追問daily | 半月板切除術無益且有害；迷幻劑改變大腦，效用長達一個月

█ 腦科學動態

Nature：點擊凝血技術實現紅細胞秒級凝結與極速止血

Nature：蛋白質從頭設計的過去、現在與未來

Cell：人工智能賦能植物星球計劃

10年隨訪證半月板切除術無益且可能增加膝關節退化風險

補充Omega-3可能加速老年人認知衰退

單次服用裸蓋菇素促發人腦長期解剖改變并提升幸福感

父母基因通過塑造家庭環境波及兒童心理健康

鋰鹽失效怎么辦？超16萬人研究指引雙相情感障礙新用藥策略

█ AI行業動態

GPT-5.5 Instant：幻覺減半、個性覺醒，免費向全體用戶開放

Meta進軍具身智能：打造人形機器人的“安卓大腦”

OpenAI總裁當庭自曝“零元購”：0美元投入換來300億股權

Anthropic聯合創始人預測：2028年AI將實現自我進化，無人類參與

美國AI用戶畫像出爐：Claude用戶更富裕但規模小眾，AI市場開始按階層排隊

█ AI驅動科學

Science：AI大模型在急診診斷中超越人類醫生

Science：利用生成式AI創造出只有19種氨基酸的細胞

神經形態光子設備實現超高速超低能耗的電信信號恢復

計算機視覺揭示繪畫筆觸奧秘，量化分析藝術家創作風格

人工智能可根據ChatGPT聊天記錄精準推斷用戶性格

AI安全風險源于合法企業而非黑客

閉環腦機接口：神經與精神疾病治療的新范式

現有圖像保護技術在通用AI模型面前不堪一擊

AI讀腦新突破：科學家首次高精度解碼睡眠中的記憶內容

普通膠帶竟是可編程的機械存儲器

腦科學動態

Nature：點擊凝血技術實現紅細胞秒級凝結與極速止血

針對天然血凝塊形成緩慢且機械強度低，容易導致嚴重出血甚至死亡的問題，麥吉爾大學（McGill University）的 Jianyu Li 和 Shuaibing Jiang 等人開發了一種創新的點擊凝血技術。該技術能夠將紅細胞瞬間交聯成高強度的細胞凝膠，不僅實現了極速止血，還能促進組織再生并減少炎癥。

傳統止血材料多致力于模擬血小板，但天然血凝塊因缺乏結構聚合物極易破裂。為解決此難題，研究團隊利用血液中儲量極其豐富的紅細胞，并引入諾貝爾化學獎成果點擊化學（Click Chemistry，一類高效專一且不干擾生物系統內正常細胞功能的生物正交化學反應）進行深度改造。在具體操作中，研究人員將反式環辛烯（trans-cyclooctene，一種具有極高反應活性的化學基團）附著在大鼠紅細胞膜表面蛋白上，同時將四嗪（tetrazine，一種能夠與前者發生瞬間特異性偶聯的分子）接枝到長鏈聚合物上。當這兩種成分混合時，數秒內即可發生交聯反應，將游離的紅細胞緊密連接，形成具有高度彈性的工程化血凝塊（Engineered Blood Clot，一種經過人工改造的高強度細胞凝膠材料）。測試數據顯示，這種新型血凝塊的抗斷裂能力較天然狀態提升了13倍，黏附力提升了4倍。在大鼠肝臟切口模型中，其極速止血與減少失血的綜合效果顯著優于現有的臨床商業化產品。此外，該凝塊還能有效減輕炎癥反應，預防外科術后粘連，并加速周邊組織的修復與再生。該研究進一步驗證了使用患者自體或血型匹配異體細胞的安全可行性，為應對嚴重創傷大出血提供了強有力的新一代醫療干預方案。研究發表在 Nature 上。

#疾病與健康 #其他 #點擊凝血 #生物材料 #組織再生

閱讀更多：

Jiang, Shuaibing, et al. “Engineering Tough Blood Clots for Rapid Haemostasis and Enhanced Regeneration.” Nature, Apr. 2026, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41586-026-10412-y

Nature：諾獎得主David Baker團隊發文綜述蛋白質從頭設計的過去、現在與未來

面對癌癥和阿爾茨海默病等健康挑戰，緩慢的自然選擇已無法滿足人類對全新功能蛋白質的迫切需求。Wei Yang、Shunzhi Wang和David Baker等研究人員（華盛頓大學與深圳醫學科學院等）系統綜述了該領域的最新進展，揭示深度學習技術正推動蛋白質構建從隨機試錯全面邁向可控的意圖生成。

該綜述梳理了蛋白質從頭設計從計算時代向生成時代的范式轉變。早期基于物理化學力場的方法旨在尋找全局自由能最低狀態，過程耗時且成功率有限。如今引入深度學習后，研究人員開發出RFdiffusion（一種借鑒圖像生成思路的擴散模型，能夠通過逐步去除隨機噪聲來生成合理的蛋白質三維骨架）與ProteinMPNN（一種專為蛋白質結構填充最優氨基酸序列的深度神經網絡算法）等強大工具。借助這些開源技術，科研人員不僅能常規化設計前所未有的單體結構和復雜對稱組裝體，還成功開發出高特異性的靶點結合劑及小分子酶。盡管目前在設計能催化高能壘反應的催化劑以及整合多種動態響應機制的智能納米機器方面仍存挑戰，但人工智能的介入已極大降低了技術門檻。研究發表在 Nature 上。

#AI驅動科學 #大模型技術 #蛋白質設計 #生成式AI #合成生物學

閱讀更多：

Yang, Wei, et al. “The Past, Present and Future of de Novo Protein Design.” Nature, vol. 652, no. 8112, Apr. 2026, pp. 1139–52. www.nature.com, https://doi.org/10.1038/s41586-026-10328-7

