研究人员称大脑对深度伪造声音的响应不同

研究人员称大脑对深度伪造声音的响应不同 根据发表在《自然》期刊上的一项研究，苏黎世大学研究人员发现，大脑对自然人声和深度伪造人声的处理方式不同。研究人员首先录制了四位男性的声音，然后使用一种转换算法(Conversion algorithm)生成深度伪造声音。25 名参与者在聆听了一对声音后被要求判断它们是否相同。参与者在三分之二的情况下正确识别了深度伪造人声。研究人员指出深度伪造声音确实能欺骗人，但尚不完美。研究人员随后用成像技术检查大脑，观察哪些区域对深度伪造声音和自然声音的反应不同。他们确定了两个能识别伪造声音的区域：伏隔核和听觉皮层。伏隔核是大脑奖励系统的关键组成部分。当参与者被要求判断深度伪造人声和自然人声是否相同时，其活跃性较低。当被要求对比两个自然人声时它相当活跃。 via Solidot

科学家绘制人类大脑一小部分的高分辨率地图

科学家绘制人类大脑一小部分的高分辨率地图 根据发表在《》期刊上的一项研究，哈佛和 Google 的科学家绘制出人类大脑一小部分的高分辨率 3D 地图。图谱揭示了脑细胞神经元之间的新连接模式，以及围绕自身形成结的细胞，以及几乎互为镜像的成对神经元。3D 地图覆盖了大约一立方毫米的体积，是整个大脑的百万分之一，包含了大约 57,000 个细胞和 1.5 亿个突触。它包含了 1.4 pb 的庞大数据。这块大脑碎片取自一名 45 岁的女性，当时她正在接受治疗癫痫的手术。它来自大脑皮层，这是大脑中负责学习、解决问题和处理感官信号的部分。样品浸泡在防腐剂中，并用重金属染色，使细胞更容易被看到。研究人员将样本切成大约 5000 片每片只有 34 纳米厚可以用电子显微镜成像。他们建立了 AI 模型，能将显微镜图像拼接在一起，以 3D 方式重建整个样本。来源 ， 频道：@kejiqu 群组：@kejiquchat

这种寄生虫吃掉了美国总统候选人小肯尼迪的部分大脑。

这种寄生虫吃掉了美国总统候选人小肯尼迪的部分大脑。 美国政客小罗伯特·肯尼迪的大脑中发现异常现象，可能是死去的寄生虫。 医生认为，他照片中看到的异常现象“是由一种蠕虫引起的，它进入……大脑，吃了其中的一部分，然后死亡” 《纽约时报》援引这位政治家本人的评论写道。

【#为什么周末总是过得特别快#】心理学家认为，大脑会采用完全不同的方法来判断时间的流逝。当人们回忆过去时，对时间长短的评估是根据

【#为什么周末总是过得特别快#】心理学家认为，大脑会采用完全不同的方法来判断时间的流逝。当人们回忆过去时，对时间长短的评估是根据那段时间发生了多少件新鲜事决定的。 普通人在工作日内，只会在记忆中增加6~9件新鲜事，因此会感到日子过得缓慢乏味；一旦到了周末或假期，大脑会在一天内突然录入很多有趣的记忆，存储空间很快就被填满。当再对这段时光进行回忆时，就会觉得经历了很多，产生时间过得特别快的错觉。 via 生命时报的微博

突破性人工智能利用大脑数据预测小鼠运动 准确率高达95%

突破性人工智能利用大脑数据预测小鼠运动 准确率高达95% 一种用于预测行为状态的新型"端到端"深度学习方法使用了无需预处理或预先指定特征的全皮层功能成像。该方法由医科学生梶冈武弘（AJIOKA Takehiro）和神户大学高见彻（TAKUMI Toru）领导的团队开发，他们还能确定哪些大脑区域与算法最相关（如图）。提取这些信息的能力为未来开发脑机接口奠定了基础。资料来源：梶冈武弘要制作脑机接口，就必须了解大脑信号和受影响的动作之间的关系。这就是所谓的"神经解码"，这一领域的大部分研究都是通过植入大脑的电极来测量脑细胞的电活动。另一方面，功能成像技术，如核磁共振成像或钙成像，可以监测整个大脑，并通过代理数据使活跃的大脑区域清晰可见。其中，钙成像速度更快，空间分辨率更高。但在神经解码工作中，这些数据源仍未得到利用。其中一个特别的障碍是需要对数据进行预处理，如去除噪音或确定感兴趣的区域，因此很难为多种不同行为的神经解码设计出通用的程序。神户大学医科学生 Ajioka Takehiro 利用神经科学家 Takumi Toru 领导的团队的跨学科专业知识解决了这一问题。Ajioka 说："我们在基于 VR 的小鼠实时成像和运动跟踪系统以及深度学习技术方面的经验，让我们能够探索'端到端'深度学习方法，这意味着它们不需要预处理或预先指定的特征，从而可以评估整个皮层的神经解码信息。他们将两种不同的深度学习算法（一种针对空间模式，一种针对时间模式）结合到小鼠在跑步机上休息或奔跑的全皮层胶片数据中，并训练他们的人工智能模型从皮层图像数据中准确预测小鼠是在移动还是在休息。"神户大学的研究人员在《PLoS 计算生物学》杂志上报告说，他们的模型预测动物真实行为状态的准确率高达 95%，而无需去除噪声或预先定义感兴趣的区域。此外，他们的模型仅凭 0.17 秒的数据就做出了这些准确的预测，这意味着他们可以达到接近实时的速度。而且，这种方法适用于五个不同的个体，这表明该模型可以过滤掉个体特征。然后，神经科学家们通过删除部分数据并观察模型在该状态下的表现，确定图像数据中哪些部分对预测起主要作用。预测结果越差，数据就越重要。梶冈武弘释说："我们的模型能够识别行为分类的关键皮层区域，这尤其令人兴奋，因为它打开了深度学习技术'黑盒'的盖子。"神户大学团队建立了一种可通用的技术，从整个皮层功能成像数据中识别行为状态，并开发了一种技术来识别预测是基于数据的哪些部分。这项研究为进一步开发能够利用无创脑成像进行近实时行为解码的脑机接口奠定了基础。编译自:ScitechDaily ... PC版： 手机版：

《超级大脑的七个习惯

《超级大脑的七个习惯 简介：如果你希望深入了解超级大脑的七个习惯，这门课程将带你进入一个充满创意与实用技巧的世界。从基础到高阶，每一部分都细致入微，帮助你掌握行业内的最新技术与方法。课程设计紧贴实际应用，学员不仅能学到理论，还能掌握解决实际问题的能力，提升自己的工作效率和创作水平。不管是初学者还是有一定经验的学员，都可以在这里找到提升的空间。 标签：#超级大脑的七个习惯 #课程 文件大小 NG |