追問daily | 全面量化冥想作用；想贏石頭剪刀布？你得忘掉上一局；運動能夠提升腦力

█腦科學動態

Nature：AI從頭設計抗體，實現原子級精度

Nature：腺苷信號是氯胺酮和電休克療法抗抑郁作用的關鍵

融合解剖與成像：BraDiPho工具構建高精度三維人腦白質圖譜

高強度運動提升認知表現

基因改造揭示內毛細胞主導聽覺器官結構形成

7T MRI揭示大腦如何預測和調節身體需求的全腦網絡

首次全面量化強化冥想對人體的系統性影響

想贏石頭剪刀布？新研究發現：忘掉上一局是關鍵

█AI行業動態

AlphaEvolve：由LLM驅動的進化智能體自主發現數學新構造

《中國神經系統疾病報告2024》發布

Kimi K2 Thinking推理能力超越GPT-5

AI科學家Kosmos，12小時完成人類六個月工作量

█AI驅動科學

腦機接口首次實現對普通話的實時神經解碼

雙向視覺神經假體實現與大腦實時對話，助盲人識別形狀與字母

AI新突破：利用上下文線索精準追蹤冰球，提升體育分析可及性

AI生成的人臉圖像與真實照片真假難辨，挑戰視覺媒體信任度

腦科學動態

Nature：AI從頭設計抗體，實現原子級精度

諾貝爾獎得主David Baker及華盛頓大學蛋白質設計研究所的Nathaniel R. Bennett、Joseph L. Watson等人，利用名為RFdiffusion2的人工智能工具，成功實現了完全從頭設計能夠精準結合特定靶點的抗體，其精度達到了前所未有的原子級別。

研究團隊利用為抗體設計專門優化的AI模型RFdiffusion2，直接生成能夠靶向特定疾病表位的抗體序列。該方法的核心在于，AI能夠精準設計抗體的互補決定區（complementarity-determining regions, CDRs），即決定其特異性結合能力的關鍵部分。團隊將計算設計與酵母展示篩選實驗相結合，成功生成了多種形式的抗體。他們針對四種疾病靶點（包括流感病毒和艱難梭菌毒素）設計的抗體，不僅表現出納摩爾級的強結合親和力，更重要的是，通過冷凍電鏡技術驗證，這些抗體的實際三維結構與AI預測的模型高度吻合，主干結構偏差低至1.45埃，關鍵功能區的偏差甚至僅有0.8埃，證實了原子級的準確性。此外，團隊還將初始親和力較低的設計通過定向進化技術提升了百倍，且不改變其原有的精準結合模式。這項工作建立了一個從計算設計、篩選到驗證的完整框架，為精準藥物開發開辟了新途徑。研究發表在 Nature 上。

閱讀更多：

Bennett, Nathaniel R., et al. “Atomically Accurate de Novo Design of Antibodies with RFdiffusion.” Nature, Nov. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-025-09721-5

Nature：腺苷信號是氯胺酮和電休克療法抗抑郁作用的關鍵機制

氯胺酮（Ketamine）和電休克療法（ECT）雖能快速緩解抑郁癥，但其作用機制一直不明。為開發更安全的療法，北京腦科學與類腦研究所的羅敏敏、中國科學院長春應用化學研究所的王曉輝，以及樂晨雨、王娜等研究人員，通過小鼠模型研究，揭示了腺苷信號是驅動這兩種療法抗抑郁效果的核心通路，為開發新型非侵入式抗抑郁療法提供了新靶點。

研究團隊利用小鼠模型，結合基因編碼的腺苷傳感器和實時光學記錄技術，發現氯胺酮和電休克療法都能在調節情緒的關鍵腦區，如內側前額葉皮質和海馬體，引發強烈的腺苷激增。為了證實腺苷信號的關鍵作用，研究人員通過遺傳或藥理學手段破壞A1和A2A腺苷受體，發現這兩種療法的抗抑郁效果隨之消失。研究進一步揭示，氯胺酮并非通過導致神經元過度活躍，而是通過調節細胞代謝來提高細胞內腺苷水平。基于這一新機制，團隊成功開發出新型氯胺酮衍生物，這些衍生物能更有效地增強腺苷信號，在展現出更優抗抑郁效果的同時，副作用顯著減少。此外，研究還發現一種非藥物干預手段——急性間歇性低氧（acute intermittent hypoxia），它通過可控地降低氧氣水平，同樣能提升大腦腺苷水平并產生抗抑郁效果。這些發現統一了氯胺酮和電休克療法的作用機制，證實腺苷是治療重度抑郁癥的關鍵靶點。研究發表在 Nature 上。

