█ 脑科学动态
Nature：急性痛与慢性痛机制彻底分离，驱动慢性疼痛的大脑地图
Nature：脑机接口实验揭示高伽马脑信号真实起源
Nature：发现13%全新生命代码：迄今最大规模人类泛基因组图谱
Cell：首次完整解析尼古丁生物合成途径
Nature：大脑利用内部糖传感器巩固记忆
语言处理并非单核心，大脑多区域快速交互解码抽象与具体概念
突触数量不足可预测精神分裂症患者认知障碍的严重程度
绕过受损大脑皮层：发现触觉刺激抗抑郁的备用网络
█ AI行业动态
礼来口服GLP-1药物Foundayo获批，每月仅需25美元
两分钟顶人工四小时：中国AI分拣机助力破解合成纺织废料难题
█ AI驱动科学
诺奖得主发布新模型：高度精准的AI正将人类推向知识崩溃
抛弃电池与芯片：佐治亚理工学院打造纯机械集群机器人
AI利用大语言模型和概念图预测未来科研方向
人工智能缺乏关键的“内部具身”，或成安全隐患
新框架让机器人告别“指令盲”，自然语言交互成为现实
谷歌科学家称AI的未来在于“社会化”而非“超人化”
脑科学动态
Nature：急性痛与慢性痛机制彻底分离：驱动慢性疼痛的大脑地图
慢性疼痛患者常将无害的触觉误解为痛觉，但其背后的完整神经生理机制一直未被完全探明。Xiaoke Chen、Qian Wang和Joo Han Lee等研究人员（斯坦福大学）发现了一条专门驱动慢性疼痛的脑脊髓回路。该研究成功剥离了急性疼痛与慢性疼痛的神经传导通路，找到了在不破坏人体生物警报系统的前提下缓解持续性疼痛的具体靶点。
▷ 小鼠脑横截面图，显示了从延髓腹内侧部投射到脊髓的参与慢性疼痛（黄色）和急性疼痛（红色）的神经元。其他神经元以蓝色显示。Credit: Xiaoke Chen
研究人员以已知与疼痛敏化相关的脑干细胞为起点，利用荧光蛋白标记和单突触逆向追踪（monosynaptic retrograde tracing，一种利用病毒沿着神经连接逆向传播以绘制复杂脑区通讯网络的技术）方法，在小鼠体内绘制了一条此前未知的多突触疼痛闭环路径。该回路起源于脊髓，向上传导途经丘脑和初级躯体感觉皮层，随后通过外侧上丘到达延髓腹内侧部脊髓投射神经元（RVMSC neurons，一组已知参与调控下行痛觉信号的神经细胞簇），最终返回脊髓。实验结果显示，通过化学手段抑制这条回路中的任何节点，均能消除炎症或神经损伤小鼠的机械性感觉过敏症状。令人惊叹的是，小鼠的慢性疼痛不仅完全消退，其对突然伤害的保护性急性疼痛反应也完好无损。此外，如果在健康小鼠体内多次重复激活该回路，即使没有任何外在躯体损伤，也能直接诱发持续数周的慢性疼痛状态。这项研究不仅证实了慢性疼痛与急性疼痛由完全独立的回路控制，还揭示出刺激该新回路会加剧疼痛。未来通过研发阻断该回路信号传导的药物，有望彻底改善慢性疼痛患者的生存质量。研究发表在 Nature 上。
#疾病与健康 #神经机制与脑功能解析 #慢性疼痛 #神经回路 #感觉过敏
阅读更多：
Wang, Qian, et al. “Deconstruction of a Spino-Brain–Spinal Cord Circuit That Drives Chronic Pain.” Nature, Apr. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-026-10296-y
Nature：脑机接口实验揭示高伽马脑信号真实起源
关于大脑高频伽马信号究竟如何产生的问题，Tianhao Lei、Michael R. Scheid、Robert D. Flint、Joshua I. Glaser和Marc W. Slutzky（西北大学）通过脑机接口实验证实，该信号并非局部神经元放电的简单叠加，而是广泛神经网络同步放电引发的突触后电位产生的总和。
▷ HGA 生成的潜在来源及任务示意图。Credit: Nature (2026).
