█ 脑科学动态
运动神经元投射方向的遗传调控机制
120万群体数据探索焦虑的遗传倾向
前额叶皮层中不同神经通路在适应性决策中的独立作用
大脑对步态协调的控制存在“死区”
大脑通过线性整合疼痛预测与实际刺激信息构建疼痛体验
肠道微生物群改变可引发小鼠攻击性行为
█ AI行业动态
可灵AI迭代升级：全新1.5模型带来电影级视频体验
█ AI研发动态
革新手术疼痛管理：麻省理工学院与总医院共研新模型
体感意识对轻微电击的敏感度优于皮肤电导率
人工智能与心理学的融合推动情感量化技术新突破
人工智能与人类都能通过思考自我学习
新算法提升大型语言模型间协作能力
大语言模型如何重塑集体智慧
大语言模型的时间之箭
量子隧穿神经网络能像人类一样感知光学错觉
脑科学动态
运动神经元投射方向的遗传调控机制
由日内瓦大学（UNIGE）神经科学教授Denis Jabaudon领导的研究团队，利用基因编辑技术，揭示了运动神经元在大脑发育过程中从脊髓撤回的遗传程序。
研究团队通过使脑组织透明并对特定神经元进行染色，首次证实了运动皮质的神经元在大脑发育初期会投射至脊髓，而随后部分神经元会撤回，投射方向转向大脑。他们使用单细胞核测序技术比较了不同类型神经元的基因表达，发现了一个控制这些神经元投射的基因家族，并使用基因编辑技术修改了这些基因的表达，使神经元从脊髓撤回。
▷小鼠大脑中的皮质脊髓神经元，Philipp Abe and Advanced Lightsheet Imaging Center Campus Biotech
这项研究揭示了控制皮质运动区神经元投射的遗传机制，并为未来通过遗传编程修复脊髓损伤提供了潜在的治疗途径。研究人员还推测，未来可能通过类似的基因调控技术，逆向操控神经元，使其重新投射至脊髓，从而为治疗诸如肌萎缩性侧索硬化症（ALS）等疾病带来新希望。研究发表在 Nature 上。
#大脑健康 #运动神经元 #遗传编程 #神经退行性疾病 #基因编辑技术
阅读论文：
Abe, Philipp, et al. “Molecular Programs Guiding Arealization of Descending Cortical Pathways.” Nature, Sept. 2024, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41586-024-07895-y.
120万群体数据探索焦虑的遗传倾向
焦虑症严重影响人们的生活质量。为了更好地理解其背后的遗传易感性，耶鲁大学精神病学系的研究团队开展了一项全球大规模的基因研究，跨越五大洲的参与者群体，探索了焦虑的多基因作用机制，强调了跨祖源研究的重要性。
该研究分析了超过120万名参与者的基因数据，其中包括97,383名焦虑症确诊患者。通过全基因组关联研究（GWAS），研究人员在五大洲不同种族群体中识别出51个与焦虑相关的基因位点，其中39个是首次发现的新基因。这些基因位点与大脑的多个区域有关，尤其是边缘系统、脑皮层和脑干。
该研究还利用了多基因风险评分来分析不同人群的焦虑易感性，结果显示欧洲血统人群的评分同样适用于非洲、混合美洲和东亚血统群体。基因功能分析显示，有115个基因通过特定大脑区域或跨组织调控与焦虑密切相关。此外，焦虑还与抑郁症、精神分裂症等精神疾病存在显著的遗传关联，并与胃肠道疾病和疼痛等身体健康问题存在广泛的遗传关联。这项研究大大拓展了人们对焦虑症的遗传基础的认知，强调了多种群体的研究以及多组学数据（multi-omics data，结合基因组、转录组、蛋白质组等多种分子信息）的整合对疾病研究的重要性。研究发表在 Nature Genetics 上。
#大脑健康 #焦虑症 #基因组研究 #多组学 #精神疾病
阅读论文：
Friligkou, Eleni, et al. “Gene Discovery and Biological Insights into Anxiety Disorders from a Large-Scale Multi-Ancestry Genome-Wide Association Study.” Nature Genetics, Sept. 2024, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41588-024-01908-2.