Cell：人工智能賦能植物星球計劃：全球聯盟繪制陸地植物基因組全景圖譜

陸地植物基因組多樣性亟待探索。Li Wang與Sanwen Huang等（中國農業科學院等）發起了覆蓋全球數十個機構的聯合倡議。該團隊結合系統測序與人工智能分析，全面規劃了揭示基因組多樣性演化規律的科學路徑，為生態保護、農業育種及天然藥物開發確立了全新的數據基座。

當前絕大多數植物分支缺乏參考基因組。為填補這一歷史空白，研究團隊提出了植物星球計劃（PLANeT），目標在三年內完成超過百分之九十五的開花植物科基因組測序，并在十二年內覆蓋百分之九十的開花植物屬。面對即將爆發的海量數據，研究引入了基礎模型以解碼底層的基因組語言。該人工智能大模型將執行四項核心任務：精準的結構注釋（structural annotation，在基因組序列上定位基因并標明其內部結構的分析過程）、基因表達網絡預測、進化軌跡追蹤，以及生物合成基因簇（biosynthetic gene clusters，在染色體上物理相鄰且協同參與特定次級代謝產物合成的基因集合）的快速識別。通過比較系統發育基因組學分析，該研究能夠為瀕危物種構建數字化檔案，并精準定位野生近緣種中嚴格保留的抗逆基因資源。這一宏偉藍圖最終將基因組多樣性轉化為可操作的作物改良目標與藥物發現指南。倡議與研究藍圖發表在 Cell 上。

#AI驅動科學 #跨學科整合 #植物基因組學 #生物多樣性保護 #分子育種

閱讀更多：

Wang, Li, et al. “PLANeT: Understanding and Leveraging the Genome of Land Plants for a Sustainable Future.” Cell, vol. 189, no. 9, Apr. 2026, pp. 2519–32. www.cell.com, https://doi.org/10.1016/j.cell.2026.01.026

10年隨訪證半月板切除術無益且可能增加膝關節退化風險

針對全球廣泛開展的膝關節半月板切除手術究竟是否有效這一臨床疑問，赫爾辛基大學的 Roope Kalske 和 Raine Sihvonen 團隊展開了長期隨訪。結果證實這項常見手術不僅無法改善患者癥狀，反而可能加速關節退化。

研究團隊基于芬蘭退行性半月板損傷研究進行了為期10年的隨訪。研究將146名患有退行性半月板撕裂的患者隨機分為兩組，分別接受部分半月板切除術（partial meniscectomy，即通過手術修整或切除退化受損的半月板組織）或假手術（sham surgery，即模擬完整手術流程但不執行核心治療步驟的安慰劑干預手段）。在長達10年的隨訪期內，超過90%的參與者完成了最終評估。數據顯示，與接受假手術的患者相比，接受真實切除術的患者在癥狀緩解和關節功能方面并未出現明顯改善。相反，真實手術組表現出更多的臨床癥狀和更顯著的關節功能下降。此外，這些患者的骨關節炎進展更為迅速，且未來需要再次接受膝關節手術的概率也大幅增加。這一發現挑戰了醫學界長期以來認為半月板撕裂需直接手術切除的推斷，提示此類關節疼痛更多源于自然衰老引發的退行性變，盲目手術可能構成醫學逆轉現象。研究發表在 New England Journal of Medicine 上。

#疾病與健康 #其他 #骨關節炎 #半月板切除術 #醫學逆轉

閱讀更多：

“Arthroscopic Partial Meniscectomy for Degenerative Tear — 10-Year Outcomes | NEJM.” New England Journal of Medicine. www.nejm.org, https://www.nejm.org/doi/abs/10.1056/NEJMc2516079. Accessed 6 May 2026

補充Omega-3可能加速老年人認知衰退

老年人常服用Omega-3補充劑以保護認知功能，但這真的有效嗎？Zheng-Bin Liao 等中國研究人員基于阿爾茨海默病神經影像學計劃的數據開展長期研究，結果發現服用該補充劑不僅無益，反而與認知能力加速衰退顯著相關。

? FDG 代謝減低介導了ω-3 補充劑與認知能力下降之間的關聯。Credit: The Journal of Prevention of Alzheimer's Disease (2026).

該團隊開展了一項為期五年的縱向觀察性研究，對比了273名服用Omega-3的受試者與546名在年齡、遺傳等條件相匹配的未服用者。研究采用線性混合效應模型追蹤受試者的認知評分。結果顯示服用組在多項認知測試中衰退更快。中介分析表明，該現象并非由淀粉樣斑塊、tau蛋白異常或灰質萎縮等經典病理引起。進一步的氟代脫氧葡萄糖正電子發射斷層掃描顯示，服用組大腦易感區域的葡萄糖代謝顯著降低。這表明其可能引發了突觸功能障礙，降低了腦細胞通訊效率。研究發表在 The Journal of Prevention of Alzheimer's Disease 上。

#疾病與健康 #神經機制與腦功能解析 #阿爾茨海默病 #Omega-3補充劑 #認知衰退

閱讀更多：

Liao, Zheng-Bin, et al. “The Association between Omega-3 Supplementation and Cognitive Decline in Older Adults.” The Journal of Prevention of Alzheimer’s Disease, vol. 13, no. 6, June 2026, p. 100569. ScienceDirect, https://doi.org/10.1016/j.tjpad.2026.100569

單次服用裸蓋菇素促發人腦長期解剖改變并提升幸福感

迷幻劑能否在大腦中留下持久的結構與功能印記？Taylor Lyons和Robin L. Carhart-Harris等（倫敦帝國理工學院與加州大學舊金山分校）針對這一問題開展研究，發現單次服用高劑量裸蓋菇素不僅能改變大腦解剖結構并引發腦神經網絡重塑，還能通過提升急性期的大腦信息不規則程度帶來長達一個月的洞察力與幸福感改善。