传统观点常认为高频伽马活动只是局部神经元电活动的直接反映。为了检验该假说，研究人员开发了一种基于脑机接口的实验。实验中，猴子需要控制光标，而光标的不同运动方向分别由同一个电极记录到的局部神经元放电率和高频伽马活动控制。结果表明，动物在几分钟内便能将这两个信号解耦并独立调节。若高频伽马信号仅是局部放电的叠加，动物将无法实现这种分离。深入分析多电极数据发现，高频伽马信号与分布在几毫米皮层范围内的神经元同步放电高度相关。最终证实，高频伽马活动主要起源于广泛神经网络同步放电触发的突触后电位。该研究发表在 Nature 上。
#意识与脑机接口 #神经机制与脑功能解析 #高频伽马活动 #突触后电位 #脑信号
阅读更多：
Lei, Tianhao, et al. “Active Dissociation of Intracortical Spiking and High Gamma Activity.” Nature, Apr. 2026, pp. 1–7. www.nature.com, https://doi.org/10.1038/s41586-026-10331-y
Nature：发现13%全新生命代码：迄今最大规模人类泛基因组图谱问世
现有参考基因组因样本多源于欧洲，难以反映中国人群遗传多样性，致使罕见致病变异易被遗漏。西湖大学杨剑教授团队联合温州医科大学沈贤教授，开发了新型联合组装方法，成功构建迄今最大规模的千人泛基因组，发现了占据人类基因组百分之十三的未知新序列。
该研究开发了基于泛基因组的联合组装方法，对1116个个体的二倍体基因组进行了高质量组装。通过这一大规模构建，研究团队在现有国际参考基因组之外，发现了4.053亿个碱基对的全新序列。其中2620万个碱基对涉及基因编码区和调控元件，具有明确的生物学功能。此外，研究系统鉴定了超过3540万个小变异、11万多个结构变异、48.5万个串联重复序列以及86万个嵌套变异。在鉴定的结构变异中，33.3%为首次发现，且83.5%属于罕见变异。研究进一步揭示了这些复杂变异的临床医学价值，例如鉴定出5239个直接影响蛋白质编码外显子的结构变异，以及2427个与神经退行性疾病密切相关的串联重复扩增事件。团队还结合基因表达数据构建了泛变异插补参考面板，为未来的全基因组关联分析提供了高分辨率标记。研究发表在 Nature 上。
#疾病与健康 #个性化医疗 #泛基因组 #遗传变异 #精准医学
阅读更多：
Wang, Yifei, et al. “The 1000 Chinese Pangenome Empowers Medical and Population Genetics.” Nature, Apr. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-026-10315-y
Cell：首次完整解析尼古丁生物合成途径
尼古丁生物合成的最终酶促步骤与反应机制近百年来始终未能被完全阐明，且植物如何避免合成这种神经毒素时发生自身中毒也是未解之谜。中国科学院分子植物科学卓越创新中心李大鹏研究员团队，首次完整解析了尼古丁的生物合成途径与调控机制，并成功在多种异源植物中实现了尼古丁的工程化生产，有效增强了作物的抗虫性。
▷ Credit:Cell.
该研究首先利用信息论指导的多组学技术，鉴定出尼古丁生物合成过程中的糖基化作用。研究揭示，尼古丁的最终偶联反应需要通过尿苷二磷酸-糖基转移酶（UDP-glycosyltransferase，一种负责转移糖基以稳定复杂分子的酶）介导稳定，随后经A622蛋白还原激活，通过分子间曼尼希样反应（Mannich-like reaction，一种多组分缩合形成复杂生物碱骨架的化学反应）进行缩合。紧接着由类BBE酶（berberine bridge enzyme-like，一种参与生物碱氧化的植物特异性酶）进行氧化，最后去糖基化生成尼古丁。研究团队还发现一个由五个核心组分构成的代谢区室在液泡膜上进行组装，精准协同调控尼古丁的合成与转运。在体外与异源体内实验中证实，破坏该体系中任一组分都会导致尼古丁积累量显著下降。此外，多药和毒素外排转运蛋白在异源植物体系中高效生产尼古丁起到了极其关键的作用。研究发表在 Cell 。
#其他 #尼古丁生物合成 #植物防御 #代谢工程
阅读更多：
