追问daily | 多巴胺新发现：革新强化学习模型；头骨：大脑与免疫信号的桥梁？意识丧失的脑机制揭秘|163

█ 脑科学动态

星形胶质细胞在阿尔茨海默病进展中的复杂变化

头骨：大脑与免疫信号的桥梁？

睡眠帮助大脑学习并形成空间认知地图

大脑眶额皮层和海马体如何共同调节情境依赖性学习

多巴胺信号的新发现或需修正现有强化学习模型

便携式低磁场MRI结合机器学习提高阿尔茨海默病诊断精度

导致意识丧失的大脑机制

█ AI行业动态

OpenAI Canvas全面开放

Cognition AI工程师Devin正式发布：提升开发效率的新工具

█ AI研发动态

机器学习模型揭示大脑连接与人类智力之间的关系

自然主义自由回忆数据集为研究人类记忆提供新视角

行为数据为建模人类心理提供了重要补充

让AI 能够用简单的语言解释其预测

新型AI模型实现消费级硬件上高质量即时图像生成

脑科学动态

星形胶质细胞在阿尔茨海默病进展中的复杂变化

星形胶质细胞在维持大脑健康方面扮演重要角色，但它们在阿尔茨海默病（AD）中的变化尚未得到深入研究。为了解星形胶质细胞如何随疾病进展变化，马萨诸塞州总医院、马萨诸塞州阿尔茨海默病研究中心、哈佛医学院和艾伯维公司的研究人员进行了这项研究，使用单核RNA测序技术分析了来自32名捐赠者的星形胶质细胞数据，揭示了不同亚群在AD进展中的变化。

▷星形胶质细胞亚群及其在阿尔茨海默病中的进展。Credit: Serrano-Pozo et al.

这项研究的关键方法是单核RNA测序，研究人员对来自32名捐赠者的大脑五个区域的628,943个星形胶质细胞进行了分析。研究显示，星形胶质细胞的亚群在阿尔茨海默病的不同病理阶段和大脑区域表现出不同的反应。稳态星形胶质细胞在晚期病理区域减少，而反应性星形胶质细胞则比例增加。

此外，研究还发现了新的“中间”状态亚群，这些细胞在稳态和反应性之间转换。一个富含营养因子的亚群在病理进展中逐渐减少，而另一个亚群则在晚期增加，最终恢复到基线水平，表明在长期暴露于神经病理时，细胞可能产生倦怠反应。这一研究为理解阿尔茨海默病的细胞动力学提供了重要视角，未来可能有助于开发新的治疗策略。研究发表在 Nature Neuroscience 上。

#大脑健康 #阿尔茨海默病 #星形胶质细胞 #神经退行性疾病 #转录组学

阅读论文：

Serrano-Pozo, Alberto, et al. “Astrocyte Transcriptomic Changes along the Spatiotemporal Progression of Alzheimer’s Disease.” Nature Neuroscience, vol. 27, no. 12, Dec. 2024, pp. 2384–400. www.nature.com, https://doi.org/10.1038/s41593-024-01791-4

头骨：大脑与免疫信号的桥梁？

伦敦国王学院的研究团队对大脑与身体免疫之间的关系进行了深入探讨，特别是硬脑膜窦和颅骨骨髓在免疫信号传递中的作用。尽管中枢免疫系统和外周免疫系统在传统上被认为是独立运作的，但该研究发现它们可能通过其他机制相互影响。

研究团队分析了51名患有抑郁症的成人和25名健康对照组的免疫数据。研究人员使用了神经影像技术，分析了血液样本和免疫活动数据。使用PET扫描检测颅骨和硬脑膜窦的免疫细胞密度，以观察它们在抑郁症中的活动。

研究发现，硬脑膜窦和颅骨骨髓的免疫活动与身体和大脑的炎症活动密切相关，这一关系在抑郁症患者和健康对照中均有体现。硬脑膜窦在这一过程中发挥了更为重要的作用。这一研究为大脑与身体免疫系统之间的相互作用提供了新的视角，未来可能为抑郁症和其他免疫相关疾病的治疗提供新的方向。研究发表在 Brain 上。

