型的冲击（如拳击、拍打或平面上的打击）对不同区域的影响。通过结合机械生物物理数据与法医细节，模型能够预测不同伤害发生的可能性。研究结果显示，该工具能够识别每种损伤的最佳预测特征，例如颅骨骨折的最重要因素是头皮和颅骨在撞击过程中所经历的最大应力，而意识丧失的最强预测因素是脑干的应力指标。该工具旨在为法医和执法部门提供客观的损伤概率评估，而非替代人类专家的判断。研究发表在 Communications Engineering 上。
#神经技术 #预测模型构建 #法医科学 #创伤性脑损伤 #AI
阅读更多：
Wei, Yuyang, et al. “A Mechanics-Informed Machine Learning Framework for Traumatic Brain Injury Prediction in Police and Forensic Investigations.” Communications Engineering, vol. 4, no. 1, Feb. 2025, pp. 1–12. www.nature.com, https://doi.org/10.1038/s44172-025-00352-2
复杂推荐模型未必优于传统方法
意图感知推荐系统（IARS）旨在通过预测用户的潜在动机和短期目标来生成更好的推荐。然而，尽管复杂的神经推荐模型不断涌现，研究表明这些模型并不一定比传统模型更有效。奥地利克拉根福大学和意大利米兰理工大学的研究人员 Faisal Shehzad、Maurizio Ferrari Dacrema 和 Dietmar Jannach 等人进行了这项研究，尝试重现了五种最新的神经意图感知推荐系统模型，并将它们与传统的 top-n 推荐模型进行了基准测试。
研究人员使用了原始论文中的代码、数据和实验配置来重现五种最新的神经意图感知推荐系统模型，并将它们与传统的非神经推荐模型进行了比较。结果发现，其中两种情况下，使用论文中报告的最佳超参数运行代码并未得到与论文一致的结果。令人担忧的是，所有被测试的意图感知推荐系统模型都被至少一种传统模型超越。这些发现表明，该领域存在持续的方法学问题，迫切需要更严格的学术实践。
#认知科学 #意图问题 #推荐系统 #神经模型 #传统算法
阅读更多：
Shehzad, Faisal, et al. A Worrying Reproducibility Study of Intent-Aware Recommendation Models. arXiv:2501.10143, arXiv, 17 Jan. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2501.10143
AI系统无法具有意识：基于“动态相关性”的不可行定理
人工智能是否具有意识是一个备受关注的问题，涉及伦理、法律和技术等多个领域。为了提供一个不依赖于特定假设的答案，Association for Mathematical Consciousness Science团队借鉴物理学中的“不可行定理”（no-go theorem）方法，提出了一个关于AI意识的定理。研究基于“动态相关性”（dynamical relevance）这一假设，指出在现代计算机芯片上运行的AI系统无法具有意识。
研究团队采用“不可行定理”（no-go theorem）方法，分析了AI系统是否可能具有意识。“动态相关性”（dynamical relevance）是该定理的核心假设，指的是意识对系统状态的动态演化具有影响。研究指出，现代计算机芯片（如CPU、GPU等）的设计和验证过程系统地排除或抑制了任何可能的偏差，因此无法支持意识的动态相关性。研究还提出了几个有趣的推论，例如，即使AI系统声称自己具有意识，这种声明也不能作为其具备意识的证据。此外，如果意识具有改善信息处理的功能，那么在设计AI系统的硬件时应考虑意识理论。研究结果对AI工程和可解释性具有潜在意义，并为探讨AI意识问题提供了一个新的框架。
#认知科学 #意识模拟 #AI意识 #不可行定理 #动态相关性
阅读更多：
Kleiner, Johannes, and Tim Ludwig. “The Case for Neurons: A No-Go Theorem for Consciousness on a Chip.” Neuroscience of Consciousness, vol. 2024, no. 1, Feb. 2024, p. niae037. Silverchair, https://doi.org/10.1093/nc/niae037
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，或后台留言“社群”即可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）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。
Chen Institute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加州理工天桥神经科学研究院。
Chen Institute建成了支持脑科学和人工智能领域研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括、、、科研型临床医生奖励计划、、等。
热门跟贴