AI 系统绘出 “多彩” 大脑布线图 可解开和重建大脑密集神经元网络

AI 系统绘出 “多彩” 大脑布线图 可解开和重建大脑密集神经元网络 日本九州大学研究人员在新一期《自然・通讯》上发表文章称，他们开发了一种新的人工智能（AI）工具 QDyeFinder，其可从小鼠大脑的图像中自动识别和重建单个神经元。该过程涉及使用超多色标记协议去标记神经元，然后让 AI 通过匹配相似的颜色组合自动识别神经元的结构。将 QDyeFinder 的结果与手动追踪神经元的数据进行比较时，它们的准确性几乎一致。即使与已经充分利用机器学习的现有追踪软件相比，QDyeFinder 也能以更高的准确度识别轴突。

反思大脑设计：人类神经元的独特布线挑战了旧有假设

反思大脑设计：人类神经元的独特布线挑战了旧有假设 新研究发现，与小鼠的循环互动不同，人类新皮质神经元单向交流效率更高。这一发现可能会通过模仿人类大脑的连通性来促进人工神经网络的发展。记录多达十个神经元活动的多补丁实验装置。图片来源：Charité | 彭扬帆新皮质是人类智力的关键结构，厚度不足五毫米。在大脑的最外层，200 亿个神经元处理着无数的感官知觉，规划着行动，并构成了我们意识的基础。这些神经元是如何处理所有这些复杂信息的呢？这在很大程度上取决于它们之间的"连接"方式。夏里特神经生理学研究所所长约尔格-盖格（Jörg Geiger）教授解释说："我们以前对新皮层神经结构的理解主要基于小鼠等动物模型的研究结果。在这些模型中，相邻的神经元经常像对话一样相互交流。一个神经元向另一个神经元发出信号，然后另一个神经元再向它发出信号。这意味着信息经常以循环往复的方式流动"。带有机器人机械手的多通道装置，可在两轮实验之间自动冲洗玻璃移液管。图片来源：Charité | 彭扬帆人类的新皮质比小鼠的新皮质更厚、更复杂。尽管如此，研究人员之前一直假设部分原因是缺乏数据它遵循相同的基本连接原则。盖革领导的夏里特研究小组现在利用极其罕见的组织样本和最先进的技术证明了事实并非如此。在这项研究中，研究人员检查了23名在夏里特接受神经外科手术治疗耐药性癫痫患者的脑组织。在手术过程中，医学上有必要切除脑组织，以便观察其下的病变结构。患者同意将这些组织用于研究目的。神经元的旋转重建。图片来源：Charité | Sabine Grosser为了能够观察人类新皮层最外层相邻神经元之间的信号流，研究小组开发出了一种改进版的"multipatch"技术。这样，研究人员就能同时监听多达十个神经元之间的通信。因此，他们能够在细胞停止体外活动前的短时间内进行必要数量的测量，以绘制网络图。他们分析了近 1170 个神经元之间的通信渠道，以及约 7200 个可能的连接。他们发现，只有一小部分神经元之间进行了相互对话。"人类的信息往往是单向流动的。它很少直接或通过循环返回起点，"该论文的第一作者彭扬帆博士解释说。他曾在神经生理学研究所从事这项研究，目前在夏里特神经学系和神经科学研究中心工作。研究小组根据人类网络结构的基本原理设计了一种计算机模拟，以证明这种前向信号流在处理数据方面的优势。来自多配接装置的微量移液管接近单个神经元。图片来源：Charité | Franz Mittermaier研究人员给人工神经网络布置了一项典型的机器学习任务：从口语数字录音中识别出正确的数字。在这项语音识别任务中，模仿人类结构的网络模型比以小鼠为模型的网络模型获得了更多的正确响应。它的效率也更高，同样的成绩在小鼠模型中需要相当于 380 个神经元，而在人类模型中只需要 150 个神经元。"我们在人类身上看到的定向网络结构更强大，也更节省资源，因为更多独立的神经元可以同时处理不同的任务，"彭解释道。"这意味着局部网络可以存储更多信息。目前还不清楚我们在颞叶皮层最外层的发现是否会扩展到其他皮层区域，也不清楚这些发现能在多大程度上解释人类独特的认知能力。"过去，人工智能开发人员在设计人工神经网络时会从生物模型中寻找灵感，但也会独立于生物模型来优化算法。盖格说："许多人工神经网络已经使用了某种形式的前向连接，因为它能为某些任务带来更好的结果。人脑也显示出类似的网络原理，这令人着迷。这些对人类新皮质中具有成本效益的信息处理的洞察，可以为完善人工智能网络提供更多灵感"。编译来源：ScitechDaily ... PC版： 手机版：