#大脑健康 #免疫系统 #抑郁症 #神经影像 #免疫反应

阅读论文：

Eiff, Brandi, et al. “Extra-Axial Inflammatory Signal and Its Relationship to Peripheral and Central Immunity in Depression.” Brain, Dec. 2024, p. awae343. Silverchair, https://doi.org/10.1093/brain/awae343

睡眠帮助大脑学习并形成空间认知地图

酮体在禁食期间为细胞提供能量，巴克衰老研究所的科学家们发现，酮体不仅能提供能量，还能调节蛋白质稳态，帮助清除大脑中的错误折叠蛋白质。该团队在小鼠和线虫模型中进行实验，揭示了酮体在衰老和阿尔茨海默病中的潜在应用。

这项研究通过试管实验、小鼠实验和线虫实验，探讨了酮体β-羟基丁酸（βHB）如何调节蛋白质溶解度，清除错误折叠的蛋白质。研究表明，βHB能直接与错误折叠的蛋白质相互作用，改变其溶解度，使其不再聚集，并通过自噬过程清除。研究人员还发现，βHB对β淀粉样蛋白等神经退行性疾病相关蛋白具有选择性作用，能够改善相关病理。实验结果不仅在体外得到验证，也成功地在小鼠和线虫模型中重现，为衰老和阿尔茨海默病的治疗提供了新的思路。研究发表在 Cell Chemical Biology 期刊上。

#大脑健康 #酮体 #蛋白质稳态 #阿尔茨海默病 #神经退行性疾病

阅读论文：

Guo, Wei, et al. “Latent Learning Drives Sleep-Dependent Plasticity in Distinct CA1 Subpopulations.” Cell Reports, vol. 43, no. 12, Dec. 2024. www.cell.com, https://doi.org/10.1016/j.celrep.2024.115028

大脑眶额皮层和海马体如何共同调节情境依赖性学习

在我们的日常生活中，许多情境依赖的决策需要大脑灵活地处理歧义性信息。加州大学圣塔芭芭拉分校的研究人员通过实验，探索了大脑如何使用上下文信息解决这种歧义性。该团队利用化学遗传学技术，研究了眶额皮层（OFC）和背侧海马体（DH）在这一过程中的作用。研究结果表明，OFC在调节行为和促进新的情境学习中起到了至关重要的作用，而DH的作用则主要限于情境学习的偏差。

研究人员设计了一项实验，通过改变环境的亮度来测试大鼠对听觉线索的反应。在不同情境下，相同的听觉线索有时会带来奖励，有时则不带奖励。研究发现，OFC在大脑如何理解上下文依赖关系中起到了核心作用，尤其是在行为调节和学习偏差方面。没有功能的OFC使大鼠无法根据情境做出适当反应。而海马体（DH）在此过程中的作用相对较小，主要影响新情境的学习，而对已学到的知识并无显著影响。研究还表明，OFC和DH分别以不同的方式共同支持情境学习和行为调节，为理解大脑如何进行情境依赖的推理提供了重要线索。研究发表在 Current Biology 上。

#神经科学 #大脑健康 #行为调节 #情境学习

阅读更多：

Peterson, Sophie, et al. “Partially Dissociable Roles of the Orbitofrontal Cortex and Dorsal Hippocampus in Context-Dependent Hierarchical Associations.” Current Biology, vol. 34, no. 23, Dec. 2024, pp. 5532-5545.e3. www.cell.com, https://doi.org/10.1016/j.cub.2024.10.049

多巴胺信号的新发现或需修正现有强化学习模型

多巴胺在大脑中的作用一直是神经科学研究的重要课题，尤其是在奖励学习中。麻省理工学院的Ann Graybiel教授及其团队对传统强化学习模型进行了挑战，发现多巴胺释放的时机和模式与现有模型不完全匹配。团队采用了新型的多巴胺传感器，针对小鼠的奖励学习任务，深入探讨了多巴胺在纹状体中的动态变化。

