█脑科学动态
Cell：MT-125通过靶向细胞"马达"显著抑制胶质母细胞瘤
Nature：神经元向癌细胞输送线粒体促进肿瘤扩散
无痛电刺激或可提升数学能力近30%
一次脑部扫描就能知道你的衰老速度
噩梦加速衰老：频繁噩梦或预示早逝风险增加三倍
大脑信使蛋白新发现：α2δ蛋白调控机制颠覆传统认知
多尺度模拟成功连接大脑活动的微观和宏观层面
实时观测揭示双眼视觉形成的关键机制
医疗微型机器人：智能材料与多模态成像协同，为精准医学开辟路径
█AI行业动态
微软MAI-DxO系统让AI医生团队诊断准确率超人类4倍！
AI抗体设计新突破，Chai-2模型两周实现15%超高命中率
█AI驱动科学
ETH团队开发会自学的超声微机器人，导航精度达90%
南京大学开发无需人类标注的大模型自我奖励系统
AI实现无标记组织超分辨率虚拟染色
超声波让机器人隔空取物，运输效率提升47%
RisingAttacK：让人工智能看到任何你想要看到的东西
社会如何看待AI意识？来自动物研究的启示
脑科学动态
Cell：MT-125通过靶向细胞"马达"显著抑制胶质母细胞瘤
胶质母细胞瘤（GBM）治疗面临耐药性挑战，沃特海姆佛罗里达大学斯克里普斯研究所的Courtney A. Miller、Patrick R. Griffin团队与梅奥诊所的Steven S. Rosenfeld合作，开发出靶向非肌肉肌球蛋白II（NMII）的小分子药物MT-125，在动物模型中显著延长生存期并获得FDA临床试验批准。
▷研究人员对经过基因改造、患有脑瘤的小鼠进行了单独治疗，以及联合使用 MT-125 和一种名为舒替尼的化疗药物。四周后，接受联合用药治疗的小鼠的肿瘤显著缩小。Credit: Steven Rosenfeld, M.D., Ph.D., and Courtney Miller, Ph.D.
研究团队通过结构生物学指导设计出特异性抑制NMIIA/IIB的化合物MT-125。该药物通过四种机制发挥作用：阻断肿瘤细胞迁移必需的胞体变形（cytoskeletal remodeling）、干扰线粒体分裂导致氧化应激增加、诱导多核细胞死亡，以及增强放疗敏感性。在基因工程小鼠模型中，单药治疗使肿瘤体积缩小60%，与激酶抑制剂舒尼替尼（sunitinib）联用更产生协同效应，无病生存期延长3倍。机制研究发现，MT-125通过增加活性氧（ROS）水平意外激活了PDGFR信号通路，这种"致癌基因成瘾"现象反而增强了联合用药效果。药物安全性方面，脉冲给药策略有效降低了毒性。研究发表在 Cell 上。
#疾病与健康 #个性化医疗 #靶向治疗 #胶质母细胞瘤 #氧化应激
阅读更多：
Kenchappa, Rajappa S., et al. “MT-125 Inhibits Non-Muscle Myosin IIA and IIB and Prolongs Survival in Glioblastoma.” Cell, vol. 0, no. 0, June 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.05.019
Nature：神经元向癌细胞输送线粒体促进肿瘤扩散
肿瘤如何利用神经系统促进转移？南阿拉巴马大学的Gregory Hoover, Shila Gilbert, Olivia Curley团队发现，神经元会通过纳米管隧道向癌细胞输送线粒体，显著提升其代谢能力和转移潜能。
▷MitoTRACER 用于线粒体细胞间转移的谱系追踪。Credit: Nature (2025).