這項研究采用探索性且包含安慰劑對照的受試者內設計，招募了28名從未接觸過迷幻劑的健康志愿者。受試者首先接受1毫克裸蓋菇素，并在一個月后接受25毫克的高劑量。研究期間，團隊結合腦電圖、功能磁共振成像和彌散張量成像技術，追蹤急性期與長期的大腦變化。結果顯示，高劑量用藥后1至2小時內，受試者大腦的信息熵顯著增加。一個月后，DTI數據表明其前額葉至皮層下區域神經纖維束的軸向擴散率下降，意味著神經纖維密度和完整性增強，這與大腦衰老導致神經束擴散的退化過程截然相反。此外，fMRI顯示受試者大腦網絡模塊化程度的降低與主觀幸福感的顯著提升存在緊密關聯。預測模型進一步揭示，急性期信息熵的增加直接促成了次日深度的心理洞察力，并以此為中介實現了用藥一個月后幸福感與認知靈活性的長期提升。該發現為開發針對抑郁癥等精神疾病的精準靶向療法提供了關鍵的生物學依據。研究發表在 Nature Communications 上。

#疾病與健康 #神經機制與腦功能解析 #心理健康與精神疾病 #裸蓋菇素 #腦電圖

閱讀更多：

Lyons, T., et al. “Human Brain Changes after First Psilocybin Use.” Nature Communications, vol. 17, no. 1, May 2026, p. 3977. www.nature.com, https://doi.org/10.1038/s41467-026-71962-3

父母基因通過塑造家庭環境波及兒童心理健康

兒童抑郁癥和焦慮癥等內化問題的產生不僅受自身基因影響，是否還受父母基因間接塑造的家庭環境的干預？Razieh Chegeni團隊（奧斯陸大學和挪威公共衛生研究所）分析了家庭成員的多基因評分與交互作用，揭示了心理健康風險在代際傳遞中的雙重路徑及發育差異，并證實了綜合模型在預測上的優勢。

? 研究采用家庭內部三元組模型來探討風險的代際傳遞。路徑圖展示了一個回歸模型，該模型利用母親、父親和子女的 PGS（多基因遺傳）預測子女的內化問題。Directc 代表子女 PGS 對其內化問題的直接遺傳效應。遺傳傳遞是指父母 PGS 通過遺傳途徑（例如，父親 PGS 通過 directf 和 directc 路徑傳遞給子女內化問題）影響子女內化問題的路徑。indirectf 和 indirectm 代表間接遺傳效應。三元組交互路徑包括 PGSf × PGSm、PGSf × PGSc 和 PGSm × PGSc。Credit: Razieh Chegeni.

研究團隊利用挪威隊列研究中9314個三人家庭組的數據，考察了兒童在8歲和14歲時的內化癥狀。研究人員為每位家庭成員提取了15種特征的多基因評分，并采用彈性網絡回歸對比了不同的預測模型。結果表明，結合兒童與父母基因的綜合模型預測最為準確。研究發現，父母基因主要通過影響教養方式等途徑產生間接作用，且這種間接影響在8歲兒童群體中尤為關鍵；當兒童長到14歲時，其自身的遺傳傾向對抑郁和焦慮的主導作用更加明顯。此外，父親與幸福感相關的基因以及母親與吸煙和認知技能相關的基因是重要預測指標。該發現表明代際心理健康風險涉及比以往認知更廣泛的父母特征。研究發表在 Nature Mental Health 上。

#疾病與健康 #心理健康與精神疾病 #抑郁與焦慮 #多基因評分 #機器學習

閱讀更多：

Chegeni, Razieh, et al. “Direct and Indirect Parental Genetic Effects on Offspring Susceptibility to Internalizing Problems across Development.” Nature Mental Health, Apr. 2026, pp. 1–12. www.nature.com, https://doi.org/10.1038/s44220-026-00619-3

鋰鹽失效怎么辦？超16萬人研究指引雙相情感障礙新用藥策略

治療雙相情感障礙的傳統金標準藥物鋰鹽并非對所有患者奏效，且常伴隨難以控制的副作用。為解決這一臨床難題，Johannes Lieslehto 團隊（芬蘭紐瓦涅米醫院、瑞典卡羅林斯卡研究所等機構）通過長期的跨國隊列研究，明確了當鋰鹽失效或停用時，能夠有效降低復發和住院風險的特定藥物組合方案。

這項大規模觀察性研究分析了來自瑞典和芬蘭超16萬名患者的數據，平均隨訪約9年。研究采用了創新的自身對照分析，并通過精神科住院記錄評估復發率。結果顯示，與單用鋰鹽相比，氯氮平（clozapine）聯合阿立哌唑（aripiprazole）、單獨使用氯氮平，以及長效注射用抗精神病藥物（LAI，即需要定期注射的長效制劑）聯合鋰鹽能顯著降低復發風險。針對逾兩萬名停用鋰鹽的患者，研究發現采用LAI聯合丙戊酸鈉（valproate）、喹硫平（quetiapine）聯合拉莫三嗪（lamotrigine）等特定方案可有效減少住院次數。該研究強調藥物組合方式對長期預后至關重要，為難治性患者提供了基于真實世界數據的用藥指南。研究發表在 Nature Mental Health 上。

#疾病與健康 #心理健康與精神疾病 #雙相情感障礙 #鋰鹽 #藥物組合

閱讀更多：

Lieslehto, Johannes, et al. “Comparative Effectiveness of Treatment Strategies for Bipolar Disorder during and after Lithium Treatment.” Nature Mental Health, Apr. 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s44220-026-00645-1

