█ 脑科学动态
人类海马CA3神经网络的独特结构提升记忆存储能力
结构性连接如何提升大脑定向连接模型的预测能力
孩子生得越晚，大脑发育越快？
睡眠如何塑造我们大脑的心理导航图
关注身体信号，是女性更频繁高潮的关键
电刺激促进运动学习：用神经调节提高运动技能
█ AI行业动态
Gemini 2.0：多模态AI开启智能代理新纪元
Claude 3.5 Opus“隐身”之谜：内部用途优先
苹果与OpenAI携手：ChatGPT首次深度整合iPhone生态
VERSES推出Genius™最新版本：提升AI代理的推理与规划能力
█ AI研发动态
二维神经几何揭示人类工作记忆中信息的层次结构
人工智能如何通过语言修改减少药物滥用患者的社会污名
大脑启发的人工智能模型 MovieNet 实现动态场景高效识别
材料科学新工具：CrystaLLM 生成合理无机晶体结构
记忆更新如何应对环境变化
利用D3M方法去偏改善AI模型公平性
人工智能事实核查可能影响公众对新闻标题的判断力
脑科学动态
人类海马CA3神经网络的独特结构提升记忆存储能力
人类大脑具有复杂的记忆存储和联想能力，但关于其神经线路的特性了解甚少。为了探究人脑是否具有独特性，奥地利科学技术研究所和维也纳医科大学的研究人员使用癫痫患者的神经外科手术样本，结合膜片钳记录、超分辨率显微镜等技术，研究了海马体CA3区域的神经特性。研究发现，该区域具有稀疏的突触连接和高度可靠的信号传递特性。
▷人类海马组织切片（绿色/蓝色）中多细胞记录的 CA3 神经元（红色）。Credit: Credit: Jake Watson.
团队从癫痫患者手术中提取完整的海马组织，利用多细胞膜片钳记录测量神经元的动态功能，并结合超分辨率显微镜进行高精度成像分析。研究显示，人类CA3区域的神经连接稀疏性显著高于新皮质，但这种稀疏性并未降低效率，相反通过高度精确的突触传递优化了记忆存储能力。此外，通过建模分析，研究团队发现稀疏连接增强了记忆存储的容量，突触的高可靠性确保了联想记忆的准确性。团队还指出，与啮齿动物相比，人类CA3神经网络的独特性更能支持复杂的认知功能和记忆处理。研究发表在 Cell 上。
#神经科学 #记忆存储 #海马体 #神经突触 #联想记忆
阅读论文：
Watson, Jake F., et al. “Human Hippocampal CA3 Uses Specific Functional Connectivity Rules for Efficient Associative Memory.” Cell, vol. 0, no. 0, Dec. 2024. www.cell.com, https://doi.org/10.1016/j.cell.2024.11.022
结构性连接如何提升大脑定向连接模型的预测能力
理解大脑区域之间的相互作用和信息传递一直是神经科学中的重要课题。来自莫纳什大学心理科学学院的研究团队探讨了结构性连接在定向连接性模型中的整合作用，重点讨论了结构性连接如何改善定向连接性模型的预测能力，进而推动对大脑健康与疾病的理解。
研究团队通过回顾当前的研究，评估了将结构性连接（如大脑区域之间的解剖连接）纳入定向连接性模型的不同方法。这些方法包括通过先验分布、固定参数以及结构学习算法等方式来整合结构性连接。定向连接性分为有效连接性和定向功能连接性。研究表明，将结构性连接纳入定向连接性模型能够显著提升模型的精度和预测能力，但目前缺乏对这些模型可靠性和外部有效性的评估。研究者建议，未来的研究应集中解决这些问题，进一步推动结构性与定向连接性融合，以加深对大脑在健康与疾病中的动态理解。研究发表在 Nature Reviews Neuroscience 上。
#神经科学 #定向连接性 #结构性连接 #大脑健康
阅读论文：
Greaves, Matthew D., et al. “Structurally Informed Models of Directed Brain Connectivity.” Nature Reviews Neuroscience, Dec. 2024, pp. 1–19. www.nature.com, https://doi.org/10.1038/s41583-024-00881-3
孩子生得越晚，大脑发育越快？
人类大脑在生命的头一年中经历快速发育，但目前尚无明确的健康发育蓝图。为解决这一科学问题，耶鲁大学的研究团队利用英国“人类连接组计划”提供的数据，通过训练脑年龄预测模型，分析了611名婴儿（包含足月和早产儿）的MRI数据，揭示脑龄差距与环境因素（如母亲年龄）之间的关系。他们发现，母亲年龄较大与更成熟的大脑结构发育相关，但过快的发育可能带来情绪调节问题。
▷虽然人们可能认为婴儿的大脑比预期更发达可能是一件好事，但研究人员发现情况并非总是如此。Credit: Neuroscience News.
