追問daily | Cell：吃下智能細(xì)菌，清除大腦毒素；說不出的痛苦更難熬；主流大模型醫(yī)療問答可靠性堪憂

█ 腦科學(xué)動(dòng)態(tài)

Cell：吃下“智能細(xì)菌”，清除大腦毒素

Cell：首次繪制出鼻子嗅覺受體的氣味圖譜

Cell：高分辨率空間轉(zhuǎn)錄組學(xué)繪制出首個(gè)完整的小鼠嗅覺地圖

酗酒對大學(xué)生的次日認(rèn)知功能造成損害

說不出的痛苦更難熬，揭示情緒處理能力與慢性疼痛的深層聯(lián)系

微塑料遍布人腦：健康和腫瘤組織中均發(fā)現(xiàn)其蹤跡

治愈抑郁不只是消除悲傷，更是重拾快樂的能力

夢境不僅是現(xiàn)實(shí)的回響，穩(wěn)定人格特質(zhì)深刻重塑夢境

█ AI行業(yè)動(dòng)態(tài)

微軟與OpenAI重寫協(xié)議，OpenAI終獲自由

Anthropic年收300億美元，正式超越OpenAI

5.2萬星開源項(xiàng)目Ghostty告別GitHub

█ AI驅(qū)動(dòng)科學(xué)

Nature：申請量暴增57%：研究警告AI正淹沒科研資助機(jī)構(gòu)

半數(shù)解答存疑、文獻(xiàn)大面積造假：主流大模型醫(yī)療問答可靠性堪憂

驗(yàn)血即可預(yù)測更年期并發(fā)癥

提前數(shù)年鎖定風(fēng)險(xiǎn)，杜克大學(xué)新AI模型打破ADHD診斷延遲困境

FingerEye：融合視覺與觸覺的新型傳感器提升機(jī)器人靈巧操作能力

類腦網(wǎng)絡(luò)通過選擇性修剪實(shí)現(xiàn)低能耗持續(xù)進(jìn)化

多腦區(qū)柔性神經(jīng)接口實(shí)現(xiàn)自由活動(dòng)小鼠行為狀態(tài)的精準(zhǔn)解碼

心理學(xué)視角下的人工智能信任六大原則

腦科學(xué)動(dòng)態(tài)

Cell：吃下“智能細(xì)菌”，清除大腦毒素

肝功能衰竭引發(fā)的肝性腦病（HE）治療面臨困境，現(xiàn)有療法效果有限且可能破壞腸道生態(tài)。新加坡國立大學(xué)的Matthew Chang及其團(tuán)隊(duì)開創(chuàng)了一種全新的治療策略，他們通過基因工程改造腸道細(xì)菌，使其成為一種能同時(shí)執(zhí)行多種治療任務(wù)的“活體藥物”，成功在動(dòng)物模型中恢復(fù)了腸-肝-腦軸的代謝平衡。

? Credit: Cell (2026).

研究團(tuán)隊(duì)對一種有益的共生菌——植物乳桿菌（Lactobacillus plantarum）進(jìn)行了重新設(shè)計(jì)，創(chuàng)造出兩種功能互補(bǔ)的治療菌株。第一種菌株能夠高效吸收腸道中導(dǎo)致神經(jīng)毒性的氨，并將其轉(zhuǎn)化為患者體內(nèi)缺乏的支鏈氨基酸（branched-chain amino acids, BCAAs）。第二種菌株則負(fù)責(zé)分解谷氨酰胺，切斷了毒素氨的另一個(gè)關(guān)鍵來源。在肝性腦病小鼠模型中，這兩種菌株的混合物不僅將血液和大腦中的氨水平降至健康范圍，恢復(fù)了關(guān)鍵代謝物的平衡，還在改善焦慮和認(rèn)知功能方面表現(xiàn)優(yōu)于臨床常用抗生素利福昔明。更重要的是，與抗生素會(huì)破壞腸道菌群不同，這種新型微生物療法保留了腸道微生態(tài)的健康多樣性，展示了作為精準(zhǔn)、可編程療法的巨大潛力。研究發(fā)表在 Cell 上。

#疾病與健康 #個(gè)性化醫(yī)療 #肝性腦病 #合成生物學(xué) #腸-腦軸

閱讀更多：

Aggarwal, Nikhil, et al. “Engineered Commensals for Metabolic Modulation of the Gut-Liver-Brain Axis.” Cell, vol. 0, no. 0, Apr. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.03.048

Cell：首次繪制出鼻子嗅覺受體的氣味圖譜

長期以來，嗅覺被認(rèn)為是五感中唯一缺乏精確空間圖譜的感覺。哈佛醫(yī)學(xué)院的 Sandeep Robert Datta 團(tuán)隊(duì)結(jié)合大規(guī)模基因測序技術(shù)，首次繪制出小鼠鼻腔內(nèi)上千種嗅覺受體的詳細(xì)分布圖。研究顛覆了傳統(tǒng)認(rèn)知，揭示了受體神經(jīng)元并非隨機(jī)分布，而是形成了一個(gè)與大腦嗅覺圖譜相對應(yīng)的、高度有序的水平條紋結(jié)構(gòu)。

? 圖片展示了小鼠鼻腔嗅覺組織中上千種嗅覺受體，并用顏色漸變進(jìn)行標(biāo)記。底部插圖顯示了部分標(biāo)記受體的精確空間位置。Credit: Datta Lab

研究團(tuán)隊(duì)結(jié)合了單細(xì)胞測序與空間轉(zhuǎn)錄組學(xué)，對超過300只小鼠的約550萬個(gè)嗅覺神經(jīng)元進(jìn)行了前所未有的大規(guī)模分析。結(jié)果顯示，表達(dá)不同類型受體的神經(jīng)元并非隨機(jī)散落，而是從鼻腔頂部到底部形成了精確、重疊的水平條紋，構(gòu)成了一幅精細(xì)的“氣味圖譜”。這幅圖譜在不同個(gè)體間高度一致，并與大腦嗅球中的圖譜精確對應(yīng)。研究還揭示了圖譜形成的分子機(jī)制：一種名為視黃酸的分子在鼻腔內(nèi)形成濃度梯度，如同一種空間坐標(biāo)系，引導(dǎo)著每個(gè)神經(jīng)元根據(jù)其物理位置選擇并表達(dá)正確的受體類型。這項(xiàng)基礎(chǔ)性發(fā)現(xiàn)為未來開發(fā)嗅覺喪失的療法奠定了重要基礎(chǔ)。研究發(fā)表在 Cell 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #感覺圖譜 #嗅覺