AI 行業動態

OpenAI推出GPT-5.5 Instant：幻覺減半、個性覺醒，免費向全體用戶開放

OpenAI近日宣布，最新模型GPT-5.5 Instant已正式上線，并取代GPT-5.3 Instant成為ChatGPT所有用戶的默認模型。此次升級帶來了三大核心改進：回答更簡潔、記憶與個性化能力增強、事實準確性顯著提升。基準測試顯示，該模型在數學推理（AIME 2025）上得分從65.4%躍升至81.2%，在博士級科學問題（GPQA）和多模態推理（MMMU-Pro）上也有大幅進步。尤為關鍵的是，在高風險領域（如醫療、法律、金融）中，模型產生的幻覺比前代減少了52.5%，用戶主動標記的事實錯誤也下降了37.3%。同時，為了提升交互效率，GPT-5.5 Instant的回復字數和行數分別被壓縮了約30%，并刻意減少了無意義的表情符號和冗余格式。

此次更新中最受矚目的功能是模型的“個性化”能力。GPT-5.5 Instant能夠主動調用用戶過往的聊天記錄、上傳的文件以及連接的Gmail郵箱，從而提供更具針對性的回答。例如，推薦茶飲店時會參考用戶常去的店鋪和偏好的口味。同步推出的“記憶來源”（Memory Sources）功能讓用戶可以查看并管理模型引用的具體歷史對話，控制其“記住”或“忘記”的內容。這一記憶與個性化功能目前面向網頁端的Plus和Pro用戶開放，移動端和其他用戶將陸續獲得。OpenAI同時宣布，GPT-5.3 Instant將在三個月后正式退役，為開發者預留了遷移窗口。業界認為，默認模型的質量直接影響數億普通用戶的體驗，此次更新標志著ChatGPT在準確性、簡潔性和人情味之間找到了新的平衡點。

#GPT-5.5Instant #大模型升級 #幻覺降低 #AI個性化 #免費模型

閱讀更多：

https://openai.com/index/gpt-5-5-instant/

Meta進軍具身智能：收購頂尖AI團隊，打造人形機器人的“安卓大腦”

Meta Platforms Inc.近日宣布完成對機器人人工智能初創企業Assured Robot Intelligence（簡稱ARI）的收購。這支約20人的精銳團隊將整體并入Meta的“超級智能實驗室”，與公司去年成立的機器人工作室緊密協作，共同開發驅動人形機器人的底層技術。與特斯拉、谷歌等直接涉足硬件制造不同，Meta此番采取了更為輕資產的策略：聚焦機器人所需的傳感器、底層AI模型與軟件棧（支撐機器人運行的軟件體系），而非親自生產鋼鐵軀殼。其目標是在未來的具身智能市場中，扮演類似安卓平臺或高通芯片的角色，向硬件制造商提供通用的“智能大腦”，從而收割底層生態紅利。

ARI是一家專注于為人形機器人開發智能模型的初創公司，其核心技術在于讓機器人理解并預測人類行為，重點攻克高精度敏捷操作、觸覺傳感以及全身協調平衡等難題。公司聯合創始人Xiaolong Wang曾擔任英偉達的基礎模型研究員和加州大學圣地亞哥分校（UCSD）副教授，另一位聯合創始人Lerrel Pinto則是紐約大學（NYU）的研究員，并曾聯合創立機器人公司Fauna Robotics（后者已于今年3月被亞馬遜收購）。Meta發言人表示，ARI團隊在模型設計、自主學習和全身人形控制方面的深厚專業知識，將加速Meta在實體AI領域的布局。這標志著這家曾深耕虛擬世界的巨頭，正試圖走出元宇宙，成為驅動物理世界的“數字大腦”提供者。

#Meta收購 #人形機器人 #具身智能 #AI軟件平臺 #AssuredRobotIntelligence

閱讀更多：

https://www.barchart.com/story/news/1715124/as-meta-platforms-buys-assured-robot-intelligence-meta-stock-becomes-a-bet-on-humanoids

OpenAI總裁當庭自曝“零元購”：0美元投入換來300億股權，馬斯克勝訴在望？

一場關乎數百億美元的硅谷世紀審判出現驚人轉折。在2026年5月的奧克蘭聯邦法院庭審中，OpenAI總裁Greg Brockman當庭承認，自己從未向OpenAI營利部門投入一分錢現金，卻持有價值約300億美元的股權。而作為OpenAI最早資助者、累計捐贈超3800萬美元并提供早期支持的馬斯克，在如今的OpenAI中個人占股為零。這一“零元購”式自曝引發法庭嘩然，紐約大學學者Gary Marcus隨即判斷，這或許是馬斯克“最接近贏的一次”。庭審還披露了更敏感的利益沖突：Brockman與OpenAI首席執行官Sam Altman私下購買了AI芯片公司Cerebras的個人股份，隨后Brockman在OpenAI內部大力推動與Cerebras達成巨額交易——從100億美元訂單到追加至200億美元，致使Cerebras估值翻了近三倍。這種非營利組織受托人利用慈善資金扶持個人投資公司的行為，被指涉嫌違反加州慈善信托法中的“自我交易”（self-dealing，即受托人通過機構交易讓自己或關聯方獲利）禁令。

面對“背信棄義”的指控，OpenAI方面辯稱，為獲取實現通用人工智能所需的海量算力和頂尖人才，從非營利轉向營利性結構是“必要的惡”。但馬斯克方援引早期郵件指出，Brockman曾親口承認若如此轉型將是“道德上的破產”。專家證人、加州大學伯克利分校教授Stuart Russell在庭上警告，當前的AGI競賽已演變成失控的軍備競賽，追求速度正在犧牲安全性。法官的關注點始終圍繞OpenAI是否違反創立時的合同義務、其轉型是否合法。若馬斯克勝訴，OpenAI或被強制開源，其與微軟的獨家授權協議可能撤銷，Brockman的300億美元股權更可能化為泡影；反之則意味硅谷“野蠻生長”邏輯的全面勝利。