研究基于611名婴儿的静息态功能磁共振成像（fMRI）和扩散张量成像（DTI）数据，预测矫正胎龄（PMA）。通过连接组预测建模，团队发现结构性和功能性连接组均能精准预测胎龄。此外，他们分析了实际年龄与预测年龄之间的差距（脑龄差距，BAGs），并发现母亲年龄是显著影响因素。脑龄偏大的婴儿认知能力较强，但情绪调节能力较差。研究还强调了在不同文化和地区验证此模型的必要性。研究发表在 Nature Communications 上。
#认知科学 #脑年龄模型 #婴儿发育 #神经成像 #母亲年龄
阅读论文：
Sun, Huili, et al. “Brain Age Prediction and Deviations from Normative Trajectories in the Neonatal Connectome.” Nature Communications, vol. 15, no. 1, Nov. 2024, p. 10251. www.nature.com, https://doi.org/10.1038/s41467-024-54657-5
睡眠如何塑造我们大脑的心理导航图
睡眠对大脑如何形成空间认知地图的影响，一直是神经科学领域的一个重要课题。麻省理工学院皮考尔学习与记忆研究所的研究团队通过实验探索了大脑在睡眠过程中如何通过神经活动重塑空间记忆。他们使用小鼠进行实验，通过监测海马神经元的活动来分析睡眠在空间学习中的作用，发现睡眠能够帮助大脑将离散的空间记忆组织成一个更为系统的认知地图。
为了研究潜在学习的神经机制，研究人员记录了小鼠在自由探索迷宫时以及睡眠期间的海马神经元活动。实验结果表明，海马体中的“位置细胞”在小鼠探索过程中能够标记特定地点，但这种活动不足以构成完整的认知地图。而当小鼠进入睡眠状态时，海马中一组弱空间神经元的活动与其他神经元的活动逐渐协同，最终将离散的位置记忆整合成一个类似地图的低维流形结构。研究还表明，睡眠对这些神经元的协同活动起到了至关重要的作用，未休息的小鼠无法改善其空间认知地图。该研究提供了一个关于睡眠如何促进空间学习和认知地图形成的新视角，可能对理解大脑的记忆处理机制有重要意义。研究发表在 Cell Reports 上。
#神经科学 #睡眠 #空间学习 #海马体 #认知地图
阅读论文：
Guo, Wei, et al. “Latent Learning Drives Sleep-Dependent Plasticity in Distinct CA1 Subpopulations.” Cell Reports, vol. 43, no. 12, Dec. 2024. www.cell.com, https://doi.org/10.1016/j.celrep.2024.115028
关注身体信号，是女性更频繁高潮的关键
女性高潮的研究较为匮乏，且大部分关注女性性功能障碍。近年来，内感受作为身体内部状况的感觉，受到越来越多的关注。Megan Klabunde与埃塞克斯大学心理学系的团队通过问卷调查分析了内感受意识与女性性高潮频率及满意度之间的关系。研究发现，内感受意识与性高潮的频率和满意度有显著的关联，尤其是在女性关注自身身体信号时。
研究调查了318名女性的性高潮频率和满意度，采用了多维度内感受意识评估量表（MAIA）。结果表明，在单独的性行为中，女性的性高潮频率和满意度普遍高于伴侣性行为。进一步分析发现，内感受意识的不同维度对性高潮的影响有所不同：首先，“注意力（Noticing）”与性高潮频率正相关，尤其在单独性行为中；其次，“注意力调节”则与单独性高潮的频率和满意度相关，但对伴侣性行为的影响较小；最后，“身体信任（Body Trusting）”与性高潮满意度密切相关，无论是在单独还是伴侣性行为中。该研究强调，女性对自身身体信号的关注与信任是提高性高潮频率和满意度的重要因素。研究发表在 Brain Sciences 期刊上。
#认知科学 #内感受 #性高潮 #女性健康 #性满足
阅读论文：
Dixon, Emily, et al. “Interoceptive Awareness and Female Orgasm Frequency and Satisfaction.” Brain Sciences, vol. 14, no. 12, 12, Dec. 2024, p. 1236. www.mdpi.com, https://doi.org/10.3390/brainsci14121236
电刺激促进运动学习：用神经调节提高运动技能
运动学习依赖于大脑神经回路的可塑性，尤其是在快速、爆发性运动任务（如手指的快速弹道运动）中。哥本哈根大学的研究人员使用精确的电磁刺激技术，通过对皮层-脊髓神经元（CM）突触的配对刺激，研究了电刺激对运动学习的影响。该研究表明，电刺激不仅能够提高神经系统的可塑性，还能显著提升运动学习效果，尤其是在学习高强度运动任务时。
▷配对皮质运动神经元刺激 (PCMS) 和休息对弹道运动学习和皮质脊髓兴奋性的影响。Credit: Nature Communications (2024).
