追問daily | 導致信息過載的元兇是碎片化手機使用，而非總屏幕時長；做夢讓人睡得更安穩

█ 腦科學動態

整合三千萬單細胞數據：發布超高分辨率人類大腦發育圖譜

腦細胞外間隙：從被忽視的維度到重塑神經科學新范式的催化劑

做夢雖然讓大腦活躍，卻能讓人感覺睡得更安穩

國際團隊發布全球最精細的多模態超高分辨率人類大腦圖譜HoliAtlas

同時掌管學習與運動的秘密：時間差定奪多巴胺的效用

█ AI行業動態

OpenAI宣布關閉Sora，資源全面押注下一代大模型

2025年度“中國科學十大進展”揭曉：從月背到深海，多項突破引領前沿

█ AI驅動科學

超聲波腕帶結合人工智能實現高精度手勢追蹤與機械手無線控制

廣泛使用大語言模型導致人類創意同質化

生成式AI驅動的預測模型MMCN助力可持續城市形態演化規劃

人工智能隱私泄露的關鍵在于少數神經網絡權重

自動駕駛或加劇交通擁堵，博弈模型揭示通勤新挑戰

導致信息過載的元兇是碎片化手機使用，而非總屏幕時長

人機交互新范式：當你的大腦和算法在玩一場“合作游戲”

電刺激療法同步恢復脊髓損傷患者的運動與感覺功能

腦科學動態

整合三千萬單細胞數據：發布超高分辨率人類大腦發育圖譜

為了探索孤獨癥和阿爾茨海默病等發育與退行性疾病的腦部起源問題，Shreyash Sonthalia與Carlo Colantuoni等團隊（約翰·霍普金斯大學醫學院等）整合了海量細胞數據構建高分辨率大腦圖譜，揭示了驅動大腦新皮層擴張與神經元成熟的獨特演化機制。

? 小鼠（左）、猴子（中）和人類（右）大腦中神經元形成過程中基因組不同元素的利用方式。每個小點代表發育中的新皮層中的一個細胞。Credit: Carlo Colantuoni, Ph.D.

研究團隊收集了關于新皮層發育的大規模基因級轉錄組數據，數據規模覆蓋近兩百項研究的超三千萬個單細胞。通過應用結構化聯合分解（structured joint decomposition，一種能夠識別異構數據集中共享分子動態的數學分析方法）技術，團隊對小鼠、獼猴和人類數據進行了深度對比。結果表明，一種古老的彌散基因表達程序在進化中集中于人類神經干細胞，直接驅動了人類新皮層的擴張。同時人類神經元成熟期長達數年，遠超小鼠的數周，這為人類大腦極強的適應與學習能力提供了基礎。此外研究還證實大腦類器官雖能模擬宏觀發育特征，但缺失了諸多特定神經元成熟程序。圖譜已全網開放以加速全球精準醫療研究。研究發表在 Nature Neuroscience 上。

#疾病與健康 #神經機制與腦功能解析 #大腦發育圖譜 #單細胞轉錄組學 #阿爾茨海默病

閱讀更多：

Sonthalia, Shreyash, et al. “NeMO Analytics: A Compendium of Transcriptomic Data for the Exploration of Neocortical Development.” Nature Neuroscience, Mar. 2026, pp. 1–14. www.nature.com, https://doi.org/10.1038/s41593-026-02204-4

腦細胞外間隙：從被忽視的維度到重塑神經科學新范式的催化劑

中樞神經系統疾病的藥物研發長期面臨轉化率低下的難題，其核心原因可能是忽視了腦細胞外間隙這一關鍵解剖結構。Hongbin Han 等人的團隊（北京大學第三醫院等）系統闡述了該結構的特征，提出將傳統的細胞與血管模型升級為涵蓋腦細胞外間隙的整合新范式，為提升腦部疾病的治療轉化率提供了全新視域。

? 圖 (A) 展示了基于示蹤劑的方法，圖 (B) 和 (C) 則分別展示了兩種無標記測量方法的技術途徑。(A) 通過求解對流擴散方程的逆問題，推導出腦細胞外液的擴散參數，主要包括 RTI-TMA+、IOI、SWCNTs 和 TB-MRI。(B) 基于納米顯微鏡的方法，主要包括冷凍置換電鏡 (FS-EM)、高壓冷凍電鏡 (HPF-EM) 和超分辨率陰影成像 (SUSHI)。(C) 無標記方法也稱為非侵入性測量技術，主要包括 NODDI、DTI-ALPS 和 MDI。Credit Hongbin Han, Peking University Third Hospital.