#OpenAI庭審 #零元購股權 #自我交易 #馬斯克訴訟 #AGI軍備競賽

閱讀更多：

https://storage.courtlistener.com/recap/gov.uscourts.cand.433688/gov.uscourts.cand.433688.522.0.pdf

Anthropic聯合創始人預測：2028年AI將實現自我進化，無人類參與

人工智能領域迎來一個大膽的預言。Anthropic聯合創始人Jack Clark近日發文稱，根據對公開AI開發數據的分析，他認為到2028年底，AI系統實現遞歸自我改進（recursive self-improvement，指AI能自主構建并改進自身，形成加速迭代循環）的概率高達60%。這一判斷基于多個關鍵基準測試的顯著進展：在考察解決真實GitHub問題的SWE-Bench上，頂尖模型成功率從2023年底的約2%飆升至93.9%；在衡量AI完成長時任務能力的METR時間跨度測試中，AI可獨立工作的時間從2022年的30秒級躍升至2026年的約12小時級。此外，AI在復現科學論文（CORE-Bench，計算可復現性智能體基準）、解決Kaggle競賽（MLE-Bench，機器學習工程基準）以及底層Kernel優化等AI研發核心任務上均展現出驚人的進步速度。Clark指出，AI已能自動化AI工程中的大片工作，甚至可能管理其他AI形成合成團隊。

這一預言引發激烈討論。支持者視其為邁向超級智能和奇點的關鍵一步，但質疑聲同樣存在。華盛頓大學計算機科學教授Pedro Domingos認為，AI“構建自身”的能力早在上世紀50年代就已存在，關鍵在于能否獲得遞增回報，而目前尚無明確證據。Clark本人也坦承，這一判斷讓他感到不安，因為其影響過于深遠。他強調，若遞歸自我改進成為現實，將帶來巨大挑戰：現有對齊技術可能在更智能的系統中失效；AI將極大提升所有涉足領域的生產力，導致資源分配成為政治難題；并催生資本密集型、人力依賴極低的新經濟形態。Clark將當前處境比作“凝視黑洞”，認為社會尚未準備好迎接AI研發自動化帶來的深層變革。他給出2028年底的概率為60%，而2027年僅為30%，認為突破更可能發生在這一時間窗口。

#遞歸自我改進 #AI研發自動化 #JackClark #智能奇點 #Anthropic

閱讀更多：

https://x.com/jackclarkSF/status/2051312759594471886

美國AI用戶畫像出爐：Claude用戶更富裕但規模小眾，AI市場開始按階層排隊

一份由Epoch AI與Ipsos聯合進行的美國全國性調查揭示了各大AI助手的用戶收入差異。數據顯示，過去一周使用過Claude的美國成年人中，高達79.8%來自年收入10萬美元以上的家庭，遠高于ChatGPT（60.3%）、Google Gemini（55.9%）和Meta AI（36.5%），而美國成年人總體中這一比例約為50%。然而，Claude的周活躍用戶占比僅為3%，遠低于ChatGPT的31%和Gemini的21%。這表明Claude雖然吸引了高收入人群中的“重度使用者”，但絕對覆蓋率依然很小。其產品定位偏向主動訪問、長文本處理、代碼編寫和專業任務，需要用戶明確知道自己為何打開它，這種高門檻天然篩選出了更愿意為效率付費的精英群體。

調查同時勾勒出AI市場的分層圖景。與Claude形成鮮明對比的是Meta AI，其周活用戶中僅36.5%來自高收入家庭，低收入家庭占比達32.1%，更接近大眾市場——這得益于它嵌入WhatsApp、Instagram等社交應用的入口優勢。使用強度上，49%的AI用戶每周使用2-5天，但62%的人每天僅處理一兩個快速任務，真正高度依賴AI的比例只有6%。在有工作的用戶中，僅26%主要將AI用于工作。分析認為，AI行業的下一輪競爭將圍繞高強度用戶展開——他們會把AI接入代碼、合同、研究等核心工作流，模型能力差異會直接轉化為生產力差距。對Anthropic而言，高收入畫像是利好，但3%的周使用率難以支撐大眾平臺敘事；而OpenAI、Meta等則面臨如何將規模優勢轉化為工作流鎖定的挑戰。

#Claude用戶畫像 #AI收入分層 #高強度用戶 #AI市場分層 #Anthropic

閱讀更多：

https://epoch.ai/data-insights/service-by-income

AI 驅動科學

Science：AI大模型在急診診斷中超越人類醫生

如何在信息匱乏且充滿不確定性的急診環境中做出快速準確的醫療決策？Peter G. Brodeur和Adam Rodman團隊（哈佛大學醫學院和貝斯以色列女執事醫療中心）將OpenAI的o1大語言模型引入真實的急診科場景進行實測，結果發現該模型在急診分診和制定治療方案上的準確率顯著超越了人類內科醫生，揭示了醫療決策權力結構重組的新趨勢。

研究團隊從急診科隨機抽取了76名真實患者的電子病歷，在零預處理的嚴苛條件下對比了AI與人類醫生的診斷表現。實驗采取雙盲方式進行。結果顯示，在信息最少且至關重要的急診分診階段，o1模型的診斷準確率達到67.1%，而人類醫生的最高準確率僅為55.3%。在隨后的臨床治療管理方案制定測試中，o1模型以89%的得分遠超人類醫生使用傳統資源時的34%。盲評醫生甚至無法分辨出哪些診斷是AI寫的。盡管數據亮眼，但研究強調急診醫學包含大量非語言信號的判斷，AI目前無法感知患者的痛苦與體征變化。因此，這并非意味機器會取代醫生，而是預示著未來診室將走向基于大模型的臨床輔助與人機協作新范式。研究發表在 Science 上。