这项研究采用了配对皮质脊髓运动神经元刺激（PCMS）技术，研究人员通过经颅磁刺激（TMS）激活初级运动皮层，随后在精准时序下，通过电刺激激活前臂的外周神经，目标是增强脊髓神经回路的兴奋性。研究人员共进行四项实验，测试PCMS对运动学习的促进作用。
实验结果显示，在接受PCMS刺激后，受试者在运动训练中的表现提升了30%。PCMS的刺激提高了皮质脊髓的兴奋性，尤其是对学习爆发性运动（如食指弹道运动）有显著促进作用。实验三进一步验证了PCMS的时间特异性，结果表明只有在刺激时间精确配对时，才会增强学习效果，而不匹配的刺激则不会产生明显影响。研究还发现，PCMS的效果能够在训练后保持七天，提示其具有长期的促进作用。
通过这些实验，研究表明PCMS能够通过非侵入性的方法调节大脑的可塑性，增强运动学习的效果，并且这一过程符合赫布学习规则，即神经元之间的联动效应促进学习。这项研究为通过精确的神经调节技术提升运动训练效果提供了新的科学依据，尤其对运动康复和精英运动训练具有重要的应用潜力。研究发表在 Nature Communications 上。
#神经技术 #运动学习 #神经可塑性 #皮质脊髓兴奋性 #神经调节
阅读论文：
Bjørndal, Jonas Rud, et al. “Hebbian Priming of Human Motor Learning.” Nature Communications, vol. 15, no. 1, June 2024, p. 5126. www.nature.com, https://doi.org/10.1038/s41467-024-49478-5
AI 行业动态
Gemini 2.0：多模态AI开启智能代理新纪元
谷歌及其旗下DeepMind团队宣布推出全新AI模型Gemini 2.0，这是针对“智能代理时代”设计的最强多模态人工智能模型。继Gemini 1.0和1.5取得显著成果后，Gemini 2.0进一步提升了跨文本、图像、视频、音频及代码等多模态的处理能力，并引入了图像与音频生成的功能，使信息的呈现与交互更加多样化。
Gemini 2.0包括全新实验版本Gemini 2.0 Flash，具备低延迟、双倍性能以及多模态输入与输出能力，适合开发多功能AI代理。研究团队特别推出了“深度研究”（Deep Research）功能，利用高级推理与长上下文理解，充当智能研究助手，为用户探索复杂主题并生成报告。此外，项目还展示了其原型系统，包括面向通用AI助手的Project Astra和协助复杂任务的Project Mariner。另一创新是Jules，一个为开发者服务的AI代码助手，可在GitHub工作流中提供支持。
Gemini 2.0通过结合原生工具使用、复杂指令理解与实时响应，为AI助手赋予了“类人”执行能力，为未来实现通用人工智能（AGI）迈出重要一步。同时，谷歌表示将继续致力于AI的安全性与责任性研发，以确保技术造福用户的同时，减少潜在风险。
#Gemini2.0 #多模态AI #智能代理 #人工智能助手 #AI安全
阅读更多：
https://blog.google/technology/google-deepmind/google-gemini-ai-update-december-2024/#building-responsibly
Claude 3.5 Opus“隐身”之谜：内部用途优先
据semianalysis的最新报道，Anthropic已经成功训练Claude 3.5 Opus（高性能AI模型），但并未公开，而是用其生成高质量合成数据供Claude 3.5 Sonnet训练。此举被认为是优化成本与性能的策略。合成数据的生成能力越强，模型质量也随之提升，形成了一种自我强化的循环。
此外，文章分析了AI领域的诸多新范式。例如，摩尔定律放缓后，英伟达通过硬件并行计算和高带宽网络协同显著提高芯片性能；Meta则利用代码翻译和语法解析提高数据质量，并首次采用拒绝采样和模式判断结合的方式生成训练数据。在强化学习方面，Anthropic等公司正在尝试RLAIF（AI代替人类反馈）方法，以降低收集偏好数据的成本。
文章还特别提到，搜索是扩展AI推理能力的新维度。以OpenAI的o1和o1 Pro为例，后者采用了自一致性方法，通过多次生成并选出最优答案提升推理性能。这表明，大模型开发不仅在算力和数据方面继续加速，也在不断探索新的技术路径和方法。
#Claude3.5 #合成数据 #强化学习 #ScalingLaw #AI范式
阅读更多：
