█脑科学动态
环境可能比遗传更能影响元认知能力
人类新皮质神经元更多是单向连接，而不是形成环
大脑如何微调其敏感性？
科学家识别出一组能参与工作记忆的特殊脑细胞
孤独如何引起对糖的渴望？
█AI行业动态
Nothing公司推出支持ChatGPT的新款无线耳机
Meta发布开源模型Llama 3
AI驾驶战机与人类空中大战
█AI研发动态
GPT-4在脑梗死机械溶栓数据提取中表现优异
AI模型在病理学中存在人种偏差
人工智能在准确评估眼部问题方面击败了医生
大型语言模型通过多数示例学习显著提升多任务性能
RecurrentGemma：超越Transformer以实现高效的开放语言模型
脑科学动态
环境可能比遗传更能影响元认知能力
北京师范大学的研究团队发表了一项关于双胞胎的研究。该研究探讨了遗传和环境如何共同影响人类的认知加工。此项研究利用了自2006年以来建立的北京双胞胎研究（BeTwiSt），旨在深入了解影响认知能力的多种因素。
人类的认知能力可以分为两个层次的层级体系。其中，一阶认知能力，如感知和记忆。而二阶认知能力，包括元认知（metacognition）和心理化（mentalizing）。研究团队通过对105对双胞胎（57对同卵和48对异卵）进行一系列元认知任务，来评估环境和遗传因素对认知能力的影响。任务包括对移动点群的方向进行感知判断及对判断置信度的评估。结果显示，即使在不同遗传背景的双胞胎中，拥有更高教育水平和家庭收入的父母所育儿童的二阶认知能力表现出相似性，强调了家庭环境在塑造元认知和心理化（mentalizing）能力中的重要作用。研究强调，环境因素如父母养育方式和文化价值观的传递，对这些高级认知功能的形成有着决定性的影响。研究发表在Cell Reports上。
#环境影响 #双胞胎研究 #元认知
阅读论文：
Jiang, S., Sun, F., Yuan, P., Jiang, Y., & Wan, X. (2024). Distinct genetic and environmental origins of hierarchical cognitive abilities in adult humans. Cell Reports, 43(4). https://doi.org/10.1016/j.celrep.2024.114060
人类新皮质神经元更多是单向连接，而不是环
人类大脑新皮质中神经元的连接方式长期以来都是根据小鼠等动物模型推断的，但这种假设缺乏实证支持。柏林洪堡大学附属慈善医院的研究团队，由 Jörg Geiger 教授领导，利用临床脑部手术获得的样本，首次揭示了人类新皮质神经元网络的独特特征。
研究团队通过分析颞叶皮质2-3层锥体神经元的多神经元斑片钳记录，发现了与啮齿动物的显著差异。在人类的超颗粒颞叶皮层中，互惠性呈现出随机分布，突触强度与连接概率无关，并且连接性遵循单向和大多无环图拓扑结构。这些原则应用于神经元模型中，增加了网络动态的维度，暗示皮质计算的重要作用。研究表明，人类脑组织样本中只有非常少的一部分神经元会以“对话”的形式形成环路交流。绝大多数神经元之间的信息流是单向的，信息基本不会通过循环、返回等途径回到信息出发点。研究发表在Science上。
#人类新皮质 #神经元连接 #网络拓扑结构
阅读论文：
Peng, Y., Bjelde, A., Aceituno, P. V., Mittermaier, F. X., Planert, H., Grosser, S., Onken, J., Faust, K., Kalbhenn, T., Simon, M., Radbruch, H., Fidzinski, P., Schmitz, D., Alle, H., Holtkamp, M., Vida, I., Grewe, B. F., & Geiger, J. R. P. (2024). Directed and acyclic synaptic connectivity in the human layer 2-3 cortical microcircuit. Science, 384(6693), 338–343. https://doi.org/10.1126/science.adg8828
大脑如何微调其敏感性？
巴塞尔大学的研究人员在最新研究中报道了他们对成年小鼠大脑神经网络平衡调节机制的研究。研究团队由主要作者齐涅普·奥库尔博士和彼得·施费勒教授领导。他们致力于理解神经发育障碍和癫痫等神经疾病的发病机制，以及寻找治疗这些疾病的新途径。
研究发现，成年小鼠新皮层中的兴奋和抑制之间的平衡受到BMP2信号通路的调节。过度激活的兴奋性神经元释放BMP2，通过转录因子SMAD1作用于帕尔沃蛋白表达的抑制性神经元。这导致突触蛋白和周围神经元网的成分的调节，从而影响了神经元的连接和功能。进一步的研究发现，破坏BMP2-SMAD1信号通路会导致帕尔沃蛋白表达的抑制性神经元中的突触减少，周围神经元网的发育不完整，并且神经元的兴奋性下降。最终，这导致了帕尔沃蛋白表达的抑制性神经元的功能受损，打破了大脑皮层中兴奋和抑制之间的平衡，小鼠表现出自发性癫痫发作。这项研究的结果发表在Nature杂志上