前额叶皮层中不同神经通路在灵长类动物适应性决策中的独立作用
灵长类动物在不断变化的环境中，需要通过经验和知识推断来进行决策。日本国立量子科学技术研究所的Kei Oyama和Takafumi Minamimoto领导的研究团队，揭示了灵长类动物在决策过程中，前额叶皮层（OFC）不同神经通路的作用。OFC被认为参与了基于经验和知识推断的价值更新，但其具体机制仍不清楚。
研究团队设计了两项行为任务，要求两只雄性猕猴在不同规则下更新物品价值：一种是通过直接经验，另一种是基于任务规则进行推断。在任务中，猕猴通过选择不同图片获得奖励，而图片和奖励之间的关联会随机改变，要求猕猴适应这些变化。研究者使用化学遗传学手段，通过特定药物抑制前额叶皮层的神经通路，并利用正电子发射断层扫描技术绘制出与尾状核（rmCD）和内侧背侧丘脑（MDm）相关的脑部投射图。
结果显示，OFC连接至尾状核的通路在基于经验的价值更新中至关重要，而连接至内侧背侧丘脑的通路则在基于知识推断的任务中起作用。研究通过数学模型分析进一步确认了这些神经通路的独立功能。这项研究不仅有助于理解大脑的决策机制，还可能为治疗神经系统疾病如强迫症提供新思路。研究发表在 Nature Communications 上。
#神经科学 #大脑健康 #适应性决策 #前额叶皮层 #灵长类
阅读论文：
Oyama, Kei, et al. “Distinct Roles of Monkey OFC-Subcortical Pathways in Adaptive Behavior.” Nature Communications, vol. 15, no. 1, Aug. 2024, p. 6487. www.nature.com, https://doi.org/10.1038/s41467-024-50505-8.
大脑对步态协调的控制存在“死区”
大阪大学的研究团队，包括Takahiro Arai 和 Shinya Aoi，探讨了人类大脑在步行时如何控制双腿的协调。这项研究的背景在于，正常步态是一种复杂的运动模式，特别是在面对路径曲线或障碍时，步态的协调尤为重要。通过深入了解这种协调机制，研究人员希望改善脑外伤或神经性疾病患者的步态问题，并为开发物理辅助工具提供科学依据。
研究人员让健康受试者在跑步机上行走，期间偶尔改变跑步机的速度，导致步态短暂失调。他们通过数学模型中的两个耦合振荡器来模拟双腿运动，并结合贝叶斯推断法分析数据。通过这种方法，研究人员能够推断出大脑如何控制双腿的协调。研究发现，当双腿的相对相位（antiphase，指双腿步态的协调关系）偏差不超过某个阈值时，大脑并不会主动干预。这个机制类似于汽车方向盘的“死区”，即在偏差较小时不需要调整。这一发现表明，大脑并非时刻对步态施加控制，而是在偏差超过一定限度时才会介入。这种控制模式有助于提升步行的能量效率和灵活性，避免大脑过度负担。这项研究发表在 Communications Biology 上。
#认知科学 #步态协调 #贝叶斯推断 #能量效率 #步态障碍
阅读论文：
Arai, Takahiro, et al. “Interlimb Coordination Is Not Strictly Controlled during Walking.” Communications Biology, vol. 7, no. 1, Sept. 2024, pp. 1–9. www.nature.com, https://doi.org/10.1038/s42003-024-06843-w.
大脑通过线性整合疼痛预测与实际刺激信息构建疼痛体验
疼痛的体验不仅仅取决于外界的有害刺激，也受个体对疼痛的预期影响。此前研究虽然找到了与疼痛相关的脑区，但对于大脑如何整合疼痛预期与实际刺激的信息并不清晰。由韩国基础科学研究所（IBS）神经影像研究中心的Woo Choong-Wan和成均馆大学的Michael Yoo Seng Bum共同领导的研究团队，利用功能性磁共振成像（fMRI）技术揭示了大脑处理这些信息的方式。
研究通过一个基于线索的疼痛任务，使用功能性磁共振成像（fMRI）记录参与者的大脑活动，并在状态空间中分析脑网络的特征。结果发现，尽管大脑的所有网络都能够保存疼痛预期和疼痛刺激的信息，但仅有高级脑网络（包括边缘系统和默认模式网络）能够通过简单的线性相加重建参与者报告的疼痛感受。这表明大脑在处理疼痛的过程中存在层次化结构，低级网络保存信息，而高级网络进行整合。这一发现为理解疼痛的认知机制提供了新的视角，有望为慢性疼痛的治疗开辟新途径。该研究发表在 Science Advances 上。
#神经科学 #疼痛感知 #功能性磁共振成像 #大脑网络 #慢性疼痛
阅读论文：
Kim, Jungwoo, et al. “A Computational Mechanism of Cue-Stimulus Integration for Pain in the Brain.” Science Advances, vol. 10, no. 37, Sept. 2024, p. eado8230. science.org (Atypon), https://doi.org/10.1126/sciadv.ado8230.
