█腦科學(xué)動(dòng)態(tài)

Nature：首張全腦決策地圖發(fā)布

補(bǔ)體抑制劑或成預(yù)防早產(chǎn)的關(guān)鍵

為何成年后不再像年少時(shí)那般渴望社交？

大腦在恰到好處的回聲中學(xué)習(xí)效果最佳

部分代糖或加速認(rèn)知衰退，最高攝入者下降速度快62%

高學(xué)歷無(wú)法為阿爾茨海默病患者提供長(zhǎng)期保護(hù)

虛擬現(xiàn)實(shí)導(dǎo)航測(cè)試可揭示阿爾茨海默病早期風(fēng)險(xiǎn)

AI視覺工具SeeMe提前數(shù)天檢測(cè)到腦損傷患者的隱性意識(shí)

█AI行業(yè)動(dòng)態(tài)

OpenAI發(fā)布企業(yè)AI領(lǐng)導(dǎo)力指南：五大原則助企業(yè)搶占先機(jī)

蘋果自研AI搜索引擎WKA，聯(lián)合谷歌挑戰(zhàn)ChatGPT與Perplexity

█AI驅(qū)動(dòng)科學(xué)

機(jī)器人單次學(xué)習(xí)即掌握全身協(xié)同搬運(yùn)

AI醫(yī)療的"完美病人"陷阱：技術(shù)如何邊緣化弱勢(shì)群體

清華北航聯(lián)合研發(fā)類腦空間認(rèn)知框架，讓機(jī)器人擁有"空間感"

AI模擬體育數(shù)據(jù)：為足球分析研究開辟新途徑

物理AI融合視覺與觸覺，實(shí)現(xiàn)類人精準(zhǔn)操控

腦科學(xué)動(dòng)態(tài)

Nature：首張全腦決策地圖發(fā)布

大腦如何做出決策？過(guò)去的研究因“管中窺豹”而受限。普林斯頓大學(xué)與國(guó)際腦實(shí)驗(yàn)室（IBL，由歐洲和美國(guó)的 22 個(gè)實(shí)驗(yàn)室組成的全球聯(lián)盟）合作，首次繪制出了小鼠在決策過(guò)程中的全腦神經(jīng)活動(dòng)圖譜，揭示了決策是一個(gè)高度協(xié)同的全腦過(guò)程。

?這張全腦圖譜展示了 75000 個(gè)已分析的神經(jīng)元，每個(gè)點(diǎn)都根據(jù)該神經(jīng)元的原始平均放電頻率進(jìn)行線性縮放，直至達(dá)到最大尺寸。Credit: Dan Birman, International Brain Laboratory

研究采用了前所未有的規(guī)模和標(biāo)準(zhǔn)化流程。研究人員使用高密度電極——神經(jīng)像素探針，在小鼠執(zhí)行簡(jiǎn)單的視覺決策任務(wù)時(shí)，同步記錄了其大腦279個(gè)不同區(qū)域、超過(guò)62萬(wàn)個(gè)神經(jīng)元的電活動(dòng)。研究結(jié)果顛覆了大腦功能“自上而下”的傳統(tǒng)分層模型。數(shù)據(jù)顯示，決策信號(hào)并非局限于某個(gè)“決策中心”，而是廣泛分布于整個(gè)大腦。當(dāng)小鼠看到視覺信號(hào)時(shí)，信號(hào)首先出現(xiàn)在視覺皮層，隨后迅速擴(kuò)散至中腦和后腦等多個(gè)區(qū)域；當(dāng)小鼠準(zhǔn)備行動(dòng)時(shí)，全腦幾乎所有區(qū)域都出現(xiàn)了與運(yùn)動(dòng)相關(guān)的神經(jīng)活動(dòng)；而當(dāng)獲得獎(jiǎng)勵(lì)時(shí)，整個(gè)大腦更像是“被點(diǎn)亮的圣誕樹”，活動(dòng)信號(hào)無(wú)處不在。這表明決策是一個(gè)動(dòng)態(tài)、分布式的過(guò)程，需要大腦各個(gè)部分之間持續(xù)、高效的通信。研究發(fā)表在 Nature 上。

閱讀更多：

Meshulam, Leenoy, et al. “A Brain-Wide Map of Neural Activity during Complex Behaviour.” Nature, vol. 645, no. 8079, Sept. 2025, pp. 177–91. www.nature.com, https://doi.org/10.1038/s41586-025-09235-0

補(bǔ)體抑制劑或成預(yù)防早產(chǎn)的關(guān)鍵

如何從根源上預(yù)防炎癥導(dǎo)致的早產(chǎn)？南卡羅來(lái)納醫(yī)科大學(xué)的Eliza R. McElwee, Stephen Tomlinson及同事們發(fā)現(xiàn)，作為免疫系統(tǒng)一部分的補(bǔ)體系統(tǒng)是驅(qū)動(dòng)早產(chǎn)炎癥的關(guān)鍵因素，通過(guò)抑制該系統(tǒng)可以有效預(yù)防早產(chǎn)，保護(hù)母嬰健康。