https://semianalysis.com/2024/12/11/scaling-laws-o1-pro-architecture-reasoning-training-infrastructure-orion-and-claude-3-5-opus-failures/
苹果与OpenAI携手：ChatGPT首次深度整合iPhone生态
OpenAI日前宣布，其ChatGPT（生成式预训练变换器）将通过iOS 18.2实现与iPhone的深度整合，标志着苹果核心功能向外部软件开放的重要里程碑。此次更新让用户能够通过Siri（语音助手）、编写工具以及相机功能使用ChatGPT，展示了苹果与OpenAI在人工智能领域的突破性合作。
根据OpenAI ChatGPT工程经理Dave Cummings的介绍，该系统通过三种主要途径运作：Siri语音指令、文本编辑功能和通过相机控制实现的视觉智能。用户无需创建账号即可访问基本功能，而高级功能需订阅服务。这种整合不仅提升了用户体验，也为苹果提供了新的设备升级动力，例如将功能限制在iPhone 15 Pro及更新设备上，推动高端设备销量。
苹果选择与OpenAI合作，而非独立开发人工智能模型，展现其战略性取舍。尽管谷歌的Gemini和Anthropic的Claude在AI能力上表现强劲，苹果通过引入外部伙伴，将重点放在硬件和用户体验上。这种方法既降低了高昂的AI模型训练成本，也保持了苹果一贯的隐私优先设计。所有基础功能均在设备本地运行，高级功能则需云端计算，且数据共享需用户明确许可。
对于OpenAI来说，这一合作为其提供了覆盖逾十亿iPhone用户的契机，并在其面临高额计算成本和收入增长压力之际，带来了潜在的用户转化。未来，这种整合可能改变企业人工智能预算的配置，并推动苹果生态中的更多AI应用。
#苹果 #ChatGPT #人工智能集成 #iPhone创新 #隐私保护
阅读更多：
https://x.com/OpenAI/status/1866943282795938013
VERSES推出Genius™最新版本：提升AI代理的推理与规划能力
VERSES AI Inc.于2024年12月11日宣布推出其旗舰产品Genius™的新版本，面向测试计划的参与者开放使用。本次更新进一步提升了AI智能体的推理、规划和可解释性能力，为机器学习从业者提供了更多开发与部署智能代理的支持工具。
VERSES的首席技术官Hari Thiruvengada博士表示，Genius™的最新版本为用户带来了强化的高级推理与规划功能，同时优化了用户体验，推出了简化的模型构建界面和更易上手的教程。这一切源于早期测试用户的反馈，公司承诺将持续改进，并在未来推出更多先进功能。
Genius™的独特之处在于其超越现有生成式人工智能工具的能力。VERSES创始人兼首席执行官Gabriel René称，Genius™的代理可以模仿人类的推理逻辑，通过规划做出决策，同时提供清晰的可追溯性和可解释性。这为开发人员和行业合作伙伴创造了机会，使他们能在多个领域构建基于代理的创新解决方案。
本次Genius™更新带来了多项核心功能的提升，其中最为显著的是其高性能的Genius代理，它能够支持各种兼容数据模型，提升了AI系统的灵活性与适用性。此外，VERSES还优化了建模与验证工具，提供了直观的低代码界面，用户可以更便捷地构建数据中的因果关系。这一更新还加强了推理与学习能力，采用贝叶斯推理算法来处理不确定性问题，帮助用户在复杂环境中做出更准确的决策。与此同时，更新版本的API更加强大，使得用户能够轻松将推理功能集成到现有的工具和基础设施中，提升工作效率。为了帮助用户更快上手，VERSES还根据反馈简化了教程和示例，进一步优化了用户支持系统，让用户可以更快速地实现价值。
#人工智能 #机器学习 #认知计算 #Genius #VERSES
阅读更多：
https://www.verses.ai/press/verses-releases-latest-version-of-genius
AI 研发动态
二维神经几何揭示人类工作记忆中信息的层次结构
工作记忆（WM）在处理和组织信息时不仅仅是被动存储，它还通过将信息组织成层次结构来克服容量限制。北京大学的研究团队，范莹、王沐之、方芳、丁楠和罗欢，采用了脑电图（EEG）和脑磁图（MEG）技术，旨在探索大脑中如何通过神经几何方式实现信息的层次重组。研究结果表明，工作记忆中的序列信息通过二维神经几何表示，并且这一表示方式在多种实验情境下都得到了验证，揭示了工作记忆的层次性组织结构。
▷WM 中音节序列的代表性几何模型。Credit: Nature Human Behaviour (2024).
