裸盖菇素通过干扰大脑网络增强可塑性
正念训练可能改变意识状态
星形胶质细胞在中枢神经系统损伤后的修复功能
跨物种内部世界模型的形式化描述揭示了AI发展的方向
星形胶质细胞调控学习和记忆的关键角色
新方法可预测癫痫患者24小时内发作风险
█AI行业动态
OpenAI发布全新性价比王者：GPT-4o mini
AI科技公司革新影片多语言配音：突破“恐怖谷”
Mistral联合英伟达开源12B小模型，128k上下文
Google推出Oscar项目：AI助力开源项目维护新纪元
█AI研发动态
利用AI揭示两栖动物遗传多样性形成的不同因素
能够评估基础模型的可靠性的新技术
提高AI输出的可读性：OpenAI推出新方法
Bioptimus发布H-optimus-0：病理学领域的开源AI新里程碑
GPT助力精神病诊断
脑科学动态
裸盖菇素通过干扰大脑网络增强可塑性
该研究由圣路易斯华盛顿大学医学院神经学副教授Nico Dosenbach领导，旨在探讨裸盖菇素（psilocybin）对大脑网络的影响。研究对七名参与者进行了高剂量裸盖菇素（25毫克）的给药，并在MRI中扫描他们的大脑，平均每人接受了18次扫描。
研究发现，裸盖菇素显著扰乱了大脑皮层和皮层下区域的功能连接性（FC），这种变化比对照药物甲基苯丙胺（40毫克）引起的变化大三倍以上。具体来说，裸盖菇素引起了脑网络的去同步化，即通常同步活动的神经元群体变得不同步，导致网络内部的关联性降低，网络之间的反相关性减弱。尤其是默认模式网络受到了最强烈的影响，该网络与前海马体相连，被认为是我们形成时间、空间和自我感知的关键。
研究还发现，裸盖菇素引起的这些变化与参与者的主观迷幻体验密切相关，且这种网络连接性的改变可以持续数周。这些发现表明，裸盖菇素通过干扰大脑网络结构，增强了大脑的可塑性，可能解释了其在治疗抑郁症和成瘾等心理问题中的潜在效果。研究发表在Nature上。
#大脑健康 #Nature #迷幻药物 #脑网络 #可塑性
阅读论文：
正念训练可能改变意识状态
正念训练近年来因其在减压和应对抑郁焦虑方面的显著效果而受到广泛关注。根据调查，英国15%的成年人学习过某种形式的正念。剑桥大学的研究团队在Julieta Galante博士的领导下，开展了一项随机对照试验，以评估正念训练对考试压力的应对效果，并探讨其是否会引发所谓的改变意识状态的体验。
研究随机招募了670名剑桥大学学生。参与者被分为接受8周正念训练加上通常心理健康支持（SAU）和仅接受心理健康支持的对照组。在随访一年后，研究团队使用改编的意识状态变化评分量表（OAV）评估参与者的自发体验。
结果显示，正念训练组比对照组更频繁地体验到统一感和脱离身体的感受。进一步分析显示，正式正念练习时间越长，参与者越有可能体验到精神、幸福、统一感、洞察力和脱离身体等改变的意识状态。这些发现表明，正念训练可能与特定的改变意识状态之间存在因果关系，但需要进一步研究来确认其机制和临床意义。研究结果发表在PLOS ONE期刊上。
#认知科学 #正念训练 #意识状态 #脱离身体 #统一感
阅读论文：
前额叶皮层不同区域在决策中作用不同
衰老或神经疾病会加剧个体行为的变异，但尚不清楚哪些大脑区域与这种变异性存在因果关系。莫纳什大学神经科学家Farshad Alizadeh Mansouri团队通过研究猕猴的前额叶皮层，发现了不同区域对执行快速决策任务的时间可变性的影响。
研究团队对21只猕猴进行了实验，训练它们执行选择与目标刺激具有相同颜色或形状的任务，并在中途切换规则。随后，研究人员损伤了前额叶皮层的不同区域，观察这些损伤对猕猴在测试中的表现的影响。结果发现，损伤前扣带皮层（ACC）后反应时间变异性降低，而损伤眶额皮层（OFC）后反应时间变异性增加。损伤额极皮层（FPC）和中背外侧前额叶皮层（MDLFC）对反应时间变异性影响不大。这些发现表明，不同的前额叶皮层区域在决策过程中具有不同的作用，前扣带皮层的损伤导致决策阈值的降低和冲动反应，而眶额皮层的损伤则影响评估和积累证据的能力。研究发表在 Nature Communications上。
阅读论文：
星形胶质细胞在中枢神经系统损伤后具有修复作用