肠道微生物群改变可引发小鼠攻击性行为
由以色列巴伊兰大学Azrieli医学院的Omry Koren教授和研究生Atara Uzan-Yuzari领导的研究团队，首次揭示了肠道微生物群与攻击性行为之间的关系。该研究探讨了早期抗生素使用如何通过影响微生物群而导致攻击行为的增加。此前的研究已经发现抗生素暴露与果蝇攻击性增加之间的关联，而这项研究则通过小鼠模型进一步深入分析了微生物群的改变如何影响大脑功能与行为。
研究团队采用了小鼠的“住户-入侵者范式”来评估攻击行为。在实验中，他们将来自早期接受抗生素治疗的人类婴儿的肠道微生物群移植到无菌小鼠体内，结果显示这些小鼠的攻击性显著增加。研究还通过尿液代谢组学分析，比较了不同微生物状态下小鼠的代谢反应，并监测了攻击行为发生前后的代谢变化。
为了进一步揭示肠道-大脑轴与攻击性之间的关系，研究人员通过高效液相色谱（HPLC）技术测量了脑中与攻击性相关的神经递质（如血清素和色氨酸）的水平，发现大脑中多个区域的基因表达发生了显著变化，特别是分隔区被认为在调节攻击行为中起到了关键作用。此外，研究通过基因集合富集分析（GSEA）揭示了Rho GTPase和Reelin等新型途径与攻击性相关的潜在机制。
这项研究不仅限于传统小鼠模型，还使用了人类化小鼠模型（humanized mice），从而更具临床相关性，证明了早期抗生素暴露对未来行为的长期影响。研究结果表明，婴儿期微生物群的扰动可能会在发育过程中留下长期的攻击性行为痕迹，开辟了在早期干预行为发展和治疗攻击性行为障碍的新途径。研究发表在 Brain, Behavior, and Immunity 上。
#大脑健康 #肠道微生物群 #攻击行为 #抗生素 #发育
阅读论文：
Uzan-Yulzari, Atara, et al. “A Gut Reaction? The Role of the Microbiome in Aggression.” Brain, Behavior, and Immunity, vol. 122, Nov. 2024, pp. 301–12. PubMed, https://doi.org/10.1016/j.bbi.2024.08.011.
AI 行业动态
可灵AI迭代升级
自从今年6月首次发布以来，可灵AI（Kling AI）已迭代更新了九次，最新的1.5模型在画质和响应度上取得了显著提升。这次更新不仅让可灵AI能够直接输出1080p的高清视频，还大幅增强了视频主体的动态表现和文本响应能力，使得视频内容更加丰富和流畅。据官方数据显示，与1.0模型相比，1.5模型的内部评测效果提升了95%。
此外，可灵AI新增了“运动笔刷”功能，这一功能可以精确控制视频中元素的运动轨迹，极大提升了创作者对视频动态的控制能力。值得一提的是，尽管可灵AI引入了多项高级功能，但其生成价格保持不变，每个高品质模式视频仍然只需35个灵感值。
该平台已服务超过260万用户，生成了5300万张图片和2700万个视频，显示出其在内容创作领域的强大潜力。此外，快手还启动了可灵AI导演共创计划，邀请李少红、贾樟柯等9位知名导演利用可灵AI技术创作AIGC电影短片，进一步探索AI在电影制作中的应用。
#可灵AI #视频生成 #AI迭代升级 #电影制作 #技术革新
阅读更多：
https://klingai.kuaishou.com/
AI 研发动态
革新手术疼痛管理：麻省理工学院与总医院共研新模型
在最新的研究中，麻省理工学院（MIT）与麻省总医院（MGH）的研究人员开发了一套统计模型，客观量化了手术中的潜意识疼痛处理（nociception）。这些模型的目标是帮助麻醉师优化药物剂量，减少手术后的疼痛及副作用。该研究由前MIT研究生Sandya Subramanian主导。
研究团队在麻省总医院记录了101例腹部手术中18,582分钟的数据，利用五种生理传感器收集了49,878个独立的痛觉刺激事件数据，并分析了这些数据。通过这些数据，团队开发了一套表现良好的统计模型，能够反向指示身体对痛觉刺激的反应。
该研究还探索了在手术全过程中多传感器数据的收集和药物干扰效应的统计处理，希望通过这种方式提供可靠且实用的信息，支持麻醉师在手术中实时决策疼痛控制药物的投给。未来，这些模型可用于开发闭环控制系统，实现在麻醉师监管下自动调节药物剂量，从而优化手术中的疼痛管理。
#疼痛管理 #手术创新 #统计模型 #麻醉科学 #实时监控
阅读更多：
Subramanian, Sandya et al, Monitoring surgical nociception using multisensor physiological models, Proceedings of the National Academy of Sciences (2024). DOI: 10.1073/pnas.2319316121.