#BMP2信号通路 #帕尔沃蛋白 #成年哺乳动物大脑 #癫痫发作
阅读论文：
Okur, Z., Schlauri, N., Bitsikas, V., Panopoulou, M., Ortiz, R., Schwaiger, M., Karmakar, K., Schreiner, D., & Scheiffele, P. (2024). Control of neuronal excitation–inhibition balance by BMP–SMAD1 signalling. Nature, 1–8. https://doi.org/10.1038/s41586-024-07317-z
科学家识别出一组能参与工作记忆的特殊脑细胞
塞德斯西奈医疗中心（Cedars-Sinai）的研究人员发现了大脑中如何协调有意识的注意力和信息的短期存储。研究团队由Jonathan Daume和Ueli Rutishauser领导。在实验中，患者被要求执行一个需要使用工作记忆的任务。任务包括在计算机屏幕上显示一系列照片，然后在屏幕变空白约三秒后，患者被要求判断接下来显示的照片是否是之前看到的其中之一。研究人员记录了患者大脑中单个神经元的活动以及脑波的活动。
他们发现，在执行工作记忆任务时，某些神经元利用了所谓的“相位-幅度耦合（PAC）”过程来协调记忆的存储。这些PAC神经元位于大脑的海马体中，与长期记忆有关。具体而言，研究发现了一类神经元，它们在大脑的theta脑波相位和gamma脑波幅度的非线性交互中选择性地射频。当患者的认知控制需求较高时，这些PAC神经元的射频时间与额叶控制区域的theta脑波活动协调。通过引入与海马体中持续活跃神经元的噪声相关，PAC神经元塑造了群体编码的几何形状，从而提高了工作记忆内容的保真度表示。研究结果发表在Nature上。
#工作记忆存储 #相位-幅度耦合 #海马体 #额叶控制 #神经元
阅读论文：
Daume, J., Kamiński, J., Schjetnan, A. G. P., Salimpour, Y., Khan, U., Kyzar, M., Reed, C. M., Anderson, W. S., Valiante, T. A., Mamelak, A. N., & Rutishauser, U. (2024). Control of working memory by phase–amplitude coupling of human hippocampal neurons. Nature, 1–9. https://doi.org/10.1038/s41586-024-07309-z
调节记忆形成的动态DNA结构
长期以来，科学家们认为DNA的结构是静态的，只有在复制和转录过程中才会发生结构变化。但实际上DNA的拓扑结构是非常动态的，它可以假定为多种构象状态，而这些状态对细胞过程非常重要。由澳大利亚国立大学和昆士兰大脑研究所的Paul Marshall领导的研究团队发现G-四链体DNA（G4-DNA）在神经元中积累，并且动态地控制着与长期记忆形成相关的基因的激活和抑制。
研究发现G4-DNA在学习过程中的活跃神经元中短暂积累，通过CRISPR基因编辑技术，研究团队揭示了G4-DNA在大脑中的调控机制涉及到DNA解旋酶DHX36的定向沉积。实验结果表明，G4-DNA的动态结构状态是记忆巩固的关键分子机制之一。此外，研究还发现通过特异性解旋G4-DNA位点会损害恐惧消除记忆。该研究发表在Journal of Neuroscience上。
#DNA结构 #记忆巩固 #G4-DNA #CRISPR #记忆形成
阅读论文：
Marshall, P. R., Davies, J., Zhao, Q., Liau, W.-S., Lee, Y., Basic, D., Periyakaruppiah, A., Zajaczkowski, E. L., Leighton, L. J., Madugalle, S. U., Musgrove, M., Kielar, M., Brueckner, A. M., Gong, H., Ren, H., Walsh, A., Kaczmarczyk, L., Jackson, W. S., Chen, A., … Bredy, T. W. (2024). DNA G-Quadruplex Is a Transcriptional Control Device That Regulates Memory. Journal of Neuroscience, 44(15). https://doi.org/10.1523/JNEUROSCI.0093-23.2024
孤独如何引起对糖的渴望？