閱讀更多：

Brann, David H., et al. “A Spatial Code Governs Olfactory Receptor Choice and Aligns Sensory Maps in the Nose and Brain.” Cell, vol. 0, no. 0, Apr. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.03.051

Cell：高分辨率空間轉(zhuǎn)錄組學(xué)繪制出首個(gè)完整的小鼠嗅覺地圖

嗅覺系統(tǒng)如何將氣味分子轉(zhuǎn)化為大腦可識別的“地圖”？哈佛大學(xué)的莊小威、Catherine Dulac等研究人員利用高分辨率成像技術(shù)MERFISH，首次全面繪制了小鼠嗅覺系統(tǒng)中近乎所有嗅覺受體的空間表達(dá)圖譜，揭示了嗅覺信息從鼻腔到大腦的精確編碼規(guī)則。

研究團(tuán)隊(duì)通過對MERFISH（多重抗錯(cuò)熒光原位雜交）技術(shù)的關(guān)鍵改進(jìn)，成功實(shí)現(xiàn)了對超過1100種嗅覺受體在組織內(nèi)的精確定位和定量。研究發(fā)現(xiàn)，在小鼠的主嗅覺上皮（main olfactory epithelium，簡稱MOE）中，表達(dá)不同受體的感覺神經(jīng)元并非隨機(jī)分布，而是沿著兩個(gè)主軸形成了類似“年輪”的連續(xù)梯度。更重要的是，這個(gè)“地理信息”被精確地投射到大腦的嗅球中，形成了一種嚴(yán)格的、類似鏡像的拓?fù)溆成潢P(guān)系。例如，MOE中心的神經(jīng)元投射到OB的背側(cè)，而外周的神經(jīng)元?jiǎng)t投射到腹側(cè)。為了驗(yàn)證這一“嗅覺地圖”的功能意義，研究人員讓小鼠聞了社交氣味和捕食者氣味，發(fā)現(xiàn)這兩種氣味激活了地圖上完全不同的“分區(qū)”。這一發(fā)現(xiàn)為嗅覺感知的空間編碼理論提供了直接證據(jù)，表明大腦正是通過不同神經(jīng)元的空間位置來區(qū)分氣味的生物學(xué)意義。研究發(fā)表在 Cell 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #嗅覺 #空間轉(zhuǎn)錄組學(xué) #MERFISH

閱讀更多：

Bintu, Bogdan, et al. “Spatial Organization and Detection of Social Odors in Mouse Primary Olfactory System.” Cell, vol. 0, no. 0, Apr. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.03.053

酗酒對大學(xué)生的次日認(rèn)知功能造成損害

年輕人普遍酗酒，但其對次日認(rèn)知功能的具體影響尚不明確。為了探究這一問題，俄勒岡大學(xué)的Ashley Linden-Carmichael、RTI Health Solutions的Jacqueline Mogle及賓夕法大小組的研究人員，通過一項(xiàng)為期21天的日記式研究發(fā)現(xiàn)，豪飲及“斷片”式飲酒會(huì)顯著增加大學(xué)生次日出現(xiàn)記憶減退和決策困難等認(rèn)知問題的風(fēng)險(xiǎn)。

該研究招募了304名有酗酒史的大學(xué)生，在21天內(nèi)每日追蹤他們的飲酒行為和次日認(rèn)知表現(xiàn)。研究結(jié)合了參與者的自我報(bào)告和客觀的認(rèn)知任務(wù)，例如回憶數(shù)字串。結(jié)果顯示，酒精對次日認(rèn)知功能的影響是明確且可量化的。與不飲酒相比，任何飲酒行為都會(huì)使次日認(rèn)知失誤的可能性增加14%；每多喝一杯酒，該風(fēng)險(xiǎn)會(huì)再增加5%。影響最大的是高強(qiáng)度飲酒（high-intensity drinking，女性超8杯/男性超10杯），它使認(rèn)知失誤的報(bào)告可能性加倍。而“斷片”則使這一可能性增加40%，并且是唯一與客觀的工作記憶表現(xiàn)下降直接相關(guān)的行為。該研究挑戰(zhàn)了“酒醒就沒事”的普遍誤解，證實(shí)了酗酒對認(rèn)知功能的即時(shí)損害。研究發(fā)表在 Alcohol, Clinical and Experimental Research 上。

#疾病與健康 #心理健康與精神疾病 #酗酒 #認(rèn)知功能 #大學(xué)生

閱讀更多：

Linden-Carmichael, Ashley N., et al. “High-Intensity and Blackout Drinking Impact on next-Day Cognitive Functioning among College-Attending Young Adults.” Alcohol, Clinical and Experimental Research, vol. 50, no. 3, 2026, p. e70280. Wiley Online Library, https://doi.org/10.1111/acer.70280

說不出的痛苦更難熬，揭示情緒處理能力與慢性疼痛的深層聯(lián)系

為什么難以識別和表達(dá)情緒的人，其慢性疼痛對生活的影響更大？約翰斯·霍普金斯大學(xué)醫(yī)學(xué)院的 Rachel V. Aaron 等研究人員通過一項(xiàng)為期兩年的大型研究揭示，述情障礙是加劇疼痛干擾的風(fēng)險(xiǎn)因素，而非疼痛的結(jié)果，其作用通過引發(fā)心理困擾介導(dǎo)。

該研究對1,453名美國慢性疼痛患者進(jìn)行了為期兩年的追蹤調(diào)查。研究人員在研究開始、一年后和兩年后分別評估了參與者的述情障礙（alexithymia，一種難以識別和表達(dá)情緒的特質(zhì)）、心理困擾（psychological distress，主要指抑郁和焦慮癥狀）以及疼痛結(jié)果。分析發(fā)現(xiàn)了一條清晰的時(shí)間路徑：研究開始時(shí)較高的述情障礙水平，顯著預(yù)示了一年后更嚴(yán)重的心理困擾；而這種加劇的心理困擾，又接著預(yù)示了兩年后更嚴(yán)重的疼痛干擾。值得注意的是，該研究并未發(fā)現(xiàn)述情障礙與疼痛的劇烈程度本身有直接關(guān)聯(lián)，而是主要影響疼痛對生活造成的障礙。同時(shí)，研究也排除了反向因果關(guān)系，即疼痛干擾并不會(huì)導(dǎo)致述情障礙加重。這一發(fā)現(xiàn)強(qiáng)調(diào)，情緒處理困難是導(dǎo)致慢性疼痛患者生活質(zhì)量下降的一個(gè)重要風(fēng)險(xiǎn)因素，而心理困擾是其中的關(guān)鍵環(huán)節(jié)。研究發(fā)表在 Health Psychology 上。

