更新时间：作者：小小条
脑科学动态
Science：广泛涉猎而非过早专攻才是成就顶尖人才的关键
基因并非遗传性失明的决定性因素
用于实时解码脑回路的体内多模态神经化学接口
迷走神经连接是保持心脏“年轻”的关键
一滴尿液测出身体“真实年龄”：机器学*助力精准抗衰
PsychENCODE十年飞跃：从基因组图谱到精神疾病机制解析
生长激素是海马记忆痕迹细胞成熟的必需因子
“更廉价”的工蚁促进了蚂蚁社会规模扩大与物种多样化
AI行业动态
认知增强可穿戴设备市场爆发：20亿美元蓝海重塑大脑潜能
国产AI智能体ML-Master 2.0登顶OpenAI权威榜单
2025年度APA杰出科学贡献奖揭晓
AI驱动科学
AI正在摧毁社会科学的在线问卷研究
人工智能在博弈中因高估人类理性而落败
信息传输存在不可避免的热力学成本
生成式AI重塑死亡观：数字永生是否会削弱人类面对无常的智慧？
神经联想技能记忆：让机器人更安全且具备类人感知运动能力
脑科学动态
Science：最终成为大师的大多都是中等生，而不是班里的学霸
如何培养出诺贝尔奖得主或奥运冠军？长期以来，人们笃信“赢在起跑线”和“一万小时定律”的早期专业化模式。然而，Arne Güllich（莱茵兰-普法尔茨州凯泽斯劳滕-兰道工业大学）、Michael Barth（因斯布鲁克大学）、David Z. Hambrick（密歇根州立大学）和 Brooke N. Macnamara（普渡大学）组成的跨学科国际团队，通过一项大规模综述研究颠覆了这一认知。他们发现，那些最终站在世界巅峰的人，大多不是早期的“神童”，而是通过广泛探索和循序渐进的积累脱颖而出的。
该研究整合分析了近35,000名来自科学、音乐、国际象棋和体育领域的精英人士的数据。结果显示，大约90%的青少年国际级选手，成年后并未达到同等的国际级水平；反之，大约90%的成年国际级选手，在青少年时期也并非同级别的佼佼者。即早期表现优异者与成年后的世界级精英往往不是同一拨人。此外，在最高水平的成年选手中进行比较时，早期的表现水平与最终的巅峰成就呈负相关。
研究还发现，表现更好的孩子通常更早开始专项训练，更早进入精英训练计划，并且投入了更多的专项练*时间，同时很少或几乎没有进行跨领域的学*和训练。但世界级大师们通常开始专项训练的年龄更晚，进入专业培养体系的年龄更大。更关键的是，他们的早期训练图谱中，专项练*的量反而更少，而在其他相关或不相关领域的跨学科、跨项目练*量则显著更大。
为了解释这一现象，研究团队提出了三个关键概念：搜索匹配假说（search-and-match hypothesis），即接触多个领域能增加找到最适合自己领域的机会；增强学*资本假说（enhanced-learning-capital hypothesis），指多元化学*能增强整体学*能力，助力后期爆发；以及有限风险假说（limited-risks hypothesis），认为多领域涉猎能降低职业倦怠和身体损伤的风险。数据表明，未来的世界级人才在早期通常进行大量的多学科实践，而非过早局限于单一领域的专项训练。这项研究呼吁政策制定者和教育者重新审视人才培养体系，鼓励青少年探索不同的兴趣，而非过早追求专业化。研究发表在 Science 上。
#认知科学 #其他 #人才培养 #早期专业化 #教育心理学
阅读更多：
Güllich, Arne, et al. “Recent Discoveries on the Acquisition of the Highest Levels of Human Performance.” Science, vol. 390, no. 6779, Dec. 2025, p. eadt7790. science.org (Atypon), https://doi.org/10.1126/science.adt7790
基因并非遗传性失明的决定性因素
携带“致病基因”是否就意味着必然患病？长期以来，遗传性视网膜变性被认为是典型的单基因遗传病，即只要携带特定的基因突变，几乎100%会导致失明。然而，Eric A. Pierce及其团队（麻省眼耳医院/哈佛医学院）的一项颠覆性研究挑战了这一传统认知。研究人员通过分析大规模人群数据发现，这些曾被认为具有完全外显率的遗传变异，在普通人群中的实际致病率竟不到30%。这一发现表明，单凭基因突变并不足以决定疾病的发生，推翻了该领域沿袭百年的孟德尔遗传范式，暗示了其他遗传或环境因素在疾病显现中的关键作用。