研究團(tuán)隊(duì)利用小鼠模型模擬了由感染引起的炎癥性早產(chǎn)。他們發(fā)現(xiàn)，炎癥發(fā)生后，免疫系統(tǒng)中的補(bǔ)體系統(tǒng)（complement system，一組幫助身體抵抗感染的蛋白質(zhì)）被迅速激活，導(dǎo)致白細(xì)胞大量聚集在宮頸和子宮，引發(fā)的炎癥最終導(dǎo)致早產(chǎn)。為了驗(yàn)證靶向抑制補(bǔ)體系統(tǒng)的效果，研究人員為實(shí)驗(yàn)組小鼠注射了一種特異性的補(bǔ)體抑制劑（complement inhibitor）。結(jié)果顯示，與安慰劑組相比，接受治療的母鼠懷孕時(shí)間更長(zhǎng)，產(chǎn)下的健康后代也更多。進(jìn)一步分析表明，這種療法不僅減輕了母體子宮的炎癥，還顯著降低了胎兒大腦中的炎癥反應(yīng)，包括減少了促炎細(xì)胞因子的水平。這項(xiàng)研究證明，通過(guò)精準(zhǔn)調(diào)控補(bǔ)體系統(tǒng)，有望開發(fā)出同時(shí)保護(hù)母親和胎兒、預(yù)防早產(chǎn)的新療法。研究發(fā)表在 Cells 上。

閱讀更多：

McElwee, Eliza R., et al. “Complement Modulation Mitigates Inflammation-Mediated Preterm Birth and Fetal Neural Inflammation.” Cells, vol. 14, no. 14, Jan. 2025, p. 1045. www.mdpi.com, https://doi.org/10.3390/cells14141045

為何成年后不再像年少時(shí)那般渴望社交？

兒童和青少年的強(qiáng)烈社交需求為何會(huì)隨著成年而改變？耶魯大學(xué)的Marcelo O. Dietrich及其團(tuán)隊(duì)通過(guò)小鼠實(shí)驗(yàn)發(fā)現(xiàn)，下丘腦中的Agrp神經(jīng)元在年幼時(shí)期是驅(qū)動(dòng)社交行為的關(guān)鍵，但這一功能會(huì)隨著進(jìn)入成年期而關(guān)閉，揭示了社交需求變化的神經(jīng)基礎(chǔ)。

?Credit: Current Biology (2025).

研究團(tuán)隊(duì)將焦點(diǎn)對(duì)準(zhǔn)了下丘腦中以調(diào)控饑餓而聞名的Agrp神經(jīng)元（Agrp neurons）。他們運(yùn)用鈣成像和光遺傳學(xué)等方法，系統(tǒng)比較了不同年齡段小鼠的神經(jīng)活動(dòng)與行為。實(shí)驗(yàn)發(fā)現(xiàn)，當(dāng)幼年或青少年小鼠被社會(huì)隔離時(shí)，其Agrp神經(jīng)元會(huì)變得異�；钴S，驅(qū)使它們尋求社交互動(dòng)；而一旦與同伴重聚，這些神經(jīng)元的活動(dòng)便會(huì)平息下來(lái)。更有趣的是，當(dāng)研究人員人為抑制這些神經(jīng)元時(shí)，幼鼠的社交意愿大減；反之，激活它們則能恢復(fù)其社交沖動(dòng)。然而，同樣的操作對(duì)成年小鼠的社交行為卻毫無(wú)影響。這表明，Agrp神經(jīng)元對(duì)社交的調(diào)控作用具有嚴(yán)格的年齡限制，其功能在青春期晚期便開始“下線”，成年后的社交需求則由大腦其他神經(jīng)回路接管。研究發(fā)表在 Current Biology 上。

閱讀更多：

Iyilikci, Onur, et al. “Age-Specific Regulation of Sociability by Hypothalamic Agrp Neurons.” Current Biology, vol. 0, no. 0, Sept. 2025. www.cell.com, https://doi.org/10.1016/j.cub.2025.08.014

大腦在恰到好處的回聲中學(xué)習(xí)效果最佳

為何我們?cè)卩须s的環(huán)境中仍能聽懂對(duì)話？麥考瑞大學(xué)的Heivet Hernández-Pérez和David McAlpine等人研究發(fā)現(xiàn)，大腦能無(wú)意識(shí)地學(xué)習(xí)環(huán)境回聲，并且在具有適度回聲的“金發(fā)姑娘區(qū)”學(xué)習(xí)效果最好，而非完全安靜的環(huán)境。

?實(shí)驗(yàn)環(huán)境。Credit: eLife (2025).