加州大学洛杉矶分校的研究团队针对中枢神经系统损伤（如中风或脊髓损伤）后的星形胶质细胞反应机制进行了深入研究。研究人员利用时间序列转录组分析、单核RNA测序和免疫组化等技术，对成年小鼠中枢神经系统损伤后的星形胶质细胞进行了详细研究。
结果显示，在损伤边界形成的星形胶质细胞中，约90%来源于增殖的局部星形胶质细胞，而10%则来源于少突胶质细胞前体细胞。这些细胞在损伤后去分化、增殖，并通过转录重新编程，形成具有永久性改变的新状态。这些状态表现为星形胶质细胞-神经元相互作用分子的下调和与伤口愈合、微生物防御及与基质和免疫细胞相互作用相关分子的上调。
研究还发现，这些“伤口修复星形胶质细胞”在形态和转录上与围脑膜限制区星形胶质细胞相似，是重新建立病变区域周围中枢神经系统完整性的主要来源。这些发现对理解星形胶质细胞在创伤和中风后的修复功能具有重要意义，并可能为开发新的治疗策略提供基础。研究发表在 Nature Neuroscience 上。
#神经科学 #NatureNeuroscience #星形胶质细胞 #中枢神经系统损伤 #伤口修复
阅读论文：
跨物种内部世界模型的形式化描述揭示了AI发展的方向
弗莱堡大学大脑连接-大脑工具研究中心（BrainLinks-BrainTools）由光生理学教授Ilka Diester领导的科学家团队，首次开发了一种对内部世界模型的正式描述。该研究团队包括来自四个学院的十一位研究人员，致力于跨学科研究。
研究人员通过区分任务空间（task space）、神经空间（neural space）和概念空间（conceptual space），形式化了跨物种的内部世界模型。任务空间涵盖个体经历的所有事物，神经空间描述了大脑的各种可测量状态，如分子水平到整个大脑区域的活动，这些活动通过功能磁共振成像（fMRI）、高密度电极或钙成像等技术可视化。概念空间由任务空间和神经空间的状态对组成，这些对表示个体的状态，将内部过程与外部影响联系起来。
研究发现，这种形式化的视角有助于科学家跨学科分析内部世界模型，讨论其形成和演变。通过比较人类、动物和人工智能的内部世界模型，研究人员发现，当前的人工智能系统在某些方面仍然存在不足，例如无法检验预测的合理性，缺乏实际计划能力，这些都是未来改进的方向。此外，研究人员还认为，内部世界模型的缺陷可能是某些精神疾病（如抑郁症和精神分裂症）的原因之一。深入理解世界模型有助于更有针对性地使用药物和治疗。研究发表在Neuron上。
#神经技术 #Neuron #内部世界模型 #人工智能 #跨学科研究
阅读论文：
星形胶质细胞调控学习和记忆的关键角色
波恩大学医院和波恩大学的研究团队通过生物物理模型揭示，星形胶质细胞不仅仅是大脑的支撑细胞，它们在学习和记忆中发挥重要作用。
研究团队开发了一个基于星形胶质细胞与神经元之间生化反馈回路的生物物理模型。该模型展示了星形胶质细胞通过调节神经递质D-丝氨酸（D-serine）水平，促进大脑快速适应新信息并重塑突触连接的机制。具体来说，活跃的神经元释放内源性大麻素，启动了这个反馈回路，星形胶质细胞则通过调节D-丝氨酸在树突中的浓度来完成这一过程。D-丝氨酸是NMDA受体的辅激动剂，调控突触可塑性的强度和方向。研究表明，这一机制的数学描述与BCM模型（一种突触可塑性的现象学模型）一致。
通过这一框架，研究解释了在D-丝氨酸调节机制受损的小鼠中观察到的学习缺陷，表明D-丝氨酸在反转学习中增强了可塑性，确保了对外部环境变化的快速反应。这一发现不仅解释了实验观察结果，还提供了关于学习过程的新可测试预测，进一步推动了我们对神经元-胶质细胞相互作用在学习中功能作用的理解。研究发表在Communications Biology上。
#神经科学 #星形胶质细胞 #突触可塑性 #学习与记忆 #D-丝氨酸
阅读论文：
新方法可预测癫痫患者24小时内的发作风险
加利福尼亚大学旧金山分校的癫痫专家团队开发了一种新方法，可以预测癫痫患者在24小时内的发作风险。这项研究由神经学教授Vikram Rao和神经外科助理教授Ankit Khambhati领导，旨在提高癫痫患者的生活质量，减少他们对癫痫发作的不确定性。