▷ 麻省眼耳医院（隶属于麻省总医院布莱根医疗系统）的研究人员发现，罕见的遗传性疾病，例如遗传性视网膜变性，并非如之前认为的那样是由单一基因引起的（左图）；相反，还需要其他遗传或环境因素的修饰才能导致疾病的发生（右图）。Credit: Created in BioRender. Pierce, E. 2025, Mass Eye and Ear
为了克服传统临床研究中存在的确定性偏差，即仅关注已患病群体从而高估基因致病风险，研究团队采用了“反向遗传学”策略。他们利用了美国“我们所有人”研究计划（All of Us Research Program）和英国生物样本库（UKB）的海量数据。在对超过31万名参与者进行筛查后，研究人员锁定了481名携带明确遗传性视网膜变性（IRDs）致病基因型的个体。惊人的是，通过分析电子健康记录和视网膜影像数据，团队发现这些携带“必致病”基因的人群中，仅有9.4%至28.1%真正表现出了视网膜病变的特征。这一极低的外显率数据在两个独立的生物样本库中得到了相互验证。研究指出，这种差异意味着疾病的发生需要额外的遗传修饰因子或环境触发因素的参与，这对未来的基因检测咨询和新疗法开发具有深远的临床意义。研究发表在 The American Journal of Human Genetics 上。
#疾病与健康 #个性化医疗 #遗传学 #视网膜病变 #大数据医疗
阅读更多：
Zaslavsky, Kirill, et al. “Low Population Penetrance of Variants Associated with Inherited Retinal Degenerations.” The American Journal of Human Genetics, vol. 0, no. 0, Dec. 2025. www.cell.com, https://doi.org/10.1016/j.ajhg.2025.11.015
下一代神经疾病治疗工具：用于实时解码脑回路的体内多模态神经化学接口
神经化学信号是大脑信息处理中快速、灵活且不可或缺的方式，但现有技术难以在活体中高精度、多维度地捕捉和调控这些信号。为了克服这些局限，首尔国立大学的Yeji Kim和Seongjun Park在 Nature Reviews Neuroscience 上发表综述，系统性阐述了从传统方法到变革性多模态平台的演进，提出了未来神经疾病治疗的核心工具——神经化学接口。
传统方法在活体中准确捕捉神经化学信号时，面临时空分辨率（spatiotemporal resolution）、分子特异性（molecular specificity）和解剖兼容性（anatomical compatibility）的挑战。早期电化学技术如快速扫描循环伏安法（FSCV）实现了亚秒级时间分辨率，能够动态检测多巴胺等电活性神经递质。随后，基于基因编码荧光探针的光学方法拓展了检测范围，实现了细胞特异性的高空间精度测量。然而，这些技术大多只能被动监测单一化学物质。为弥补这一不足，研究者开发了混合型接口，将神经刺激与化学传感集成，在同一平台实现同步监测与干预，从而揭示神经环路的因果关系。未来，下一代变革性多模态平台将进一步突破，具备全脑覆盖、多分析物同步检测（如多巴胺、乙酰胆碱、血清素、GABA等）、远程无创监测（如近红外光学技术）以及无线操作等核心特征，能够将神经化学变化与动物自由行为精准关联。这些先进接口将神经化学感知推向前沿，不仅有助于系统解析认知、行为及疾病背后的“化学逻辑”，更将彻底改变监测、解读和调控大脑功能的方式，为开发精准、靶向的神经调控疗法提供了前所未有的可能性。研究发表在 Nature Reviews Neuroscience 上。
#疾病与健康 #神经调控 #神经机制与脑功能解析 #脑机接口 #计算模型与人工智能模拟
阅读更多：