研究團隊詳細回顧了導致腦細胞外間隙（Brain Extracellular Space）長期被忽視的歷史與技術瓶頸。該結構占據活體大腦體積的百分之六至百分之二十五，是物質擴散、代謝廢物清除及藥物跨越血腦屏障后發揮作用的關鍵通道。研究系統梳理了基于示蹤劑和無標記測量技術的發展，包括高分辨率電子顯微鏡、超分辨率光學成像以及人工智能輔助的定量分析等。結果表明，這些先進技術的突破使得對該間隙的精確表征成為可能。該團隊綜合了阿爾茨海默病、缺血性卒中等重大神經系統疾病的最新發現，證實該微環境在疾病發生和藥物分布中具有決定性作用。基于此，研究呼吁在機制探索、藥物遞送、療效評估及臨床試驗設計中全面引入包含細胞、腦細胞外間隙與微血管的綜合框架，從而填補現有研究的解剖學盲區。研究發表在 Cyborg and Bionic Systems 上。

#疾病與健康 #神經機制與腦功能解析 #腦細胞外間隙 #中樞神經系統疾病 #藥物轉化

閱讀更多：

Han, Hongbin, et al. “Brain Extracellular Space: From an Overlooked Dimension to Catalyst of a Novel Neuroscience Paradigm.” Cyborg and Bionic Systems, vol. 7, Mar. 2026, p. 0529. spj.science.org (Atypon), https://doi.org/10.34133/cbsystems.0529

做夢雖然讓大腦活躍，卻能讓人感覺睡得更安穩

主觀的深度睡眠感覺是否僅由大腦的慢波活動決定？Adriana Michalak和Giulio Bernardi等（意大利IMT盧卡高級研究學校）發現，主觀睡眠深度并非僅由腦電波頻率決定，生動且脫離現實的沉浸式夢境反而能讓人感覺睡得更深。

研究團隊對44名健康成年人進行了連續4晚的高密度腦電圖監測。實驗采用連續喚醒范式，在非快速眼動第二階段（NREM2，占總睡眠時間一半左右的淺睡至深睡過渡期）對受試者進行多次喚醒，共收集了1024次關于主觀心理活動和睡眠深度的報告。分析結果顯示，雖然大腦電活動向低頻慢波的轉變確實與深度睡眠感相關，但當受試者處于做夢狀態時，這種關系便會減弱。具體而言，生動離奇且情感強烈的沉浸式夢境會帶來更深的主觀睡眠體驗，即便此時大腦皮層表現出類似清醒的活躍狀態。相反，帶有自我覺察的抽象反思性夢境會讓人感覺睡眠較淺。此外，研究發現隨著夜間生理睡眠壓力的下降，主觀睡眠深度卻隨著夢境沉浸感的增加而上升。這表明夢境通過將人類帶入內部世界并與外部環境隔絕，維持了高質量深睡的真實感受。研究發表在 PLOS Biology 上。

#疾病與健康 #神經機制與腦功能解析 #睡眠質量 #夢境 #腦電圖

閱讀更多：

Michalak, Adriana, et al. “Immersive NREM2 Dreaming Preserves Subjective Sleep Depth against Declining Sleep Pressure.” PLOS Biology, vol. 24, no. 3, Mar. 2026, p. e3003683. PLoS Journals, https://doi.org/10.1371/journal.pbio.3003683

國際團隊發布全球最精細的多模態超高分辨率人類大腦圖譜HoliAtlas

針對現有腦圖譜分辨率不足以識別微小神經結構與早期病變的問題，José V. Manjón和Sergio Morell-Ortega等研究人員（瓦倫西亞理工大學ITACA研究所、法國國家科學研究中心等）共同開發了目前世界上最精細、最全面的多模態人類大腦結構圖譜HoliAtlas，為阿爾茨海默病等神經退行性疾病的早期精準診斷提供了重要的新一代參考坐標。

? Credit Instituto de Aplicaciones de las Tecnologías de la Información y de las Comunicaciones Avanzadas (ITACA), Universitat Politècnica de València