研究团队首先通过肉毒杆菌毒素A（BoNT/A）对小鼠乳腺癌进行化学去神经（denervation），发现去神经后肿瘤线粒体含量下降55%，转移率从55%骤降至12%。为追踪线粒体转移过程，团队开发了MitoTRACER系统（永久标记线粒体受体细胞的基因报告技术），首次捕捉到神经元通过纳米管隧道（tunneling nanotubes，细胞间物质运输的管状结构）主动向癌细胞转移线粒体的过程。获得神经元线粒体的癌细胞不仅恢复了氧化磷酸化（OXPHOS，细胞能量生成的关键途径）能力，ATP产量提升，还对氧化应激和机械剪切力产生抵抗。转移灶分析显示，携带神经元线粒体的癌细胞在脑和肝组织中富集度达对照组的3倍，揭示其转移选择性优势。研究证实神经元通过双重机制支持癌症：既维持肿瘤整体能量代谢，又直接捐赠功能性线粒体。研究发表在 Nature 上。
#疾病与健康 #神经机制与脑功能解析 #癌症代谢 #线粒体转移 #肿瘤微环境
阅读更多：
Hoover, Gregory, et al. “Nerve-to-Cancer Transfer of Mitochondria during Cancer Metastasis.” Nature, June 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-025-09176-8
无痛电刺激或可提升数学能力近30%
萨里大学的Roi Cohen Kadosh团队联合多机构研究者发现，经颅随机噪声刺激（tRNS）可针对性提升低表现者的数学能力达29%，其效果取决于大脑前顶叶连接强度与GABA神经递质变化。
研究采用多模态方法整合功能磁共振（fMRI）、磁共振波谱（MRS）和双盲电刺激实验。72名参与者接受5天数学训练，其中计算任务需应用算法，记忆任务依赖机械背诵。结果显示，背外侧前额叶皮层（dlPFC）与后顶叶皮层（PPC）的基线连接强度预测计算表现。当对dlPFC施加tRNS时，低连接组通过降低GABA（抑制性神经递质）水平实现神经可塑性增强，成绩提升至与高连接组相当。值得注意的是，刺激效果具有选择性：仅对初始表现低于群体中位数者有效，且需个体呈现特定神经特征——即dlPFC的GABA减少伴随前顶叶连接减弱时效果最佳。该研究为个性化学习干预提供了神经生物学依据，同时警示技术普及可能加剧资源获取不平等。研究发表在 PLOS Biology 上。
#神经科学 #神经调控 #跨学科整合 #计算模型与人工智能模拟 #教育神经科学
阅读更多：
Zacharopoulos, George, et al. “Functional Connectivity and GABAergic Signaling Modulate the Enhancement Effect of Neurostimulation on Mathematical Learning.” PLOS Biology, vol. 23, no. 7, July 2025, p. e3003200. PLoS Journals, https://doi.org/10.1371/journal.pbio.3003200
一次脑部扫描就能知道你的衰老速度
杜克大学、哈佛大学和奥塔哥大学的Ethan T. Whitman、Ahmad R. Hariri等团队开发出DunedinPACNI工具，仅需一次中年脑部MRI即可预测未来痴呆风险和全身健康衰退。
研究基于达尼丁研究（Dunedin Study）45岁参与者的脑部MRI数据，开发出DunedinPACNI算法（从神经影像计算衰老速度）。该工具通过分析脑结构特征，量化个体相对于同龄人的衰老速度。在国际验证中（含ADNI和UK Biobank数据集），DunedinPACNI预测效力显著：被判定为快速衰老的个体未来痴呆风险增加60%，海马体（记忆关键区域）萎缩速度加快2.3倍。更惊人的是，该工具揭示了大脑与全身健康的强关联——快速衰老者未来5年内慢性病风险增加18%，死亡率升高40%，且这些关联独立于传统风险因素。与传统脑年龄差（brain age gap）方法相比，DunedinPACNI对临床结局的预测效力提高17-35%。研究为早期干预提供了新靶点，尤其对缺乏长期追踪数据的医疗场景具有重要价值。研究发表在 Nature Aging 上。
#疾病与健康 #神经机制与脑功能解析 #跨学科整合 #神经调控
阅读更多：
Whitman, Ethan T., et al. “DunedinPACNI Estimates the Longitudinal Pace of Aging from a Single Brain Image to Track Health and Disease.” Nature Aging, July 2025, pp. 1–18. www.nature.com, https://doi.org/10.1038/s43587-025-00897-z
噩梦加速衰老：频繁噩梦或预示早逝风险增加三倍
频繁噩梦是否缩短寿命？Timothy Hearn团队整合四项美国长期研究数据发现，每周做噩梦者在75岁前死亡风险增加近三倍，其生物衰老速度显著加快。该研究首次量化了噩梦对表观遗传时钟的影响。