閱讀更多：

Yue, Chenyu, et al. “Adenosine Signalling Drives Antidepressant Actions of Ketamine and ECT.” Nature, Nov. 2025, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-025-09755-9

融合解剖與成像：BraDiPho工具構建高精度三維人腦白質圖譜

為解決腦白質研究中離體解剖與活體成像技術難以整合的挑戰，由特倫托大學的Silvio Sarubbo、布魯諾·凱斯勒基金會的Paolo Avesani及波爾多大學的Laurent Petit等研究人員組成的國際團隊，開發了一種名為BraDiPho的創新工具。該工具通過融合人工智能與攝影測量技術，成功創建了首個可精確對齊解剖標本與神經影像數據的高分辨率三維腦圖譜。

?語言系統主要連接路徑示意圖，圖片由特倫托大學 Federico Nardelli 拍攝。Credit: UniTrento ph FedericoNardelli.

人腦白質連接的研究長期依賴兩種互補但割裂的技術：擴散磁共振成像纖維束追蹤（diffusion MRI tractography，一種無創觀察活體大腦纖維束的技術）和離體顯微解剖。前者雖能三維成像，但常產生假陽性；后者雖是金標準，卻局限于二維靜態圖像。為彌合這一鴻溝，研究團隊開發了BraDiPho（腦解剖攝影測量法）。該方法對解剖后的人腦標本，從360度不同角度拍攝數千張超高分辨率照片，再利用人工智能算法將這些二維圖像重建為一個精細的、帶有真實紋理的三維數字模型。該模型被配準到放射學空間，首次實現了離體解剖結構與活體磁共振成像數據的精確融合與量化比較。這一突破性成果不僅為驗證纖維束追蹤的準確性提供了可靠依據，也為神經外科手術規劃、神經退行性疾病研究及神經解剖學教學提供了前所未有的“導航地圖”。研究發表在 Nature Communications 上。

閱讀更多：

Vavassori, Laura, et al. “Brain Dissection Photogrammetry: A Tool for Studying Human White Matter Connections Integrating Ex Vivo and in Vivo Multimodal Datasets.” Nature Communications, vol. 16, no. 1, Nov. 2025, p. 9801. www.nature.com, https://doi.org/10.1038/s41467-025-64788-y

高強度運動提升認知表現

運動能否提升腦力？為探究不同運動強度對認知功能的影響及其神經機制，考文垂大學的Ricardo Martins及其團隊進行了一項研究。他們發現，高強度的阻力運動比中等強度運動更能有效提升工作記憶和注意力，其原因在于高強度運動能顯著增加大腦關鍵區域的氧氣供應，從而激活大腦。

該研究招募了42名健康的年輕人，將其隨機分為高強度、中等強度阻力運動組和無運動對照組。參與者在運動前、后即刻及45分鐘后，執行了評估抑制控制（inhibitory control，即抑制干擾信息的能力）的Stroop任務和評估工作記憶的N-back任務。同時，研究人員使用功能性近紅外光譜（fNIRS，一種測量大腦皮層氧合水平的光學成像技術）監測其前額葉皮層的血流動力學變化。結果顯示，高強度運動組在兩項認知任務中的表現提升最為顯著，且這種效果在運動后45分鐘依然存在。腦成像數據揭示了其背后的機制：高強度運動顯著增加了前額葉皮層的氧合血紅蛋白水平，尤其是在右半球，表明大腦神經活動增強，為認知任務提供了更多能量支持。研究發表在 Behavioural Brain Research 上。

閱讀更多：

Martins, Ricardo, et al. “Acute Resistance Exercise Load Modulates Brain Haemodynamics, Working Memory, and Inhibitory Performance.” Behavioural Brain Research, vol. 497, Feb. 2026, p. 115887. ScienceDirect, https://doi.org/10.1016/j.bbr.2025.115887