#疾病與健康 #大模型技術 #醫學診斷 #人機協作 #急診醫學

閱讀更多：

Brodeur, Peter G., et al. “Performance of a Large Language Model on the Reasoning Tasks of a Physician.” Science, vol. 392, no. 6797, Apr. 2026, pp. 524–27. science.org (Atypon), https://doi.org/10.1126/science.adz4433

Science：利用生成式AI創造出只有19種氨基酸的細胞

地球上所有已知生命均由20種標準氨基酸構成，能否用更少的氨基酸創造生命？哥倫比亞大學（Columbia University）的Liyuan Liu等研究人員利用生成式人工智能，成功剔除大腸桿菌核糖體中的異亮氨酸，創造出僅依賴19種氨基酸運行的細胞，首次證明了生命基礎構成的可塑性。

研究團隊最初嘗試將大腸桿菌必需蛋白中的異亮氨酸（Isoleucine，一種構成生命體的標準氨基酸）簡單替換為結構相似的其他氨基酸，但這導致多數蛋白質徹底喪失功能。為此，研究人員引入了先進的人工智能工具，包括基于序列的語言模型和基于結構的模型，例如AlphaFold2。他們將目標鎖定為細胞的核心機制核糖體。通過迭代的設計構建測試（DBT，Design-Build-Test，一種合成生物學中常用的工程化研發框架）循環，人工智能不僅提出了精準的替代方案，還設計了人類難以憑經驗直觀想到的補償性突變，從而維持了蛋白質的局部結構穩定。結果顯示，團隊成功重構了52種核糖體蛋白，替換了全部382個異亮氨酸，并將21個修改后的無異亮氨酸亞基整合到大腸桿菌基因組中，成功培育出Ec19菌株。該菌株細胞適應性達到野生型的百分之九十以上，在實驗室連續傳代450代后也未出現回復突變，展現出極高的穩定性。這項突破標志著合成生物學從修飾自然邁向了按工程學原理重新編碼生命基礎的新紀元。研究發表在 Science 上。

#AI驅動科學 #大模型技術 #合成生物學 #蛋白質設計 #進化生物學

閱讀更多：

Liu, Liyuan, et al. “Toward Life with a 19–Amino Acid Alphabet through Generative Artificial Intelligence Design.” Science, vol. 392, no. 6797, Apr. 2026, p. eaeb5171. science.org (Atypon), https://doi.org/10.1126/science.aeb5171

神經形態光子設備實現超高速超低能耗的電信信號恢復

傳統電子計算存在高能耗與延遲問題。法國國家科學研究院的Roberto Morandotti與A. Aadhi等開發出一種光學人工智能設備。該研究通過光子代替電子處理數據，成功實現了通信信號的超高速、低能耗精確恢復。

? 實驗裝置圖。Credit: Nature Communications (2025).

該設備基于儲層計算方法。研究團隊構建了基于非線性放大環形鏡的光子計算平臺，結合密集時間編碼與波分復用（wavelength-division multiplexing，一種在單根光纖中同時傳輸多波長光信號的技術），實現了全光架構的并發多任務處理。系統中半導體光放大器在未飽和狀態下運行以調節激活函數，而可變光衰減器則控制系統的記憶衰退，顯著提升了設備應對不同任務的靈活性。實驗表明，該平臺無需更換物理組件即可同時處理多個獨立數據流。系統的吞吐量高達每秒20萬億次操作（20 TOPS），每次操作能耗僅為4.4飛焦耳。在多位延遲奇偶校驗分類測試中，系統準確識別了連續值輸入信號，并在特定參數下達到百分之百的驗證準確率。該成果為構建超高速、可持續的下一代通信網絡奠定了重要技術基礎。研究發表在 Nature Communications 上。

#其他 #計算模型與人工智能模擬 #神經形態光子學 #儲層計算 #通信網絡

閱讀更多：

Aadhi, A., et al. “Scalable Photonic Reservoir Computing for Parallel Machine Learning Tasks.” Nature Communications, vol. 17, no. 1, Dec. 2025, p. 1225. www.nature.com, https://doi.org/10.1038/s41467-025-67983-z

計算機視覺揭示繪畫筆觸奧秘，量化分析藝術家創作風格

如何將藝術家的“手勢”這一難以捉摸的特質進行量化分析？賓夕法尼亞州立大學的James Z. Wang、Lizhen Zhu、Chaewan Chun與英國拉夫堡大學的Kathryn Brown組成的跨學科團隊，開發了一種創新的計算機視覺方法。該方法能將繪畫中隱藏的筆觸結構可視化，為深入理解和比較藝術家的創作風格提供了全新的數據驅動視角。

? 從克勞德·莫奈的《干草堆》系列中提取的流線。Credit: Patterns (2026).

研究團隊運用圖像分析技術，檢測畫作上每個微小區域的筆觸方向，并將這些方向連接成連續的“流線”，仿佛重現了藝術家畫筆在畫布上的運動軌跡。通過測量這些流線的長度、曲率和方向一致性等特征，研究人員成功將繪畫風格轉化為可量化的數據。以莫奈的《干草堆》系列為例，該方法清晰地展示了其筆觸如何隨光影變化來塑造物體的形態和質感。在對比分析中，該模型揭示了雷諾阿和莫奈在描繪同一場景《蛙塘》時截然不同的風格：雷諾阿的筆觸短促、盤旋，流線更彎曲；而莫奈的筆觸則更長、更平直，呈現出更強的結構感。這項技術不僅為藝術史學家提供了強大的分析工具，也讓普通觀眾能更直觀地“看”到藝術家的創作過程。研究發表在 Patterns 上。

#AI驅動科學 #跨學科整合 #計算機視覺 #藝術分析 #印象派

閱讀更多：

Zhu, Lizhen, et al. “Mapping the Flow of Painterly Gesture.” Patterns, vol. 7, no. 3, Mar. 2026. www.cell.com, https://doi.org/10.1016/j.patter.2026.101516

人工智能可根據ChatGPT聊天記錄精準推斷用戶性格

用戶的ChatGPT聊天記錄會暴露其人格特質嗎？蘇黎世聯邦理工學院的Noé Zufferey、Derya C?gendez和Verena Zimmermann團隊進行了一項研究。他們發現，人工智能模型僅通過分析用戶與ChatGPT的對話，就能以驚人的準確率推斷出其“五大人格”（Big Five）特質，這凸顯了大型語言模型應用中嚴峻的隱私風險。

? Credit: C?gendez, Zimmermann, Zufferey.