研究团队首先招募了15名癫痫发作源自海马体的志愿者，这些患者均植入了能够记录大脑活动的响应性神经刺激系统（RNS）设备。通过对这些设备记录的多月大脑活动数据进行扫描，研究人员发现了一种与癫痫发作相关的多日周期活动。在癫痫发作风险较低时，左右海马体独立运作，而风险增加时，两侧海马体开始同步通信，预示着癫痫即将发生。
Rao团队开发了一种称为“快照癫痫预测”（Snapshot Seizure Forecasting）的方法，仅通过分析90秒的异常脑电信号，即可预测未来24小时内癫痫发作的风险。这一预测模式在15名参与者中几乎都表现出相似的结果，增加了这种方法对其他癫痫患者的适用性。研究人员计划在更多不同类型的癫痫患者中测试这一方法，并希望开发出一种无需植入脑部设备的非侵入性数据收集方法。
根据对癫痫患者的调查，70%的患者表示他们愿意使用这种预测系统来帮助计划他们的日常活动。通过提供癫痫发作的风险信息，这一系统可以让患者在风险较低时安心进行日常活动，提高他们的生活质量。研究发表在 Nature Medicine 上。
#神经技术 #Nature Medicine #癫痫 #脑电活动 #癫痫发作预测
阅读论文：
AI 行业动态
OpenAI发布全新性价比王者：GPT-4o mini
今天凌晨，OpenAI发布了其最新一代模型GPT-4o mini，称其为“最具性价比”的AI模型。该模型将取代GPT-3.5 Turbo，并立即在ChatGPT平台上免费上线。据悉，GPT-4o mini在多个性能指标上超越了前代产品和竞争对手。
GPT-4o mini在MMLU测试中得分率达到82%，在LMSYS排行榜的聊天偏好方面超过了GPT-4。其价格比GPT-3.5 Turbo便宜了60%，每百万输入token为15美分，每百万输出token为60美分，使得智能应用变得更加经济实惠。
该模型以低成本和低延迟实现多种任务，包括调用多个应用程序接口、传递大量上下文信息和实时客户交互。GPT-4o mini支持文本和视觉API，未来还将扩展至图像、视频和音频输入输出。其上下文窗口可容纳128K token，每个请求最多支持16K输出token，知识期限截止到2023年10月。
在文本智能和多模态推理方面，GPT-4o mini表现尤为突出。在学术基准测试中，其推理任务、数学和编码能力均优于市场上现有的小型模型。在MGSM数学推理测试中得分率为87%，在HumanEval编码性能测试中得分率为87.2%。
GPT-4o mini还内置了与GPT-4o相同的安全措施，经过70多名外部专家的评估，以确保模型在大规模应用中的可靠性和安全性。OpenAI还使用RLHF等技术，使模型行为更符合人类策略，提高响应准确性和可靠性。
#OpenAI #GPT4omini #人工智能 #多模态推理 #安全性
阅读更多：
AI科技公司革新影片多语言配音，突破“恐怖谷”
Flawless AI，这家由电影制片人和科学家创立的公司，正致力于革新多语言对话的配音方式，宣称已成功跨越了“恐怖谷”这一技术难关。
目前，观看外语影视作品的配音版本常常让人感到不适，这主要归因于口型与配音不匹配的问题。流媒体平台的普及使得本地语言影视作品大量涌现，但观看英语配音的丹麦犯罪剧或西班牙寄宿学校肥皂剧常常是一场令人不安的体验。
Flawless公司成立于2018年，由导演Scott Mann和Nick Lynes创立，致力于通过其独有的TrueSync技术，实现演员面部的精准映射，提供自然流畅的翻译效果。该公司在今年的戛纳电影节上展示了其工作成果，获得了广泛关注。
Flawless不仅在技术上取得突破，还进入了电影发行领域，与XYZ Films和Tea Shop Productions合作，获得外国电影的版权，并承诺通过“完美同步”的视觉效果将这些作品转换为英语版本。首部发行的作品是Victor Dannell获奖的科幻片UFO Sweden，在美国的发行标题为Watch the Skies。预计未来几个月将有更多项目推出。
#FlawlessAI #电影配音 #多语言 #恐怖谷 #影视技术革命
阅读更多：