研究团队追踪4,000名26-74岁参与者18年，通过标准化问卷收集噩梦频率数据，并关联国家死亡登记系统。采用三种表观遗传时钟（DunedinPACE、GrimAge和PhenoAge）测量DNA甲基化水平，发现频繁噩梦者的生物年龄平均比实际年龄大1.2岁。即使控制吸烟、BMI等变量后，每周做噩梦者的早逝风险仍高达2.7倍。机制分析表明，噩梦引发的压力反应（cortisol水平升高）和深度睡眠中断共同导致端粒磨损加速，其中表观遗传变化解释39%的死亡率差异。值得注意的是，现有认知行为疗法（CBT-I）和意象排练疗法（IRT）可降低50%以上噩梦频率，提示其潜在延寿价值。研究以会议摘要形式发表在 EAN Congress 上。
#疾病与健康 #健康管理与寿命延长 #表观遗传学 #睡眠障碍 #压力反应
阅读更多：
https://www.ean.org/congress2025
大脑信使蛋白新发现：α2δ蛋白调控机制颠覆传统认知
α2δ蛋白如何调控大脑神经通讯？北卡罗来纳大学教堂山医学院的William Milanick和Samuel M. Young, Jr.团队通过创新小鼠模型发现，这些蛋白的作用与传统认知截然不同——它们不参与突触形成，而是通过调控关键蛋白Munc13-1来影响突触强度。
▷Credit: Neuron (2025).
研究团队开发了三重条件性敲除（triple CKO）小鼠模型，能够选择性消除大脑中所有主要α2δ亚型（α2δ1/2/3）。通过结合电生理记录、超微结构分析和分子生物学技术，他们系统评估了突触发育、钙通道（CaV2.1）分布和神经递质释放效率。令人惊讶的是，缺失α2δ蛋白的突触仍能正常形成并维持基本结构，但突触增益显著降低。进一步分析发现，α2δ缺失会导致关键神经递质释放蛋白Munc13-1水平下降，而其他突触相关蛋白如RIM1/2不受影响。这一机制解释了为何靶向α2δ的药物（如抗癫痫药加巴喷丁）能调节神经回路功能。研究还发现α2δ缺失虽降低钙通道数量，但不破坏其聚集模式，表明这些蛋白通过非传统途径调控突触功能。研究发表在 Neuron 上。
#神经科学 #神经机制与脑功能解析 #突触可塑性 #神经退行性疾病 #钙通道
阅读更多：
Milanick, William, et al. “Presynaptic Α2δs Specify Synaptic Gain, Not Synaptogenesis, in the Mammalian Brain.” Neuron, vol. 113, no. 12, June 2025, pp. 1886-1897.e9. www.cell.com, https://doi.org/10.1016/j.neuron.2025.04.013
多尺度模拟成功连接大脑活动的微观和宏观层面
巴黎萨克雷大学的Maria Sacha团队开发出新型多尺度建模框架，实现从突触受体到宏观脑状态的完整模拟，成功预测麻醉药物的跨尺度作用机制。
▷自下而上构建的全脑建模框架示意图。Credit: Adapted from Sacha et al. Nature Comput Sci 2025
研究团队整合了欧洲人类大脑计划的数字工具，构建包含四个层级的计算框架：单神经元模型（模拟离子通道和受体）、脉冲神经网络（spiking neural network，模拟局部神经集群）、平均场模型（mean-field model，用数学方程简化网络动态）和全脑网络模拟。通过虚拟大脑（TVB）平台，他们以麻醉药物为例，模拟丙泊酚和氯胺酮对GABAA/NMDA受体的作用如何引发宏观慢波活动。结果显示，模型不仅复现了麻醉状态下特有的脑电模式，还准确预测了刺激响应性降低（对外界反应减弱）和功能连接受限（脑区协同性下降）等关键特征。这些预测与啮齿类、灵长类和人类的实验数据高度吻合。研究发表在 Nature Computational Science 上。
#疾病与健康 #神经机制与脑功能解析 #计算模型与人工智能模拟 #多尺度建模 #麻醉机制
阅读更多：
“How Molecular Changes Impact Brain States and Whole-Brain Activity: A Multiscale Approach.” Nature Computational Science, vol. 5, no. 6, June 2025, pp. 442–43. www.nature.com, https://doi.org/10.1038/s43588-025-00813-w
Sacha, Maria, et al. “A Computational Approach to Evaluate How Molecular Mechanisms Impact Large-Scale Brain Activity.” Nature Computational Science, vol. 5, no. 5, May 2025, pp. 405–17. www.nature.com, https://doi.org/10.1038/s43588-025-00796-8
实时观测揭示双眼视觉形成的关键机制
大脑如何通过突触重构形成双眼视觉？麻省理工学院皮考尔学习与记忆研究所的Katya Tsimring、Mriganka Sur团队首次实现对小鼠视觉皮层突触动态的全程追踪，发现关键期内60%的突触连接会发生替换，揭示了视觉经验塑造神经回路的精确机制。
▷表征关键期 bV1 神经元树突棘的眼睛特异性和双眼视觉特性。Credit: Nature Communications (2025).