研究團隊利用人類連接組計劃中75名健康志愿者的腦部圖像進行了新一代圖譜構建。有別于傳統圖譜通常僅有約1立方毫米的分辨率，研究人員選取了分辨率高達0.125立方毫米的3T磁共振成像數據，并涵蓋了T1、T2及白質抑制等多種對比度。通過對稱群體標準化（symmetric group-wise normalisation，一種通過非線性變形對齊和平均多組圖像的先進算法），團隊對這些圖像進行了精確配準與融合。在解剖學標注方面，研究整合了七種不同的分割協議，并結合人工智能算法與專家校正，在最精細層級上對大腦進行了多達350個解剖區域的密集標注。實驗結果表明，HoliAtlas實現了從宏觀全腦到微觀子結構的多尺度表征，其超高分辨率能夠清晰展現深層復雜的腦部微小結構。這種多模態與高分辨率的結合，不僅有助于開發更精確的自動組織分割方法，更能敏銳捕捉到極其微小的解剖學變化。該圖譜現已向全球科學界開放，將成為邁向神經系統疾病個性化診療的基石。研究發表在 Scientific Reports 上。

#疾病與健康 #神經機制與腦功能解析 #大腦圖譜 #超高分辨率MRI #阿爾茨海默病

閱讀更多：

Manjón, José V., et al. “Ultra-High Resolution Multimodal MRI Densely Labelled Holistic Structural Brain Atlas.” Scientific Reports, vol. 16, no. 1, Feb. 2026, p. 9457. www.nature.com, https://doi.org/10.1038/s41598-026-40186-2

同時掌管學習與運動的秘密：時間差定奪多巴胺的效用

長期以來，科學家們難以解釋單一的多巴胺如何同時協調基于獎賞的學習與運動控制，這使得帕金森病等疾病的病理機制難以完全闡明。紐約大學的Christine M. Constantinople、Hee Jae Jang、Royall McMahon Ward和Carla E. M. Golden發現，多巴胺與乙酰膽堿相互作用的微小時間差決定了多巴胺是引導學習還是促進運動。

研究人員讓實驗大鼠執行尋找水源的決策任務，利用光學測量技術同時記錄動物背內側紋狀體中多巴胺和乙酰膽堿的釋放動態。實驗結果顯示，這兩種神經遞質之間的相互作用類似于蹺蹺板運動，其釋放時機決定了多巴胺的具體功能，這種時間差異往往僅有幾十毫秒。具體而言，當多巴胺的釋放稍晚于乙酰膽堿的短暫減少時，多巴胺能夠預測大鼠未來的行為表現并改變后續的神經動力學，從而促進學習；若多巴胺釋放早于乙酰膽堿減少，兩者則無明顯關聯。另一方面，當多巴胺與乙酰膽堿的爆發式增加同步發生時，它能夠先于并預測動物即將進行的定向運動的強度。該發現揭示了乙酰膽堿在時間維度上調控多巴胺信號的精準機制。研究發表在 Nature Neuroscience 上。

#疾病與健康 #神經機制與腦功能解析 #多巴胺 #乙酰膽堿 #帕金森病

閱讀更多：

Jang, Hee Jae, et al. “Acetylcholine Demixes Heterogeneous Dopamine Signals for Learning and Moving.” Nature Neuroscience, Mar. 2026, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41593-026-02227-x

AI 行業動態

OpenAI宣布關閉Sora，資源全面押注下一代大模型

就在剛剛，OpenAI正式宣布關閉其備受矚目的視頻生成工具Sora。官方在聲明中感謝了創作者社區的貢獻，但未給出具體關停原因。市場分析認為，這一決定背后是嚴峻的財務現實：據估算，Sora每日運營成本高達1000萬至1500萬美元，年耗資或超50億美元。與此同時，其用戶留存率極低，30天留存率僅1%，60天降至0%，表明用戶更多是嘗鮮而非長期付費。面對高昂的算力消耗與難以實現盈利的困境，OpenAI選擇及時止損，將寶貴的GPU資源重新分配到ChatGPT、Codex等更核心、更具商業化潛力的產品上。