#疾病與健康 #心理健康與精神疾病 #慢性疼痛 #述情障礙 #情緒調(diào)節(jié)

閱讀更多：

Aaron, Rachel V., et al. “Temporal Pathways between Alexithymia, Psychological Distress, and Pain: An Autoregressive Mediation Analysis.” Health Psychology [US], 2026. APA PsycNet, https://doi.org/10.1037/hea0001604

微塑料遍布人腦：健康和腫瘤組織中均發(fā)現(xiàn)其蹤跡

微塑料能否穿透血腦屏障進(jìn)入大腦？中國研究員Runting Li等人通過分析近200份人腦樣本，首次系統(tǒng)性地證實(shí)了微塑料和納米塑料（MNPs）在健康和病變腦組織中的普遍存在，并揭示了其與腫瘤生長的潛在關(guān)聯(lián)。

? 繪制病變腦組織中的磁性納米顆粒圖譜。Credit: Nature Health (2026).

研究團(tuán)隊(duì)利用高分辨率激光直接紅外光譜和掃描電子顯微鏡等手段，對113名腦腫瘤患者和5名健康捐獻(xiàn)者的共191份大腦樣本進(jìn)行了檢測。結(jié)果顯示，微塑料和納米塑料的檢出率驚人，在病變組織中為99.4%，在健康組織中則高達(dá)100%。常見的塑料類型包括用于飲料瓶的PET和塑料袋的聚乙烯。數(shù)據(jù)表明，MNPs在腫瘤周圍的濃度（最高達(dá)129微克/克）顯著高于健康腦組織，這可能是由于腫瘤破壞了血腦屏障的完整性，為這些微小顆粒的入侵打開了通道。更值得關(guān)注的是，分析發(fā)現(xiàn)微塑料的表面積越大，腫瘤細(xì)胞的生長速度越快。盡管這并不意味著微塑料致癌，但它提示了環(huán)境污染物可能在加速疾病惡化中扮演了此前未知的角色。研究發(fā)表在 Nature Health 上。

#疾病與健康 #疾病預(yù)防 #微塑料 #大腦健康 #環(huán)境污染

閱讀更多：

Li, Runting, et al. “Microplastics and Nanoplastics in Brain Tumours and the Healthy Human Brain.” Nature Health, Apr. 2026, pp. 1–14. www.nature.com, https://doi.org/10.1038/s44360-026-00091-4

治愈抑郁不只是消除悲傷，更是重拾快樂的能力

傳統(tǒng)觀點(diǎn)認(rèn)為治療抑郁癥的關(guān)鍵在于消除悲傷，但為何許多患者在負(fù)面情緒減輕后仍無法感受快樂？針對這一難題，南方衛(wèi)理公會(huì)大學(xué)的Alicia E. Meuret和加州大學(xué)洛杉磯分校的Michelle G. Craske等研究人員開發(fā)并驗(yàn)證了一種名為積極情感療法（Positive Affect Treatment, PAT）的新型心理干預(yù)。研究證實(shí)，通過直接靶向大腦的獎(jiǎng)賞系統(tǒng)來重建快樂、動(dòng)機(jī)和目標(biāo)感，PAT在改善抑郁和焦慮方面的效果優(yōu)于傳統(tǒng)療法。

該研究對98名患有嚴(yán)重快感缺乏（anhedonia，一種無法體驗(yàn)快樂的癥狀）、抑郁和焦慮的成年人進(jìn)行了一項(xiàng)隨機(jī)對照試驗(yàn)。參與者被分為兩組，分別接受為期15周的PAT或傳統(tǒng)的負(fù)面情感療法（NAT）。PAT通過“品味”、感恩和慈愛等練習(xí)，專門訓(xùn)練大腦的獎(jiǎng)賞系統(tǒng)，重新建立對積極事件的預(yù)期、體驗(yàn)和學(xué)習(xí)能力。研究結(jié)果出人意料：盡管PAT從未直接處理負(fù)面情緒，但接受該療法的患者不僅在積極情緒上顯著改善，其抑郁和焦慮癥狀也得到了有效緩解。與NAT組相比，PAT組在整體臨床狀態(tài)上表現(xiàn)更優(yōu)，且效果持續(xù)至一個(gè)月后隨訪。這表明，恢復(fù)積極情緒本身就是一種強(qiáng)大的治療機(jī)制，感覺良好并非僅僅是消除糟糕感覺的結(jié)果。研究發(fā)表在 JAMA Network Open 上。

#疾病與健康 #心理健康與精神疾病 #積極情感 #快感缺乏 #獎(jiǎng)賞系統(tǒng)

閱讀更多：

Meuret, Alicia E., et al. “Positive Affect Treatment for Depression, Anxiety, and Low Positive Affect: A Randomized Clinical Trial.” JAMA Network Open, vol. 9, no. 4, Apr. 2026, p. e267403. Silverchair, https://doi.org/10.1001/jamanetworkopen.2026.7403

夢境不僅是現(xiàn)實(shí)的回響，穩(wěn)定人格特質(zhì)深刻重塑夢境

夢境既普遍又極具個(gè)性化，但穩(wěn)定的個(gè)體特征與外部生活經(jīng)歷究竟如何共同塑造夢境內(nèi)容，這一過程又如何隨時(shí)間演變，科學(xué)界尚缺乏大規(guī)模定量研究。Valentina Elce 等研究人員（研究機(jī)構(gòu)未在原文中提供）量化了大規(guī)模報(bào)告中的夢境語義結(jié)構(gòu)，揭示了個(gè)人特質(zhì)與外部壓力在塑造夢境特征中的共同作用。