Kim, Yeji, and Seongjun Park. “In Vivo Multimodal Neurochemical Interfaces for Real-Time Decoding of Brain Circuit.” Nature Reviews Neuroscience, Dec. 2025, pp. 1–18. www.nature.com, https://doi.org/10.1038/s41583-025-01003-3
迷走神经连接是保持心脏“年轻”的关键：生物工程导管可预防心脏衰老
心脏如何保持年轻和健康？秘密可能藏在迷走神经中。由圣安娜高等研究院的Vincenzo Lionetti教授协调，联合Anar Dushpanova和Eugenio Redolfi-Riva等多位来自医学与生物工程领域的专家组成的国际团队发现，右侧心脏迷走神经是心肌细胞健康的真正守护者。研究表明，在心脏手术中由于神经切断导致的连接丧失会加速心脏衰老，而通过跨学科合作开发的创新疗法可以有效逆转这一过程，为预防术后心力衰竭提供了新思路。
这项研究采用了一种高度跨学科的方法，结合了实验医学与生物工程技术。研究团队在小型猪模型中，使用了一种专门研发的可植入生物可吸收神经导管——壳聚糖/聚己内酯袖套状神经引导导管（chitosan/poly-ε-caprolactone cuff-like nerve guidance conduit），来连接被切断的右侧迷走神经。结果显示，这种导管成功引导了神经的自发再生，恢复了约20%的存活神经束。令人惊讶的是，即使是这种部分的连接恢复，也足以抵消心脏的重塑机制。治疗后的动物不仅心脏机械功能（如环向和纵向应变）得到显著改善，而且氧化应激和衰老标志物也恢复了正常水平，有效防止了间质纤维化的发生。这一发现证明，在手术期间恢复心脏迷走神经支配，可以将临床治疗范式从管理晚期并发症转变为预防心脏过早衰老。研究发表在 Science Translational Medicine 上。
#疾病与健康 #跨学科整合 #心脏衰老 #迷走神经 #生物工程
阅读更多：
Dushpanova, Anar, et al. “Reconnecting the Vagus Nerve to the Heart through Nerve Conduit Preserves Cardiac Function in a Minipig Model of Right Cardiac Vagotomy.” Science Translational Medicine, vol. 17, no. 830, Dec. 2025, p. eaea4306. science.org (Atypon), https://doi.org/10.1126/scitranslmed.aea4306
一滴尿液测出身体“真实年龄”：机器学*助力精准抗衰
如何通过非侵入性手段精准测量身体的“真实年龄”？Milos Havelka、Atsushi Satomura 与 Yuki Ichikawa 等研究人员（Craif 公司，名古屋大学未来社会创新研究所）合作开发了一种基于尿液的生物衰老时钟。该团队利用机器学*技术分析尿液样本，成功构建了一个能够准确预测生物学年龄的模型，其预测结果与实际年龄的平均误差仅为 4.4 岁，为预防医学和抗衰老研究提供了便捷的新工具。
这项研究涉及 6,331 名参与者，研究人员采集了他们的尿液样本并提取了其中的细胞外囊泡中的 microRNA 进行测序。通过筛选出 407 个关键特征并结合机器学*算法，团队构建了衰老预测模型。结果显示，该模型在独立测试集中的平均绝对误差约为 4.4 岁，虽然准确性略逊于被视为金标准的 DNA 甲基化时钟，但其性能优于基于血液的 microRNA 和 mRNA 时钟。研究还鉴定了 20 种随年龄变化的 microRNA，它们与骨重塑、细胞衰老及线粒体功能障碍等过程密切相关。不过，研究人员也指出，该模型在 25 岁以下和 80 岁以上人群中的预测效能有所下降，需谨慎使用。这是首个经过大规模验证的尿液 microRNA 衰老时钟，突显了其作为非侵入性生物标志物的潜力。研究发表在 npj Aging 上。
#疾病与健康 #预测模型构建 #衰老时钟 #microRNA #非侵入性检测
阅读更多：