此次關停也引發了連鎖反應，最尷尬的莫過于去年底剛與OpenAI簽署10億美元合作協議的迪士尼。由于Sora關停，迪士尼據稱已放棄整項交易，并體面回應稱“尊重OpenAI的戰略調整”，但巨額投入能否收回仍充滿懸念。更深層的戰略意圖在于，OpenAI正進行重大方向調整：原Sora團隊將轉向世界模型研發，聚焦機器人等具身智能場景；公司產品組織更名為“AGI Deployment”，并已將全部資源押注在代號“Spud”的下一代旗艦大模型上。在臨近IPO、估值逼近萬億美元的關鍵節點，這一系列動作被解讀為OpenAI正在為更清晰的戰略路線鋪路，舍棄燒錢的探索性項目，集中火力沖刺更具確定性的增長方向。

#OpenAI #Sora關閉 #視頻生成 #算力成本 #戰略調整

閱讀更多：

https://www.theguardian.com/technology/2026/mar/24/openai-ai-video-sora

2025年度“中國科學十大進展”揭曉：從月背到深海，多項突破引領前沿

2026年3月25日，2025年度“中國科學十大進展”在中關村論壇年會開幕式上正式發布。入選的十項重大成果覆蓋了深空探測、材料科學、能源技術、生命健康等多個前沿領域，展現了我國基礎研究的強勁實力。其中，嫦娥六號樣品研究首次揭示了月球背面演化歷史與巨型撞擊效應；可控核聚變裝置實現了“億度”運行，為清潔能源探索邁出關鍵一步；基因編輯豬肝成功植入人體，突破了跨物種器官移植的重大壁壘。此外，全功能二維半導體與硅基混合架構閃存芯片、面向空天應用的高性能柔性疊層太陽能電池等成果，也展示了在信息技術和高端制造領域的原創突破。

本次活動由國家自然科學基金委員會主辦，自2005年啟動以來已成功舉辦21屆，旨在宣傳基礎研究重要進展，激勵科研人員勇攀高峰。2025年度的遴選經過推薦、初選、終選和審議四個嚴謹環節，從600余項基礎研究中層層篩選。終選階段更是吸引了超過3000位專家學者（包括480余位兩院院士）參與網絡投票，最終由咨詢委員會審議確定了這十項代表年度最高水平的科學進展。這些成果不僅推動了相關學科的發展，也通過科普宣傳促進了公眾對基礎科學的理解與支持。

#中國科學十大進展 #基礎研究 #嫦娥六號 #可控核聚變 #基因編輯

閱讀更多：

https://www.nsfc.gov.cn/p1/3381/2821/121279.html

AI 驅動科學

超聲波腕帶結合人工智能實現高精度手勢追蹤與機械手無線控制

捕捉和模仿人類雙手的復雜動作在虛擬現實和機器人控制領域是一項長期挑戰。為突破傳統光學追蹤或傳感器手套的技術局限，Gengxi Lu和Xuanhe Zhao（麻省理工學院）以及Qifa Zhou（南加州大學）等研究人員聯合開發了一款基于超聲波與人工智能的無線腕帶系統，成功實現了對任意手勢的實時精確追蹤以及對機械手的高靈巧度無線操控。

? Credit: Melanie Gonick, MIT

研究團隊設計了一款集成微型超聲波貼片和電子元件的可穿戴腕帶，用以連續捕捉手腕肌肉、肌腱和韌帶的動態超聲波圖像。由于人類手指具備22個自由度，團隊通過多臺攝像機同步記錄志愿者的手勢，并標注出與之對應的超聲圖像特征。隨后，他們訓練了一種人工智能算法將這些黑白超聲模式實時轉化為五指和手掌的具體空間位置，系統處理延遲低于120毫秒。在對多名志愿者的測試中，該系統不僅能精準識別美國手語的26個字母以及抓握網球等日常動作，還展現了優異的交互控制能力。佩戴者可通過自然的捏合手勢在電腦屏幕上流暢縮放虛擬物體，甚至能實時無線操控一臺商用機械手完成彈奏鋼琴曲和桌面投籃等復雜任務。該技術不受環境噪聲和視覺遮擋影響，且不限制手部自然觸覺，未來有望為增強現實提供更直觀的交互方案，并為人形機器人積累關鍵的訓練數據。研究發表在 Nature Electronics 上。