加州大学洛杉矶分校的神经压力与适应性研究中心主任、副教授Arpana Gupta领导的研究团队发表了一项关于社交孤立与食物偏好之间关系的研究。此前的研究表明，肥胖与抑郁焦虑有关，而过度进食被认为是应对孤独的一种方式。Gupta团队想要观察与这些情绪和行为相关的大脑通路。
该研究招募了93名健康的绝经前女性参与者，通过功能性磁共振成像监测了他们对甜食和咸食的抽象图像的大脑反应。研究发现，与社交孤立相关的大脑改变，特别是对甜食刺激的反应，与食物偏好、肥胖和心理症状之间存在关联。孤立感更强的参与者报告了更高的体脂百分比、较差的饮食质量、增加的不良饮食行为以及更差的心理健康状况。研究还发现，社交孤立导致的大脑反应变化介导了孤立感与不良饮食行为、体脂含量增加以及积极情绪减少之间的关系。该研究发表在 JAMA Network Open 上。
#社交孤立 #大脑反应 #不良饮食行为 #肥胖#心理健康
阅读论文：
Zhang, X., Ravichandran, S., Gee, G. C., Dong, T. S., Beltrán-Sánchez, H., Wang, M. C., Kilpatrick, L. A., Labus, J. S., Vaughan, A., & Gupta, A. (2024). Social Isolation, Brain Food Cue Processing, Eating Behaviors, and Mental Health Symptoms. JAMA Network Open, 7(4), e244855. https://doi.org/10.1001/jamanetworkopen.2024.4855
AI 行业动态
Meta发布开源模型Llama 3
Meta最新发布了开源模型Llama 3，该模型包括8B和70B两种参数的预训练和指令调优版本。Llama 3预计于今年7月正式推出，具备多模态能力，将应用于Ray-Ban Meta智能眼镜。与此同时，Meta与谷歌合作，AI助手将提供实时搜索结果。Llama 3相较于前一版本实现了重大飞跃，在多项基准测试中展示了领先水平。此外，Meta为Llama 3建立了庞大的GPU集群，使得模型能够在大规模并行计算中进行训练。除了模型规模和类型的提升外，Llama 3在模型架构、训练和数据处理等方面也有所优化。Meta团队在开发过程中特别注重了模型在现实场景中的性能，开发了一个新的高质量人类评估集，对模型进行全面评估。结果显示，Llama 3在复杂语言处理任务中表现突出，具备优异的先进AI技术水平。
#Meta #Llama3 #AI助手
阅读论文：
https://ai.meta.com/blog/meta-llama-3/
AI驾驶战机与人类空中大战
近期，美国DARPA披露：一架由F-16改装而成的AI验证机成功地与人类飞行员进行了史上首次的空中缠斗。该验证机名为X-62A VISTA，是一款经过高度改装的F-16D双座飞机。在这场对抗中，X-62A VISTA展现出了出色的防御机动和攻击能力。虽然胜负未知，但视频显示，两架战斗机以惊人的速度和技巧展开了高视角机头对机头的交战，相距仅610米，速度达到1200英里/小时。
#人工智能 #空战 #战斗机 #技术进步 #未来战争
Nothing公司推出支持ChatGPT的新款无线耳机
Nothing公司近日宣布，他们计划将ChatGPT引入其顶级无线耳机和智能手机中，为用户提供更为智能的交互体验。这一功能将通过免费软件更新逐步推出，用户将能够通过Nothing设备直接与ChatGPT对话，并获取会话式的回答或执行任务。
在其最新的社区更新会议上，Nothing公司发布了一系列新的音频产品和技术集成。其中，两款新的无线耳机Nothing Ear和Nothing Ear (a)均得到了重大更新和改进。Nothing Ear针对音响爱好者设计，提供卓越的音质；而Nothing Ear (a)则定位为日常音频伴侣，具备出色的噪声取消功能和新颖的设计。此外，这两款耳机还支持ChatGPT的集成，用户可以直接通过Nothing设备与这一流行的消费者AI工具进行交互。
具体到产品特点和规格方面，Nothing Ear (a)采用了Nothing标志性的透明设计，并配备了强大的11毫米动态驱动器和高达45 dB的主动降噪能力。同时支持Hi-Res Audio认证和LDAC编解码器，提供高分辨率的音频体验。而Nothing Ear则配备了11毫米的陶瓷驱动器，支持24位高分辨率音频，并拥有高达45 dB的智能主动降噪功能。两款耳机均支持多设备连接和低延迟模式，并具备清晰通话技术。
#ChatGPT #无线耳机 #智能手机
AI 研发动态
GPT-4在脑梗死机械溶栓数据提取中表现优异
德国波恩大学医院的诊断和介入性神经放射科及儿童神经放射科的资深医师Nils Lehnen领导的研究小组发现，脑梗死患者机械溶栓过程中的手术细节对于临床预后的预测至关重要，并被用于前瞻性研究或国家卒中登记。然而，目前这些数据由人工读取手动收集，这是一项工作量巨大且容易出错的任务。