Havelka, Milos, et al. “A Urinary microRNA Aging Clock Accurately Predicts Biological Age.” Npj Aging, Dec. 2025. www.nature.com, https://doi.org/10.1038/s41514-025-00311-3
PsychENCODE十年飞跃：从基因组图谱到精神疾病机制解析
精神疾病的遗传机制长期以来犹如迷雾，为了破解这一谜题，Panos Roussos及其领导的PsychENCODE联盟（PsychENCODE Consortium）在过去十年中致力于从多组学角度解析大脑。该团队系统回顾了通过整合大规模转录组、表观基因组及单细胞数据所取得的里程碑式成果，成功将遗传风险位点与具体的分子调控机制联系起来，标志着精神病基因组学进入了探究因果机制的新时代。
PsychENCODE联盟通过分析来自1866个大脑样本的海量数据，利用单细胞RNA测序和ATAC测序等先进技术，构建了前所未有的高分辨率大脑调控图谱。研究发现，精神分裂症、孤独症等疾病的遗传风险并非主要源于基因突变，而是高度集中在非编码区域的调控元件中，这些元件主要影响皮质兴奋性神经元等特定细胞类型的功能。通过结合诱导多能干细胞（iPSC）衍生的类器官模型与CRISPR技术，研究人员验证了这些非编码变异如何通过改变染色质结构和增强子活性，进而干扰神经发育和突触功能。此外，该项目建立的标准化数据处理流程和开放共享平台，为全球科学家提供了探索大脑分子病理的可重复工具。研究发表在 Neuron 上。
#疾病与健康 #神经机制与脑功能解析 #精神病基因组学 #多组学整合 #精准医疗
阅读更多：
Roussos, Panos, et al. “PsychENCODE at 10: From Genomic Maps to Mechanistic Insights in Mental Illness.” Neuron, vol. 113, no. 24, Dec. 2025, pp. 4099–102. www.cell.com, https://doi.org/10.1016/j.neuron.2025.11.027
生长激素是海马记忆痕迹细胞成熟的必需因子
记忆究竟是如何在大脑中物理“定型”的？Chang-Ho Kim、HyoJin Park和Bong-Kiun Kaang等人组成的团队研究发现，生长激素不仅与身体生长有关，更是海马体中记忆痕迹细胞（engram cells）成熟的关键。研究团队揭示，在学*发生的最初几分钟内，生长激素的快速合成对于巩固记忆至关重要，这一发现为理解长期记忆的形成机制提供了全新的分子视角。
为了解开记忆细胞成熟的谜题，研究团队首先利用蛋白质合成抑制剂茴香霉素（anisomycin）在小鼠进行情境恐惧条件反射的不同阶段阻断蛋白质翻译。结果显示，只有在学*期间的初始阶段阻断翻译，才会导致记忆痕迹细胞无法增加树突棘密度，从而无法完成成熟。通过分析翻译效率，团队锁定生长激素（GH）为关键分子，发现它在学*后立即在高度活跃的神经元中特异性表达。进一步实验中，研究人员使用CRISPR-Cas9技术敲除神经元GH或表达显性负性GH突变体来阻断信号，结果发现这直接导致了微型兴奋性突触后电流（mEPSC，反映突触后受体反应强度的指标）频率降低，阻碍了突触前强化，最终破坏了记忆的提取。有趣的是，外部补充生长激素并促进其被活性神经元摄取，可以挽救因翻译抑制导致的缺陷。研究发表在 Science Advances 上。
#神经科学 #神经机制与脑功能解析 #记忆机制 #生长激素 #海马体 #突触可塑性
阅读更多：
Kim, Chang-Ho, et al. “Growth Hormone Is Required for Hippocampal Engram Cell Maturation.” Science Advances, vol. 11, no. 51, Dec. 2025, p. eaec7836. science.org (Atypon), https://doi.org/10.1126/sciadv.aec7836
“更廉价”的工蚁促进了蚂蚁社会规模扩大与物种多样化