基因改造揭示內毛細胞主導聽覺器官結構形成

內耳聽覺器官的精密細胞結構是如何形成的？美國西北大學醫學院的Jaime García-A?overos、Ignacio García-Gómez及其團隊通過小鼠實驗，揭示了一種關鍵的感覺細胞——內毛細胞，在發育過程中扮演著“建筑師”的角色，主動指揮周圍支持細胞的排列和分化，從而主導了整個聽覺器官的組裝。

為了探明內耳中不同細胞類型的發育指令，研究人員利用基因工程技術，在小鼠的不同發育階段實現了內毛細胞（inner hair cells, IHCs）與外毛細胞（outer hair cells, OHCs）之間的身份互換，并構建了完全缺失內毛細胞的模型。這一方法類似于精準的“細胞移植”，使團隊能直接觀察特定細胞類型對周圍組織的影響。

?各種支持細胞的細胞骨架與毛細胞（圖中未顯示）交錯排列，其種類和精確排列部分由內毛細胞決定。Credit: García-A?overos laboratory.

研究結果清晰地表明，內毛細胞并非被動的感覺接收器，而是聽覺器官科爾蒂氏器（organ of Corti，將聲音振動轉換為神經信號的精密結構）發育的積極組織者。實驗觀察到，內毛細胞發出的信號能夠促進外柱細胞（outer pillar cells）的分化，同時抑制迪特斯細胞（Deiters' cells）的發育，從而確保這兩種支持細胞精確地排列在各自的專屬行中。此外，內毛細胞對于包裹自身的內指骨細胞（inner phalangeal cells）的早期形成和遷移也至關重要，它會主動吸引這些細胞靠近并環繞自己。這些發現證實，內毛細胞通過復雜的細胞間通訊，主導了多種支持細胞的命運和空間布局，是構建聽覺器官精密結構的關鍵。這一成果不僅加深了對器官發育的理解，也為未來開發聽力再生療法提供了新思路，因為重建功能性聽覺不僅需要毛細胞，更需要它們與支持細胞的精確協作。研究發表在 Science Advances 上。

閱讀更多：

García-Gómez, Ignacio, et al. “Targeted Cell Interconversions Reveal Inner Hair Cell Control of Organ of Corti Cytoarchitecture.” Science Advances, vol. 11, no. 44, Oct. 2025, p. eadz3944. science.org (Atypon), https://doi.org/10.1126/sciadv.adz3944

7T MRI揭示大腦如何預測和調節身體需求的全腦網絡

大腦如何預測并調節身體的能量需求，同時感知內部狀態？麻省總醫院布里格姆醫院的Jiahe Zhang、Lisa Feldman Barrett和Marta Bianciardi等人利用尖端成像技術，首次以超高精度繪制了支持這一核心功能的全腦網絡圖譜，揭示了身心健康的神經基礎。

?參與內感受和異質穩態的關鍵皮層和皮層下區域。Credit: Nature Neuroscience (2025).

研究團隊采用超高場7特斯拉功能磁共振成像（7 Tesla functional MRI）技術，對90名處于靜息狀態的健康受試者進行腦部掃描，以捕捉自發的身體調節活動。該技術相較于傳統的3特斯拉MRI，具有更高的空間分辨率和信噪比，能夠以前所未有的精度解析腦干等微小深部腦區。研究人員將成像數據與一個名為腦干導航器（Brainstem Navigator）的最新活體腦干圖譜相結合，精確分析了支持異質穩態（allostasis，指大腦預測并準備滿足身體能量需求的過程）與內感受（interoception，指監測身體內部感覺狀態的過程）的神經網絡。結果不僅重復并擴展了先前的研究，還證實了超過96%在非人哺乳動物示蹤研究中發現的解剖連接。研究發現，負責管理身體需求的腦區（如前扣帶回皮層）與負責感知的腦區（如后島葉）之間存在密切的雙向通訊。這一發現將身體需求的監測與調節置于人腦功能的核心，為理解精神疾病與軀體疾病背后的大腦-身體通訊障礙提供了關鍵證據。研究發表在 Nature Neuroscience 上。