在本研究中，研究人员通过三项实验探索了工作记忆中音节序列的神经表示方式。实验中，参与者被要求在短时间内记住音节序列，这些音节序列按照层次结构组织成多音节词。研究人员使用脑电图（EEG）和脑磁图（MEG）记录了参与者的脑电活动，结果显示，音节序列并不是以单一维度表示，而是通过两维度的神经几何来编码：一个维度表示音节在单词中的位置，另一个维度表示单词在整个序列中的位置。
研究表明，这种二维神经几何结构主要来源于左前额叶和颞顶叶区域，并且无论任务设置如何，这一结构在不同实验中都被一致观察到，且与参与者的工作记忆表现存在密切关联。该研究不仅揭示了工作记忆中信息层次组织的神经机制，也为认知功能的神经基础提供了新见解。研究发表在 Nature Human Behaviour 上。
#神经科学 #工作记忆 #神经几何 #脑电图 #脑磁图
阅读更多：
Fan, Ying, et al. “Two-Dimensional Neural Geometry Underpins Hierarchical Organization of Sequence in Human Working Memory.” Nature Human Behaviour, Nov. 2024, pp. 1–16. www.nature.com, https://doi.org/10.1038/s41562-024-02047-8
人工智能如何通过语言修改减少药物滥用患者的社会污名
药物滥用障碍（Substance Use Disorder, SUD）患者治疗率低，主要原因在于社会污名的存在。德雷塞尔大学计算与信息学院的研究团队，通过分析社交媒体中的污名化语言，开发了一种基于大型语言模型的工具。这一工具能够识别和建议替代性语言表达，减少污名传播。研究显示，该工具不仅能准确分类语言，还能教育用户选择更具同情心的措辞，对公众认知和患者支持环境的改善具有重要意义。
研究团队选择了Reddit这一具有代表性的匿名在线平台，分析了超过120万条帖子，其中3207条包含污名化语言。这些帖子进一步分类后，发现1649条是直接针对药物使用者（PWUS, People Who Use Substances）的污名表达。研究团队结合国家药物滥用研究所的语言指导，设计了基于提示工程的GPT-4模型，该模型不仅识别污名化语言，还能提供更为恰当的替代表达，如强调结构性治疗障碍、移除指责等。
最终，研究开发了超过1600种非污名化表达方案，并通过人工审阅和自然语言处理程序评估了其准确性和用户接受度。此外，研究还引入了解释层，使用户能够了解替代建议背后的逻辑。这一框架为在线社交媒体的语言规范化提供了全新思路，同时提升了数字社区对药物使用者的包容性和支持力度。研究成果发表在 Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing 上。
#认知科学 #药物滥用障碍 #污名化语言 #人工智能 #社交媒体
阅读更多：
Bouzoubaa, Layla, et al. “Words Matter: Reducing Stigma in Online Conversations about Substance Use with Large Language Models.” Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing, edited by Yaser Al-Onaizan et al., Association for Computational Linguistics, 2024, pp. 9139–56. ACLWeb, https://doi.org/10.18653/v1/2024.emnlp-main.516
大脑启发的人工智能模型 MovieNet 实现动态场景高效识别
动态视觉场景的识别是传统 AI 的难点。斯克里普斯研究所的研究团队开发了MovieNet，这是一种模仿人脑处理动态场景的 AI 模型。团队研究了蝌蚪视顶盖神经元对视觉序列的反应，发现了神经元如何编码动态场景的原理。通过将这些原理应用于机器学习，MovieNet 在保持高精度的同时大幅降低了数据和能量需求，展示了在医学、药物筛选等领域的潜力。