研究團(tuán)隊(duì)收集了包含3366份夢境與清醒體驗(yàn)報(bào)告的數(shù)據(jù)集，受訪者為207名成年人（跨越2020至2024年）。為精準(zhǔn)量化文本，研究采用了自然語言處理方法，結(jié)合大語言模型評估了16個(gè)語義維度和數(shù)據(jù)驅(qū)動(dòng)的詞匯分類。結(jié)果顯示，相比清醒狀態(tài)，夢境明顯從自我為中心的思考轉(zhuǎn)變?yōu)橐砸曈X空間細(xì)節(jié)、多角色和離奇事件為主的感知體驗(yàn)。在個(gè)人特質(zhì)方面，對夢境的態(tài)度、走神傾向及主觀睡眠質(zhì)量等特征，會(huì)選擇性地影響夢境。例如走神傾向高的人其夢境往往更加離奇。此外，團(tuán)隊(duì)通過2020年疫情封鎖期間的80人獨(dú)立數(shù)據(jù)集發(fā)現(xiàn)，封鎖期參與者夢境中關(guān)于受限制的提及頻率顯著增加，情緒強(qiáng)度升高；而縱向追蹤表明這些由于外部壓力激發(fā)的特征在隨后四年內(nèi)逐漸回歸常態(tài)。研究發(fā)表在 Communications Psychology 上。

#認(rèn)知科學(xué) #自動(dòng)化科研 #自然語言處理 #夢境分析 #個(gè)體差異

閱讀更多：

Elce, Valentina, et al. “Individual Traits and Experiences Predict the Content of Dreams.” Communications Psychology, vol. 4, no. 1, Apr. 2026, p. 69. www.nature.com, https://doi.org/10.1038/s44271-026-00447-2

AI 行業(yè)動(dòng)態(tài)

微軟與OpenAI重寫協(xié)議，AGI“賣身契”作廢，OpenAI終獲自由

科技巨頭微軟與人工智能公司OpenAI近日聯(lián)合宣布，雙方的合作協(xié)議已被徹底重寫。核心變化在于，微軟放棄了對OpenAI模型和產(chǎn)品的獨(dú)家銷售權(quán)，OpenAI從此可以在任何云平臺（包括競爭對手的云服務(wù)）上銷售其全部產(chǎn)品。作為交換，OpenAI將繼續(xù)向微軟支付收入分成，直至2030年。此外，舊協(xié)議中極具爭議的“AGI綁定條款”——即一旦OpenAI實(shí)現(xiàn)通用人工智能，便可終止與微軟獨(dú)家合作——已被徹底廢除。這一調(diào)整意味著，自2019年以來微軟對OpenAI的強(qiáng)綁定關(guān)系正式松動(dòng)，OpenAI獲得了夢寐以求的“自由”。

然而，這份遲來的自由背后，是OpenAI錯(cuò)失的市場窗口。在OpenAI被獨(dú)家鎖定在微軟Azure云平臺的三年間，其主要競爭對手Anthropic憑借開放策略，通過AWS Bedrock（亞馬遜云服務(wù)平臺）、谷歌云等多渠道觸達(dá)企業(yè)客戶，年化收入已飆升至300億美元，成為眾多企業(yè)的首選。相比之下，OpenAI盡管擁有龐大的消費(fèi)者用戶群，但企業(yè)收入占比有限，且面臨巨額虧損。市場反應(yīng)冷淡，多位企業(yè)客戶明確表示，現(xiàn)有AI工具已足夠使用，對OpenAI的入駐缺乏熱情。分析指出，這不僅是品牌偏好的轉(zhuǎn)移，更關(guān)鍵的是開發(fā)團(tuán)隊(duì)和工作流已深度綁定競爭對手的產(chǎn)品，切換成本高昂。OpenAI的“解綁”之舉雖為糾正歷史遺留問題，卻也揭示了在快速迭代的AI行業(yè)中，戰(zhàn)略上的三年遲疑足以讓先發(fā)優(yōu)勢化為烏有。

#微軟OpenAI分手 #AGI條款廢除 #企業(yè)AI競爭 #Anthropic崛起 #云服務(wù)綁定

閱讀更多：

https://openai.com/index/next-phase-of-microsoft-partnership/

Anthropic年收300億美元，正式超越OpenAI加冕新AI霸主

人工智能行業(yè)的權(quán)力格局迎來歷史性轉(zhuǎn)折。由OpenAI前員工Dario Amodei于2021年創(chuàng)立的Anthropic，最新年化營收已飆升至300億美元，正式超越OpenAI的240億美元，成為美國收入最高的AI公司。這一奇跡般的增長僅用了15個(gè)月：從2025年初的10億美元起步，翻了30倍。更引人注目的是，其模型訓(xùn)練成本據(jù)估算僅為競爭對手的四分之一。Anthropic的勝利秘訣在于聚焦企業(yè)端市場——80%的收入來自企業(yè)客戶，擁有30萬家企業(yè)客戶，其中年付費(fèi)超過100萬美元的“大客戶”已突破1000家，甚至在兩個(gè)月內(nèi)翻了一番。

反觀OpenAI，則陷入了典型的C端“增收不增利”困境。雖然坐擁9億周活躍用戶，但多數(shù)為免費(fèi)用戶，高昂的推理成本和巨額的算力投資正成為沉重負(fù)擔(dān)。內(nèi)部管理也亮起紅燈：CEO Sam Altman與CFOSarah Friar在激進(jìn)擴(kuò)張策略上出現(xiàn)嚴(yán)重分歧，后者擔(dān)心高達(dá)6000億美元的算力合同可能壓垮公司財(cái)務(wù)。華爾街日報(bào)的報(bào)道更揭示，OpenAI多次未達(dá)到營收和用戶增長目標(biāo)，其實(shí)現(xiàn)正向現(xiàn)金流的盈利時(shí)間表被推遲至2030年，比Anthropi的2027年晚了三年。這場由“叛將”發(fā)起的逆襲，標(biāo)志著OpenAI的壟斷時(shí)代正式終結(jié)，AI產(chǎn)業(yè)的競爭焦點(diǎn)正從用戶規(guī)模轉(zhuǎn)向高質(zhì)量的企業(yè)服務(wù)和商業(yè)變現(xiàn)效率。