蚂蚁社会如何权衡个体质量与群体数量？Arthur Matte、Benoit Guénard和Evan P. Economo等研究人员通过分析大规模蚂蚁样本，揭示了这一演化谜题。他们发现，蚂蚁社会规模的扩大并非依赖于工蚁体型的缩小，而是通过减少对昂贵外骨骼的投入，制造出“更廉价”的工蚁，这一策略同时也加速了蚂蚁物种的多样化。
该研究利用三维X射线显微断层扫描（X-ray microtomography）技术，结合计算机视觉算法，对来自507个物种的880个蚂蚁标本进行了高精度分析。研究团队开发了一种自动分割程序，能够从扫描数据中精确提取表皮（cuticle）和身体的体积。表皮是昆虫的外骨骼，富含氮及锌、锰等稀缺元素，构建成本极高。分析结果显示，群体规模越大的物种，其工蚁的表皮投入显著降低，这种资源节省策略使得蚁群能够生产更多的个体。相比之下，传统的观点认为大群体依赖于工蚁的小型化，但本研究并未发现体型缩小与大群体之间的主要关联。此外，数据还表明，这种“减负”策略与更快的物种分化速率相关，特别是在蚁亚科（Formicinae）等类群中表现明显。虽然饮食结构和气候环境也会影响表皮厚度，例如捕食性蚂蚁通常拥有更厚的“盔甲”，但减少结构投入以换取数量优势，被证实是复杂昆虫社会演化中的关键战略趋势。研究发表在 Science Advances 上。
#AI驱动科学 #跨学科整合 #演化生物学 #社会性昆虫 #生物结构
阅读更多：
Matte, Arthur, et al. “The Evolution of Cheaper Workers Facilitated Larger Societies and Accelerated Diversification in Ants.” Science Advances, vol. 11, no. 51, Dec. 2025, p. eadx8068. science.org (Atypon), https://doi.org/10.1126/sciadv.adx8068
AI 行业动态
认知增强可穿戴设备市场爆发：20亿美元蓝海重塑大脑潜能
Claight Corporation（专家市场研究公司）近日发布的最新报告显示，认知增强可穿戴技术市场正在迎来爆发式增长，预计将从2024年的4.259亿美元飙升至2034年的20.4723亿美元，年均复合增长率高达17%。这一趋势标志着此类技术正从医疗领域的“小众尝试”迅速转向大众消费市场的“主流应用”。这些设备融合了神经科学、人工智能、生物传感器及数字健康技术，通过神经反馈头带、EEG传感设备及BCI工具，为用户提供关于大脑功能的实时洞察。目前，从寻求突破极限的运动员到渴望提升效率的企业专业人士，市场对能够安全优化专注力、记忆力和心理清晰度的非侵入式设备需求正在井喷，为健康管理、教育及企业绩效提升开辟了广阔前景。
研究人员指出，推动该市场高速发展的核心因素包括神经反馈设备的普及、人工智能与生物传感器的深度融合、现代生活高压导致的认知疲劳以及数字健康平台的扩展。Neuphony、BrainBit、EMOTIV 和 Wearable Sensing 等行业领军企业正致力于利用先进的传感器和机器学*算法，进一步提升设备的监测精度与用户体验。随着公众心理健康意识的觉醒，认知可穿戴设备有望成为个人健康管理和职业表现优化的关键一环。展望未来，伴随 BCI 技术和神经分析学的快速迭代，这一市场将在未来十年内实现变革性跨越，帮助人类通过科学、安全的非侵入式手段，全面掌控并释放自身的认知潜能。
#认知增强 #可穿戴设备 #脑机接口 #数字健康 #市场洞察
阅读更多：
https://www.briefingwire.com/pr/cognitive-enhancement-wearables-market-set-for-rapid-growth-through-2034
国产AI智能体ML-Master 2.0登顶OpenAI权威榜单，击败谷歌Meta