閱讀更多：

Zhang, Jiahe, et al. “Cortical and Subcortical Mapping of the Human Allostatic–Interoceptive System Using 7 Tesla fMRI.” Nature Neuroscience, vol. 28, no. 11, Nov. 2025, pp. 2380–91. www.nature.com, https://doi.org/10.1038/s41593-025-02087-x

首次全面量化強化冥想對人體的系統性影響

身心干預如何從生物學層面影響健康？加州大學圣地亞哥分校的 Alex Jinich-Diamant 和 Hemal H. Patel 等研究人員，通過一項綜合性研究，首次全面量化了一種結合冥想、概念重塑和療愈儀式的強化靜修活動對人體的短期影響，結果揭示了其能夠迅速且廣泛地改變大腦功能和血液生物學特征。

?這張圖展示了大腦在休息和冥想狀態下不同區域之間的連接。加州大學圣地亞哥分校的研究人員發現，冥想可以減少大腦中與內心對話和不同區域同步活動相關的部分之間的連接。Credit: Alex Jinich-Diamant/UC San Diego Health Sciences

研究團隊對20名健康成年人進行了為期七天的住宿式靜修干預，并在前后采集了大腦影像和血液數據。研究方法結合了功能性磁共振成像、高通量血漿分析（包括蛋白質組學和代謝組學）以及體外細胞實驗。研究結果顯示，靜修帶來了深刻的身心變化。大腦層面，fMRI數據顯示，與內心獨白和自我反思相關的默認模式網絡活動減弱，而大腦不同區域間的協同活動增強，表明大腦功能變得更高效、更整合。分子層面，參與者靜修后的血漿在體外實驗中能顯著促進神經元生長，增強神經可塑性。此外，血液分析還發現，身體的天然止痛系統被激活（內源性阿片類物質水平升高），細胞代謝轉向更靈活的糖酵解模式，并呈現出一種同時激活炎癥與抗炎通路的復雜免疫調節反應。有趣的是，參與者報告的“神秘體驗”程度越高，其大腦整合度的變化也越大，這種神經活動模式與使用裸蓋菇素等迷幻藥物后觀察到的現象驚人地相似。研究發表在 Communications Biology 上。

閱讀更多：

Jinich-Diamant, Alex, et al. “Neural and Molecular Changes during a Mind-Body Reconceptualization, Meditation, and Open Label Placebo Healing Intervention.” Communications Biology, vol. 8, no. 1, Nov. 2025, p. 1525. www.nature.com, https://doi.org/10.1038/s42003-025-09088-3

想贏石頭剪刀布？新研究發現：忘掉上一局是關鍵

在競爭博弈中，大腦如何決策？為何人們難以做到真正的隨機？Denise Moerel, Tijl Grootswagers, Jessica L L Chin及同事利用腦電超掃描技術（hyperscanning），研究了人們在玩“石頭剪刀布”游戲時的決策過程。研究發現，大腦在競爭中會不自覺地依賴過往經驗，且這種傾向在輸家中尤為明顯，從而影響了最佳策略的執行，揭示了人類決策中固有的認知偏見。

研究團隊通過超掃描（hyperscanning，一種同步記錄多個互動個體大腦活動的技術）方法，同步記錄了31對參與者在進行總計15,000輪電腦版“石頭剪刀布”游戲時的腦電圖（EEG）數據。分析發現，盡管最佳策略是完全隨機，但玩家普遍存在行為偏見，如更偏愛出“石頭”，并傾向于避免重復上一輪的選擇。利用多元解碼技術，研究人員甚至能在玩家做出選擇前，就從其大腦活動中預測出他們的決定。更重要的是，大腦在決策時會調用上一輪自己和對手的出招信息。一個決定性的發現是，只有輸家的腦中才存在關于上一輪比賽的獨特信息表征，而贏家的大腦則沒有。這有力地證明，在需要不可預測性的競爭中，過度依賴和“復盤”過往結果是一種有害策略，它會妨礙最佳表現，使人更容易輸掉比賽。研究發表在 Social Cognitive and Affective Neuroscience 上。

閱讀更多：

Moerel, Denise, et al. “Neural Decoding of Competitive Decision-Making in Rock-Paper-Scissors.” Social Cognitive and Affective Neuroscience, Sept. 2025, p. nsaf101. Silverchair, https://doi.org/10.1093/scan/nsaf101