Mistral联合英伟达开源12B小模型，128k上下文
近日，Mistral与NVIDIA合作推出了Mistral NeMo，这是一款拥有120亿参数的先进模型。Mistral NeMo支持高达12.8万个标记的上下文窗口，其推理能力、世界知识及编程准确性在同类模型中处于领先地位。此外，该模型采用了标准架构，能够轻松替换现有使用Mistral 7B的系统。
为了促进研究人员和企业的广泛采用，Mistral NeMo的预训练基础模型和指令调优检查点均在Apache 2.0许可证下发布。值得一提的是，该模型经过量化感知训练，实现了FP8推理而不损失性能。
Mistral NeMo的多语言特性尤其引人注目。它针对全球多语言应用进行了设计，支持包括英语、法语、德语、西班牙语、意大利语、葡萄牙语、中文、日语、韩语、阿拉伯语和印地语在内的多种语言。这一突破性进展使得先进的AI模型能够普及到更多人的手中，覆盖了全球各种语言和文化。
Mistral NeMo引入了一种新的分词器Tekken，这种基于Tiktoken的分词器在100多种语言上的表现均优于此前使用的SentencePiece分词器。在压缩源代码、中文、意大利语、法语、德语、西班牙语和俄语文本时，Tekken的效率提升了约30%，而在韩语和阿拉伯语上的压缩效率分别提高了2倍和3倍。与Llama 3分词器相比，Tekken在约85%的语言上表现更为出色。
此外，Mistral NeMo经历了先进的指令微调和对齐阶段，与Mistral 7B相比，能够更好地执行精确指令、进行推理、处理多轮对话并生成代码。
#MistralNeMo #NVIDIA #多语言AI #Tekken分词器 #先进AI模型
阅读更多：
Google推出Oscar项目：AI助力开源项目维护
在科技领域，开源软件无处不在，从网页浏览器到操作系统，几乎每一项技术都依赖于它。然而，开源项目的维护工作繁琐且耗时，常常依赖志愿开发者的无私奉献，这限制了他们投入新创意和新功能开发的时间。
为了解决这一难题，Google于近日推出了名为Oscar的开源贡献者代理架构。Oscar旨在减少开源项目维护中的手工操作，特别是在处理问题报告、拉取请求和论坛问题等方面，极大地减轻项目维护者的负担。随着项目规模的扩大，维护者需要跟踪大量相关上下文和文档，效率往往难以保障，Oscar正是为了解决这一痛点而生。
传统的开源项目维护涉及大量手工处理问题报告、匹配查询与现有文档以及管理变更列表或拉取请求的工作。这些过程容易出现效率低下和错误，导致重复劳动和响应延迟。尽管已有如@gopherbot等工具部分实现了自动化，但它们需要通过编码进行配置，这对所有贡献者而言并不友好。
Oscar创新性地利用大语言模型（LLMs）来提升开源项目的维护效率。与直接自动化代码编写不同，Oscar专注于减少重复性和乏味的任务。它创建的代理通过对自然语言输入（如问题报告和维护者指示）的语义分析，将其转化为可执行的确定性任务。
Oscar的架构具有三大核心能力：项目上下文的索引和呈现、使用自然语言控制确定性工具以及分析问题报告和变更请求（CLs/PRs）。
项目上下文的索引和呈现：Oscar使用LLMs为项目文档、问题报告和论坛讨论创建嵌入，将这些数据存储在向量数据库中。当新问题报告出现时，系统能够迅速检索并呈现高度相关的上下文，快速识别重复或相关问题，从而大大提升问题分类和处理效率。
使用自然语言控制工具：Oscar计划允许维护者使用自然语言命令与各种确定性工具互动，而无需学习特定的API或命令。这种方式简化了项目管理工具的操作，使其更易于访问，降低学习曲线。
分析问题报告和CLs/PRs：系统旨在对新报告进行深度语义分析，分类、建议标签或请求更多信息。例如，如果报告缺乏可重现的示例，代理可以提示报告者提供更多细节。此功能确保报告完整且可操作，加快问题解决速度。
Oscar的初步原型@ gabyhelp bot已在Go项目的问题跟踪器中成功运行，展示了其与贡献者互动、提供相关链接和上下文的能力，显示出广泛应用于开源维护中的潜力。
#Google #AI #开源项目 #Oscar #代码维护