#Anthropic逆襲 #AI霸主易主 #企業(yè)端AI #Claude #OpenAI內(nèi)憂

閱讀更多：

https://www.wsj.com/tech/ai/openai-misses-key-revenue-user-targets-in-high-stakes-sprint-toward-ipo-94a95273

5.2萬星開源項(xiàng)目Ghostty告別GitHub：頂級開發(fā)者因“每天故障”忍痛離去

擁有5.2萬星標(biāo)的開源終端項(xiàng)目Ghostty即將離開GitHub。做出這一決定的是其創(chuàng)造者、HashiCorp聯(lián)合創(chuàng)始人Mitchell Hashimoto，一位自2008年起（GitHub用戶ID 1299）幾乎每日使用該平臺、長達(dá)18年的資深開發(fā)者。他在博文中情緒激動(dòng)地解釋，核心原因在于GitHub日益頻繁的系統(tǒng)故障已嚴(yán)重妨礙正常工作。他記錄發(fā)現(xiàn)，近一個(gè)月幾乎每天都會(huì)遇到故障，甚至在撰寫博文當(dāng)天，因GitHub Actions（自動(dòng)化工作流工具）崩潰導(dǎo)致他兩小時(shí)無法進(jìn)行代碼審查。這位曾將GitHub視為“夢中情司”的開發(fā)者坦言，寫離別信時(shí)不禁落淚，但“平臺似乎不想讓我待在這里”，為了能繼續(xù)寫代碼，只能選擇離開。

這一事件在HackerNews和X等社區(qū)引發(fā)強(qiáng)烈共鳴。許多開發(fā)者分享類似糟糕體驗(yàn)，并深度剖析原因：平臺重心可能已偏移，AI自動(dòng)化泛濫及大量機(jī)器人消耗基礎(chǔ)設(shè)施，使得真實(shí)人類開發(fā)者體驗(yàn)大打折扣。有評論尖銳指出，在壟斷地位下，GitHub似乎更關(guān)心商業(yè)指標(biāo)而非基礎(chǔ)穩(wěn)定性。Ghostty的出走釋放了強(qiáng)烈信號——當(dāng)工具本身成為創(chuàng)造力的絆腳石，即便擁有深厚情懷的標(biāo)桿性人物也會(huì)選擇離開。此舉可能引發(fā)更多高價(jià)值開源項(xiàng)目效仿，也為所有開發(fā)者服務(wù)平臺敲響警鐘：切勿讓耀眼的AI增長數(shù)據(jù)掩蓋底層體驗(yàn)的加速崩壞。

#Ghostty #GitHub #開源社區(qū) #開發(fā)者體驗(yàn) #平臺遷移

閱讀更多：

https://news.ycombinator.com/item?id=47939579

AI 驅(qū)動(dòng)科學(xué)

Nature：申請量暴增57%：研究警告AI正淹沒科研資助機(jī)構(gòu)

智能體人工智能（Agentic AI）正對全球數(shù)十億美元的科研經(jīng)費(fèi)分配體系構(gòu)成根本性威脅。來自倫敦大學(xué)學(xué)院的Geraint Rees和James Wilsdon在一篇分析文章中指出，現(xiàn)行體系已無法適應(yīng)AI帶來的變革，他們通過數(shù)據(jù)揭示了系統(tǒng)所面臨的迫在眉睫的壓力，并呼吁資助機(jī)構(gòu)立即采取行動(dòng)進(jìn)行改革。

研究者指出，智能體人工智能的出現(xiàn)，使得研究人員可以在極短時(shí)間內(nèi)生成大量高質(zhì)量的經(jīng)費(fèi)申請書。這可能導(dǎo)致資助機(jī)構(gòu)被海量的申請淹沒，從而使評審過程失去區(qū)分度，最終只能做出近乎任意的資助決定。為了驗(yàn)證這一趨勢，團(tuán)隊(duì)分析了來自六個(gè)國家的12家資助機(jī)構(gòu)的數(shù)據(jù)，發(fā)現(xiàn)自2022年ChatGPT發(fā)布以來，經(jīng)費(fèi)申請數(shù)量急劇增加，2022至2024年增長了17%，預(yù)計(jì)到2025年將增長57%。研究者認(rèn)為，全面禁止AI的使用既不現(xiàn)實(shí)也無法解決根本問題。他們建議，資助體系應(yīng)將評估重心從書面提案本身，轉(zhuǎn)移到對申請人、其團(tuán)隊(duì)以及過往研究成果的綜合考察上，例如重新引入面試環(huán)節(jié)和基于作品集的評估。同時(shí)，資助機(jī)構(gòu)自身也可審慎利用AI工具輔助篩選，但必須確保過程透明，防止加劇現(xiàn)有偏見。研究發(fā)表在 Nature 上。

#AI驅(qū)動(dòng)科學(xué) #其他 #科研資助 #智能體AI

閱讀更多：

Rees, Geraint, and James Wilsdon. “Could Agentic AI Topple Grant-Funding Systems?” Nature, vol. 652, no. 8112, Apr. 2026, pp. 1119–21. www.nature.com, https://doi.org/10.1038/d41586-026-01297-y

半數(shù)解答存疑、文獻(xiàn)大面積造假：主流大模型醫(yī)療問答可靠性堪憂

人們越來越依賴人工智能獲取醫(yī)療信息，但這潛藏著巨大的誤導(dǎo)風(fēng)險(xiǎn)。Nicholas B Tiller、Alessandro R Marcon、Marco Zenone等（哈伯-加州大學(xué)洛杉磯分校醫(yī)療中心倫德奎斯特生物醫(yī)學(xué)創(chuàng)新研究所）系統(tǒng)評估了主流聊天機(jī)器人解答健康問題的可靠性。結(jié)果表明，這些模型生成的醫(yī)療建議有近半數(shù)存在問題，且常伴隨偽造文獻(xiàn)，無法作為獨(dú)立的醫(yī)療權(quán)威。