研究团队采用稀疏噪声刺激（sparse noise stimuli）和反向相关分析（reverse correlation analysis）研究了蝌蚪的视觉神经元，这些神经元能够处理 200-600 毫秒的动态视觉序列，并根据感官体验调整响应。研究发现，视觉信息通过神经元的重复电路模式传递，构建了动态场景的完整“电影剪辑”。团队将这些原理应用于 AI 开发，设计了 MovieNet 模型，能够将视频分解为关键序列并以高精度区分动态场景。在测试中，MovieNet 在识别蝌蚪游泳行为的任务中达到了 82.3% 的准确率，比人类观察者高 18%，且能耗和数据需求显著降低。这表明 MovieNet 在动态场景识别和节能高效的 AI 应用中具有广泛前景。研究发表在 PNAS 上。
#神经技术 #人工智能 #动态场景识别 #环保设计 #医学应用
阅读更多：
Hiramoto, Masaki, and Hollis T. Cline. “Identification of Movie Encoding Neurons Enables Movie Recognition AI.” Proceedings of the National Academy of Sciences, vol. 121, no. 48, Nov. 2024, p. e2412260121. pnas.org (Atypon), https://doi.org/10.1073/pnas.2412260121
材料科学新工具：CrystaLLM 生成合理无机晶体结构
晶体结构的生成和预测是材料科学中的重要课题，但传统方法因计算成本高而面临瓶颈。Luis M. Antunes、Keith T. Butler 和 Ricardo Grau-Crespo 的研究团队，基于自回归大语言模型（Large Language Model, LLM），开发了一种名为 CrystaLLM 的工具，通过对数百万晶体信息文件（CIF）的训练，成功实现了合理的无机晶体结构生成。此研究不仅拓宽了晶体化学的表示方式，也为材料科学的快速创新提供了强大支持。
研究团队利用 CrystaLLM 模型，通过将晶体结构转化为文本格式，训练模型预测原子三维坐标。该方法依托 CIF 格式的庞大数据集，结合自回归语言建模和先进的采样优化算法（如蒙特卡罗树搜索 MCTS 和基于图的形成能预测器），显著提高了生成晶体结构的合理性和多样性。实验表明，CrystaLLM 能够可靠地生成包含多种元素的复杂晶体结构，具有广泛的应用潜力。这一创新方法挑战了传统基于图的表示方式，为探索未知材料结构提供了新工具。研究发表在 Nature Communications 上。
#神经技术 #晶体结构 #生成建模 #材料科学
阅读更多：
Antunes, Luis M., et al. “Crystal Structure Generation with Autoregressive Large Language Modeling.” Nature Communications, vol. 15, no. 1, Dec. 2024, p. 10570. www.nature.com, https://doi.org/10.1038/s41467-024-54639-7
记忆更新如何应对环境变化
在动态环境中，人类需要不断更新记忆以适应变化。Christopher N. Wahlheim 和 Jeffrey M. Zacks 的研究团队提出，记忆更新不仅是通过减少过时记忆的干扰，还可能通过整合过时信息和新信息来形成新的记忆结构。研究使用了多种方法，包括神经成像和眼动追踪等，旨在深入探讨记忆更新的机制。
研究者通过一个电影观看实验，测试了记忆更新的不同机制。实验中，参与者观看了相同情节但有不同结局的电影片段，并通过回忆相关细节来测试记忆更新。研究发现，当预期发生错误时，记忆的更新并不仅仅是减少过时记忆的干扰，而是通过递归的方式将过时记忆与新信息整合，生成更全面的事件表征。此过程有助于提高记忆准确性，并帮助人们适应环境变化，尤其在面临不确定或新的情况时，递归的记忆表征能提供有效的决策支持。研究发表在 Trends in Cognitive Sciences 上。
#认知科学 #记忆更新 #预测误差 #神经成像
阅读更多：
Wahlheim, Christopher N., and Jeffrey M. Zacks. “Memory Updating and the Structure of Event Representations.” Trends in Cognitive Sciences, vol. 0, no. 0, Dec. 2024. www.cell.com, https://doi.org/10.1016/j.tics.2024.11.008
利用D3M方法去偏改善AI模型公平性