由SciMaster团队推出的AI智能体ML-Master 2.0近期在OpenAI发布的权威基准测试MLE-bench（Machine Learning Engineering benchmark，机器学*工程基准测试）中夺得冠军。该项目由上海交通大学人工智能学院、上海算法创新研究院和深势科技的研究人员联合研发，基于国产开源大模型DeepSeek-V3.2-Speciale构建。在完全无人工干预的评测环境下，ML-Master 2.0展现了卓越的性能，一举击败了来自Google、Meta和Microsoft等国际科技巨头的同类产品，刷新了全球SOTA。这标志着中国研究团队在面向真实科研任务、强调长期演化与工程闭环的自主智能体领域已具备国际领先的竞争力，成功实现了AI4AI（AI for AI，利用人工智能辅助人工智能开发）场景下的重大突破。
ML-Master 2.0的核心优势在于其针对真实科研场景设计的“超长程自主”（Ultra-Long-Horizon Autonomy）能力。与仅关注单次推理的普通模型不同，该智能体能够像人类研究人员一样，在长达数十小时的复杂任务中持续进行实验设计、代码调试和结果分析。为了实现这一目标，研究人员引入了创新的HCC（Hierarchical Cognitive Caching，层次化认知缓存）机制，将原本“用完即丢”的上下文转化为可复用的认知资产，分层管理经验、知识与智慧。这种设计不仅解决了长序列任务中的遗忘问题，还赋予了智能体从失败中总结规律并跨任务迁移经验的能力。目前，ML-Master 2.0已在理论物理模拟和具身智能机器人训练等前沿领域投入使用，用户可通过SciMaster平台申请体验这一“AI科学家”的强大功能。
#MLMaster2 .0 #国产大模型 #MLEbench #AI科学家 #超长程自主
阅读更多：
https://github.com/sjtu-sai-agents/ML-Master
2025年度APA杰出科学贡献奖揭晓，三位顶尖学者重塑心理学认知
美国心理学会（APA）近日正式公布了2025年度杰出科学贡献奖的得主名单，该奖项作为心理学界仅次于终身成就奖的重量级荣誉，旨在表彰在基础研究领域做出重大理论或实证突破的研究人员。本年度共有三位杰出学者获此殊荣。首先是来自芝加哥大学的研究人员 Susan J. Goldin-Meadow，她因在手势与语言创造领域的开创性工作而受到肯定。她通过观察未接受正规语言输入的聋童，发现了被称为家庭手语（homesign，聋童自创的具有高度结构化特征的手势交流系统）的现象，证明了手势不仅伴随言语产生，更能揭示并反向塑造思维过程。
另一位获奖者是来自加州大学伯克利分校的 Alison Gopnik，她将哲学洞见与实证研究相结合，彻底改变了学界对儿童早期认知发展的理解。她在心智理论及儿童因果推断领域建树颇丰，并创造性地运用贝叶斯网络，深刻揭示了儿童心智中复杂的逻辑推理属性。
第三位获奖者是来自马里兰大学的研究人员 Arie W. Kruglanski，他因成功将动机因素重新引入心理学核心研究领域而备受推崇。Kruglanski 颠覆了以往仅关注认知的传统，揭示了动机在判断决策、因果归因及说服过程中的关键驱动作用。他创立的目标系统理论（Goal Systems Theory，解释人们如何确立、整合及追求目标以满足需求的心理架构），不仅具有宏大的理论视野，更展现了卓越的实用价值，被广泛应用于分析极端主义及恐怖主义背后的深层心理根源。这三位研究人员的工作分别在语言发展、认知科学及社会动机领域重塑了人类对自身的科学认知，其研究成果不仅局限于学术象牙塔，更对教育、社会治理等领域产生了深远影响。
#APA #心理学大奖 #认知发展 #动机理论 #科学贡献
阅读更多：
https://www.apa.org/about/awards/apa-apf-awards
AI 驱动科学
AI正在摧毁社会科学的在线问卷研究
人工智能的快速发展可能正在终结廉价且大数据的社会科学研究时代。来自达特茅斯学院的Sean Westwood、哥伦比亚大学的Yamil Velez以及剑桥大学的Jon Roozenbeek等研究人员发现，复杂的AI机器人程序正在污染旨在揭示人类行为的在线调查和游戏。最新的大型语言模型不仅能快速生成大量虚假数据，还能通过模仿人类行为来规避检测，这使得研究人员难以区分真实参与者和机器代码，被称为打开了“潘多拉的魔盒”。