研究團(tuán)隊(duì)在一個(gè)無(wú)回聲的消聲室中，為聽力正常的參與者模擬了從地下停車場(chǎng)（強(qiáng)回聲）到開放辦公室（弱回聲）等多種聲學(xué)環(huán)境。參與者需要識(shí)別在背景噪音中播放的語(yǔ)音指令。結(jié)果顯示，隨著時(shí)間推移，參與者的大腦會(huì)無(wú)意識(shí)地學(xué)習(xí)并適應(yīng)房間的聲學(xué)特性，從而提高語(yǔ)音識(shí)別的準(zhǔn)確率。一個(gè)令人意外的發(fā)現(xiàn)是，學(xué)習(xí)效果最好的并非零回聲環(huán)境，而是在一個(gè)回聲“恰到好處”的“金發(fā)姑娘區(qū)”（Goldilocks zone），其混響時(shí)間（reverberation，聲音在空間中持續(xù)反射的時(shí)間）約為400毫秒，這與許多演講廳的環(huán)境類似。為了定位這一學(xué)習(xí)過(guò)程的神經(jīng)基礎(chǔ)，研究人員使用了重復(fù)經(jīng)顱磁刺激（rTMS）短暫干擾了大腦的背外側(cè)前額葉皮層。結(jié)果發(fā)現(xiàn)，當(dāng)該區(qū)域功能受擾時(shí)，參與者適應(yīng)聲學(xué)環(huán)境的能力顯著下降。這證明了dlPFC在無(wú)意識(shí)學(xué)習(xí)環(huán)境聲音特征中扮演了關(guān)鍵角色。研究發(fā)表在 eLife 上。

閱讀更多：

Hernández-Pérez, Heivet, et al. “Listening to the Room: Disrupting Activity of Dorsolateral Prefrontal Cortex Impairs Learning of Room Acoustics in Human Listeners.” eLife, vol. 14, Sept. 2025. elifesciences.org, https://doi.org/10.7554/eLife.107041.1

部分代糖或加速認(rèn)知衰退，最高攝入者下降速度快62%

被視為健康選擇的代糖真的對(duì)大腦無(wú)害嗎？巴西圣保羅大學(xué)的Claudia Kimie Suemoto及其團(tuán)隊(duì)，通過(guò)一項(xiàng)對(duì)超萬(wàn)人的長(zhǎng)期研究發(fā)現(xiàn)，大量攝入某些常用的人工甜味劑與思維和記憶能力的加速衰退顯著相關(guān)，尤其是在糖尿病患者和60歲以下人群中。

該研究對(duì)12,772名巴西成年人進(jìn)行了長(zhǎng)達(dá)8年的跟蹤調(diào)查。研究人員通過(guò)問(wèn)卷記錄了參與者對(duì)七種常見低熱量和無(wú)熱量甜味劑（low- and no-calorie sweeteners，通常被稱為“代糖”，如阿斯巴甜、山梨糖醇等）的日常攝入量，并在不同時(shí)間點(diǎn)評(píng)估他們的認(rèn)知功能。在排除了年齡、心血管疾病等多種影響因素后，數(shù)據(jù)顯示，與攝入最少的人相比，甜味劑攝入量最高的人群其總體認(rèn)知能力下降速度驚人地快了62%，這相當(dāng)于大腦額外衰老了1.6年。這種負(fù)面影響在60歲以下人群的言語(yǔ)流暢性和糖尿病患者的記憶力下降上表現(xiàn)得更為明顯。除塔格糖外，研究中涉及的其他六種甜味劑均顯示出與認(rèn)知衰退的關(guān)聯(lián)。這一發(fā)現(xiàn)對(duì)普遍將代糖視為糖的無(wú)害替代品的觀點(diǎn)提出了挑戰(zhàn)。研究發(fā)表在 Neurology 上。

閱讀更多：

Gon?alves, Natalia Gomes, et al. “Association Between Consumption of Low- and No-Calorie Artificial Sweeteners and Cognitive Decline.” Neurology, vol. 105, no. 7, Oct. 2025, p. e214023. Hagerstown, MD, www.neurology.org, https://doi.org/10.1212/WNL.0000000000214023

高學(xué)歷無(wú)法為阿爾茨海默病患者提供長(zhǎng)期保護(hù)，反而可能加速病程后期認(rèn)知衰退

高等教育能否有效預(yù)防阿爾茨海默��？針對(duì)認(rèn)知儲(chǔ)備假說(shuō)中“高學(xué)歷者確診后衰退更快”這一爭(zhēng)議點(diǎn)，波士頓大學(xué)喬巴尼安和阿維迪西亞醫(yī)學(xué)院的Jinying Chen、Zachary T Popp等研究人員，通過(guò)一項(xiàng)覆蓋歐洲三國(guó)的研究發(fā)現(xiàn)，更高的教育水平與確診后更快的認(rèn)知能力下降有關(guān)。

該研究分析了來(lái)自英國(guó)、德國(guó)和法國(guó)的1313名阿爾茨海-默病患者數(shù)據(jù)。研究團(tuán)隊(duì)對(duì)他們進(jìn)行了長(zhǎng)達(dá)3年的跟蹤隨訪，并使用簡(jiǎn)易精神狀態(tài)檢查表（Mini-Mental State Examination, MMSE，一種廣泛用于評(píng)估認(rèn)知功能的工具）來(lái)量化認(rèn)知水平的變化。研究結(jié)果清晰地表明，擁有12年及以上教育經(jīng)歷的患者，其認(rèn)知衰退速度顯著快于受教育年限較短的患者。數(shù)據(jù)顯示，高學(xué)歷組的MMSE分?jǐn)?shù)每半年會(huì)比低學(xué)歷組額外多下降0.19分。這一發(fā)現(xiàn)為認(rèn)知儲(chǔ)備（Cognitive Reserve，指大腦利用既有認(rèn)知策略或代償機(jī)制來(lái)應(yīng)對(duì)損傷的能力）假說(shuō)提供了強(qiáng)有力的支持。它揭示了教育背景的雙重作用：一方面，教育能幫助大腦在更長(zhǎng)時(shí)間內(nèi)抵御和掩蓋病理變化，從而推遲了診斷時(shí)間；但另一方面，當(dāng)大腦的代償能力達(dá)到極限后，疾病的進(jìn)展會(huì)顯得更為迅速和劇烈。研究強(qiáng)調(diào)，對(duì)于受過(guò)良好教育的成年人，臨床醫(yī)生和家屬需對(duì)記憶、思維等方面的早期細(xì)微變化保持高度警惕，以便及早干預(yù)。研究發(fā)表在 Journal of Alzheimer's Disease 上。