体感意识对轻微电击的敏感度优于皮肤电导率
近年来，脑机接口技术取得了重大进展，其中眼动追踪技术逐渐引起关注。眼动与大脑内部状态的关联成为研究的热点，尤其在体感意识方面。纽约大学坦顿工程学院生物医学工程系副教授Rose Faghih领导的团队，开展了一项利用眼动数据解码体感意识的研究。
该研究通过恐惧条件反射实验，采用贝叶斯滤波方法解码体感意识（interoceptive awareness，指大脑对身体感觉信号的解读）。实验中，受试者面对轻微电击这一负性刺激，通过眼动追踪技术收集的瞳孔测量和眼球运动数据用于解码IA状态，同时利用皮肤电导率数据解码觉醒状态。研究表明，体感意识状态对电击刺激更敏感，尤其在8名受试者中表现出显著性差异，而通过皮肤电导率解码的觉醒状态则只有4至5名受试者有明显反应。这一发现表明，眼动追踪技术相比皮肤电导率具有更好的解码效果，未来有望用于非接触式监控神经精神疾病和神经退行性疾病。研究发表在 PNAS Nexus 上。
#神经技术 #体感意识 #眼动追踪 #恐惧条件反射 #闭环系统
阅读更多：
Khazaei, Saman, and Rose T. Faghih. “Eye Tracking Is More Sensitive than Skin Conductance Response in Detecting Mild Environmental Stimuli.” PNAS Nexus, vol. 3, no. 9, Sept. 2024, p. pgae370. Silverchair, https://doi.org/10.1093/pnasnexus/pgae370.
人工智能与心理学的融合，推动情感量化技术新突破
情感的量化一直是心理学和神经科学中的难题。来自华东师范大学的研究员Feng Liu及其团队，通过融合传统心理学方法与现代人工智能技术，探索了多模态情感识别的最新进展，并指出这项技术在医疗、教育等领域中的潜在应用，特别是在精神健康监测中的革命性潜力。研究团队致力于利用人工智能解决情感量化中的诸多挑战，并探索其在实际应用中的价值。
该研究通过多模态情感识别技术，结合面部表情、语音、手势等外在表现和生理信号（如脑电图EEG、眼动追踪等）来更全面地捕捉人类情感状态。利用机器学习和深度学习算法，研究团队开发出能够在复杂环境下准确识别情感的AI系统。研究表明，情感识别AI技术不仅可以识别人类情感，还能够个性化应用于心理健康监测，帮助评估个体的情感和心理状态。此外，研究还指出，伦理和隐私问题是未来研究中的关键挑战，需要在技术应用中慎重考虑。该研究发表在 CAAI Artificial Intelligence Research 期刊上。
#认知科学 #情感量化 #人工智能 #多模态数据 #隐私保护
阅读更多：
Liu, Feng. “Artificial Intelligence in Emotion Quantification : A Prospective Overview.” CAAI Artificial Intelligence Research, vol. 3, Dec. 2024. www.sciopen.com, https://doi.org/10.26599/AIR.2024.9150040.