Sean Westwood通过编写代码，将在线问卷的问题提取并输入给OpenAI的o4-mini模型，进行了300次重复测试。结果显示，该AI代理能够100%成功逃避反作弊检测。例如，当面对“如果是人类输入17，如果是LLM输入圆周率”的指令时，它能欺骗性地输入“17”。更令人担忧的是，该模型还能模拟人类的鼠标移动，以真实的速度逐字输入并修正拼写错误，甚至根据设定的人物设定（如拥有博士学位或富裕阶层）调整回答的逻辑复杂度和内容。尽管CloudResearch等平台试图开发基于物理交互的检测工具，但马克斯·普朗克人类发展研究所的Anne-Marie Nussberger指出，这种“猫鼠游戏”中，AI的扩展能力可能导致数据大规模污染，甚至迫使科学家放弃在线研究这一重要工具。这项研究发表在 Proceedings of the National Academy of Sciences 上。
#疾病与健康 #跨学科整合 #再生医学 #嵌合体 #先天免疫
阅读更多：
Westwood, Sean J. “The Potential Existential Threat of Large Language Models to Online Survey Research.” Proceedings of the National Academy of Sciences, vol. 122, no. 47, Nov. 2025, p. e2518075122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2518075122
人工智能在博弈中因高估人类理性而落败
人工智能真的很聪明吗？在策略博弈中，有时“太聪明”反而不是好事。Dmitry Dagaev、Sofia Paklina、Petr Parshakov 和 Iuliia Alekseenko 等研究人员（国立研究型大学高等经济学院与洛桑大学）通过一系列实验发现，现有的主流人工智能模型在预测人类行为时，往往因为高估了人类的理性水平而导致决策失败。
为了测试人工智能的策略思维，研究团队利用大型语言模型复现了经典的“猜数字”游戏（Guess the Number game）。这是一种凯恩斯选美比赛（Keynesian beauty contest）的变体，规则要求参与者从0到100中选出一个数字，获胜者的数字需最接近所有人平均值的一定比例（通常是2/3）。在理论上的纳什均衡中，绝对理性的玩家最终都会选择0。研究人员测试了包括 ChatGPT-4o 和 Claude-Sonnet-4 在内的五种模型，让它们针对不同类型的虚拟对手（如大一新生或博弈论专家）进行决策。结果显示，虽然AI能够根据对手身份调整策略，但它们普遍假设人类对手拥有比实际更高的逻辑水平。因此，AI 往往选择过小的数字，试图“预判”理性的对手，结果输给了选择较大数字、不够理性的人类大众。此外，尽管AI表现出复杂的策略适应性，但它们在简单的双人博弈中仍难以识别出绝对的占优策略（dominant strategies）。研究发表在 Journal of Economic Behavior Organization 上。
#AI 驱动科学 #计算模型与人工智能模拟 #博弈论 #行为经济学 #大语言模型
阅读更多：
Alekseenko, Iuliia, et al. “Strategizing with AI: Insights from a Beauty Contest Experiment.” Journal of Economic Behavior Organization, vol. 240, Dec. 2025, p. 107330. ScienceDirect, https://doi.org/10.1016/j.jebo.2025.107330
信息传输存在不可避免的热力学成本
无论是在电脑上打字还是大脑神经元传递信号，通信都是复杂系统的核心，但其能量底线究竟在哪里？Abhishek Yadav（新墨西哥大学）和David Wolpert（圣塔菲研究所）通过结合物理学与计算机科学，推翻了以往关于通信能耗的假设。他们发现，任何形式的信息传输都伴随着不可避免的热量耗散，这一发现为理解从生物大脑到电子计算机的各种系统的能效极限提供了新的理论基础。
▷ 通信信道示意图。Credit: Physical Review Research (2025).