AI 行業動態

AlphaEvolve：由大型語言模型驅動的進化智能體自主發現數學新構造

如何利用人工智能系統性地探索數學未知領域并自主發現新構造？來自Google DeepMind的BOGDAN GEORGIEV、JAVIER GóMEZ-SERRANO、ADAM ZSOLT WAGNER與著名數學家TERENCE TAO合作，開發了一款名為AlphaEvolve的AI工具。該工具通過進化算法與大型語言模型的結合，成功在多個數學難題中發現超越現有水平的新構造，并啟發了新的數學研究。

AlphaEvolve的核心思想是進化生成數學構造的計算機程序，而非直接操縱數學對象本身。它從一個基礎程序入手，利用大型語言模型生成大量略有差異的程序“變體”，并通過一個評分函數評估每個程序所產生構造的優劣，不斷迭代優化。研究團隊設計了兩種關鍵模式：一種是“搜索模式”，讓AlphaEvolve進化出高效的搜索啟發式算法，在限定時間內尋找特定問題的最佳構造；另一種是“泛化器模式”，旨在通過分析小規模問題的解，發現并歸納出適用于任意參數的通用公式。

為驗證其能力，研究團隊在涵蓋分析、組合數學、幾何學與數論的67個問題上部署了AlphaEvolve。結果顯示，該系統在大部分問題中復現了當前最佳解，并在部分問題上取得了突破，其發現的新構造甚至啟發了合作者TERENCE TAO撰寫兩篇新的數學論文。更引人注目的是，研究團隊成功將AlphaEvolve與用于符號推理的Deep Think和用于形式化驗證的AlphaProof工具鏈結合，展示了從AI發現經驗模式到生成嚴格數學證明的自動化工作流。

閱讀更多：

Georgiev, Bogdan, et al. “Mathematical Exploration and Discovery at Scale.” Version 1, arXiv:2511.02864, arXiv, 3 Nov. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2511.02864

《中國神經系統疾病報告2024》發布：腦機接口為百萬患者帶來新希望

根據最新發布的《中國神經系統疾病報告2024》，神經系統疾病已成為中國重要的公共衛生挑戰，尤其隨著人口老齡化加劇，腦血管病和神經退行性疾病等負擔日益沉重。報告顯示，腦血管病位居中國居民死因順位的第三位，僅次于惡性腫瘤和心臟病，其中腦卒中（Stroke，俗稱中風）更是我國成人致死、致殘的首位病因，我國因腦卒中死亡人數約占全球總數的三分之一。近年來，我國在神經系統疾病的預防管理、診療技術和科研創新方面取得了顯著進展。《中國神經系統疾病報告2024》基于最新的流行病學調查和臨床研究成果，系統梳理了我國神經系統疾病的流行趨勢、防治策略及規范化管理現狀，為相關政策制定、臨床實踐及科研發展提供了科學且重要的依據。

在科研領域，腦機接口技術取得了重大突破，為龐大的神經系統疾病患者群體帶來了新的治療希望。例如，由國家神經疾病醫學中心、首都醫科大學宣武醫院與清華大學合作，開展了全球首例硬膜外腦機接口（Epidural BCI，一種將電極植入硬腦膜上方的侵入性腦機接口技術）臨床試驗。國家神經疾病醫學中心主任、首都醫科大學宣武醫院院長趙國光研究員介紹，目前已完成32例四肢癱瘓患者的腦機接口植入，通過采集患者的大腦運動意念信號并結合外骨骼支架的實時反饋，模擬正常的生理傳導以修復損傷，研究人員已經“初步看到了一些曙光”。此外，該技術在肢體運動障礙、意識與認知障礙、癲癇和精神性疾病等的治療和康復方面展現出巨大潛力。中國工程院院士、北京協和醫學院院校長吉訓明研究員指出，通過腦神經網絡的深入研究結合腦機接口技術，有望攻克以往難以解決的重要問題，特別是無創腦機接口（Non-invasive BCI）的應用，對于了解人類衰老機制和增強老年人功能將發揮關鍵作用。