AI 研发动态
利用AI揭示两栖动物遗传多样性形成的不同因素
俄亥俄州立大学的研究人员利用机器学习技术，研究了哪些因素对物种的遗传多样性最具影响力。研究团队包括进化、生态和生物学领域的专家Bryan Carstens。
这项研究通过卷积神经网络分析了穴细趾蟾（Leptodactylus troglodytes）和巴西颗粒蟾蜍（Rhinella granulosa）的遗传多态性。研究发现，穴细趾蟾的遗传变异主要受过去10万年间的栖息地变化和人口统计事件的影响。与之相对，颗粒蟾蜍的遗传多样性则主要受当前景观因素的影响，如地理隔离或不适宜的栖息地。利用AI，研究人员首次能够同时考量历史人口统计和景观过程对遗传多样性的影响，而不是依赖手动假设哪个因素更为重要。这种方法通过模拟生态和深时进化事件，将模拟结果与实际数据进行比较，得出了更完整的物种发展历史。尽管模型的构建和训练耗时较长，但其高准确度表明这种方法可以更精确地捕捉物种历史中的潜在变异。研究发表在Molecular Phylogenetics and Evolution上。
#机器学习 #遗传多样性 #两栖动物
阅读论文：
能够评估基础模型的可靠性的新技术
麻省理工学院与MIT-IBM Watson AI实验室的研究人员开发了一种新技术，能够在不确定具体任务的情况下，估算自监督基础模型的可靠性。
研究团队提出了一种新的基于集成方法（ensemble-based method）的技术来评估自监督基础模型的可靠性。这些基础模型经过大量无标签数据的预训练，可以用于生成图像或回答问题等多种任务，但在某些情况下可能会提供错误或误导性的信息，这在安全关键场景中可能导致严重后果。
研究人员通过训练一组略有不同的基础模型，并使用算法评估每个模型对相同测试数据点的表示一致性。如果这些表示一致性高，则认为该模型是可靠的。该方法利用不同预训练表示空间中的共享邻近点作为锚点对齐这些表示空间，从而使得表示可以比较。研究结果表明，这种方法在各种分类任务上比现有的基线方法更能捕捉模型的可靠性，并且在处理具有挑战性的测试点时表现优越。
这种技术在不需要真实世界数据集的情况下，可以决定模型是否适用于某个特定场景，特别适用于由于隐私问题而无法获取数据集的情况，如医疗领域。此外，该技术还可以基于可靠性分数对模型进行排名，帮助用户选择最适合其任务的模型。尽管需要训练多个基础模型，这可能会带来计算成本，但未来研究计划通过使用单个模型的小扰动来提高效率。该研究发表在Conference on Uncertainty in Artificial Intelligence上。
#人工智能 #模型可靠性 #自监督学习 #基础模型
阅读论文：
提高AI输出的可读性：OpenAI推出新方法
在人工智能领域，优化模型输出的正确性一直是研究的重点，但如何在保证正确性的同时提高答案的可读性同样重要。为了解决这一问题，OpenAI提出了一种全新的方法——证明者-验证者游戏（Prover-Verifier Game），旨在提升语言模型输出的可读性和可验证性。
传统的链式思维（Chain-of-Thought, CoT）方法，虽然能够提高答案的正确性，但常常使得答案变得复杂难懂。为了解决这个问题，OpenAI的研究团队设计了一种新颖的训练方式：通过让强模型生成答案，弱模型进行验证，从而提高整体输出的易读性。
在这个方法中，强模型负责生成答案，尽可能地提供正确的信息，有时甚至会故意生成一些看似正确但实际上错误的答案。弱模型则肩负着检查这些答案的任务，尝试识别出正确与错误的答案，并在这个过程中学习如何更好地判断答案的正确性。
这一过程类似于一个反复的游戏，强模型和弱模型在每一轮训练中不断学习和改进。强模型不仅需要生成正确的答案，还要确保这些答案易于理解；而弱模型则通过不断的验证，提高其识别正确答案的能力。
经过多轮训练后，强模型逐渐掌握了生成既正确又易于理解的答案的技巧，而弱模型也变得更善于检查和验证这些答案的正确性。最终，通过证明者和验证者的交替训练和评估，确保了最终解决方案既正确又易于理解和验证。
#人工智能 #语言模型 #可读性 #验证模型
阅读更多：