Chang, Lijing, et al. “Complete Biosynthesis of Nicotine.” Cell, vol. 0, no. 0, Apr. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.03.034
Nature：大脑利用内部糖传感器巩固记忆
记忆的巩固如何与机体的代谢状态相互作用？法国国家科学研究中心的Raquel Francés和Pierre-Yves Plaçais团队通过研究果蝇发现，大脑能够利用内部的糖传感器将厌恶性学习与代谢状态相耦合。研究揭示了非稳态饥饿在长期记忆形成中的关键作用。
研究团队采用靶向表达温敏蛋白的方法，特异性抑制了果蝇脑部Gr43a果糖感应神经元（fructose-sensing neurons，一类负责检测体内糖分水平的神经细胞）。结合钙成像技术，研究人员观测了果蝇在不同进食状态下神经元活动的改变。结果发现，饱食果蝇的厌恶性学习需要经历间隔重复训练，通过去抑制机制使此类神经元进入类似饥饿的状态。背侧扇形体神经元活性的下降解除了对果糖感应神经元的抑制。学习后摄入的糖分能激活这些神经元，释放促甲状腺素并触发记忆巩固。双选进食实验表明，该神经环路的改变不仅支持记忆形成，还令饱食果蝇表现出极度偏好蔗糖的饥饿样进食行为。这打破了学习与代谢相互独立的观念，为理解进食障碍等共病现象提供了神经学解释。研究发表在 Nature 上。
#疾病与健康 #神经机制与脑功能解析 #代谢感知 #学习与记忆
阅读更多：
Francés, Raquel, et al. “Aversive Learning Hijacks a Brain Sugar Sensor to Consolidate Memory.” Nature, Mar. 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-026-10306-z
语言处理并非单核心，大脑多区域快速交互解码抽象与具体概念
为探究大脑是否存在单一语言解码中心，德克萨斯大学休斯顿健康科学中心的Nitin Tandon和Elliot Murphy等发现多脑区通过快速交互理解语言。研究证实语言解码依赖多区域协作而非单一核心。
▷ 多个处理窗口中具体性主要效应的示意图。Credit: PLOS Biology (2026).
该研究在19名癫痫患者大脑内植入电极获取颅内记录，要求他们对代表实体的具体词汇、无形的抽象词汇及介于两者之间的中间词汇进行分类。结果显示，具体词汇激活了处理感觉与语言的额叶及腹颞叶网络，抽象词汇更依赖侧后颞中回皮层等语言区域。对于中间词汇，大脑的高频反应保持稳定且不受主观评分影响。研究揭示大脑的多个区域会进行双向交互来处理词汇，推翻了传统的中心辐射模型（hub-and-spoke model，假设存在单一概念中心并与次级脑区通信以解码语言的传统理论）。研究团队还利用皮层刺激对其中5名患者进行干预测试，发现刺激腹颞叶和下额叶皮层会破坏患者词汇分类能力。这不仅证实了多脑区协同在语言解码中的因果作用，也为失语症患者的语言重建提供了基础。研究发表在 PLOS Biology 上。
#神经科学 #神经机制与脑功能解析 #语言处理 #概念表征 #颅内记录
阅读更多：
Murphy, Elliot, et al. “Frontotemporal Network Interactions Causally Support Rapid Concreteness Judgments during Reading.” PLOS Biology, vol. 24, no. 3, Mar. 2026, p. e3003723. PLoS Journals, https://doi.org/10.1371/journal.pbio.3003723
突触数量不足可预测精神分裂症患者认知障碍的严重程度
精神分裂症患者的认知症状决定了其长期预后，但现有疗法对其收效甚微，其背后的生物学机制也尚不明确。Florian J. Raabe和Michael Ziller团队（慕尼黑马克斯·普朗克精神病学研究所、明斯特大学等）通过结合细胞模型与临床深度数据，证实了患者神经元突触数量的不足能够直接预测其认知障碍的严重程度。
▷ 转化性深度表型分析揭示了精神分裂症（SCZ）认知障碍的多变量表型脑特征，该特征与遗传风险相关。Credit: JAMA Psychiatry (2026).