閱讀更多：

https://mp.weixin.qq.com/s/P_aB5Wh0M-ejqIaOFHFZbA?click_id=4

Kimi K2 Thinking推理能力超越GPT-5

月之暗面（Moonshot AI）近日發布并開源了其最新且功能最強大的思考模型——Kimi K2 Thinking，迅速在業界引發熱議。這款模型主打“模型即智能體”（Model as Agent），通過掌握邊思考邊使用工具的能力，標志著開源模型在逼近甚至超越頂尖閉源模型方面邁出了重要一步。Kimi K2 Thinking的核心能力在于其卓越的自主推理與工具調用能力，無需人工干預即可連續執行多達 200-300 次工具調用。在架構細節上，該模型擁有 1TB 參數量和 32B 的激活參數（Active Parameters，指模型在特定計算過程中實際參與運算的參數數量），并采用了 256K 的長上下文窗口。值得注意的是，Kimi K2 Thinking原生支持 INT4 量化（INT4 Quantization，一種將模型參數壓縮至 4 比特整數的技術），而非傳統的 FP8（Floating Point 8-bit，8比特浮點數），這不僅大幅提升了推理速度約兩倍，還增強了對包括國產加速計算芯片在內的硬件兼容性。

Kimi K2 Thinking 的性能在多項關鍵基準測試中刷新了 SOTA紀錄。在允許使用工具的人類最后的考試（HLE）和測試自主網絡瀏覽能力的 BrowseComp 等評測中，Kimi K2 Thinking 的成績超越了包括 GPT-5 和 Claude Sonnet 4.5 (Thinking) 在內的閉源競爭者，特別是在 BrowseComp 中以 60.2% 的成績證明了其強大的自主搜索與長程規劃能力。研究人員指出，這種提升得益于其在測試時擴展（Test-Time Scaling）領域的最新進展，通過同時擴展思考 Token（Thinking Tokens，用于模型內部推理和規劃步驟的計算資源）和工具調用輪次來實現更強的智能體和推理性能。在專業的 tau^2-Bench Telecom 智能體工具使用基準測試中，Kimi K2 Thinking 達到了 93% 的高分，大幅提升了其在復雜 Agent 場景下的處理能力。此外，新模型在 Agentic 編程、創意寫作和學術分析等通用基礎能力方面也全面升級，鞏固了其作為新一代開源智能體模型的地位。

閱讀更多：

https://huggingface.co/moonshotai/Kimi-K2-Thinking

AI科學家Kosmos開啟科研全自動化新時代，12小時完成人類六個月工作量

由愛迪生科學（Edison Scientific）開發的全自動“AI科學家”Kosmos，在科研領域展現出驚人的效率和跨學科能力。該系統無需人類干預，即可自主執行從文獻檢索、數據分析、編寫代碼到撰寫報告和論文的完整研究流程。研究人員發現，Kosmos 最長能連續工作12小時，平均單次研究可閱讀1500篇論文，并生成多達4.2萬行分析代碼，其20輪的研究成果約相當于人類團隊6個月的工作量。Kosmos 的科研質量極高，79%的研究結果可被人類科學家復現。系統已在代謝組學、神經科學、材料科學等多個領域取得了7項真實發現，甚至成功復現了人類未公開的成果。例如，在神經保護代謝組學領域，Kosmos 通過通路富集分析（Pathway Enrichment Analysis, 一種分析實驗中觀察到的基因或蛋白質變化是否集中在特定的生物學通路上的方法），準確識別出低溫通過激活核苷酸補救途徑（一種節省能量的代謝方式）來保護大腦，其具體代謝物變化趨勢與人類研究結果的匹配度高達R2=0.998。

Kosmos 之所以能突破現有 AI 系統的限制（如前身 Robin 僅能生成約4000行代碼且上下文銜接存在問題），核心在于其“循環迭代+信息共享”的全自動流程，并依賴于一個結構化世界模型（Structured World Model, 共享的中央知識庫）。研究人員只需提供一個開放的研究目標和對應的數據集，Kosmos 便會啟動數據分析和文獻搜索的雙軌模式，通過共享大腦實時整合信息，確保每一步方向正確。這一流程最多可運行200多輪，直至目標完成，最終報告中每句話都標有對應的代碼或文獻來源，顯著提高了研究結果的可追溯性和可信度。該項目主要由愛迪生科學的技術人員 Ludovico Mitchener 和 Michaela Hinks 主導。盡管功能強大，Kosmos 仍存在局限性，例如它可能將統計學顯著但科學意義不大的結果作為重點，且在處理超過5GB的大型數據集時效率會下降。此外，系統在解讀數據時也常使用絕對化表述。