研究人员通过在小鼠学习任务中使用先进的多巴胺传感器，追踪多巴胺在大脑中的释放。他们通过将蓝光与奖励（水）关联，观察多巴胺的释放模式，特别关注纹状体的反应差异。实验结果显示，多巴胺释放的时机在纹状体的不同部位有所不同，且研究人员没有观察到传统模型所预期的“奖励到提示”的多巴胺释放转变。特别是在引入第二个无奖励提示后，研究发现多巴胺的反应持续时间增加，提示大脑在处理奖励信号时可能存在类似工作记忆的机制。这些结果表明，传统的强化学习模型可能需要修正，以更准确地描述多巴胺的行为和作用。研究发表在Nature Communications 上。

#大脑健康 #视觉通路 #轻度创伤性脑损伤 #机器学习 #视觉功能

阅读论文：

Kim, Min Jung, et al. “Dopamine Release Plateau and Outcome Signals in Dorsal Striatum Contrast with Classic Reinforcement Learning Formulations.” Nature Communications, vol. 15, no. 1, Oct. 2024, p. 8856. www.nature.com, https://doi.org/10.1038/s41467-024-53176-7

便携式低磁场MRI结合机器学习提高阿尔茨海默病诊断精度

随着阿尔茨海默病（AD）患者人数的持续增加，传统MRI由于成本高昂和设备庞大，难以广泛应用于低资源地区。麻省总医院（MGH）的一项新研究开发了一种便携式低磁场（LF）MRI技术，并结合人工智能（AI）工具，改进了大脑成像质量，尤其是针对阿尔茨海默病的早期诊断。研究团队包括MRI物理学家、临床医生和AI专家，通过多年的探索，成功优化了LF-MRI技术，使其能够有效评估阿尔茨海默病患者的脑部特征。

研究人员通过优化LF-MRI技术，提高了图像的质量，并采用机器学习算法分析大脑形态和白质高信号（WMH）区域。LF-MRI的成像技术结合人工智能的图像处理管道，在测试中发现，LF-MRI与传统高场MRI（HF-MRI）相比，能够准确测量海马体体积，并在54名患有轻度认知障碍或阿尔茨海默病相关痴呆症的患者中获得了一致的结果。此外，白质高信号（WMH）区域的测量与人工分割的结果也高度一致。研究表明，LF-MRI结合机器学习方法，不仅能够在资源有限的环境中进行有效的脑部成像，还具有提高阿尔茨海默病早期筛查和诊断精度的潜力。研究发表在 Nature Communications 上。

#大脑健康 #阿尔茨海默病 #低磁场MRI #人工智能 #神经影像

阅读论文：

Sorby-Adams, Annabel J., et al. “Portable, Low-Field Magnetic Resonance Imaging for Evaluation of Alzheimer’s Disease.” Nature Communications, vol. 15, no. 1, Dec. 2024, p. 10488. www.nature.com, https://doi.org/10.1038/s41467-024-54972-x

导致意识丧失的大脑机制

意识丧失的机制一直是神经科学中的难题。宾夕法尼亚州立大学的研究团队通过对老鼠进行实验，首次揭示了麻醉过程中从清醒到无意识的转变。通过电生理学和功能磁共振成像（fMRI）技术的结合，研究团队探索了大脑不同区域在这一转变过程中的作用。研究表明，意识丧失可能由海马体、丘脑和内侧前额叶皮层等区域的相互作用触发，而其他皮质区域的活动增加可能是其结果。

研究人员采用了电生理学和功能磁共振成像（fMRI）技术，观察麻醉药物异丙酚引发的老鼠意识丧失过程。研究发现，在意识丧失的瞬间，大脑的低频电生理信号出现急剧增加，并且fMRI信号显示海马体、丘脑和内侧前额叶皮层等大脑区域的去活跃现象。这些区域的活动同步性在意识丧失前有所增加，表明它们在这一过程中可能发挥了重要作用。研究还表明，其他皮质区域的活动增加可能是意识丧失后的结果，而非直接原因。这些发现为理解意识丧失的神经机制提供了新的视角。研究发表在 Advanced Science 上。