研究團隊收集了668名用戶的ChatGPT聊天記錄（總計約62,000條對話），并讓他們完成標準的“五大人格”心理測試作為真實數據。隨后，研究人員訓練了一個人工智能模型來分析這些對話文本，以預測用戶的五項核心人格特質：開放性、盡責性、外向性、宜人性和神經質。結果顯示，模型的預測準確率遠超隨機水平，尤其是在推斷外向性和神經質方面表現突出。更有趣的是，特定的對話主題是特定性格的“泄密者”：例如，討論人際關系的內容與外向性的推斷高度相關，而涉及宗教的對話則更容易暴露用戶的盡責性水平。研究明確指出，即便是看似無害的閑聊也可能包含用于性格畫像的線索，且用戶與AI的互動頻率越高，其性格被準確推斷的風險也越大。這項工作警示我們，與AI的日常互動正在以前所未有的方式產生可被利用的個人數據。

#認知科學 #預測模型構建 #大模型技術 #隱私風險

閱讀更多：

C?gendez, Derya, et al. “Can LLMs Infer Conversational Agent Users’ Personality Traits from Chat History?” arXiv:2604.19785, arXiv, 4 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2604.19785

AI安全風險源于合法企業而非黑客

公眾普遍擔憂生成式AI會顛覆網絡犯罪生態，但現實究竟如何？Jack Hughes、Ben Collier、Daniel R. Thomas等（愛丁堡大學、劍橋大學、斯特拉斯克萊德大學）研究團隊，通過分析超一億條暗網論壇帖子發現，AI目前并未從根本上改變網絡犯罪，其影響被過分夸大，現實更接近于一種緩慢的演變而非革命。

研究團隊分析了涵蓋超過15年、帖子數量過億的CrimeBB數據庫，重點關注自2022年11月ChatGPT發布以來的相關討論。結果顯示，AI工具并未顯著降低網絡犯罪的入門門檻。對于新手而言，使用預制腳本的效率遠高于利用AI從零開始。AI編碼助手等工具更多是為本已具備技能的犯罪分子提供了便利，其作用類似于升級版的代碼搜索引擎，而非顛覆性的創新工具。AI的實際應用主要集中在一些本已高度自動化的低利潤領域，如運營用于欺詐或騷擾的社交媒體機器人。研究還發現，主流聊天機器人的安全護欄（guardrails，指為防止模型產生有害輸出而設置的限制）在很大程度上是有效的。諷刺的是，許多犯罪分子甚至在論壇上表達了對自己合法IT工作被AI取代的擔憂。該研究最終警告，當前最緊迫的AI安全風險，并非來自犯罪分子開發出強大的AI武器，而是源于合法企業和公眾采用了安全性不足的自主AI系統，這為犯罪分子利用低技術手段發動災難性攻擊敞開了大門。

#其他 #人工智能 #網絡犯罪 #生成式AI

閱讀更多：

Hughes, Jack, et al. “Stand-Alone Complex or Vibercrime? Exploring the Adoption and Innovation of GenAI Tools, Coding Assistants, and Agents within Cybercrime Ecosystems.” arXiv:2603.29545, arXiv, 31 Mar. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2603.29545

閉環腦機接口：神經與精神疾病治療的新范式

針對神經與精神疾病治療中普遍存在的動態調整不足問題，來自華中科技大學同濟醫學院附屬同濟醫院的Yeguang Xu、Danyang Chen及多學科團隊發表了一篇綜述，系統闡述了腦機接口（BCI）如何通過“讀取”腦信號并“寫入”按需刺激，引領神經治療進入精準、個性化的閉環時代。

該綜述系統梳理了腦機接口在神經治療領域的范式轉變。文章以卒中后運動康復為主線，詳細論述了多種前沿技術如何構成“信號讀取-按需干預”的閉環。例如，創傷更小的血管內腦機接口（endovascular BCI）可捕捉運動意圖，并觸發硬膜外脊髓刺激，從而放大微弱的下行指令，促進功能恢復。這一閉環理念被成功遷移至其他疾病：在帕金森病中，系統可根據病理性β頻段振蕩的強度，動態調整腦深部電刺激；在癲癇治療中，響應性神經刺激能在捕捉到發作前兆時精準干預，顯著降低發作頻率；在抑郁癥治療中，研究人員甚至找到了與情緒相關的個體化生物標志物，實現了每日僅需短時刺激即可達到臨床緩解。該綜述的核心論點是，未來神經治療的突破點不在于更強的刺激，而在于基于實時腦狀態的精準、按需調控。研究發表在 MedComm 上。

#疾病與健康 #神經調控 #腦機接口 #閉環治療

閱讀更多：

Xu, Yeguang, et al. “Emerging Neural Recording and Neurostimulation Technologies Based on Brain–Computer Interface: A Promising Approach for Neuropsychiatric Disorders.” MedComm, vol. 7, no. 4, 2026, p. e70739. Wiley Online Library, https://doi.org/10.1002/mco2.70739

現有圖像保護技術在通用AI模型面前不堪一擊

為防止數字圖像被濫用于AI訓練或深度偽造，許多保護技術應運而生，但其可靠性正面臨嚴峻挑戰。弗吉尼亞理工大學的Bimal Viswanath及其合作團隊發現，現成的生成式AI模型僅需一句簡單的指令，就能輕松破解這些復雜的保護措施，揭示了當前網絡安全領域的一個關鍵盲點。

? 底行圖像由 StyleGANv2 生成，并以對應頂行圖像作為輸入。與基線模型相比，SD3 能更好地恢復原始人臉特征。Credit: arXiv (2026).