Bioptimus发布H-optimus-0：病理学领域的开源AI新里程碑
法国初创公司Bioptimus近日发布了其最新的突破性项目H-optimus-0，这是一个专为病理学设计的开源基础人工智能模型。自公司成立不到五个月，H-optimus-0便成为全球最大的病理学开源AI基础模型。
H-optimus-0拥有1.1亿参数，并基于一个涵盖50万张病理切片、来自4000个临床实践的数百万图像的专有数据集进行训练。这一庞大的数据集使H-optimus-0具备全面的理解能力，能够在包括识别癌细胞和检测肿瘤中的遗传异常等关键医学任务中提供先进的诊断性能。
传统上，病理学依赖于病理学家的专业知识和经验进行组织样本的精细检查以识别异常。然而，随着病例复杂性和数量的增加，迫切需要能够帮助病理学家更快速、更准确地做出诊断的先进工具。H-optimus-0正是为满足这一需求而设计，其规模和性能无与伦比，经过广泛训练，具备最先进的诊断能力。
H-optimus-0的一个关键特点是其前所未有的规模，1.1亿参数使其成为迄今为止针对病理学设计的最大开源AI模型，确保了全面的分析和高精度的诊断。经过超过50万张病理切片的多样化案例训练，该模型能够在不同的诊断场景中有效泛化，始终如一地达到或超越现有模型的性能，树立了行业新标准。
作为开源模型，H-optimus-0的开放性促进了研究人员、临床医生和开发者之间的合作，推动了病理学AI的进一步进步。通过向更广泛的科学社区开放该模型，Bioptimus旨在加速数字病理学新模型和解决方案的开发。
#AI #病理学 #开源
阅读更多：
GPT助力精神病诊断
近年来，生成预训练转换模型（GPT）在语言任务中表现出色，神经影像学研究也利用深度生成规范模型在脑结构MRI（sMRI）中检测脑部异常方面显示出巨大潜力。传统上，精神疾病的诊断主要依靠临床评估，特别是在儿童和青少年中，因其症状早期或病情初期，诊断更具挑战性。脑生物标志物的研究可能有助于区分典型的神经发育与新出现的精神障碍。
在这项研究中，研究团队探讨了基于GPT的规范架构是否能够从青少年的脑sMRI中检测精神病症状和疾病。研究数据集包括巴西高风险队列研究、青少年脑认知发展研究、注意缺陷多动障碍和孤独症脑影像数据交换II。研究团队考察了所有脑区与以下因素的关联：儿童行为检查表（CBCL）症状组、注意缺陷多动障碍（ADHD）评分以及孤独症谱系障碍（ASD）诊断。
研究结果显示，整个大脑的典型性可能性与社交问题（ABCD测试集）和ASD诊断（ABIDE-II数据集）相关。通过脑区分析，发现不同区域与多种CBCL量表、ADHD评分和ASD诊断相关。这是首次基于sMRI成功评估所有CBCL症状组的研究，证明了基于GPT的规范模型在探索精神病性状与其神经生物学基础之间差距方面的潜力。
该研究为使用GPT模型在精神病诊断中的应用开辟了新路径，特别是为儿童和青少年早期症状的识别提供了新的方法。研究成果显示了深度学习和神经影像学结合在精神健康领域的巨大前景，有望推动精神病诊断和治疗的新进展。
#GPT模型 #精神病诊断 #脑成像 #儿童青少年 #脑生物标志物
阅读论文：
整理｜ChatGPT
编辑｜丹雀 & 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，或扫二维码添加小助手微信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, TCCl）是由陈天桥、雒芊芊夫妇出资10亿美元创建的全球最大私人脑科学研究机构之一，总部设在美国。
TCCI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TCCI加州理工神经科学研究院。
TCCI建成了支持脑科学研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括学术会议和交流、夏校培训、AI加速科学大奖、科研型临床医生奖励计划、特殊病例社区、中文媒体追问等。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.