该研究回顾性分析了2022年11月至2023年9月在机构1和2016年9月至2019年12月在机构2接受机械溶栓治疗的脑梗死患者的连续报告。研究小组使用了大型语言模型GPT-4和GPT-3.5，利用20份报告来优化提示，并通过McNemar检验比较了LLMs提取报告中机械溶栓过程数据的能力。同时，以介入性神经放射科医师手动提取的数据作为参考标准。结果显示，GPT-4成功处理了所有报告，并且在2800个数据输入中，有2631个数据点被正确提取，准确率为94.0%。而GPT-3.5则仅在1788个数据中正确提取，准确率为63.9%，明显低于GPT-4。对外部报告的验证结果也显示，GPT-4的准确率明显高于GPT-3.5。该研究发表在Radiology期刊上。
#脑梗死 #机械溶栓 #大型语言模型 #数据提取 #放射学
阅读论文：
Lehnen, N. C., Dorn, F., Wiest, I. C., Zimmermann, H., Radbruch, A., Kather, J. N., Paech, D., Anzai, Y., & Panzer, A. (2024). Data Extraction from Free-Text Reports on Mechanical Thrombectomy in Acute Ischemic Stroke Using ChatGPT: A Retrospective Analysis. Radiology, 311(1), e232741. https://doi.org/10.1148/radiol.232741
AI模型在病理学中存在人种偏差
近年来，人工智能在病理学领域的应用呈现出巨大潜力，但往往忽视了不同人种因素对性能的影响，可能导致偏见。由Mass General Brigham团队领导的最新研究发现，标准计算机病理学系统在白人和黑人等不同人种群体之间表现出明显的性能差异。
研究团队利用公开数据集如癌症基因组图谱和EBRAINS脑肿瘤图谱以及内部患者数据，针对乳腺癌和肺癌亚型分类以及脑胶质瘤IDH1基因突变预测等领域，开发了全切片图像分类模型。结果显示，在常见的建模方法下，模型在亚型分类和基因突变预测中存在明显的人种性能差异，其中白人和黑人之间的性能差距分别为3.0%、10.9%和16.0%。研究发现，基于自监督视觉基础模型的丰富特征表示能够减少不同人种群体之间的性能变化，即使采用最先进的偏见缓解策略和建模选择也能实现改善。然而，自监督视觉基础模型并未完全消除这些差异，突显了计算机病理学中偏见缓解工作的持续必要性。最后，研究还展示了结果在患者种族以外的其他人口统计学因素上的普适性。研究发表在Nature Medicine上。
#人工智能 #计算机病理学 #自监督学习 #性能偏差 #公平性
阅读论文：
Vaidya, A., Chen, R. J., Williamson, D. F. K., Song, A. H., Jaume, G., Yang, Y., Hartvigsen, T., Dyer, E. C., Lu, M. Y., Lipkova, J., Shaban, M., Chen, T. Y., & Mahmood, F. (2024). Demographic bias in misdiagnosis by computational pathology models. Nature Medicine, 30(4), 1174–1190. https://doi.org/10.1038/s41591-024-02885-z
人工智能在准确评估眼部问题方面击败了医生
由剑桥大学领导的研究发现，GPT-4（一种大型语言模型）的临床知识和推理技能已接近专业眼科医生的水平。该研究团队评估了GPT-4在眼科临床中的潜力，发现其能够在特定眼部问题的诊断和治疗建议方面表现优异。
研究方法和结果：研究采用了347个眼科问题进行了试验，包括了GPT-3.5和GPT-4在87个问题的模拟考试中的表现。结果显示，GPT-4（69%）的表现优于GPT-3.5（48%）、PaLM 2（56%）和LLaMA（32%）。与此同时，GPT-4的表现与专家眼科医生（中位数76%，范围64-90%）、眼科实习医生（中位数59%，范围57-63%）以及非专科初级医生（中位数43%，范围41-44%）相媲美。眼科医生普遍偏好GPT-4的回答，并将其准确性和相关性评价为更高。研究发表在 PLOS Digital Health 上。
#大型语言模型 #眼科临床 #GPT-4 #临床潜力 #医疗建议
阅读论文：