研究團(tuán)隊(duì)選取了五款主流大語言模型，采用紅隊(duì)演練（red teaming，一種用于誘導(dǎo)模型暴露缺陷以測試其安全性的壓力測試技術(shù)）策略，在癌癥、疫苗、干細(xì)胞、營養(yǎng)和運(yùn)動(dòng)表現(xiàn)五個(gè)領(lǐng)域提出了250個(gè)問題。這些問題包含容易引發(fā)誤導(dǎo)的開放式與封閉式提問。數(shù)據(jù)表明，高達(dá)49.6%的回答存在一定程度或嚴(yán)重的問題。各模型整體表現(xiàn)相近，但Grok錯(cuò)誤率最高，達(dá)58%。模型在疫苗等擁有嚴(yán)謹(jǐn)文獻(xiàn)的領(lǐng)域表現(xiàn)較好，而在營養(yǎng)學(xué)等信息冗雜的領(lǐng)域失誤頻發(fā)。面對更符合真實(shí)提問習(xí)慣的開放式問題時(shí)，回答的缺陷率高達(dá)32%，遠(yuǎn)超封閉式問題的7%。更危險(xiǎn)的是，250個(gè)問題中僅有兩個(gè)被模型拒答，AI展現(xiàn)出了極高且不合理的自信。此外，在文獻(xiàn)驗(yàn)證環(huán)節(jié)，AI產(chǎn)生了嚴(yán)重的幻覺。引文的中位完整度僅為40%，沒有一個(gè)模型能提供完全準(zhǔn)確的參考列表，其中甚至夾雜了大量虛假作者或完全捏造的論文。這類格式嚴(yán)謹(jǐn)?shù)奶摷僮C據(jù)極易讓普通患者信以為真。研究發(fā)表在 BMJ Open 上。

#疾病與健康 #大模型技術(shù) #醫(yī)療誤導(dǎo) #健康咨詢 #虛假信息

閱讀更多：

Tiller, Nicholas B., et al. “Generative Artificial Intelligence-Driven Chatbots and Medical Misinformation: An Accuracy, Referencing and Readability Audit.” BMJ Open, vol. 16, no. 4, Apr. 2026, p. e112695. Health Informatics. bmjopen.bmj.com, https://doi.org/10.1136/bmjopen-2025-112695

驗(yàn)血即可預(yù)測更年期并發(fā)癥

更年期對整體生殖系統(tǒng)的分子影響長期未被充分揭示。Marta Melé等研究人員（巴塞羅那超級計(jì)算中心）構(gòu)建了首個(gè)女性生殖系統(tǒng)衰老圖譜，揭示了各器官的異步衰老動(dòng)態(tài)，并發(fā)現(xiàn)了可用于無創(chuàng)監(jiān)測的血液分子標(biāo)志物。

這項(xiàng)研究利用多組學(xué)數(shù)據(jù)與人工智能技術(shù)，分析了來自304名捐獻(xiàn)者的659個(gè)生殖器官樣本。研究團(tuán)隊(duì)借助超級計(jì)算機(jī)，運(yùn)用深度學(xué)習(xí)處理了1112張組織學(xué)圖像，并結(jié)合RNA測序數(shù)據(jù)，重建了七個(gè)器官的衰老軌跡。結(jié)果顯示，女性生殖器官的衰老并非同步進(jìn)行。卵巢和陰道在絕經(jīng)前便開始漸進(jìn)性衰老，而子宮則在更年期前后經(jīng)歷急劇的生物學(xué)轉(zhuǎn)變。在組織層面，子宮肌層（myometrium，構(gòu)成子宮壁主要部分的平滑肌組織）受衰老影響最為顯著，伴隨細(xì)胞外基質(zhì)重塑與免疫系統(tǒng)激活。此外，研究人員在超兩萬名女性的血漿樣本中識別出了與這些組織衰老相關(guān)的分子標(biāo)志物，這意味著未來可能通過常規(guī)驗(yàn)血即可無創(chuàng)評估女性生殖系統(tǒng)的健康風(fēng)險(xiǎn)。研究發(fā)表在 Nature Aging 上。

#疾病與健康 #個(gè)性化醫(yī)療 #女性衰老 #更年期 #多模態(tài)分析

閱讀更多：

Soldatkina, Oleksandra, et al. “Multimodal Data Analysis Reveals Asynchronous Aging Dynamics across Female Reproductive Organs.” bioRxiv, 20 May 2025, p. 2025.05.16.654406. bioRxiv, https://doi.org/10.1101/2025.05.16.654406

提前數(shù)年鎖定風(fēng)險(xiǎn)，杜克大學(xué)新AI模型打破ADHD診斷延遲困境

兒童注意力缺陷多動(dòng)障礙（ADHD）的延遲診斷常常導(dǎo)致患者錯(cuò)失早期干預(yù)的黃金期。為了解決這一難題，杜克大學(xué)（Duke University）的Elliot D. Hill及其研究團(tuán)隊(duì)開發(fā)了一種基于人工智能的預(yù)測工具。該模型能夠從常規(guī)的電子健康記錄中挖掘隱藏的特征模式，在兒童5歲時(shí)即可極高準(zhǔn)確率地預(yù)測其未來患ADHD的風(fēng)險(xiǎn)，為臨床早期篩查提供了強(qiáng)大的安全網(wǎng)。

研究團(tuán)隊(duì)首先利用超過72萬名患者的電子健康記錄預(yù)訓(xùn)練了一個(gè)基礎(chǔ)模型，隨后在一個(gè)包含超過14萬名兒科患者的隊(duì)列中對其進(jìn)行微調(diào)。該模型深入分析了兒童從出生到兒童早期的病史數(shù)據(jù)，能夠敏銳捕捉到單獨(dú)看可能不起眼、但組合在一起便構(gòu)成風(fēng)險(xiǎn)特征的臨床事件規(guī)律，如特定的發(fā)育遲緩與頻繁的行為問題就診記錄。

研究表明，當(dāng)兒童達(dá)到5歲時(shí)，該模型估算未來ADHD風(fēng)險(xiǎn)的準(zhǔn)確度極高，其4年時(shí)間范圍的時(shí)間依賴性接收者操作特征曲線下面積達(dá)到了0.92。尤為重要的是，該模型在不同性別、種族以及保險(xiǎn)狀況的患者群體中表現(xiàn)出高度一致的準(zhǔn)確性，這意味著它有望緩解現(xiàn)有的醫(yī)療資源不均問題。特征重要性分析進(jìn)一步證實(shí)，ADHD與早期發(fā)育、行為及精神健康狀況密切相關(guān)。研究人員強(qiáng)調(diào)該工具并非替代醫(yī)生的自動(dòng)化醫(yī)生，而是幫助初級保健醫(yī)生在短暫的問診中精準(zhǔn)鎖定需要重點(diǎn)關(guān)注的高危兒童，避免他們被醫(yī)療系統(tǒng)遺漏。研究發(fā)表在 Nature Mental Health 上。