研究采用双光子钙成像技术，连续10天观测小鼠初级视觉皮层14个神经元上793个树突棘的动态变化。通过黑白光栅刺激诱发视觉响应，同步记录棘结构与功能变化。数据显示，第1天存在的棘仅40%能维持到第10天，期间经历大规模替换：32%的棘在第5天前消失，同时新增24%。存活棘具有两大特征：一是钙活动强度比消失棘高2.3倍，二是其偏好的视觉朝向（orientation preference）与所属神经元胞体一致。特别值得注意的是，能同时响应双眼输入的棘存活率显著高于单眼棘，证实"用进废退"法则。进一步分析发现，邻近棘逐渐形成协同激活簇，相关系数提升0.41，表明局部回路重组。团队构建的计算模型证实，赫布可塑性（突触强度随前后神经元活动相关性增强）和异突触可塑性（邻近突触间的相互影响）共同驱动这一选择过程。研究发表在 Nature Communications 上。
#神经科学 #神经机制与脑功能解析 #视觉发育 #突触可塑性 #计算神经模型
阅读更多：
Tsimring, Katya, et al. “Large-Scale Synaptic Dynamics Drive the Reconstruction of Binocular Circuits in Mouse Visual Cortex.” Nature Communications, vol. 16, no. 1, July 2025, p. 5810. www.nature.com, https://doi.org/10.1038/s41467-025-60825-y
医疗微型机器人：智能材料与多模态成像协同，为精准医学开辟路径
医疗微型机器人如何突破体内导航与功能执行的瓶颈？Paul Wrede 团队通过研究智能材料与多模态成像技术的协同集成，实现了微米级导航精度和厘米级成像穿透深度。
研究团队重点探讨了磁性（FePt纳米颗粒）、声敏（空心硼硅酸盐颗粒）和光热响应材料（金纳米棒涂层）的特性，这些材料能将外部能量转化为驱动动力。磁性微机器人在磁场中可实现微米级导航，声敏微泡在超声波下可精准爆破血栓，光热材料在近红外光照射下可触发药物释放。多模态成像技术（MRI、光声成像、超声成像）与驱动技术的结合实现了实时监测，例如1.5T磁场既驱动FePt-MMs运动，又通过MRI实时追踪其在脑血管中的轨迹，分辨率达50μm。光声成像结合近红外光可穿透2-4cm组织，精准定位肿瘤边缘。这些突破为靶向治疗和微创干预提供了新工具，并提出了从实验室到临床的转化路线图。研究发表在 Nature Reviews Materials 上。
#疾病与健康 #机器人及其进展 #跨学科整合 #精准医学 #智能材料
阅读更多：
Wrede, Paul, et al. “Synergistic Integration of Materials in Medical Microrobots for Advanced Imaging and Actuation.” Nature Reviews Materials, June 2025, pp. 1–19. www.nature.com, https://doi.org/10.1038/s41578-025-00811-4
AI 行业动态
微软MAI-DxO系统让AI医生团队诊断准确率超人类4倍！
微软研发的MAI-DxO（Multi-AI Diagnostic Orchestrator）系统通过模拟多医生会诊模式，在复杂病例诊断中展现出惊人潜力。该系统整合了GPT、Claude等AI模型，以“提问→检查→诊断”的逐步推理流程运作，不仅能自动评估检查成本，还会通过多轮自我验证确保准确性。在针对《新英格兰医学杂志》（NEJM）304个疑难病例的测试中，MAI-DxO准确率达85.5%，远超人类医生20%的平均水平，同时减少30%不必要的检查费用。