Thirunavukarasu, A. J., Mahmood, S., Malem, A., Foster, W. P., Sanghera, R., Hassan, R., Zhou, S., Wong, S. W., Wong, Y. L., Chong, Y. J., Shakeel, A., Chang, Y.-H., Tan, B. K. J., Jain, N., Tan, T. F., Rauz, S., Ting, D. S. W., & Ting, D. S. J. (2024). Large language models approach expert-level clinical knowledge and reasoning in ophthalmology: A head-to-head cross-sectional study. PLOS Digital Health, 3(4), e0000341. https://doi.org/10.1371/journal.pdig.0000341
大语言模型通过多数示例学习显著提升多任务性能
随着大型语言模型（LLMs）上下文窗口的显著扩展，研究人员开始探索多数示例的上下文内学习（ICL）模式。这种学习模式不需要在推断时更新模型权重，可通过直接从提供的示例中学习来解决新任务。本研究由Gemini团队进行，他们利用新一代模型Gemini 1.5 Pro，该模型的上下文窗口达到了100万个令牌。
研究通过在Gemini 1.5 Pro上应用数百到数千个示例，分析了多数示例ICL对多种广泛使用的任务，如数学问题解决（MATH）和问题回答（GPQA）的影响。研究表明，与少数示例ICL相比，多数示例ICL在这些任务上显著提高了性能。此外，研究引入了加强的ICL（Reinforced ICL）和无监督ICL（Unsupervised ICL），前者通过使用模型生成的推理来替代人类写的推理，后者则完全去除推理，只用问题提示模型。这两种新方法在复杂的推理任务上表现出较好的效果，并且能有效克服预训练偏差，学习具有数值输入的高维函数。
#大型语言模型 #上下文内学习 #多数示例学习 #加强的ICL #无监督ICL
阅读论文：
Agarwal, R., Singh, A., Zhang, L. M., Bohnet, B., Chan, S., Anand, A., Abbas, Z., Nova, A., Co-Reyes, J. D., Chu, E., Behbahani, F., Faust, A., & Larochelle, H. (2024). Many-Shot In-Context Learning (arXiv:2404.11018). arXiv. http://arxiv.org/abs/2404.11018
RecurrentGemma：超越 Transformer 以实现高效的开放语言模型
Google DeepMind的最新研究成果RecurrentGemma标志着向更高效的开放语言模型迈进的一大步。该模型采用了创新的Griffin架构，结合了线性递归与局部注意力，优化了内存使用并提高了长序列的处理效率。RecurrentGemma在各项性能测试中显示出与传统的Gemma-2B模型相当的性能，尽管其训练数据较少。
RecurrentGemma通过减少模型状态的大小，显著提高了数据处理的速度，特别是在长文本序列上。与Gemma模型相比，RecurrentGemma不仅能处理更长的序列，还能在较低的内存需求下，以更大的批量大小进行推理，显著提升了运行效率。此外，该模型还经过了严格的安全与伦理评估，确保其在实际应用中的安全性。Google DeepMind强调，尽管模型在标准安全基准测试中表现优异，但他们推荐所有使用者在部署前进行针对性的安全测试，以确保符合特定应用场景的需求。
#人工智能 #语言模型 #RecurrentGemma #高效计算 #GoogleDeepMind
阅读更多：
Botev, A., De, S., Smith, S. L., Fernando, A., Muraru, G.-C., Haroun, R., Berrada, L., Pascanu, R., Sessa, P. G., Dadashi, R., Hussenot, L., Ferret, J., Girgin, S., Bachem, O., Andreev, A., Kenealy, K., Mesnard, T., Hardin, C., Bhupatiraju, S., … de Frietas, N. (2024). RecurrentGemma: Moving Past Transformers for Efficient Open Language Models (arXiv:2404.07839). arXiv. https://doi.org/10.48550/arXiv.2404.07839
整理｜ChatGPT
编辑｜丹雀 & 存源
追问互动
○如果您对本期内容有进一步想要追问的问题或者讨论的内容，欢迎在评论区留言，或者扫描二维码添加追问微信号，发送自我介绍，加入我们的社群参与互动。如需转载，还请留言。