閱讀更多：

Popp, Zachary T., et al. “Association between Education and Rate of Cognitive Decline among Individuals with Alzheimer’s Disease: A Multi-National European Observational Study.” Journal of Alzheimer’s Disease, June 2025. Sage UK: London, England, journals.sagepub.com, https://doi.org/10.1177/13872877251352216

虛擬現(xiàn)實(shí)導(dǎo)航測(cè)試可揭示阿爾茨海默病早期風(fēng)險(xiǎn)，比傳統(tǒng)檢測(cè)更靈敏

如何才能在出現(xiàn)明顯癥狀前發(fā)現(xiàn)阿爾茨海默�。酷槍�(duì)傳統(tǒng)檢測(cè)方法不夠靈敏的問(wèn)題，德國(guó)神經(jīng)退行性疾病中心的Thomas Wolbers和Vladislava Segen等研究人員開發(fā)了一種新方法，他們利用虛擬現(xiàn)實(shí)技術(shù)測(cè)試空間導(dǎo)航能力，成功識(shí)別出了那些在標(biāo)準(zhǔn)測(cè)試中表現(xiàn)正常但具有高患病風(fēng)險(xiǎn)的個(gè)體。

該研究設(shè)計(jì)了一項(xiàng)獨(dú)特的虛擬現(xiàn)實(shí)（VR）實(shí)驗(yàn)，讓102名老年參與者（包括一部分有主觀認(rèn)知衰退（Subjective Cognitive Decline, SCD）的個(gè)體）在一個(gè)沒有任何視覺地標(biāo)的虛擬世界中行走。任務(wù)要求參與者僅憑對(duì)自身運(yùn)動(dòng)的感知來(lái)記住并指回自己的出發(fā)點(diǎn)，這項(xiàng)能力被稱為路徑整合（path integration），它高度依賴于大腦內(nèi)嗅皮層的功能，而該腦區(qū)是阿爾茨海默病最早侵襲的區(qū)域之一。結(jié)果顯示，盡管所有參與者在傳統(tǒng)認(rèn)知問(wèn)卷上的得分都正常，但SCD組在VR導(dǎo)航任務(wù)中的表現(xiàn)明顯比健康對(duì)照組更差。通過(guò)數(shù)學(xué)模型分析，研究團(tuán)隊(duì)發(fā)現(xiàn)這種定位不準(zhǔn)的核心原因是一種“記憶泄漏”（memory leak）——即大腦在持續(xù)更新位置信息時(shí)，對(duì)過(guò)往位置的記憶發(fā)生了快速衰退。這一發(fā)現(xiàn)表明，大腦中負(fù)責(zé)空間定位的網(wǎng)格細(xì)胞（grid cells）可能已出現(xiàn)早期功能障礙。這項(xiàng)基于VR的測(cè)試為發(fā)現(xiàn)臨床前期的阿爾茨海默病提供了一種極其靈敏的新工具，未來(lái)有望用于疾病的超早期診斷和新藥研發(fā)評(píng)估。研究發(fā)表在 Science Advances 上。

閱讀更多：

Popp, Zachary T., et al. “Association between Education and Rate of Cognitive Decline among Individuals with Alzheimer’s Disease: A Multi-National European Observational Study.” Journal of Alzheimer’s Disease, June 2025. Sage UK: London, England, journals.sagepub.com, https://doi.org/10.1177/13872877251352216

AI視覺工具SeeMe提前數(shù)天檢測(cè)到腦損傷患者的隱性意識(shí)

如何準(zhǔn)確判斷看似昏迷的腦損傷患者是否仍有意識(shí)，是醫(yī)學(xué)界面臨的難題。石溪大學(xué)的Xi Cheng和Sima Mofakham等研究人員為此開發(fā)了一款名為SeeMe的計(jì)算機(jī)視覺工具，能夠捕捉人眼難以察覺的微小面部運(yùn)動(dòng)，從而在臨床醫(yī)生之前數(shù)天就檢測(cè)到患者隱藏的意識(shí)跡象。

?SeeMe 的研究設(shè)計(jì)和數(shù)據(jù)處理流程。Credit: Communications Medicine (2025).