#神经科学 #意识丧失 #麻醉 #电生理学 #功能磁共振成像

阅读论文：

Chen, Xiaoai, et al. “Sequential Deactivation Across the Hippocampus-Thalamus-mPFC Pathway During Loss of Consciousness.” Advanced Science, vol. 11, no. 42, Nov. 2024, p. 2406320. onlinelibrary.wiley.com, https://doi.org/10.1002/advs.202406320

AI 行业动态

OpenAI Canvas全面开放

近日，OpenAI宣布其全新功能Canvas全面开放。Canvas是OpenAI在今年10月推出的“人+AI协作模式”项目的重要组成部分，现已整合进ChatGPT，并对所有用户开放。用户无论是免费还是付费，都可以直接在Web版上使用这一新工具。

Canvas的主要亮点包括三个方面：首先，它被直接整合到ChatGPT的主要功能中，方便用户在同一平台上进行各种工作；其次，Canvas大幅提升了代码功能，支持Python代码的运行和调试；最后，Canvas也可以与CustomGPT兼容，拓展了使用场景。通过这一工具，用户不仅能与AI共同编写和修改文字，还能实时运行代码，处理错误，甚至进行图片识别。

OpenAI的CPO Kevin Weil等人展示了Canvas的多种使用方式。比如，在写作时，用户可以通过Canvas创建一个协作文档，与AI实时互动修改内容，极大提升了写作效率。Canvas还能辅助代码编写，支持错误修复和代码优化，帮助开发者高效调试程序。此外，用户可以根据不同需求生成定制化内容，像是根据圣诞愿望自动生成回信。

#OpenAI #Canvas #AI协作 #生产力工具 #Python编程

阅读更多：

https://openai.com/index/introducing-canvas/

Cognition AI工程师Devin正式发布：提升开发效率的新工具

Cognition AI实验室近期正式推出其自主AI工程师Devin。Devin具备强大的自动化开发能力，不仅能够快速处理日常编码任务，还能与开发团队工具无缝集成，极大地提高开发效率。

Devin的亮点包括支持通过Slack指令分配任务，能够处理简单的工程问题，如修复Bug或编写测试用例；同时，它还可以与VSCode等集成开发环境（IDE）直接协作，生成代码、提交Pull Request、协作编写代码。此外，Devin还能够自动优化代码、编写单元测试并进行自动化任务管理。更重要的是，它能动态更新企业知识库，确保信息始终保持最新，并且通过强大的数据分析功能，提供趋势预测和业务报告。

对于开发团队来说，Devin的引入意味着能够将一些重复性、低复杂度的任务交给AI处理，从而腾出更多精力来专注于复杂和创新性的问题。Devin的安全性和隐私保护措施也让它成为了对数据保护有高要求企业的理想选择。

目前，Devin的应用已经能够帮助企业提高开发效率，减少人为错误，促进团队协作，为开发者带来了全新的工作体验。

#人工智能 #软件开发 #自动化工具 #代码优化 #AI工程师

阅读更多：

https://www.cognition.ai/blog/devin-generally-available

AI 研发动态

机器学习模型揭示大脑连接与人类智力之间的关系

近年来，神经科学家在探索如何通过大脑结构和功能来预测智力方面取得了一些进展，但大多数研究未能深入解释预测结果背后的神经生物学机制。Kirsten Hilger及其团队使用机器学习模型，分析了806名健康成年人在休息和完成任务时的大脑连接，预测了流体智力、晶体智力和一般智力。研究结果为进一步理解人类认知能力提供了新的视角，尤其是对于如何通过大脑连接预测智力水平。