这项多模态病例对照研究整合了两个独立队列中461名参与者的磁共振成像、脑电图和认知评估数据。同时，研究人员对其中80名供体通过血液样本培育出的诱导多能干细胞（iPSC）衍生神经元进行了体外表型分析。结果表明，患者体外培养的神经元中兴奋性突触密度的降低以及特定的基因转录组特征，可以精准预测其体内右侧背外侧前额叶皮层等脑区灰质体积的缩小以及特定频段电生理信号的异常。更重要的是，细胞层面的突触缺陷程度与患者实际表现出的注意力及记忆力等认知障碍程度高度相关。该研究首次在个体层面建立了从微观遗传和突触病理到宏观脑功能和认知表型的机制桥梁，为未来开发精准的治疗靶点提供了新方向。研究发表在 JAMA Psychiatry 上。
#疾病与健康 #神经机制与脑功能解析 #精神分裂症 #认知障碍 #突触密度
阅读更多：
Raabe, Florian J., et al. “Bridging the Scales via Personalized Cellular Modeling and Deep Phenotyping in Schizophrenia.” JAMA Psychiatry, Mar. 2026. Silverchair, https://doi.org/10.1001/jamapsychiatry.2026.0576
绕过受损大脑皮层：发现触觉刺激抗抑郁的备用网络
面对中风引发的不可逆皮层损伤，传统抗抑郁干预往往受限。华中科技大学刘丹和朱铃强团队发现，非侵入性触觉刺激能绕开受损脑区，通过激活皮层下替代神经环路显著改善小鼠的抑郁和焦虑行为，提出环路代偿新策略。
▷ Credit:Neuron.
研究人员构建了中风后抑郁以及多种慢性应激小鼠模型，并设计了带有玻璃珠帘的特殊环境，为小鼠提供持续的触觉丰富体验（tactile-enriched experience，一种非侵入性的外周感官刺激方式）。行为学实验表明，接受该干预的小鼠抑郁与焦虑样行为大幅减少。借助光遗传学、化学遗传学与病毒示踪技术，研究团队发现这种刺激并未修复受损的内侧前额叶皮层，而是激活了丘脑结合核至基底外侧杏仁核的替代旁路。具体而言，触觉刺激优先激活丘脑结合核的兴奋性神经元，进而投射并募集杏仁核局部的抑制性神经元。这一过程通过前馈抑制机制，成功压制了杏仁核内部异常活跃的兴奋状态，使局部神经回路恢复了兴奋与抑制的平衡。该机制在多种应激模型中均表现出显著的情绪矫正效果，为伴随脑损伤的精神障碍提供了全新干预框架。研究发表在 Neuron 上。
#疾病与健康 #神经机制与脑功能解析 #抑郁症 #触觉刺激 #神经环路
阅读更多：
Fan, Hong-Wei, et al. “Noninvasive Tactile Stimulation Engaging a Thalamic-Amygdala Circuit Ameliorates Mood Dysfunction in Mouse Models of Depression-like Behavior.” Neuron, vol. 0, no. 0, Apr. 2026. www.cell.com, https://doi.org/10.1016/j.neuron.2026.03.012
AI 行业动态
礼来口服GLP-1药物Foundayo获批，每月仅需25美元
美国食品药品监督管理局（FDA）近日批准了礼来公司（Eli Lilly）的口服小分子GLP-1受体激动剂（GLP-1 receptor agonist，一种能模拟人体自身激素、促进胰岛素分泌并抑制食欲的化合物）Orforglipron（商品名Foundayo™）上市，用于治疗肥胖或超重且伴有相关疾病的成人患者。这是继诺和诺德（Novo Nordisk）的口服版司美格鲁肽后，第二款获批的口服减重药物。其最大突破在于服用便利性：作为首款小分子非多肽类GLP-1药物，它不受饮食和饮水限制，可在一天中的任何时间服用，彻底解决了传统注射或口服多肽药物需空腹等待的痛点。
临床试验数据显示了显著效果：在72周内，最高剂量组患者平均减重12.4%，远超安慰剂组的0.9%。此外，该药还能改善腰围、血脂和血压等心血管风险指标。礼来公司承诺以亲民价格推向市场：符合条件的商业保险患者每月自付费用可低至25美元，自费患者最低剂量月费为149美元。常见副作用包括恶心、腹泻、呕吐等胃肠道反应。礼来董事长David A. Ricks表示，目前仅不到10%的潜在受益者在使用GLP-1类药物，这款灵活便捷的口服药有望打破获取壁垒，为全球数亿肥胖人群提供公平的治疗机会。
#口服GLP-1 #礼来 #减肥药 #小分子药物 #FDA批准
阅读更多：
https://www.biocentury.com/article/658999/lilly-s-oral-orforglipron-readies-for-launch-in-catalyst-rich-year-for-obesity