#疾病與健康 #預(yù)測模型構(gòu)建 #ADHD #電子健康記錄 #早期干預(yù)

閱讀更多：

Hill, Elliot D., et al. “Early Attention Deficit Hyperactivity Disorder Prediction from Longitudinal Electronic Health Records.” Nature Mental Health, Apr. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s44220-026-00628-2

FingerEye：融合視覺與觸覺的新型傳感器提升機(jī)器人靈巧操作能力

為解決機(jī)器人靈巧操作中接觸前后感知割裂的問題，新加坡國立大學(xué)與RoboScience的Zhixuan Xu等團(tuán)隊(duì)開發(fā)了FingerEye視覺觸覺傳感器，實(shí)現(xiàn)了交互全階段的連續(xù)感知反饋，大幅提升了機(jī)器人的操控性能。

? FingerEye 概述及功能。Credit: Xu et al.

研究團(tuán)隊(duì)設(shè)計(jì)的FingerEye傳感器巧妙集成了雙目紅綠藍(lán)攝像頭（RGB cameras，捕捉彩色圖像的相機(jī)設(shè)備）與柔性環(huán)形結(jié)構(gòu)。在接觸前階段，雙目系統(tǒng)提供具備隱式立體深度的視覺線索以精準(zhǔn)引導(dǎo)指尖定位。接觸物體時(shí)，外部力導(dǎo)致柔性環(huán)發(fā)生形變，系統(tǒng)通過基于標(biāo)記的姿態(tài)估計(jì)（marker-based pose estimation，利用視覺標(biāo)簽追蹤對象位姿和空間變化的技術(shù)）將形變轉(zhuǎn)化為精確的接觸力矩信號。這種獨(dú)特設(shè)計(jì)支持多角度的接觸感知。為進(jìn)一步提升學(xué)習(xí)效率，團(tuán)隊(duì)構(gòu)建了該傳感器的數(shù)字孿生平臺，并結(jié)合真實(shí)演示與模擬觀察，訓(xùn)練出高效的視覺觸覺模仿學(xué)習(xí)策略。實(shí)驗(yàn)結(jié)果顯示，搭載該傳感器的機(jī)器人能極其穩(wěn)定地完成放置硬幣、拾取易碎芯片及操作功能性注射器等高難度任務(wù)，且對物體外觀變化展現(xiàn)出優(yōu)異的魯棒性。

#其他 #機(jī)器人及其進(jìn)展 #靈巧操作 #視覺觸覺傳感器 #模仿學(xué)習(xí)

閱讀更多：

Xu, Zhixuan, et al. “FingerEye: Continuous and Unified Vision-Tactile Sensing for Dexterous Manipulation.” arXiv:2604.20689, arXiv, 23 Apr. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2604.20689

類腦網(wǎng)絡(luò)通過選擇性修剪實(shí)現(xiàn)低能耗持續(xù)進(jìn)化

人工智能規(guī)模的擴(kuò)大帶來了巨大的能耗挑戰(zhàn)。Bing Han、Feifei Zhao等人（中國科學(xué)出版社等）受嬰兒大腦發(fā)育過程啟發(fā)，提出了一種適用于脈沖神經(jīng)網(wǎng)絡(luò)的持續(xù)學(xué)習(xí)框架，成功讓系統(tǒng)在不斷學(xué)習(xí)新任務(wù)的同時(shí)縮小規(guī)模并提升能效。

該研究提出了一種名為基于時(shí)間發(fā)育機(jī)制的多認(rèn)知功能持續(xù)學(xué)習(xí)模型，模擬嬰兒大腦由簡入繁的發(fā)育軌跡，按感知、運(yùn)動(dòng)控制到交互的順序逐步構(gòu)建認(rèn)知模塊。研究人員利用進(jìn)化算法強(qiáng)化系統(tǒng)跨區(qū)域的長程連接。同時(shí)，系統(tǒng)引入了反饋引導(dǎo)機(jī)制進(jìn)行選擇性修剪（selective pruning，即主動(dòng)抑制并移除早期任務(wù)中不再需要的冗余局部結(jié)構(gòu)）。在涵蓋多域認(rèn)知任務(wù)以及CIFAR100和ImageNet通用數(shù)據(jù)集的實(shí)驗(yàn)中，該模型在不依賴經(jīng)驗(yàn)回放（experience replay，即通過存儲和重復(fù)訓(xùn)練舊數(shù)據(jù)來防止網(wǎng)絡(luò)遺忘先前知識的方法）或權(quán)重凍結(jié)等耗能策略的情況下，實(shí)現(xiàn)了穩(wěn)定的持續(xù)學(xué)習(xí)。隨著學(xué)習(xí)的深入，模型不僅有效克服了災(zāi)難性遺忘，還在掌握新能力的同時(shí)去除了無用連接，逐漸縮減網(wǎng)絡(luò)規(guī)模，證實(shí)了類腦動(dòng)態(tài)變化在實(shí)現(xiàn)低能耗通用認(rèn)知智能方面的巨大潛力。研究發(fā)表在 National Science Review 上。

#其他 #計(jì)算模型與人工智能模擬 #脈沖神經(jīng)網(wǎng)絡(luò) #持續(xù)學(xué)習(xí) #網(wǎng)絡(luò)修剪

閱讀更多：

Han, Bing, et al. “Continual Learning of Multiple Cognitive Functions with a Brain-Inspired Temporal Development Mechanism.” National Science Review, vol. 13, no. 7, Apr. 2026, p. nwag066. Silverchair, https://doi.org/10.1093/nsr/nwag066

多腦區(qū)柔性神經(jīng)接口實(shí)現(xiàn)自由活動(dòng)小鼠行為狀態(tài)的精準(zhǔn)解碼

如何在動(dòng)物自由活動(dòng)時(shí)，長期且穩(wěn)定地解碼全腦多區(qū)域的神經(jīng)動(dòng)態(tài)信號并確保算法的通用性？Ye Tian等研究人員開發(fā)了一種集成了多腦區(qū)柔性探針與定制化深度學(xué)習(xí)框架的平臺。該研究成功實(shí)現(xiàn)了對小鼠復(fù)雜行為狀態(tài)的高精度解碼，并有效克服了傳統(tǒng)模型在跨天和跨個(gè)體應(yīng)用時(shí)泛化能力不足的難題。