#其他 #機器人及其進展 #超聲波成像 #可穿戴設備 #人機交互

閱讀更多：

Lu, Gengxi, et al. “Hand Tracking Using Wearable Wrist Imaging.” Nature Electronics, Mar. 2026, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41928-026-01594-4

廣泛使用大語言模型導致人類創意同質化

使用大語言模型輔助創作是否會導致產出單一？Emily Wenger和Yoed N. Kenett比較了人類與多種大語言模型在創造力任務中的表現，發現所有接受測試的模型都產生了高度相似的輸出結果。

? LLM 的響應在特征空間中的聚集程度高于人類的響應。每個點代表人類或 LLM 的響應，距離越近的點越相似。Credit: Emily Wenger and Yoed N. Kenett

研究人員讓102名人類參與者和22種不同的大語言模型完成了三項標準的發散思維測試，包括替代用途任務、發散聯想任務和前向流任務。研究通過計算響應在特征空間中的語義相似度，分別評估了個體響應的原創性以及群體層面的變異性。結果顯示，雖然大語言模型針對單項任務生成的個體響應在原創性上往往與人類平均水平相當甚至更高，但不同模型例如Gemini、GPT或Llama生成的響應相互之間存在極高的相似性。相比之下，人類的響應差異性顯著更大。即使提高模型溫度，響應的多樣性會有所增加，但過高的設置會迅速導致輸出變為無法滿足任務要求的亂碼。這表明輸出的同質化并非源于某個特定的模型，而是大語言模型普遍存在的特征，過度依賴這些工具輔助創意思考可能會收窄人類的創造力范圍。研究發表在 PNAS Nexus 上。

#大模型技術 #計算模型與人工智能模擬 #創造力 #發散思維 #同質化

閱讀更多：

Wenger, Emily, and Yoed N. Kenett. “Large Language Models Are Homogeneously Creative.” PNAS Nexus, vol. 5, no. 3, Mar. 2026, p. pgag042. Silverchair, https://doi.org/10.1093/pnasnexus/pgag042

生成式AI驅動的預測模型MMCN助力可持續城市形態演化規劃

隨著城市快速擴張，如何準確預測長期城市形態以實現可持續規劃成為一大挑戰。Xusheng Du、Zhen Xu和Haoran Xie等（日本先端科學技術大學院大學、天津大學與早稻田大學）開發了名為記憶感知多條件生成網絡的AI框架，成功實現了對未來城市布局的高精度連貫預測。

傳統AI在預測城市布局時常產生碎片化結果，難以兼顧建筑密度、交通等多重因素及大范圍的空間連續性。為此，研究團隊構建了結合擴散模型與多條件控制機制的新型框架。模型利用深圳多年的多模態空間數據進行訓練，通過語義提示融合模塊編碼多樣化輸入要素，并創新性地引入空間記憶嵌入組件來保留相鄰區域的上下文信息，搭配邊緣拼接損失函數，確保生成布局的平滑過渡。實驗顯示，該模型的結構相似性指數達到0.885，邊界交并比達到0.642，顯著優于現有基準方法。它生成的布局不僅符合歷史規律，還具備連續的道路網與合理的建筑群，并在上海和天津的跨城測試中展現出卓越的泛化能力，為評估長期城市發展提供了重要支持。研究發表在 Sustainable Cities and Society 上。

#AI驅動科學 #預測模型構建 #可持續發展 #城市規劃 #擴散模型

閱讀更多：

Du, Xusheng, et al. “AI-Driven Urban Evolution Forecasting: A Unified Memory-Aware Multi-Conditional Generation Framework for Sustainable Development Planning.” Sustainable Cities and Society, vol. 141, May 2026, p. 107272. ScienceDirect, https://doi.org/10.1016/j.scs.2026.107272

人工智能隱私泄露的關鍵在于少數神經網絡權重

如何在防范數據泄露的同時維持人工智能模型的性能表現？Xingli Fang和Jung-Eun Kim（北卡羅來納州立大學）探究了這一難題，研究發現導致隱私漏洞的少數權重恰好也是決定模型性能的核心，團隊據此開發出一種能更好平衡性能與隱私的新型微調技術。

? 該方法在重要性評估中考慮了隱私脆弱性，而 TFO 僅衡量可學習性以保證準確性。Credit: arXiv (2026).