研究团队首先通过机器学习模型分析了806名健康成年人在静息状态和执行认知任务时的大脑连接数据，预测了三种不同类型的智力——流体智力（fluid intelligence）、晶体智力（crystallized intelligence）和一般智力（general intelligence）。他们发现，模型对一般智力的预测表现最好，其次是晶体智力，而流体智力的预测效果相对较差。在进行认知要求较高的任务时，模型的预测准确性显著提高。研究还发现，基于流行的神经认知智能理论的大脑区域连接模型比随机选取的连接组合预测效果更好，验证了这些理论的有效性。然而，全脑模型的表现优于传统的理论驱动模型，这表明智力的神经基础尚未完全揭示。研究强调，未来的智力预测研究应更加注重解释性，以帮助更全面地理解人类认知过程。研究发表在 PNAS Nexus 上。

#神经技术 #机器学习 #大脑连接 #认知科学 #智力预测

阅读更多：

Thiele, Jonas A., et al. “Choosing Explanation over Performance: Insights from Machine Learning-Based Prediction of Human Intelligence from Brain Connectivity.” PNAS Nexus, vol. 3, no. 12, Dec. 2024, p. pgae519. Silverchair, https://doi.org/10.1093/pnasnexus/pgae519

自然主义自由回忆数据集为研究人类记忆提供新视角

人类记忆的传统研究大多依赖于受控实验中的项目列表学习法，然而这些方法缺乏现实世界的自然性，限制了研究结果的广泛适用性。为了解决这一问题，来自多个研究机构的团队推出了“自然自由回忆”数据集（NFRD），提供了一种更加贴近自然环境的记忆研究工具。该数据集通过收集参与者对口语叙述的回忆，旨在扩展研究者对于人类记忆的认知范围，尤其是在自然情境下的记忆表现。

该研究收集了229名参与者对四个不同口语叙述的回忆数据，每个参与者回忆了两个故事，故事长度为8至13分钟。参与者需在听完故事后尽可能详细地按顺序回忆内容，回忆数据被高保真地记录下来。研究人员应用了自动化评分方法来评估参与者的记忆表现，结果表明，NFRD数据集成功呈现了经典的记忆效应，如序列位置效应和时间连续性效应。同时，数据集还揭示了口头回忆与事件结构、语篇属性等多种因素之间的关系，进一步推动了记忆研究的新进展。

此外，研究团队还引入了多种计算工具，诸如自动事件边界检测和语义注释工具等，帮助分析记忆回忆中的不同特征。所有的实验材料、代码和数据都已公开，旨在为研究人员提供新的方法和思路，推动人类记忆研究的发展。该研究为理解记忆现象提供了重要的实证数据，未来可广泛应用于自然主义记忆研究。研究发表在 Scientific Data 上。

#认知科学 #记忆研究 #自然记忆 #数据集 #计算方法

阅读更多：

Raccah, Omri, et al. “The ‘Naturalistic Free Recall’ Dataset: Four Stories, Hundreds of Participants, and High-Fidelity Transcriptions.” Scientific Data, vol. 11, no. 1, Dec. 2024, p. 1317. www.nature.com, https://doi.org/10.1038/s41597-024-04082-6

行为数据为建模人类心理提供了重要补充

随着自然语言处理和人工智能的发展，语义表示在计算语言学、心理语言学及人工智能中具有重要地位。传统上，这些表示主要来自于文本数据。然而，近些年，行为和大脑数据逐渐成为研究的热点，因为它们能够捕捉文本中较难表现的心理维度。研究人员比较了文本、行为和大脑数据中的语义表示，并揭示了行为数据在捕捉人类心理维度上的优势。该研究的重要性在于，它表明行为数据不仅能作为文本数据的补充，还能为心理学研究提供更为全面的信息。