MAI-DxO的核心优势在于其“虚拟医生团队”设计。五个AI角色分别承担不同诊断任务，如同专科医生联合会诊，既避免单一模型偏见，又能互补短板。例如面对咳嗽症状时，系统会分阶段要求血检、CT等，动态调整诊断路径。此外，其成本效益分析功能尤其适合医疗资源紧张的地区，但当前数据仅基于美国医疗定价，尚未适配全球差异。
尽管MAI-DxO在疑难病领域表现亮眼，研究人员指出其仍需完善日常病例诊断能力，并解决患者情感沟通、伦理审查等短板。未来或将整合基因组学等数据，向智能分诊场景拓展。微软强调，该系统目前仍处研究阶段，需通过更多临床验证才能投入实际应用。
#AI医疗 #微软 #人机协作 #精准诊断 #成本控制
阅读更多：
https://arxiv.org/pdf/2506.22405
AI抗体设计新突破，Chai-2模型两周实现15%超高命中率
Chai Discovery团队近日发布了一款名为Chai-2的AI模型，彻底改变了传统抗体设计的低效模式。传统方法依赖动物免疫或大规模文库筛选，耗时耗力且命中率不足0.1%，而Chai-2通过零样本学习（zero-shot）和多模态生成架构，仅需输入目标蛋白即可在两周内完成从设计到验证的全流程，实验命中率超过15%，效率提升超100倍。更惊人的是，在迷你蛋白（miniprotein）设计中，其命中率高达68%，甚至攻克了TNFα（一种结构复杂的靶标）这一历史性难题。
Chai-2的核心优势在于其全原子级别的生成能力。模型包含两个子模块：Chai-2d（设计模块）直接生成抗体序列和结构，Chai-2f（折叠模块）预测三维结构并评估结合质量。它能灵活设计单域抗体（VHH）、单链可变片段（scFv）等格式，并支持跨物种和双版本抗体设计。例如，针对CCL2蛋白，Chai-2同时设计出两种不同结合位点的抗体且均验证有效；针对人类与猴子同源蛋白，模型成功生成跨物种通用抗体。
#AI抗体设计 #零样本学习 #生物医药 #ChaiDiscovery #分子工程
阅读更多：
https://chaiassets.com/chai-2/paper/technical_report.pdf
AI 驱动科学
ETH团队开发会自学的超声微机器人，导航精度达90%
瑞士苏黎世联邦理工学院的Mahmoud Medany、Lorenzo Piglia等团队开发了基于模型的强化学习（MBRL）系统，仅用2小时虚拟训练即可让超声驱动微机器人适应真实血管环境，在动态血流中实现90%导航成功率。
研究团队首先利用Dreamer v.3算法构建超声物理模拟器，在Pygame虚拟环境中训练微泡机器人完成通道导航任务。通过帧跳过技术（frame skipping，选择性忽略冗余帧以加速计算）将训练步数压缩至传统方法的1/40。针对过拟合问题，团队开发了跨血管/迷宫/赛道的通用模型，所有模拟环境下均达90%准确率。物理实验中，八边形排列的压电陶瓷（PZT）阵列以毫秒级切换频率驱动微机器人，模型通过实时图像反馈调整导航策略。最突破性的是在动态流场测试中，微机器人利用壁面低阻力区实现逆流航行，仅需40万次额外训练即可将新环境成功率从50%提升至90%。该技术为靶向给药等生物医学应用奠定基础。研究发表在 Nature Machine Intelligence 上。
#AI驱动科学 #机器人及其进展 #超声驱动 #微机器人 #强化学习
阅读更多：
Medany, Mahmoud, et al. “Model-Based Reinforcement Learning for Ultrasound-Driven Autonomous Microrobots.” Nature Machine Intelligence, June 2025, pp. 1–15. www.nature.com, https://doi.org/10.1038/s42256-025-01054-2
南京大学开发无需人类标注的大模型自我奖励系统
大语言模型对齐长期依赖昂贵的人类反馈数据。南京大学周志华团队发现，标准预训练模型内部已隐含高质量奖励机制（EndoRM），通过理论证明和实验验证，该机制不仅超越现有AI评判方法，甚至优于显式训练的奖励模型。