許多急性腦損傷（acute brain injury）患者看似昏迷，實(shí)則可能處于有意識(shí)但無(wú)法做出明顯動(dòng)作的隱性意識(shí)（covert consciousness）狀態(tài)。為解決這一診斷困境，研究團(tuán)隊(duì)開發(fā)了SeeMe工具。該系統(tǒng)利用高分辨率攝像頭，以精確到約0.2毫米的分辨率追蹤患者面部毛孔的微小位移，以響應(yīng)“睜開你的眼睛”等語(yǔ)音指令。

在一項(xiàng)針對(duì)37名昏迷患者的研究中，SeeMe的表現(xiàn)遠(yuǎn)超傳統(tǒng)臨床檢查：它不僅在更多患者（85.7%對(duì)71.4%）中檢測(cè)到了遵從指令的睜眼動(dòng)作，并且平均比臨床醫(yī)生早了4.1天。更重要的是，一個(gè)深度神經(jīng)網(wǎng)絡(luò)分類器證實(shí)，這些睜眼動(dòng)作與特定指令的匹配準(zhǔn)確率高達(dá)81%，排除了隨機(jī)運(yùn)動(dòng)的可能，證明患者能夠理解指令。此外，SeeMe檢測(cè)到的微小運(yùn)動(dòng)的幅度和頻率與患者出院時(shí)的康復(fù)結(jié)果顯著相關(guān)。這項(xiàng)技術(shù)為客觀、早期評(píng)估患者意識(shí)提供了全新途徑，有望改善康復(fù)時(shí)機(jī)選擇和家庭溝通。研究發(fā)表在 Communications Medicine 上。

閱讀更多：

Cheng, Xi, et al. “Computer Vision Detects Covert Voluntary Facial Movements in Unresponsive Brain Injury Patients.” Communications Medicine, vol. 5, no. 1, Aug. 2025, p. 361. www.nature.com, https://doi.org/10.1038/s43856-025-01042-y

AI 行業(yè)動(dòng)態(tài)

OpenAI發(fā)布企業(yè)AI領(lǐng)導(dǎo)力指南：五大原則助企業(yè)搶占先機(jī)

OpenAI近日發(fā)布了一份題為《在AI時(shí)代保持領(lǐng)先：領(lǐng)導(dǎo)力指南》的重要報(bào)告，旨在幫助企業(yè)應(yīng)對(duì)生成式AI快速發(fā)展帶來(lái)的挑戰(zhàn)與機(jī)遇。該報(bào)告基于OpenAI與多家國(guó)際知名企業(yè)的合作經(jīng)驗(yàn)，包括制藥巨頭Moderna、化妝品公司雅詩(shī)蘭黛（Estée Lauder）、協(xié)作工具Notion以及西班牙跨國(guó)銀行BBVA。報(bào)告指出，AI技術(shù)的發(fā)展速度遠(yuǎn)超企業(yè)適應(yīng)能力，早期采用AI的企業(yè)收入增速比同行快1.5倍，但許多公司仍面臨規(guī)劃落地的困難。

報(bào)告提出了五項(xiàng)核心原則：協(xié)調(diào)戰(zhàn)略、激活應(yīng)用、擴(kuò)大培訓(xùn)、加速實(shí)驗(yàn)和治理風(fēng)險(xiǎn)。OpenAI強(qiáng)調(diào)，企業(yè)領(lǐng)導(dǎo)者需明確AI戰(zhàn)略與關(guān)鍵績(jī)效指標(biāo)（KPI）掛鉤，并通過(guò)高管示范和員工培訓(xùn)推動(dòng)文化變革。例如，Moderna的CEO要求員工每日使用ChatGPT 20次，以強(qiáng)化AI在運(yùn)營(yíng)中的核心地位；圣安東尼奧馬刺隊(duì)通過(guò)融入日常的培訓(xùn)，將AI使用熟練度從14%提升至85%。此外，報(bào)告建議企業(yè)建立“AI冠軍”網(wǎng)絡(luò)和集中式知識(shí)庫(kù)，以促進(jìn)經(jīng)驗(yàn)分享和創(chuàng)新規(guī)模化。

OpenAI警告，快速應(yīng)用AI需平衡治理風(fēng)險(xiǎn)，建議企業(yè)制定輕量級(jí)安全措施和跨部門監(jiān)管機(jī)制。隨著全球AI監(jiān)管趨嚴(yán)（如歐盟《人工智能法案》），構(gòu)建靈活且負(fù)責(zé)任的AI框架將成為企業(yè)持續(xù)領(lǐng)先的關(guān)鍵。該報(bào)告將AI視為組織全面變革的基石，而非輔助工具，為企業(yè)提供了從戰(zhàn)略到落地的系統(tǒng)性指南。

閱讀更多：

https://cdn.openai.com/pdf/ae250928-4029-4f26-9e23-afac1fcee14c/staying-ahead-in-the-age-of-ai.pdf