研究人員顛覆了傳統上需要專門工具才能攻擊圖像保護的觀念。他們的方法極其簡單：利用市面上常見的圖像到圖像生成式AI模型，輸入一張受保護的圖片，并附上一條如“為這張圖片降噪”的文本指令。實驗結果表明，這種通用方法能有效去除多種類型的保護性擾動（protective perturbations，即為保護圖像而添加的微小、人眼難辨的噪聲），涵蓋了從防止面部篡改到抵御藝術風格模仿的六種不同防御方案。更令人擔憂的是，這種“降噪”攻擊不僅通用，其效果甚至優于此前針對特定保護方案開發的專門攻擊方法，同時還能完好地保留圖像的原始內容和風格，對攻擊者而言幾乎沒有損失。這項發現證明，當前許多圖像保護技術所提供的可能是一種虛假的安全感，網絡安全社區迫切需要重新評估并開發能抵御通用AI模型攻擊的下一代防御策略。

#大模型技術 #計算模型與人工智能模擬 #圖像保護 #生成式AI #網絡安全

閱讀更多：

Pleimling, Xavier, et al. “Off-The-Shelf Image-to-Image Models Are All You Need To Defeat Image Protection Schemes.” arXiv:2602.22197, arXiv, 25 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.22197

AI讀腦新突破：科學家首次高精度解碼睡眠中的記憶內容

我們睡著時大腦是否在“復習”白天的知識，又是如何復習的？北京師范大學的Zhongtao Chen、Yunzhe Liu及其團隊開發了一套名為“Sleep Interpreter”的解碼系統。該系統利用人工智能，通過對齊清醒與睡眠狀態下的腦電波，首次實現了在睡眠中高精度地“讀出”大腦正在重放的特定記憶內容，為理解睡眠中的記憶鞏固機制開辟了新途徑。

研究團隊首先建立了涵蓋135名被試的大規模腦電圖數據集。在此基礎上，他們開發了Sleep Interpreter模型，其核心是一種神經對比學習（neural contrastive learning）算法。該算法能夠忽略睡眠時強烈的慢波等背景節律干擾，專注于識別與特定記憶內容（如“羊”或“書本”）相關的共同神經模式，從而打通清醒與睡眠兩大“域”之間的信號壁壘。在針對15類不同語義內容的解碼任務中，該模型在從未見過的新被試數據上實現了22.82%的零樣本解碼準確率，遠超6.7%的隨機水平。研究還發現了解碼的“黃金窗口”：當記憶重放發生在慢振蕩（slow oscillation）的上升期并與睡眠紡錘波（sleep spindles，一種與學習相關的腦電波）耦合時，解碼準確率峰值可飆升至40.02%。更重要的是，模型解碼出的重放強度能有效預測被試醒來后的記憶表現，并在無聲音提示的自發重放場景中同樣有效。研究發表在 Neuron 上。

#神經科學 #大腦信號解析 #記憶機制 #睡眠 #對比學習

閱讀更多：

Chen, Zhongtao, et al. “Interpreting Human Sleep Activity through Neural Contrastive Learning.” Neuron, Apr. 2026. ScienceDirect, https://doi.org/10.1016/j.neuron.2026.03.028

普通膠帶竟是可編程的機械存儲器

材料如何記憶其歷史？除了常見的需要交替方向輸入的“回退點記憶”，賓夕法尼亞州立大學的Nathan Keim和Sebanti Chattopadhyay等研究人員發現，普通的壓敏膠帶擁有一種更特殊的記憶能力，僅通過單向的剝離動作，就能存儲、調控甚至擦除一系列復雜的記憶。

? 研究團隊研制了一種自動化裝置，可以將膠帶剝離到指定距離，再將其放回原位，并測量剝離膠帶所需的力。Credit: Jaydyn Isiminger / Penn State,

研究團隊通過一個自動化裝置，將膠帶從一個表面反復剝離至不同距離。他們發現，每次剝離的停止點都會因壓力增加而形成一條強力粘合線，這條線就像一個被寫入的“記憶”。通過將膠帶剝離至越來越短的距離，就可以依次寫入多個記憶。當最終將膠帶完全剝離時，每經過一條記憶線，所需的剝離力都會出現一個明顯的峰值，從而實現對信息的讀取。有趣的是，記憶的寫入順序至關重要，只有按從長到短的剝離距離寫入，所有記憶才能被保留。此外，這種記憶是可調的：在停止點暫停一段時間或更換更具粘性的表面，可以顯著增強記憶的強度，使其更難被擦除。由于最后寫入的記憶總是最先被讀出，這一特性使膠帶能夠執行一種簡單的機械計算，即比較當前輸入與前一個輸入的大小，這類似于神經科學中的工作記憶測試。研究發表在 New Journal of Physics 上。

#其他 #材料科學 #物理學 #機械記憶

閱讀更多：

Chattopadhyay, Sebanti, et al. “The Mechanical Latching Memory of an Adhesive Tape.” New Journal of Physics, vol. 28, no. 3, Mar. 2026, p. 035001. Institute of Physics, https://doi.org/10.1088/1367-2630/ae4acc

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。

研究院在華山醫院、上海市精神衛生中心分別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陳天橋雒芊芊神經科學研究院。

研究院還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。