这项研究的关键方法是表征相似性分析（RSA）和表征内容分析（RCA）。首先，研究团队通过RSA方法对文本、行为和大脑数据中的词向量进行比较，揭示了不同数据源之间的系统差异。然后，借助psychNorms元数据库，研究者通过RCA方法对这些差异的具体内容进行了解析。研究结果表明，行为数据在情感、能动性和社会道德等心理学维度上具有独特的表现，能够捕捉到文本数据未能体现的心理信息。此外，尽管行为数据的量级远小于文本数据，但其所包含的信息质量相当，甚至在某些维度上超越了文本数据。最终，研究表明行为数据为捕捉人类表征和行为提供了重要的补充，具有重要的实际意义，尤其在大型语言模型的评估和对齐中。

#认知科学 #语义表示 #行为数据 #大脑健康

阅读更多：

Hussain, Zak, et al. Probing the Contents of Semantic Representations from Text, Behavior, and Brain Data Using the psychNorms Metabase. arXiv:2412.04936, arXiv, 6 Dec. 2024. arXiv.org, https://doi.org/10.48550/arXiv.2412.04936

让 AI 能够用简单的语言解释其预测

机器学习模型通常在预测时会生成难以理解的复杂解释，特别是在使用可解释人工智能（XAI）技术时。麻省理工学院的研究团队通过开发EXPLINGO系统，探索了大型语言模型（LLMs）在将这些复杂解释转化为易于理解的自然语言叙述中的潜力。该系统旨在帮助普通用户更好地理解AI模型的预测，并根据个人需求进行定制。

研究人员设计的EXPLINGO系统包含两个主要部分：NARRATOR和GRADER。NARRATOR将机器学习模型生成的SHAP（Shapley值）解释转化为自然语言叙述，而GRADER则对这些叙述进行评分，评价其准确性、完整性、流畅性和简洁性。实验表明，系统能够生成高质量的叙述解释，尤其在少量人工标注示例的帮助下，表现尤为突出。然而，在处理复杂领域的评分时，系统仍面临一些挑战。研究还指出，未来可以通过更多的定制化选项，提升系统的适应性，甚至使用户能够通过与模型的互动，进一步验证预测结果的可靠性。该研究为人工智能领域的解释性研究提供了新的思路，并且其成果已经集成到开源工具中，供未来应用使用。

#神经技术 #机器学习 #人工智能 #大数据 #自然语言处理

阅读更多：

Zytek, Alexandra, et al. Explingo: Explaining AI Predictions Using Large Language Models. arXiv:2412.05145, arXiv, 6 Dec. 2024. arXiv.org, https://doi.org/10.48550/arXiv.2412.05145

新型AI模型实现消费级硬件上高质量即时图像生成

AI图像生成技术通常需要强大的计算资源，而NitroFusion的推出则解决了这一问题。由萨里大学以人为本人工智能研究所（PAI）下的SketchX实验室团队开发，该模型采用一种动态对抗框架，通过动态反馈使图像生成既高效又高质量。NitroFusion已开源，这为创意工作者、小型工作室和教育机构提供了低成本使用AI图像生成技术的机会。

NitroFusion采用一种新颖的动态对抗框架，其中多个专业的判别器头池在生成过程中对图像质量进行评估，并提供精确的反馈。该模型通过减少图像生成过程中的等待时间，使用户能够几乎即时地看到生成结果。与传统多步方法相比，NitroFusion在提高生成速度的同时，保持了图像质量，尤其在细节和一致性方面表现突出。模型还支持灵活的降噪步骤，用户可以根据需求在生成速度和图像质量之间进行平衡。这一突破性技术为小型创作团队、教育机构以及个人创作者提供了强大且易于访问的AI支持，标志着AI图像生成技术的民主化。

#神经技术 #图像生成 #人工智能 #动态对抗框架

阅读更多：

Chen, Dar-Yen, et al. NitroFusion: High-Fidelity Single-Step Diffusion through Dynamic Adversarial Training. arXiv:2412.02030, arXiv, 6 Dec. 2024. arXiv.org, https://doi.org/10.48550/arXiv.2412.02030

整理｜ChatGPT

编辑｜丹雀、佳音、存源