蘋果自研AI搜索引擎WKA，聯(lián)合谷歌挑戰(zhàn)ChatGPT與Perplexity

蘋果公司正積極布局人工智能搜索領(lǐng)域，計(jì)劃于2026年春季推出代號(hào)為“世界知識(shí)問(wèn)答”（World Knowledge Answers，簡(jiǎn)稱WKA）的AI搜索引擎。該系統(tǒng)將集成至Siri語(yǔ)音助手、Safari瀏覽器及Spotlight搜索中，支持用戶通過(guò)自然語(yǔ)言提問(wèn)并獲取全網(wǎng)信息的AI摘要答案，直接對(duì)標(biāo)ChatGPT和Perplexity等現(xiàn)有產(chǎn)品。盡管蘋果選擇自主研發(fā)核心功能，但仍傾向于與谷歌合作，利用其AI模型為Siri提供部分技術(shù)支持，延續(xù)雙方在搜索領(lǐng)域的長(zhǎng)期合作關(guān)系。

為推進(jìn)這一戰(zhàn)略，蘋果調(diào)動(dòng)了多個(gè)內(nèi)部團(tuán)隊(duì)協(xié)同作戰(zhàn)，包括由John Giannandrea領(lǐng)導(dǎo)的AI部門、Eddy Cue負(fù)責(zé)的服務(wù)部門以及Siri原團(tuán)隊(duì)，并邀請(qǐng)Vision Pro負(fù)責(zé)人Mike Rockwell和前Siri高管Robby Walker等關(guān)鍵人物參與。然而，蘋果也面臨嚴(yán)峻的人才挑戰(zhàn)。近數(shù)月來(lái)，已有10名AI研究人員離職，其中多人加入Meta、OpenAI和Anthropic等競(jìng)爭(zhēng)對(duì)手，例如基礎(chǔ)模型團(tuán)隊(duì)負(fù)責(zé)人龐若鳴（Ruo Ming Pang）及多名核心成員相繼轉(zhuǎn)投其他科技巨頭。

盡管市場(chǎng)對(duì)蘋果的AI布局反應(yīng)積極——消息曝光當(dāng)日股價(jià)上漲3.8%，顯示出投資者對(duì)蘋果反擊AI落后態(tài)勢(shì)的期待，但人才流失問(wèn)題仍是其必須應(yīng)對(duì)的隱憂。蘋果未來(lái)可能通過(guò)收購(gòu)補(bǔ)充人才資源，此前曾評(píng)估但未收購(gòu)Perplexity，也反映出其戰(zhàn)略重心在于自主可控與技術(shù)整合的雙軌并行。

閱讀更多：

https://www.bloomberg.com/news/articles/2025-09-03/apple-plans-ai-search-engine-for-siri-to-rival-openai-google-siri-talks-advance

AI 驅(qū)動(dòng)科學(xué)

機(jī)器人“單次學(xué)習(xí)”即掌握全身協(xié)同搬運(yùn)

如何讓機(jī)器人像人類一樣靈巧地搬運(yùn)笨重物體？針對(duì)這一長(zhǎng)期挑戰(zhàn)，豐田研究所的Jose A. Barreiros、Alex Alspach等研究人員，通過(guò)為機(jī)器人配備柔軟的身體和高效的學(xué)習(xí)算法，成功讓名為Punyo的機(jī)器人僅需一次演示就能學(xué)會(huì)用全身協(xié)同搬運(yùn)大件物品。

?圖片顯示（A）用于柔順性實(shí)驗(yàn)的剛性充氣室替代物和爪子。（B）剛性充氣室替代物的特寫照片，顯示與軟質(zhì)充氣室相比，為了避免因自碰撞而減小運(yùn)動(dòng)范圍而添加的切口。Credit: Science Robotics (2025).

研究的核心是一款名為Punyo的人形機(jī)器人，它擁有獨(dú)特的、可變形的壓力感應(yīng)皮膚。研究團(tuán)隊(duì)采用了一種名為示例引導(dǎo)強(qiáng)化學(xué)習(xí)的創(chuàng)新訓(xùn)練方法。他們首先在虛擬環(huán)境中向機(jī)器人演示一次如何搬運(yùn)重物，例如將一個(gè)大水壺扛到肩上。隨后，機(jī)器人便在模擬環(huán)境中自主練習(xí)，直至掌握要領(lǐng)。得益于這種高效的學(xué)習(xí)機(jī)制和機(jī)器人的物理特性，學(xué)成的策略能無(wú)縫遷移到現(xiàn)實(shí)世界。實(shí)驗(yàn)中最關(guān)鍵的發(fā)現(xiàn)是身體柔順性的作用。研究表明，柔軟的機(jī)身（被動(dòng)柔順性，passive compliance）和靈活的關(guān)節(jié)（主動(dòng)柔順性，active compliance）對(duì)于成功至關(guān)重要。與剛性機(jī)器人相比，具備柔順性的Punyo在執(zhí)行任務(wù)時(shí)的成功率平均提高了驚人的206%。更值得一提的是，Punyo在執(zhí)行任務(wù)時(shí)無(wú)需依賴外部攝像頭，僅憑自身的觸覺和關(guān)節(jié)位置反饋就能完成復(fù)雜的“盲操”動(dòng)作。研究發(fā)表在 Science Robotics 上。

閱讀更多：

Barreiros, Jose A., et al. “Learning Contact-Rich Whole-Body Manipulation with Example-Guided Reinforcement Learning.” Science Robotics, Aug. 2025. world, www.science.org, https://doi.org/10.1126/scirobotics.ads6790