閱讀更多：

https://arxiv.org/abs/2511.02824

AI 驅動科學

腦機接口首次實現對普通話的實時神經解碼

如何實時解碼普通話這一聲調語言是腦機接口領域的一大挑戰。天橋腦科學研究院、上海腦虎科技有限公司陶虎、復旦大學附屬華山醫院吳勁松、中國科學院大學周志濤團隊成功開發并驗證了一個能實時解碼普通話的BCI框架，首次實現了對聲調語言的高效解碼，為因神經系統疾病失語的患者帶來了新的溝通希望。

?用于解碼中文句子的實時腦機接口框架。Credit: Science Advances (2025).

研究團隊招募了一名43歲的女性癲癇患者，在其大腦語言相關區域植入了256通道的高密度皮層腦電圖（ECoG，一種直接放置在大腦皮層表面的電極陣列），在11天內記錄了其在朗讀單字和句子時的神經信號。該研究創新地采用了以音節為中心的解碼框架，將包含聲調信息的完整普通話單音節作為解碼單元，有效克服了普通話同音詞多、語音冗余度低的挑戰。分析顯示，系統僅憑神經信號就能以71.2%的中位準確率識別音節。在整合了3元漢語語言模型的實時句子解碼任務中，字符準確率達到73.1%，通信速率高達每分鐘49.7個字符。研究還發現大腦中存在處理音節和聲調的不同神經關聯，該系統成功解碼了包含394個不同聲調音節的集合，并能讓參與者用意念控制機械臂和虛擬形象。這一突破性成果為聲調語言的語音神經假體開發鋪平了道路。研究發表在 Science Advances 上。

閱讀更多：

Qian, Youkun, et al. “Real-Time Decoding of Full-Spectrum Chinese Using Brain-Computer Interface.” Science Advances, vol. 11, no. 45, Nov. 2025, p. eadz9968. science.org (Atypon), https://doi.org/10.1126/sciadv.adz9968

雙向視覺神經假體實現與大腦實時對話，助盲人識別形狀與字母

如何為失明者恢復有意義的視覺？針對當前視覺假體無法與大腦“交流”的局限，西班牙埃爾切米格爾·埃爾南德斯大學（UMH）的Fabrizio Grani、Cristina Soto Sánchez、Alfonso Rodil Doblado、Rocío López Peco、Eduardo Fernández Jover及Dr. Balmis綜合大學醫院的Pablo González López等人，開發出一款新一代視覺神經假體。該設備首次實現了與大腦的雙向實時通信，成功幫助盲人志愿者感知形狀和字母，向恢復功能性視覺邁出關鍵一步。

?該系統不僅能通過傳遞誘發視覺感覺的電信號在大腦上“書寫”，還能讀取神經元反應并實時進行調整。Credit: Universidad Miguel Hernández de Elche.

該研究為兩名盲人志愿者的大腦視覺皮層植入了一個包含100個微電極的陣列。與以往只能單向發送指令的“開環”系統不同，這項新技術的突破在于其“閉環”（closed-loop）設計，它不僅能通過電刺激向大腦“寫入”信息以誘導產生光點感知（phosphenes，一種沒有光線進入眼睛卻能看到光的感覺），還能同時“讀取”附近神經元的活動。這種雙向通信機制將技術與大腦的單向獨白變成了動態對話。

研究結果表明，系統可以根據記錄到的神經活動，準確預測特定電刺激是否會引發視覺感知，甚至能估計其感知亮度。基于這種反饋，系統能夠實時自動微調刺激參數，適應大腦的變化，從而克服了神經元可能因疲勞或學習而改變反應的難題。得益于這種智能化的雙向互動，志愿者不僅能夠感知光點，還能識別復雜的圖案、運動、形狀乃至部分字母。這項技術展示了通過模擬自然視覺的反饋回路來提升人工視覺效果的巨大潛力，為開發更穩定、更高效的視覺假體鋪平了道路。研究發表在 Science Advances 上。