研究人員針對成員推斷攻擊（Membership Inference Attacks，一種允許攻擊者判斷特定數據是否曾用于訓練特定人工智能模型的技術）展開防御測試，旨在評估模型權重參數對隱私與性能的分別影響。他們提出了一種基于機器遺忘的權重重要性評估手段。實驗結果表明，模型中僅有極小部分甚至低至百分之零點一的權重存在嚴重的隱私漏洞風險，但這些易受攻擊的權重往往也是維持模型準確性的最核心組成部分，且它們的重要性取決于在網絡中的物理位置而非具體數值。基于這一特性，研究團隊構建了一種全新的防御策略，不再對模型進行昂貴的全面重新訓練，而是精準定位并僅對這部分存在隱私漏洞的關鍵權重進行修改與重置微調。在應對兩類最先進的攻擊手段時，相較于其他四種常規隱私保護方法，該新技術在保護訓練數據隱私與維持模型高準確率之間實現了顯著更優的平衡表現。

#大模型技術 #預測模型構建 #隱私保護 #成員推斷攻擊 #神經網絡

閱讀更多：

Fang, Xingli, and Jung-Eun Kim. “Learnability and Privacy Vulnerability Are Entangled in a Few Critical Weights.” arXiv:2603.13186, arXiv, 13 Mar. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2603.13186

自動駕駛或加劇交通擁堵，博弈模型揭示通勤新挑戰

自動駕駛汽車（AVs）將如何改變城市通勤？卡內基梅隆大學的Soo-Haeng Cho、Sean Qian與德克薩斯大學達拉斯分校的Neda Mirzaeian合作，通過構建一個博弈論交通模型，預測了AVs對早高峰出行和停車的影響。研究發現，盡管AVs能解決市中心停車難的問題，但其遠程停車行為反而可能增加總行駛里程和交通擁堵，抬高系統總成本。

研究團隊構建了一個連續時間博弈論交通模型（continuous-time game-theoretic traffic model），該模型考慮了停車費、交通擁堵和路邊接送等影響通勤者決策的關鍵經濟因素，并以匹茲堡市的數據進行校準。模型分析顯示，AV用戶出于經濟動機，很可能會讓車輛將他們送到中央商務區（central business district, CBD）后，自行前往郊區尋找低價車位。這種看似解決了個人停車問題的行為，卻會催生大量空駛的“幽靈車”，導致車輛總行駛時間和總里程顯著增加。其后果是加劇了整體交通擁堵，并提高了整個交通系統的運行成本，這挑戰了AVs能自動緩解交通問題的普遍看法。研究指出，為避免這種情況，城市規劃者需要主動干預，通過調整停車費、征收擁堵費或將部分停車位改造為專用的AV下客區等政策，可以有效引導AVs的行為。在匹茲堡的案例中，這些措施預計可將系統總成本降低高達28.5%。研究發表在 Management Science 上。

#AI驅動科學 #預測模型構建 #自動駕駛 #城市規劃

閱讀更多：

Mirzaeian, Neda, et al. “Can Autonomous Vehicles Solve the Commuter Parking Problem?” Management Science, Feb. 2026. pubsonline.informs.org (Atypon), https://doi.org/10.1287/mnsc.2023.01213

導致信息過載的元兇是碎片化手機使用，而非總屏幕時長

在關于數字設備影響的討論中，屏幕總時長常被視為罪魁禍首，但信息過載的真正原因是什么？阿爾托大學的Henrik Lassila、Janne Lindqvist及其同事通過一項長達七個月的研究發現，導致我們感到不堪重負的并非使用了多久手機，而是如何使用——高頻、短時的碎片化查看模式才是關鍵。

研究團隊追蹤了近300名德國成年人在智能手機和電腦上的真實數字行為，并結合了他們關于信息過載的自我報告。結果明確指出，反復拿起手機、短暫使用（如看個短視頻或回條消息）后又迅速鎖屏的碎片化使用模式，是導致信息過載感的最強預測因素。這種行為在移動設備上尤為普遍，頻繁的任務切換被認為是消耗認知資源、引發壓力的主要原因。有趣的是，總使用時間最長的人并非最焦慮的群體。研究還發現，信息過載與心理壓力、負面情緒和焦慮感緊密相關，可能形成一個惡性循環。更重要的是，這種行為模式和過載感具有高度穩定性，人們很難自行改變。研究者建議，通過關閉非必要通知、每天集中一兩次處理消息等“批量處理”方式，或可有效減輕數字壓力。該研究將在 CHI 2026 Conference on Human Factors in Computing Systems 上發表。