人工智能与人类都能通过思考自我学习
普林斯顿大学的Tania Lombrozo教授及其团队探讨了人工智能与人类在认知上的共同点，尤其是“通过思考学习”（Learning by Thinking，简称LbT）的能力。他们指出，无论是人类还是人工智能，都可以通过自我纠正和推理来获得新知识，而不仅仅依赖外部信息的输入。
该研究采用了跨学科的认知分析方法，提出了人类与AI的LbT学习过程的相似性。通过模拟（simulation）、类比（analogy）、推理（reasoning）和自我解释（self-explanation）等方式，人类能够在缺乏外界输入时依然获得新知识。例如，在重新布置客厅家具时，人类可以通过心智模拟预先构建不同布局的图像，AI也能在类似的情况下通过内部模拟作出优化决策。同样，AI在被要求解释复杂话题时，也可能对最初的回答进行改进和完善。研究进一步表明，这种“按需学习”（on-demand learning）的能力是智能系统在应对复杂环境和多变目标时的关键，能够通过内部资源构建新的知识表示。
论文还指出，LbT学习不仅是人类的专属能力，AI也能在不借助外界输入的情况下，通过内部推理和类比获取新的洞见。这一发现为认知科学和人工智能的交叉研究提供了新的视角，同时也为AI的进一步发展提供了理论基础。这项研究发表于 Trends in Cognitive Sciences。
#认知科学 #人工智能 #自我学习 #思维模型
阅读更多：
Lombrozo, Tania. “Learning by Thinking in Natural and Artificial Minds.” Trends in Cognitive Sciences, vol. 0, no. 0, Sept. 2024. www.cell.com, https://doi.org/10.1016/j.tics.2024.07.007.
新算法提升大型语言模型间协作能力
MIT计算机科学与人工智能实验室（CSAIL）的研究人员开发了一种名为"Co-LLM"的新算法，旨在通过协作提升大型语言模型（LLM）的回答准确性和效率。该研究由MIT的Shannon Shen领导，旨在解决通用模型无法识别何时需要专家模型帮助的问题，从而提升模型在医学、数学等专业领域中的应用效果。
研究团队设计了一种"切换变量"（switch variable），用于判断通用模型何时需要调用专业模型的帮助。通过机器学习，这一变量会在通用模型生成过程中介入，指示何时由专家模型生成更加准确的词汇。研究人员使用BioASQ医疗数据集进行测试，展示了这一算法在医学领域的应用。与只使用通用模型相比，"Co-LLM"在回答药物成分问题和疾病机制时更加准确。此外，该算法在解决数学问题时也表现出色，例如在求解"a3 · a2 当 a=5"的问题上，"Co-LLM"比单独模型得出的答案更加准确。研究还发现，通过潜在变量，模型可以无监督地学习协作模式，这使其在跨领域任务中表现优越。未来，研究团队计划改进算法，使其在发现专家模型错误时具备自我纠正能力，进一步提升答案的准确性。
#大型语言模型 #机器学习 #跨领域协作 #专家模型
阅读更多：
Shen, Shannon Zejiang, et al. Learning to Decode Collaboratively with Multiple Language Models. arXiv:2403.03870, arXiv, 27 Aug. 2024. arXiv.org, https://doi.org/10.48550/arXiv.2403.03870.
大型语言模型如何重塑集体智慧
近年来，随着大型语言模型（LLMs）的快速发展，它们已经成为信息获取与决策的重要工具。为了探索LLMs对集体智慧的影响，哥本哈根商学院和柏林马普人类发展研究所的跨学科研究团队开展了这项研究，团队由Jason Burton和Ralph Hertwig领导，研究人员希望通过这项研究引导政策制定者和开发者更好地利用LLMs促进集体智慧的发展。
研究采用了综合分析法，结合多个学科的观点，讨论了LLMs在集体智慧中的应用及其潜在挑战。研究指出，LLMs通过自然语言处理技术，能够高效地收集、分析和生成文本数据，从而加速信息共享过程。例如，LLMs能够通过翻译和写作辅助打破语言障碍，促进来自不同背景的个体共同参与讨论。然而，LLMs的广泛应用也带来了一些负面影响，如用户可能过度依赖LLMs，减少了对开放知识平台（如Wikipedia）的贡献，导致知识的多样性受到威胁。
此外，研究还强调了LLMs在生成答案时可能忽略少数群体的观点，造成虚假的共识感或集体无知。为了解决这些问题，研究建议对LLMs的开发过程进行更多的透明化，包括公开其训练数据来源，并对开发者进行外部审查，以避免偏见和信息同质化等问题的产生。研究发表在 Nature Human Behaviour 上。
#认知科学 #集体智慧 #大型语言模型 #信息透明度 #政策建议
阅读更多：
Burton, Jason W., et al. “How Large Language Models Can Reshape Collective Intelligence.” Nature Human Behaviour, vol. 8, no. 9, Sept. 2024, pp. 1643–55. www.nature.com, https://doi.org/10.1038/s41562-024-01959-9.