两分钟顶人工四小时：中国AI分拣机助力破解合成纺织废料难题
中国人工智能公司DataBeyond（成立于2018年的AI回收企业）研发的Fastsort-Textile分拣机，近期被《时代》杂志评为2025年最佳发明之一。该设备利用人工智能扫描仪，可在不到一秒内精准读取一件衣物的材料成分（按客户设定标准），并通过传送带系统高速分拣尼龙、聚酯等合成纤维。在江苏张家港的回收厂山和盛环保科技有限公司，这台机器处理100公斤衣物仅需两到三分钟，而人工完成同样工作量约需四小时；机器每小时可处理两吨，同等任务量下两名工人则需两天且准确率更低。销售经理崔鹏指出，人工难以准确判断聚酯纤维含量（如80%还是90%），而机器极少出错。销售总监李斌表示，此前高达50%的加工纺织品因无法准确分类而被焚烧或填埋，使用该机器后这一比例降至30%。
全球纺织废料污染问题严峻，中国是最大贡献国之一——根据世界贸易组织2025年报告，中国纺织品出口额达1420亿美元，超欧盟两倍。合成纺织品占全球产量的约70%（数据来自阿姆斯特丹非营利组织“循环经济”Circle Economy），其源自化石燃料且低成本。DataBeyond首席执行官莫卓亚强调，该技术能充分利用废料、减少焚烧，助力资源回收。李斌进一步展望，机器已能胜任分拣，而人力无法24小时运转，最终目标是由机器人全天候运行的“黑暗工厂”（无人化全自动工厂）。该技术目前仅应用于张家港一地，但为全球纺织品循环利用提供了高效解决方案。
#AI纺织品分拣 #合成纤维回收 #循环经济 #DataBeyond #黑暗工厂
阅读更多：
https://www.washingtonpost.com/business/2026/04/01/china-recycling-textiles-artificial-intelligence/b2128e3a-2e38-11f1-aac2-f56b5ccad184_story.html
AI 驱动科学
诺奖得主发布新模型：高度精准的AI正将人类推向知识崩溃
当AI完美解答所有问题时人类创造新知的引擎会停滞吗？Daron Acemoglu、Dingwen Kong和Asuman Ozdaglar（麻省理工学院）发现，过高精度的AI将致使个体丧失自主学习动力，停止维持集体知识库的认知工作，最终将引发人类社会知识生态系统的彻底崩溃。
研究团队构建了一个动态模型，设定成功的决策必须结合共享的通用知识与特定情境知识。研究重点分析了人类学习过程中的范围经济（economies of scope，指同时完成多项任务或生产多种输出比单独进行效率更高的现象）效应。研究表明，系统存在高知识与知识崩溃两个稳定的稳态，二者间的转换具有明确的阈值效应（threshold effect，指某变量积累到特定临界点时引发系统状态发生突变的现象）。当AI准确度适中时，人类能与AI高效协作；然而，当AI准确率超越该阈值，尽管个体短期内获得了精准推荐，却完全丧失了推动领域知识边界的动力。这种个体层面的理性选择，阻断了群体知识的更新，使社会福利呈现非单调性特征。AI的极致精准最终瓦解了促成长期进步的认知基础架构。研究发表在 Working Paper 上。
#认知科学 #大模型技术 #知识生态 #阈值效应 #人类认知
阅读更多：
Acemoglu, Daron, et al. “AI, Human Cognition and Knowledge Collapse.” Working Paper no. 34910, National Bureau of Economic Research, Feb. 2026. Working Paper Series. National Bureau of Economic Research, https://doi.org/10.3386/w34910
抛弃电池与芯片：佐治亚理工学院打造纯机械集群机器人
传统的集群机器人高度依赖复杂的电子元件和中央处理器，难以在极端或微观环境中应用。佐治亚理工学院的Bolei Deng和Xinyi Yang等研究人员打破常规，开发出一种完全没有电子元件、电池或大脑的微型粒子机器人集群。该研究成功证明了仅依靠特定的物理结构设计和相互接触即可涌现出复杂的集群通信与智能行为。
▷ A) 无电子粒子机器人展现出集体行为（左图）；个体通过触手的物理接触进行交流（中图）。B) 粒子机器人的三种状态：分离、互锁和排斥。C) 上图所示每种状态的能量分布图。D) 当多个粒子机器人进行集体相互作用时，它们可以从液态（左图，粒子保持分离状态）转变为固态（中图，形成一个锁定的块体），最终转变为气态（右图，所有粒子都具有动能）。Credit: Advanced Intelligent Systems (2025).