麻省理工学院（MIT）的研究团队致力于解决机器学习模型在少数群体上表现不佳的问题。传统的技术通过平衡数据集来解决此类偏差，但这种方法往往会删除大量数据，影响模型的整体性能。为此，MIT研究人员开发了D3M（Data Debiasing with Datamodels）技术，利用训练数据建模来识别和删除对模型表现最有害的样本，从而提升模型在少数群体中的表现，同时保持整体准确性。该技术不仅适用于标注数据，还能处理未标注数据，具有广泛的应用潜力。
D3M方法通过一种叫做“数据建模”（Datamodeling）的技术，估算训练数据对模型预测的影响，特别是在最差组表现上的影响。研究发现，模型的最差组表现通常受少数几类训练样本的影响，这些样本可能会导致模型在特定群体上的表现下降。通过去除这些样本，D3M能够显著提高模型在少数群体上的准确性，而整体准确度几乎不变。研究结果表明，在多个数据集上，D3M相比传统的数据平衡方法，能够在减少数据量的同时，提高最差组的准确性。此外，D3M还能够发现和修正未标注数据中的偏差，提供了一种无需标签即可进行去偏处理的解决方案。该研究为开发更加公平和可靠的AI模型提供了新思路。研究将在2024年神经信息处理系统会议（NeurIPS）上发布。
#神经技术 #数据去偏 #AI公平性 #机器学习 #数据建模
阅读更多：
Jain, Saachi, et al. Data Debiasing with Datamodels (D3M): Improving Subgroup Robustness via Data Selection. arXiv:2406.16846, arXiv, 24 June 2024. arXiv.org, https://doi.org/10.48550/arXiv.2406.16846
人工智能事实核查可能影响公众对新闻标题的判断力
随着AI在反驳在线错误信息方面的应用越来越广泛，关于大型语言模型（LLMs）对政治新闻标题认知和传播的影响还没有深入研究。为此，Matthew R. DeVerna、Harry Yaojun Yan、Kai-Cheng Yang和Filippo Menczer团队采用了随机对照实验的方法，探索了LLM驱动的事实核查对公众辨别标题准确性及新闻分享意图的影响。研究结果表明，尽管LLM能准确识别虚假标题，但其事实核查信息并未有效提高公众辨别新闻的准确性，反而在某些情况下可能降低对真实新闻的信任。
研究人员采用了预注册的随机对照实验来评估LLM生成的事实核查信息对政治新闻标题的信念和分享意图的影响。尽管LLM能够识别90%的虚假新闻标题，研究发现，参与者的辨别能力和准确新闻的分享意图未得到显著提升。相反，人工生成的事实核查信息能够有效提高辨别准确性。研究还发现，AI事实核查在一些特殊情况下产生了负面效果：AI对新闻真实性的不确定性可能导致公众对被错误标记为虚假的真实新闻信任度降低，且可能增加对虚假标题的信任。尽管如此，AI的事实核查能够提高对正确标记的真实新闻的分享意图。这项研究强调了AI在事实核查中可能带来的潜在危害，并提醒人们制定政策来减少这种风险。研究发表在 PNAS 上。
#认知科学 #人工智能 #新闻传播 #信息核查
阅读更多：
DeVerna, Matthew R., et al. “Fact-Checking Information from Large Language Models Can Decrease Headline Discernment.” Proceedings of the National Academy of Sciences, vol. 121, no. 50, Dec. 2024, p. e2322823121. pnas.org (Atypon), https://doi.org/10.1073/pnas.2322823121
整理｜ChatGPT
编辑｜丹雀、佳音、存源
关于追问nextquestion
天桥脑科学研究院旗下科学媒体，旨在以科学追问为纽带，深入探究人工智能与人类智能相互融合与促进，不断探索科学的边界。如果您有进一步想要讨论的内容，欢迎评论区留言，或添加小助手微信questionlab，加入社群与我们互动。
关于天桥脑科学研究院
天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。
Chen Institute与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了加州理工天桥神经科学研究院。