研究团队首次从理论上证明，标准的下一个Token预测目标隐含特定形式的离线逆强化学习（inverse reinforcement learning）奖励函数。通过将模型logits解释为soft Q函数，并应用逆soft贝尔曼算子，成功提取出内源性奖励。在RM-Bench测试中，这种免训练的EndoRM达到78.3%准确率，显著高于Generative Verifier等基线方法（最高71.2%）。特别值得注意的是，在包含数千个偏好对的Multifaceted-Bench上，EndoRM在五个领域均保持优势，验证了其扩展鲁棒性。研究还证实，通过提示词可动态调整EndoRM的评判标准，例如学术专用版本在学术数据上准确率达76.89%。最终，基于内源性奖励的强化学习微调使Qwen2.5-Math-7B模型在MATH-lighteval所有子任务上均超越基线，将理论预测的二次误差依赖O(H²)优化为线性关系O(H)。
#大模型技术 #预测模型构建 #强化学习 #语言模型对齐 #内源性奖励
阅读更多：
Li, Yi-Chen, et al. Generalist Reward Models: Found Inside Large Language Models. arXiv:2506.23235, arXiv, 29 June 2025. arXiv.org, https://doi.org/10.48550/arXiv.2506.23235
AI实现无标记组织超分辨率虚拟染色
传统组织染色破坏样本且效率低下，加州大学洛杉矶分校的Yijie Zhang、Luzhe Huang、Aydogan Ozcan团队开发出基于扩散模型的AI工具，将低分辨率无标记组织图像转化为高保真染色效果，分辨率提升4-5倍。
▷使用扩散模型对无标记组织进行超分辨虚拟染色。Credit: Ozcan Lab / UCLA.
研究团队采用布朗桥扩散模型（BBDM），通过约束随机过程实现稳定输出。该模型将自发荧光（autofluorescence）图像转换为明场染色图像时，引入均值采样策略使图像间变异系数低于3%，满足临床诊断的重复性要求。在人体肺组织测试中，生成图像与H&E染色（苏木精-伊红染色）结果的结构相似性达0.92±0.03，病理学家盲测确认所有关键特征均被准确保留。迁移至心脏组织后仍保持0.89±0.04的相似性，证明跨器官适用性。相比传统方法，空间分辨率提升4-5倍，相当于单张图像信息量增加16-25倍，使亚细胞结构清晰可见。该技术完全规避化学试剂使用，处理速度比传统染色快10倍，特别适合术中快速病理分析。研究为资源匮乏地区提供了高质量病理诊断新方案，并可能推动组织样本库的数字化进程。研究发表在 Nature Communications 上。
#AI驱动科学 #个性化医疗 #计算模型与人工智能模拟 #数字病理学 #虚拟染色
阅读更多：
Zhang, Yijie, et al. “Pixel Super-Resolved Virtual Staining of Label-Free Tissue Using Diffusion Models.” Nature Communications, vol. 16, no. 1, May 2025, p. 5016. www.nature.com, https://doi.org/10.1038/s41467-025-60387-z
超声波让机器人隔空取物，运输效率提升47%
伦敦大学学院的Narsimlu Kemsaram、Akin Delibasi等团队开发了基于超声波的全新系统，成功模拟蚁群协作机制，实现毫米级精度的空中物体操控。
▷利用声学机器人进行空中非接触式物体运输。(A) 独立非接触式运输，单个声学机器人无需物理接触即可移动物体；(B) 协作非接触式运输，多个声学机器人协同在空中移动物体。Credit: arXiv (2025).