这项研究的核心在于机械智能（mechanical intelligence，即不依赖传感器，而是通过几何形状直接控制物理行为的机制）。研究人员为每个相同的粒子机器人设计了柔性结构化触手（architected tentacles，一种可通过形变存储和释放能量的特殊外形）。当粒子接触时，触手会发生弯曲互锁并储存弹性势能。此时只需施加外部振动即可释放张力，使触手迅速弹开，粒子产生排斥力并向外扩散。通过调整触手的几何参数，如改变曲率以延长锁定时间，或增加刚度以加快释放速度，研究人员能直接对粒子的扩散范围和交互顺序进行物理编程。实验证实，该机制使机器人能够实现顺序部署、形态相变和群体导航等复杂行为。该系统未来可微缩进入血管进行肿瘤药物递送，也可放大应用于高辐射的太空环境中构建自重组结构。研究发表在 Advanced Intelligent Systems 上。
#其他 #机器人及其进展 #集群智能 #机械智能 #无源机器人
阅读更多：
Yang, Xinyi, et al. “Electronic-Free Particle Robots Communicate through Architected Tentacles.” Advanced Intelligent Systems, vol. 7, no. 12, 2025, p. e202500151. Wiley Online Library, https://doi.org/10.1002/aisy.202500151
AI利用大语言模型和概念图预测未来科研方向
面对科研论文数量的爆炸式增长，研究人员如何才能不错过下一个重大突破？Pascal Friederich, Thomas Marwitz及其在卡尔斯鲁厄理工学院（Karlsruhe Institute of Technology）的团队开发了一种人工智能工具，通过系统分析海量科学文献，能够预测未来两到三年的新兴研究趋势，为科学家提供灵感。
▷ 人工智能生成的技术术语知识网络展示了材料科学领域的研究趋势，并揭示了该领域研究的新思路。Credit: Thomas Marwitz, KIT
该研究采用了一种两步走的AI策略。首先，研究团队利用大型语言模型扫描材料科学领域的论文摘要，自动提取关键科学概念。这些概念随后被构建成一个庞大的知识网络，即概念图，其中每个概念都是一个节点。接着，第二个机器学习模型登场，它分析这些概念在文献中共同出现的频率，并在图中建立连接。该模型的核心创新在于，它能追踪这些连接随时间的变化趋势，例如，当“钙钛矿”和“太阳能电池”的关联越来越紧密时，模型会识别出这是一个正在兴起的研究领域。通过这种方式，AI可以预测哪些尚未被广泛关注的概念组合在未来可能变得至关重要。研究团队将模型的预测结果提供给领域专家进行评估，专家们认为其中一些建议确实富有创新性和前景。这证明了该工具并非要取代人类的创造力，而是作为一个强大的分析助手，帮助科学家更有效地发现新思路和跨学科合作的机会。研究发表在 Nature Machine Intelligence 上。
#AI驱动科学 #预测模型构建 #大模型技术 #自动化科研
阅读更多：
Marwitz, Thomas, et al. “Predicting New Research Directions in Materials Science Using Large Language Models and Concept Graphs.” Nature Machine Intelligence, Apr. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s42256-026-01206-y
人工智能缺乏关键的“内部具身”，或成安全隐患
为何先进的AI有时会犯下人类婴儿都不会犯的错误？加州大学洛杉矶分校健康中心的Akila Kadambi和Marco Iacoboni等研究人员指出，关键在于AI缺乏与物理世界互动的身体和对自身状态的内在感知。他们提出一个“双重具身框架”，认为模拟这种“内部具身”是构建更安全、更可信AI的核心。
研究团队指出，当前的多模态大型语言模型虽然强大，但缺少两种人类与生俱来的特性：与世界互动的“外部具身”和感知自身疲劳、不确定性等状态的“内部具身”。研究人员通过一个简单的“点光源显示”（point-light display，即用光点模拟运动中的人形）测试说明了这一点：多个顶尖AI模型无法识别出人形，甚至将其误认为星座。研究者认为，这是因为AI的理解是基于统计的模式匹配，而人类的感知则根植于终生的身体经验。这种“身体鸿沟”不仅是性能限制，更是安全隐患。由于没有内部的成本或约束机制，AI系统没有内在理由去避免过度自信的错误或抵制恶意操纵。为此，团队提出了“双重具身框架”，建议为AI构建模拟不确定性、处理负荷等内部状态的变量，以调节其行为，使其更对齐人类的认知模式。研究发表在 Neuron 上。
#认知科学 #计算模型与人工智能模拟 #人工智能安全 #具身认知 #大语言模型
阅读更多：
Kadambi, Akila, et al. “Embodiment in Multimodal Large Language Models.” Neuron, vol. 0, no. 0, Apr. 2026. www.cell.com, https://doi.org/10.1016/j.neuron.2026.03.004
新框架让机器人告别“指令盲”，自然语言交互成为现实
如何让机器人像人一样听懂指令并执行任务，一直是AI领域的难题。由华为伦敦诺亚方舟实验室、德国达姆施塔特工业大学和苏黎世联邦理工学院的Christopher E. Mower等研究人员共同开发了一个创新的开源框架，它成功地将大型语言模型与应用最广的机器人操作系统（Robot Operating System，ROS）相结合，为具身智能机器人赋予了前所未有的语言理解与执行能力。
▷ a) 团队提出的 ROS-LLM 框架概述，展示了多个组件的集成。带标签的线条表示框架中假定仅引入一次的部分，例如初始原子动作库。b) 典型的机器人开发工作流程概述。Credit: Nature Machine Intelligence (2026).