#疾病與健康 #心理健康與精神疾病 #信息過載 #數字健康 #用戶行為

閱讀更多：

https://goodlife.aalto.fi/resources/pdfs/CHI26_IO.pdf

人機交互新范式：當你的大腦和算法在玩一場“合作游戲”

如何預測并引導人與機器（如腦機接口）在相互適應中的學習過程？華盛頓大學的Maneeshika M. Madduri, Momona Yamagami, Si Jia Li, Sasha Burckhardt, Samuel A. Burden及Amy L. Orsborn等人，通過融合控制理論與博弈論，建立了一個能夠預測和塑造人機協同適應結果的計算框架，為設計更高效、穩定的神經接口提供了理論依據。

研究團隊通過一個肌電接口實驗驗證了他們的框架。14名參與者學習使用肌肉信號控制光標，同時，控制光標的解碼算法也在實時學習和調整。團隊創新性地將這一“雙學習者”過程建模為一個勢博弈（potential game，一種博弈論模型，其中所有參與者的目標可以統一為一個共同的函數，確保系統最終會達到一個穩定的平衡點）。該模型成功預測了復雜的互動結果：例如，當解碼器的學習速度遠超用戶時，系統性能反而會下降；通過在算法中增加一個懲罰項，可以讓解碼器變得“懶惰”，從而迫使用戶付出更多努力來完成任務，這揭示了人機之間存在一種可調控的努力權衡。該框架將人機協同從依賴經驗試錯的模糊過程，轉變為一個可分析和預測的數學系統。研究發表在 Nature Machine Intelligence 上。

#意識與腦機接口 #計算模型與人工智能模擬 #人機協同 #博弈論

閱讀更多：

Madduri, Maneeshika M., et al. “Computational Framework to Predict and Shape Human–Machine Interactions in Closed-Loop, Co-Adaptive Neural Interfaces.” Nature Machine Intelligence, vol. 8, no. 3, Mar. 2026, pp. 372–87. www.nature.com, https://doi.org/10.1038/s42256-026-01194-z

電刺激療法同步恢復脊髓損傷患者的運動與感覺功能

對于完全性脊髓損傷患者而言，同時恢復運動與感覺功能曾是難以企及的目標。現在，由Jonathan S. Calvert和David A. Borton領導的布朗大學等多家機構的團隊首次證實，通過在損傷部位上下同時進行電刺激，可以為患者同步重建運動控制和感覺反饋，為功能獨立性帶來了新的希望。

研究團隊為三名完全截癱的參與者植入了兩個電極陣列，一個在脊髓損傷部位下方，用于激活腿部肌肉；另一個在損傷上方，用于提供感覺反饋。為了個性化運動控制，研究人員設計了“DJ板”界面，讓參與者能像音樂DJ一樣實時調節電刺激參數，直觀地控制自己腿部的動作，并結合機器學習算法高效優化刺激模式。更具開創性的是，團隊采用了感覺替代策略。通過刺激損傷上方的脊髓，在參與者的胸部產生與膝關節角度同步變化的脈沖感。經過訓練，參與者學會將這種胸部的感覺“翻譯”成腿部的位置信息，準確率極高。在最終的跑步機行走測試中，這套系統實現了運動激活與感覺反饋的同步，使參與者能夠在無視覺輔助的情況下，準確感知腳步落地。研究發表在 Nature Biomedical Engineering 上。

#疾病與健康 #神經調控 #脊髓損傷 #感覺替代

閱讀更多：

Calvert, Jonathan S., et al. “Perilesional Neuromodulation Replaces Lost Sensorimotor Function in Persons with Spinal Cord Injury.” Nature Biomedical Engineering, Mar. 2026, pp. 1–17. www.nature.com, https://doi.org/10.1038/s41551-026-01627-5

整理｜ChatGPT

編輯｜丹雀、存源

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。歡迎評論區留言，或后臺留言“社群”即可加入社群與我們互動。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

Chen Institute與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工天橋神經科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、、科普視頻媒體「大圓鏡」等。