閱讀更多：

Grani, Fabrizio, et al. “Neural Correlates of Phosphene Perception in Blind Individuals: A Step toward a Bidirectional Cortical Visual Prosthesis.” Science Advances, vol. 11, no. 45, Nov. 2025, p. eadv8846. science.org (Atypon), https://doi.org/10.1126/sciadv.adv8846

AI新突破：滑鐵盧大學利用上下文線索精準追蹤冰球，提升體育分析可及性

如何在普通體育轉播視頻中低成本地精準追蹤冰球和球員是體育分析領域的一大挑戰。滑鐵盧大學的Liam Salass、Jerrin Bright、Amir Nazemi、Yuhao Chen、John Zelek、David Clausi等研究人員開發了兩套創新的人工智能系統（PLUCC和SportMamba），它們利用上下文線索和動態預測，顯著提高了追蹤精度和效率，為低成本體育分析提供了可能。

研究團隊開發了兩套人工智能系統。其中，名為PLUCC（Puck Localization Using Contextual Cues）的模型創新地利用球員身體姿態和視線方向作為上下文線索來推斷冰球位置。這種單幀處理方法避免了傳統追蹤技術中常見的誤差累積。實驗結果顯示，PLUCC將冰球定位的平均精度提升了12%，并將一種名為冰場空間定位誤差（Rink Space Localization Error, RSLE）的新評估指標下的誤差降低了超過25%。另一套系統SportMamba則用于追蹤多名球員，其準確性比現有方法高出18%。這些工具為小型組織提供了低成本的高級體育分析方案，無需昂貴的專用設備。研究論文發表在 arXiv 預印本服務器上，并在2025年IEEE/CVF計算機視覺與模式識別研討會上進行了展示。

閱讀更多：

Salass, Liam, et al. “Ice Hockey Puck Localization Using Contextual Cues.” arXiv:2506.04365, arXiv, 4 June 2025. arXiv.org, https://doi.org/10.48550/arXiv.2506.04365

AI生成的人臉圖像與真實照片真假難辨，挑戰視覺媒體信任度

人工智能能否生成令人信以為真的名人照片？來自斯旺西大學、林肯大學和以色列阿里爾大學的Robin S. S. Kramer, Alex L. Jones, Daniel Fitousi 和 Jeremy J. Tree等研究人員進行了一項研究。他們發現，利用現成的AI工具生成的名人圖像已達到與真實照片幾乎無法區分的水平，這對視覺媒體的信任度構成了嚴峻挑戰。

?頂部一行是人物的真實照片，下方是人工智能生成的版本。Credit: Swansea University

研究團隊利用OpenAI的ChatGPT和DALL·E模型，生成了一系列虛構人物及好萊塢明星（如Paul Rudd和Olivia Wilde）的高仿真度面部圖像。在四項獨立的實驗中，他們向來自多個國家的參與者展示這些AI圖像與真實照片，并要求他們進行辨別。結果顯示，參與者普遍無法準確區分真實照片與AI生成的圖像。

更重要的是，研究發現，即便參與者對照片中的名人非常熟悉，或者在任務中提供真實的對比照片，也只能帶來微乎其微的幫助。這表明人類對面孔的識別專長在對抗先進的AI生成技術時已不足夠。這一發現揭示了“深度偽造”（deepfake）技術已達到一個新的現實主義水平，AI能夠輕易制造出足以以假亂真的真實人物圖像。這不僅可能被用于傳播虛假信息、操縱名人代言等，也嚴重侵蝕了公眾對視覺信息的信任基礎。研究人員強調，由于人類已難以通過肉眼辨別真偽，因此迫切需要開發出可靠的自動化檢測工具。研究發表在 Cognitive Research: Principles and Implications 上。

閱讀更多：

Kramer, Robin S. S., et al. “AI-Generated Images of Familiar Faces Are Indistinguishable from Real Photographs.” Cognitive Research: Principles and Implications, vol. 10, no. 1, Oct. 2025, p. 70. BioMed Central, https://doi.org/10.1186/s41235-025-00683-w

整理｜ChatGPT

編輯｜丹雀、存源

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。歡迎評論區留言，或后臺留言“社群”即可加入社群與我們互動。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

Chen Institute與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工天橋神經科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、、科普視頻媒體「大圓鏡」等。