该框架的核心思想是利用LLM强大的自然语言处理能力作为机器人的“大脑”。当接收到如“拿起绿色积木并将其放在黑色架子上”的指令时，LLM会首先将复杂的任务分解为一系列更小的、可执行的步骤。随后，框架通过两种模式将这些步骤转化为机器人能够理解的语言：一种是直接生成简短的内联代码，通过ROS直接控制机器人；另一种是构建行为树，为任务规划提供清晰路径和备选方案。这种设计不仅提升了任务执行的成功率，还赋予了机器人通过模仿学习新技能，并根据人类或环境的反馈进行自我优化的能力。在包括桌面整理和远程监控在内的多种真实场景测试中，该框架表现出卓越的鲁棒性与可扩展性。研究发表在 Nature Machine Intelligence 上。
#AI驱动科学 #机器人及其进展 #跨学科整合 #意图与决策
阅读更多：
Mower, Christopher E., et al. “A Robot Operating System Framework for Using Large Language Models in Embodied AI.” Nature Machine Intelligence, vol. 8, no. 3, Mar. 2026, pp. 313–25. www.nature.com, https://doi.org/10.1038/s42256-026-01186-z
谷歌科学家称AI的未来在于“社会化”而非“超人化”
人工智能“奇点”是否是一个错误的预言？来自谷歌、芝加哥大学等机构的James Evans, Benjamin Bratton和Blaise Agüera y Arcas等研究人员在一篇论文中提出，智能的本质是社会性的，未来的智能爆炸将是一个由人类和亿万AI智能体共同构成的复杂社会，而非一个孤立的超级心智。
研究团队指出，当前的前沿推理模型内部已自发涌现出一种被称为“思想社会”的惊人机制。当模型处理复杂问题时，它并非简单地“思考更久”，而是在内部模拟了一场多视角的辩论会，不同的认知观点进行论证、质疑和协调，这种内在的社会化过程是其实现高精度推理的关键。更重要的是，这种行为是模型在优化压力下自发演化出的，印证了“稳健的推理是一个社会过程”的认知科学观点。基于此，研究者认为AI发展的未来在于构建混合的“人机半人马”系统，即人类和AI以多样化的配置深度协作。这种视角将AI扩展问题从单纯追求更大的模型，转向设计更高效的协作性社会系统。因此，AI治理范式也应随之转变，从类似“家长式管教”的人类反馈强化学习，转向借鉴人类社会经验的“制度对齐”，即创建具备明确角色、规范和制衡机制的数字机构（如AI法庭、AI监管机构）来确保整个生态系统的稳定与对齐。
#大模型技术 #计算模型与人工智能模拟 #跨学科整合 #人工智能哲学
阅读更多：
Evans, James, et al. “Agentic AI and the next Intelligence Explosion.” arXiv:2603.20639, arXiv, 21 Mar. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2603.20639
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。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。您也可以在后台提问，我们将基于追问知识库为你做出智能回复哦~
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。
研究院在华山医院、上海市精神卫生中心分别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陈天桥雒芊芊神经科学研究院。
研究院还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、、科普视频媒体「大圆镜」等。
热门跟贴