研究团队采用相位超声换能器（phased ultrasonic transducers，通过声波干涉产生悬浮力）阵列，开发了独立与协作双模式运输策略。在协作模式下，机器人通过FPGA和红外实现微秒级时钟同步，形成动态声压场网络。实验显示，双机器人协同运输3.2克物体的效率达92.4mm/s，比单机模式提升47%。相空间运动捕捉系统证实路径偏差控制在±0.8mm内。系统还通过麦克风阵列和示波器验证了声场稳定性，在微球体自组装测试中展现出工业应用潜力。研究为危险环境作业、精密仪器搬运提供了新方案。
#机器人及其进展 #跨学科整合 #声学操控 #群体智能 #非接触运输
阅读更多：
Kemsaram, Narsimlu, et al. A Cooperative Contactless Object Transport with Acoustic Robots. arXiv:2506.13957, arXiv, 16 June 2025. arXiv.org, https://doi.org/10.48550/arXiv.2506.13957
RisingAttacK：让人工智能看到任何你想要看到的东西
人工智能视觉系统易受对抗性攻击威胁，攻击者可操控AI对关键目标（如交通标志、医疗影像）的判断。北卡罗来纳州立大学Tianfu Wu团队开发出RisingAttacK技术，能精准控制AI识别前30类目标的能力。
研究采用序列二次规划（Sequential Quadratic Programming，一种数学优化技术）框架，通过分析对抗性雅可比矩阵的右奇异向量，构建最小化扰动。实验显示，该方法在ImageNet-1k数据集上对ResNet-50等四种主流模型的攻击成功率（Attack Success Rate）达92%，同时扰动幅度（L2-norm，衡量图像修改程度的指标）比现有技术降低23%。关键突破在于实现了有序多目标攻击（ordered top-K attack），例如使自动驾驶系统同时错误识别行人、车辆和信号灯，且错误顺序可预设。攻击后的图像人眼无法辨别差异，但AI系统会产生系统性误判。该技术首次证明对抗性扰动可通过图像空间的线性组合高效构建，为开发防御方案提供了新靶点。研究发表在 International Conference of Machine Learning (ICML 2025) 上。
#大模型技术 #预测模型构建 #计算机视觉 #对抗性攻击 #AI安全
阅读更多：
Paniagua, Thomas, et al. Adversarial Perturbations Are Formed by Iteratively Learning Linear Combinations of the Right Singular Vectors of the Adversarial Jacobian. 2025. openreview.net, https://openreview.net/forum?id=3q6T4hQ4Dy
社会如何看待AI意识？来自动物研究的启示
AI系统日益拟人化引发意识争议，Lucius Caviola, Jeff Sebo, Jonathan Birch团队通过比较动物意识认知的历史经验，揭示了影响AI意识社会认知的关键因素，为相关伦理和政策制定提供科学依据。
研究采用比较分析方法，系统梳理了动物意识认知的心理学机制：外貌/行为相似性（如灵长类比昆虫更易获得意识归因）、社会角色（伴侣动物比经济动物获得更多共情）和物种偏见（speciesism）。这些模式预测了AI意识认知可能路径——拟人化界面设计将提升30-50%的意识归因，但过度拟真可能触发恐怖谷效应。社会角色实验显示，作为治疗师的AI比清洁机器人获得高2.3倍道德关怀评分。研究还发现新型认知偏差：基质主义（substratism，偏好碳基生命）和起源主义（originism，贬低人工设计生命）。团队建议采用标记方法（marker method）评估AI意识，即通过多理论共识的神经架构特征（如全局工作空间、自我监控机制）替代不可靠的行为证据。这些发现为制定AI伦理框架提供了实证基础，特别警示企业营销可能扭曲公众认知。研究发表在 Trends in Cognitive Sciences 上。
#意识与脑机接口 #跨学科整合 #伦理人工智能 #社会认知 #比较心理学
阅读更多：
“What Will Society Think about AI Consciousness? Lessons from the Animal Case.” Trends in Cognitive Sciences, June 2025. www.sciencedirect.com, https://doi.org/10.1016/j.tics.2025.06.002
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