大型语言模型的时间之箭
由瑞士洛桑联邦理工学院（EPFL）的Clément Hongler教授和英国Goldsmiths大学的Jérémie Wenger带领，Vassilis Papadopoulos等研究人员参与的研究团队，致力于探索大语言模型（LLMs）在时间方向上的预测表现差异。他们发现，LLMs在正向预测（从前往后预测下一个词）时表现优于反向预测（从后往前预测前一个词），揭示了自然语言处理中的一种基本不对称性。
研究团队通过实验测试了不同架构和规模的大语言模型，包括生成式预训练变换模型（GPT）、门控循环单元（GRU）和长短期记忆网络。实验结果表明，这些模型在预测下一个词时的准确性始终高于预测前一个词。具体表现为，前向预测的平均对数困惑度（log-perplexity）低于反向预测，这种差异虽然微小但非常稳定，且无论语言、模型大小还是训练时间长短，都表现出一致的“时间之箭”效应。研究团队还构建了一个理论框架，解释了这种现象的出现可能与稀疏性和计算复杂度有关。这一发现为研究语言模型中的时间方向处理机制提供了新线索，并可能应用于智能代理检测以及增强大语言模型的设计。此外，研究还借鉴了信息论的理论基础，与Claude Shannon在1951年的经典工作形成了联系。
#认知科学 #时间不对称性 #语言模型 #信息论
阅读更多：
Papadopoulos, Vassilis, et al. Arrows of Time for Large Language Models. arXiv:2401.17505, arXiv, 24 July 2024. arXiv.org, https://doi.org/10.48550/arXiv.2401.17505.
量子隧穿神经网络能像人类一样感知光学错觉
Ivan Maksymov 领导的研究团队来自澳大利亚的研究机构，通过应用量子力学的隧穿效应，解决了传统计算机视觉系统在识别光学错觉方面的不足。该团队的研究动机源于探索人工智能系统是否能够实现类似人类认知的能力，特别是在人类大脑面对复杂的视觉错觉时如何进行处理。
研究使用了一种基于量子隧穿效应（quantum tunneling, QT）的神经网络，该效应描述了粒子通过看似不可逾越的能量屏障的现象。在网络架构中，研究者让“人工神经元”通过量子隧穿效应来激活，这种方式与传统神经网络不同，不需要达到传统的激活阈值就能激活神经元。实验任务是让 QT-DNN 模拟人类感知两种经典光学错觉——Necker 立方体和 Rubin 花瓶。
结果显示，QT-DNN 不仅能够像人类一样在两种错觉的多重解读间来回切换，还能够生成模糊的、不确定的解读状态，类似于人类大脑在短暂保持多重解读时的状态。这与传统神经网络不同，后者无法产生类似的模糊状态。此外，该研究还指出，量子隧穿效应比传统的机器视觉激活函数表现更优越，并具有生物启发性。研究表明，这一发现可能为未来人工智能在认知模拟方面带来深远影响。研究发表在 APL Machine Learning 上。
#认知科学 #量子隧穿 #神经网络 #光学错觉 #人工智能
阅读更多：
Maksymov, Ivan S. “Quantum-Tunneling Deep Neural Network for Optical Illusion Recognition.” APL Machine Learning, vol. 2, no. 3, Aug. 2024, p. 036107. Silverchair, https://doi.org/10.1063/5.0225771.
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，或添加小助手微信questionlab，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, TCCl）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。TCCI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TCCI加州理工神经科学研究院。TCCI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、、中文媒体追问等。