該研究團(tuán)隊(duì)設(shè)計(jì)了一種包含歐米茄形變形結(jié)構(gòu)的柔性探針（MRFP），這種特殊設(shè)計(jì)賦予了探針高達(dá)50%的面內(nèi)拉伸性，從而能夠在適應(yīng)大腦微小運(yùn)動(dòng)的同時(shí)維持極高的機(jī)械完整性。研究人員通過微孔引導(dǎo)技術(shù)，將128個(gè)記錄位點(diǎn)精準(zhǔn)植入小鼠的8個(gè)獨(dú)立腦區(qū)。為了解析復(fù)雜的局部場電位，團(tuán)隊(duì)采用了融合局部特征提取與全局依賴建模的深度學(xué)習(xí)模型（L-Conformer）。實(shí)驗(yàn)結(jié)果表明，在4秒的最佳時(shí)間窗口下，該平臺對小鼠的休息、漫游、進(jìn)食和視覺閃爍狀態(tài)的解碼準(zhǔn)確率達(dá)89%。研究進(jìn)一步揭示，相較于將電極集中在單一腦區(qū)，從5個(gè)以上不同腦區(qū)獲取分布式信號能顯著提升解碼性能，表明行為狀態(tài)是大腦網(wǎng)絡(luò)分布式協(xié)同的結(jié)果。此外，該模型展現(xiàn)出卓越的穩(wěn)定性，跨天解碼準(zhǔn)確率達(dá)85%，而在未引入新個(gè)體數(shù)據(jù)重新訓(xùn)練的零樣本測試中，跨個(gè)體準(zhǔn)確率也達(dá)到了70%。研究發(fā)表在 Microsystems & Nanoengineering 上。

#意識與腦機(jī)接口 #大腦信號解析 #柔性探針 #深度學(xué)習(xí) #局部場電位

閱讀更多：

Tian, Ye, et al. “A Multi-Region Flexible Neural Interface for Behavioral State Decoding in Freely Moving Mice.” Microsystems & Nanoengineering, vol. 12, no. 1, Apr. 2026, p. 154. www.nature.com, https://doi.org/10.1038/s41378-026-01258-5

心理學(xué)視角下的人工智能信任六大原則

隨著人工智能系統(tǒng)逐步接管原本由人類完成的復(fù)雜決策與任務(wù)，理解人類何時(shí)以及為何信任機(jī)器成為亟待解決的關(guān)鍵科學(xué)問題。Jim A. C. Everett、Scott Claessens、Tim-Dorian Kn?chel與Madeline G. Reinecke梳理了當(dāng)前的理論爭議與實(shí)證研究，提出了理解人工智能信任的六大核心原則，為人類應(yīng)對機(jī)器時(shí)代提供了理論指引。

該研究結(jié)合心理學(xué)與多領(lǐng)域視角對現(xiàn)有文獻(xiàn)進(jìn)行系統(tǒng)回顧，打破了僅將系統(tǒng)安全性視為唯一信任依據(jù)的傳統(tǒng)認(rèn)知，確立了六項(xiàng)多維指導(dǎo)原則。研究揭示信任是人類心理推斷的過程，并非可直接寫入機(jī)器代碼的客觀屬性。其次該框架嚴(yán)格區(qū)分了實(shí)際可信度（actual trustworthiness：基于使某人或某物值得信任的客觀特征的實(shí)在屬性）、態(tài)度信任（attitudinal trust：一種反映在不確定情況下愿意依賴他者的內(nèi)在心理傾向）與外在的信任行為。研究進(jìn)一步指出人類對算法的評判具有多維性，不僅包含對其執(zhí)行效能的表現(xiàn)信任（performance trust：對系統(tǒng)運(yùn)轉(zhuǎn)可靠性及其執(zhí)行能力的完全信賴），還包含對其內(nèi)在意圖的道德信任（moral trust：主觀相信系統(tǒng)真誠且遵循道德規(guī)范并尋求向善）。此外該體系論證了信任具有特定代理屬性與個(gè)體差異，不同用戶在面對不同戰(zhàn)略動(dòng)機(jī)時(shí)，會(huì)對同一智能系統(tǒng)展現(xiàn)截然不同的交互與信任模式。這一理論框架為評估人機(jī)交互關(guān)系提供了全新的系統(tǒng)尺度，表明評估機(jī)器系統(tǒng)不僅要考量客觀技術(shù)指標(biāo)，更必須探究人類復(fù)雜的社會(huì)心理特征。研究發(fā)表在 Nature Reviews Psychology 上。

#認(rèn)知科學(xué) #跨學(xué)科整合 #人機(jī)信任 #態(tài)度信任 #技術(shù)倫理

閱讀更多：

Everett, Jim A. C., et al. “Principles for Understanding Trust in Artificial Intelligence.” Nature Reviews Psychology, Apr. 2026, pp. 1–14. www.nature.com, https://doi.org/10.1038/s44159-026-00562-1

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問nextquestion

天橋腦科學(xué)研究院旗下科學(xué)媒體，旨在以科學(xué)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(jìn)，不斷探索科學(xué)的邊界。歡迎評論區(qū)留言，或后臺留言“社群”即可加入社群與我們互動(dòng)。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(fù)哦~

關(guān)于天橋腦科學(xué)研究院

天橋腦科學(xué)研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元?jiǎng)?chuàng)建的世界最大私人腦科學(xué)研究機(jī)構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點(diǎn)，支持腦科學(xué)研究，造福人類。

研究院在華山醫(yī)院、上海市精神衛(wèi)生中心分別設(shè)立了應(yīng)用神經(jīng)技術(shù)前沿實(shí)驗(yàn)室、人工智能與精神健康前沿實(shí)驗(yàn)室；與加州理工學(xué)院合作成立了加州理工陳天橋雒芊芊神經(jīng)科學(xué)研究院。

研究院還建成了支持腦科學(xué)和人工智能領(lǐng)域研究的生態(tài)系統(tǒng)，項(xiàng)目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎(jiǎng)勵(lì)計(jì)劃、、科普視頻媒體「大圓鏡」等。