AI醫(yī)療的"完美病人"陷阱：技術(shù)如何邊緣化弱勢(shì)群體

AI醫(yī)療系統(tǒng)是否在無(wú)形中排除了最需要幫助的患者？佐治亞理工學(xué)院的Catherine Wieczorek和Shaowen Bardzell團(tuán)隊(duì)研究發(fā)現(xiàn)，當(dāng)前AI醫(yī)療技術(shù)基于"富裕、健全、精通技術(shù)"的理想患者形象設(shè)計(jì)，可能導(dǎo)致慢性病患者、殘障人士等弱勢(shì)群體被系統(tǒng)性地忽視。這項(xiàng)批判性研究揭示了技術(shù)設(shè)計(jì)中隱含的社會(huì)偏見和權(quán)力關(guān)系。

研究團(tuán)隊(duì)采用社會(huì)學(xué)家Ruth Levitas的"烏托邦方法論"框架，系統(tǒng)分析了21種AI醫(yī)療產(chǎn)品(包括生育應(yīng)用fertility apps、可穿戴設(shè)備wearable devices等)。研究發(fā)現(xiàn)這些系統(tǒng)塑造了四種主導(dǎo)敘事：將全天候監(jiān)控美化為"永不停歇的關(guān)懷"；用技術(shù)效率取代人文關(guān)懷；將健康完全歸因于個(gè)人行為；以及將醫(yī)療目標(biāo)從治療轉(zhuǎn)向性能增強(qiáng)。更值得警惕的是，AI系統(tǒng)如IVF助手Chloe被擬人化(personification)，從工具轉(zhuǎn)變?yōu)閷?shí)際決策者，模糊了醫(yī)療責(zé)任邊界。這些設(shè)計(jì)隱含的"完美病人"標(biāo)準(zhǔn)，實(shí)際上將約40%有復(fù)雜醫(yī)療需求的患者邊緣化。研究呼吁開發(fā)過(guò)程需要納入多元患者參與，建立更包容的AI醫(yī)療倫理框架。研究發(fā)表在 Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems 上。

閱讀更多：

Wieczorek, Catherine, et al. “Architecting Utopias: How AI in Healthcare Envisions Societal Ideals and Human Flourishing.” Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems [New York, NY, USA], CHI ’25, 2025, https://doi.org/10.1145/3706598.3713118

清華北航聯(lián)合研發(fā)類腦空間認(rèn)知框架，讓機(jī)器人擁有"空間感"

如何讓機(jī)器人像人類一樣理解和記憶空間？清華大學(xué)與北京航空航天大學(xué)的Shouwei Ruan, Liyuan Wang等研究人員開發(fā)出BSC-Nav框架，通過(guò)模仿生物大腦的空間認(rèn)知機(jī)制，賦予機(jī)器人強(qiáng)大的空間記憶和推理能力，使其能夠完成復(fù)雜導(dǎo)航和操作任務(wù)。

研究團(tuán)隊(duì)從神經(jīng)科學(xué)獲取靈感，構(gòu)建了包含地標(biāo)記憶（記錄環(huán)境顯著物體）、認(rèn)知地圖（構(gòu)建全局空間表征）和工作記憶（任務(wù)相關(guān)記憶檢索）三大模塊的BSC-Nav系統(tǒng)。該系統(tǒng)采用意外驅(qū)動(dòng)（surprise-driven）更新策略，僅在觀測(cè)到顯著新信息時(shí)更新記憶，大幅提升效率。在仿真測(cè)試中，BSC-Nav在四大導(dǎo)航任務(wù)上全面超越現(xiàn)有方法，其中物體導(dǎo)航（Object Goal Navigation）任務(wù)成功率高達(dá)78.5%，比之前最佳方法提升24個(gè)百分點(diǎn)。更令人印象深刻的是，搭載該系統(tǒng)的機(jī)器人能理解并執(zhí)行多步驟長(zhǎng)指令（如穿過(guò)玻璃門，走到冰箱那右轉(zhuǎn)停在樓梯口），在真實(shí)環(huán)境測(cè)試中實(shí)現(xiàn)80%以上的導(dǎo)航成功率，并能完成制作早餐等復(fù)雜操作任務(wù)。研究展示了類腦啟發(fā)方法在提升機(jī)器人空間智能方面的巨大潛力。

閱讀更多：

Ruan, Shouwei, et al. “From Reactive to Cognitive: Brain-Inspired Spatial Intelligence for Embodied Agents.” arXiv:2508.17198, arXiv, 24 Aug. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2508.17198

AI模擬體育數(shù)據(jù)：為足球分析研究開辟新途徑

職業(yè)體育的專有數(shù)據(jù)壁壘如何打破？滑鐵盧大學(xué)David Radke（現(xiàn)任職NHL芝加哥黑鷹隊(duì)）和Kyle Tilbury團(tuán)隊(duì)開發(fā)了一種創(chuàng)新方案：通過(guò)人工智能模擬生成足球比賽的高精度追蹤數(shù)據(jù)，為無(wú)法獲取職業(yè)聯(lián)賽數(shù)據(jù)的研究者提供替代資源。