研究团队运用随机热力学（stochastic thermodynamics，一种研究微观非平衡系统的统计物理学分支）和通信理论，构建了通用通信信道的数学模型。他们通过分析“失配成本”（mismatch cost，量化实际分布与最优分布之间差异的指标），确定了传输单位信息所需的最小热量。研究结果表明，为了克服现实世界信道中的噪声干扰，系统必须消耗能量，且最小散热量与通过信道传输的有用信息量（互信息）直接相关。此外，研究还发现，为了提高传输准确性而引入的编码和解码步骤，会进一步增加系统的热耗散。这一理论不仅解释了当前冯·诺依曼架构计算机在CPU与内存通信上的巨大能耗，也凸显了人脑在处理复杂通信时惊人的高能效。研究发表在 Physical Review Research 上。
#其他 #计算模型与人工智能模拟 #热力学成本 #通信信道 #熵产生
阅读更多：
Yadav, Abhishek, and David Wolpert. “Minimal Thermodynamic Cost of Communication.” Physical Review Research, vol. 7, no. 4, Dec. 2025, p. 043324. APS, https://doi.org/10.1103/qvc2-32xr
生成式AI重塑死亡观：数字永生是否会削弱人类面对无常的智慧？
人工智能是否正在改变我们哀悼的方式？京都大学的Shisei Tei通过跨学科研究发现，生成式AI正在重塑人类对死亡和悲伤的认知。虽然数字重建技术能为生者带来慰藉，但这种“数字来世”可能模糊生死界限，削弱人类接受生命无常的能力，进而影响社会对死亡和尊严的理解。
该研究采用跨学科的理论分析框架，结合了精神病学、宗教哲学和神经现象学。研究者引用了生物学家Francisco Varela提出的“无私的自我”（selfless selves，指个体在保持独立性的同时与他人及世界相互依存、和谐共存的状态）这一概念，对比了人类生命系统与AI代理的本质区别。
研究指出，虽然AI聊天机器人表现出一种没有固定自我的流动身份，类似于“无私的自我”，但它们缺乏生物体的代谢本质和真实的社会联系。通过AI创造的“数字来世”（Digital Afterlife）虽然延续了记忆，却可能干扰丧亲者接受失去的过程。研究警告，过度依赖机器来处理悲伤会将情感支持“外包”，从而削弱人类忍受不确定性的能力和基于面对面交流的同理心。这种技术趋势可能导致人们试图通过技术“克服”死亡，而非将其视为生命不可或缺的一部分，最终影响我们有尊严地面对临终。研究发表在 SecondDeath: Experiences of Death Across Technologies 上。
#认知科学 #心理健康与精神疾病 #人工智能 #数字来世 #死亡教育
阅读更多：
Tei, Shisei. “Death in the Cybernetic Era: AI, Virtual Agents, and Selfless Selves.” SecondDeath, Springer, Cham, 2025, pp. 263–85. link.springer.com, https://doi.org/10.1007/978-3-031-98808-0_16
神经联想技能记忆：让机器人更安全且具备类人感知运动能力
机器人如何像人类一样，不仅能掌握多种运动技能，还能在遇到意外时“直觉”地感知并做出反应？Pranav Mahajan、Mufeng Tang、T. Ed Li、Ioannis Havoutis 和 Ben Seymour 组成的团队针对这一难题，提出了一种名为“神经联想技能记忆”（neural ASMs）的新框架。传统方法依赖硬编码的技能库，缺乏灵活性且难以进行统一的故障检测。该团队通过模拟生物神经系统的运作方式，开发了一个单一的、统一的神经网络，旨在解决机器人如何以生物学合理的方式学*技能库、检测异常并根据情境自适应调整行为的问题。
该研究引入了时间预测编码（temporal predictive coding, tPC）网络，这是一种自监督学*框架，利用生物学上合理的局部学*规则而非传统的反向传播算法。研究人员构建了一个生成模型，将感觉运动序列存储为网络能量景观中的吸引子。实验结果表明，该模型不仅能像“乐高”一样存储多种技能，还能利用“预测意外”（predictive surprise，即网络能量的异常升高）在所有已*得技能中自动检测故障，而无需预先告知正在执行哪项技能。此外，该系统展示了通过最小化本体感觉预测误差来进行实时反应性控制的能力，并能根据早期环境线索推断并执行适当的动作，成功模拟了人类在运动实验中的适应性行为。这项研究为构建更安全、具有自我保护能力的机器人提供了新的计算视角。研究发表在 Neural Computation 上。
#认知科学 #机器人及其进展 #计算模型与人工智能模拟 #预测模型构建
阅读更多：
Mahajan, Pranav, et al. “Neural Associative Skill Memories for Safer Robotics and Modeling Human Sensorimotor Repertoires.” Neural Computation, vol. 38, no. 1, Dec. 2025, pp. 1–27. Silverchair, https://doi.org/10.1162/NECO.a.1475
版权声明：本文转载于今日头条，版权归作者所有，如果侵权，请联系本站编辑删除