GPT-4、Llama 2比人类更懂“人类心理”？最新研究登上Nature子刊

GPT-4、Llama 2比人类更懂“人类心理”？最新研究登上Nature子刊 这些发现不仅表明大型语言模型（LLMs）展示出了与人类心理推理输出一致的行为，而且还突出了系统测试的重要性，从而确保在人类智能和人工智能之间进行非表面的比较。相关研究论文以“Testing theory of mind in large language models and humans”为题，已发表在 Nature 子刊 Nature Human Behaviour 上。GPT 更懂“误导”，Llama 2 更懂“礼貌”心智理论，是一个心理学术语，是一种能够理解自己以及周围人类的心理状态的能力，这些心理状态包括情绪、信仰、意图、欲望、假装等，自闭症通常被认为是患者缺乏这一能力所导致的。以往，心智理论这一能力被认为是人类特有的。但除了人类之外，包括多种灵长类动物，如黑猩猩，以及大象、海豚、马、猫、狗等，都被认为可能具备简单的心智理论能力，目前仍有争议。最近，诸如 ChatGPT 这样的大型语言模型（LLMs）的快速发展引发了一场激烈的争论，即这些模型在心智理论任务中表现出的行为是否与人类行为一致。在这项工作中，来自德国汉堡-埃彭多夫大学医学中心的研究团队及其合作者，反复测试了两个系列的 LLMs（GPT 和 Llama 2）的不同心智理论能力，并将它们的表现与 1907 名人类参与者进行比较。他们发现，GPT 模型在识别间接要求、错误想法和误导三方面的表现，可以达到甚至超越人类的平均水平，而 Llama 2 的表现还不如人类。图｜人类（紫色）、GPT-4（深蓝色）、GPT-3.5（浅蓝色）和 LLaMA2-70B（绿色）在心智理论测试中的表现。在识别失礼方面，Llama 2 要强于人类，但 GPT 表现不佳。研究团队认为，Llama 2 表现好是因为回答的偏见程度较低，而不是因为真的对失礼敏感，GPT 表现较差其实是因为对坚持结论的超保守态度，而不是因为推理错误。AI 的心智理论已达人类水平？在论文的讨论部分，研究团队对 GPT 模型在识别不当言论任务中的表现进行了深入分析，实验结果支持了 GPT 模型在识别不当言论方面存在过度保守的假设，而不是推理能力差。当问题以可能性的形式提出时，GPT 模型能够正确识别并选择最可能的解释。同时，他们也通过后续实验揭示了 LLaMA2-70B 的优越性可能是由于其对无知的偏见，而不是真正的推理能力。此外，他们还指出了未来研究的方向，包括进一步探索 GPT 模型在实时人机交互中的表现，以及这些模型的决策行为如何影响人类的社会认知。他们提醒道，尽管 LLM 在心智理论任务上的表现堪比人类，但并不意味着它们具有人类般的能力，也代表它们能掌握心智理论。尽管如此，他们也表示，这些结果是未来研究的重要基础，并建议进一步研究 LLM 在心理推断上的表现会如何影响个体在人机交互中的认知。 ... PC版： 手机版：

中大研究指长者更密集练习书法　对协调大脑神经网络有正面影响

中大研究指长者更密集练习书法　对协调大脑神经网络有正面影响 中大医学院研究发现，年长人士增加参与认知活动，对协调大脑神经网络有正面影响，作为日常预防认知障碍症的健康措施。中大医学院研究团队于2020年1月至2022年底，进行随机对照研究，招募112名55至75岁、非安老院居住、具有主观认知功能衰退的年长人士参与，他们均长期练习中国书法，每周至少练习一小时，当中部分人在研究期间需要将书法练习的时间加倍，为期6个月，而其余则维持日常的练习习惯。研究团队之后分别为他们进行脑部磁力共振扫描，发现维持日常练习习惯的参加者，大脑预设模式网络(DMN)功能性连结减弱，至于增加练习书法时间的研究参与者，较少有DMN功能性连结减弱，甚至有所增强。阿兹海默症等认知障碍症已知与DMN缺陷有关联。负责研究的学者表示，书法涉及视觉空间协调、注意力和非语言记忆，增加书法练习可以加强大脑的DMN功能性连结，学者鼓励尚未患有认知障碍症的长者更密集进行类似的常规认知活动，有助促进脑部健康。 2024-05-23 10:54:59