研究團(tuán)隊(duì)利用Google Research Football（GRF）強(qiáng)化學(xué)習(xí)環(huán)境，模擬了3000場(chǎng)足球比賽，生成包含球員位置、傳球和進(jìn)球的完整追蹤數(shù)據(jù)。這些數(shù)據(jù)采用與真實(shí)比賽相同的存儲(chǔ)架構(gòu)，并支持提取事件切片（event segments）等高階特征。為驗(yàn)證實(shí)用性，團(tuán)隊(duì)在模擬數(shù)據(jù)上測(cè)試了預(yù)期進(jìn)球（xG，通過(guò)歷史數(shù)據(jù)預(yù)測(cè)射門得分概率的模型）和球場(chǎng)控制（pitch control，量化空間主導(dǎo)權(quán)的動(dòng)態(tài)評(píng)估）兩種經(jīng)典模型，結(jié)果與真實(shí)數(shù)據(jù)應(yīng)用效果一致。該數(shù)據(jù)集首次為學(xué)術(shù)界提供了研究足球等連續(xù)入侵性運(yùn)動(dòng)（invasion-game sports）的開放資源，同時(shí)成為多智能體系統(tǒng)（multiagent systems）研究的測(cè)試平臺(tái)，例如分析球員協(xié)同防守的決策邏輯。研究團(tuán)隊(duì)公開了所有數(shù)據(jù)和代碼，推動(dòng)體育分析從小眾領(lǐng)域邁向普惠研究。

閱讀更多：

Radke, David, and Kyle Tilbury. “Simulating Tracking Data to Advance Sports Analytics Research.” arXiv:2503.19809, arXiv, 25 Mar. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2503.19809

物理AI融合視覺與觸覺，實(shí)現(xiàn)類人精準(zhǔn)操控

當(dāng)前機(jī)器人僅靠“看”難以完成精細(xì)操作，例如區(qū)分魔術(shù)貼的正反面。來(lái)自東北大學(xué)、香港科技園變革服裝生產(chǎn)中心和香港大學(xué)的Ningquan Gu, Kazuhiro Kosuge, Mitsuhiro Hayashibe等人，開發(fā)了一套名為TactileAloha的物理AI系統(tǒng)，它首次成功地融合了視覺與高分辨率觸覺，讓機(jī)器人能像人一樣感知和操控物體。

?根據(jù)攝像頭信息，機(jī)械臂抓住魔術(shù)貼的兩端（A.1、B.1）。利用觸覺信息，機(jī)械臂感知魔術(shù)貼的方向，并調(diào)整姿勢(shì)和角度，使鉤面與環(huán)面對(duì)齊（A.2、B.2）。魔術(shù)貼固定后，右臂按壓魔術(shù)貼以確保牢固連接（A.3、B.3）。系統(tǒng)會(huì)自動(dòng)生成不同的魔術(shù)貼操作動(dòng)作，以適應(yīng)不同的情況。Credit: Tohoku University

研究團(tuán)隊(duì)在開源的ALOHA機(jī)器人平臺(tái)上，為機(jī)械臂加裝了GelSight觸覺傳感器，構(gòu)建了全新的TactileAloha系統(tǒng)。該系統(tǒng)能夠同時(shí)捕捉物體的視覺圖像和精細(xì)的表面紋理。研究人員利用一個(gè)基于Transformer的策略模型，將視覺、觸覺以及機(jī)器人自身的關(guān)節(jié)位置信息進(jìn)行融合，從而預(yù)測(cè)并生成精準(zhǔn)的操控動(dòng)作。為了驗(yàn)證系統(tǒng)性能，團(tuán)隊(duì)設(shè)計(jì)了粘貼魔術(shù)貼和插入扎帶這兩項(xiàng)極度依賴觸覺反饋的任務(wù)。實(shí)驗(yàn)結(jié)果表明，TactileAloha能夠根據(jù)實(shí)時(shí)感知到的紋理信息，自適應(yīng)地調(diào)整操作策略，成功完成了純視覺機(jī)器人無(wú)法勝任的任務(wù)。與現(xiàn)有其他先進(jìn)的觸覺機(jī)器人相比，其任務(wù)成功率平均相對(duì)提升了約11.0%。這一突破展示了多模態(tài)物理AI（multimodal physical AI）的巨大潛力，使機(jī)器人向?qū)崿F(xiàn)人類般的靈巧操作邁出了關(guān)鍵一步。研究發(fā)表在 IEEE Robotics and Automation Letters 上。

閱讀更多：

Gu, Ningquan, et al. “TactileAloha: Learning Bimanual Manipulation With Tactile Sensing.” IEEE Robotics and Automation Letters, vol. 10, no. 8, Aug. 2025, pp. 8348–55. IEEE Xplore, https://doi.org/10.1109/LRA.2025.3585396

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問(wèn)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(wèn)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。如果您有進(jìn)一步想要討論的內(nèi)容，歡迎評(píng)論區(qū)留言，或后臺(tái)留言“社群”即可加入社群與我們互動(dòng)。

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。

Chen Institute與華山醫(yī)院、上海市精神衛(wèi)生中心設(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天橋神經(jīng)科學(xué)研究院。

Chen Institute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、、等。