来源:《自然·通讯》
研究表明,大脑在处理口语时,其神经活动的时间序列与大型语言模型的层级计算过程高度对应。通过记录人聆听故事时的颅内脑电,研究者发现大脑活动先对齐AI浅层(处理词级特征),后对齐AI深层(整合语境与意义),尤其是在布罗卡区等高级语言区。这一发现挑战了语言理解基于固定语法规则的传统理论,支持“意义通过分层统计式加工逐步涌现”的动态模型,并为研究人脑如何构建意义提供了公开神经数据集。
来源:《自然·通讯》
研究表明,大脑在处理口语时,其神经活动的时间序列与大型语言模型的层级计算过程高度对应。通过记录人聆听故事时的颅内脑电,研究者发现大脑活动先对齐AI浅层(处理词级特征),后对齐AI深层(整合语境与意义),尤其是在布罗卡区等高级语言区。这一发现挑战了语言理解基于固定语法规则的传统理论,支持“意义通过分层统计式加工逐步涌现”的动态模型,并为研究人脑如何构建意义提供了公开神经数据集。
来源:《自然·神经科学》
美国西北大学研究团队开发出一种完全植入式、无线供电的柔性光遗传学设备。该设备含有64个微型LED阵列,可透过小鼠头骨向大脑皮层投射复杂的可编程光信号。实验表明,小鼠能成功学习并识别这些人工光信号模式,并据此做出行为选择以获取奖励。这项技术跳过了自然感官通路,为未来开发感官假体(如为义肢提供感觉反馈)、治疗神经系统疾病及研究大脑感知原理开辟了新路径。
来源:《公共科学图书馆·生物学》(PLOS Biology)
由密歇根大学领导的研究团队通过先进光片显微镜与基因标记技术,首次以单细胞分辨率绘制了小鼠大脑在全天不同时间的活动图谱。研究发现,清醒时大脑活动从皮层下区域逐渐转移至表层皮层,提示大脑网络会随时间动态重组。该成果为开发客观评估疲劳的“生物标志物”奠定了基础,其计算方法未来可应用于人类脑成像数据,助力疲劳监测与神经疾病研究。
来源:《美国国家科学院院刊》
卡罗林斯卡学院研究团队发表研究,利用橡胶手错觉实验与计算建模,揭示了大脑如何整合视觉与触觉信号以构建身体自我感。研究发现,与身体相关的自我信号在意识处理中被赋予优先权,使其更易进入意识知觉。这种对体感信号的自动优先处理,解释了身体所有权感为何如此直接且持续存在。该发现为理解及治疗如人格解体、精神分裂症等身体自我感知异常的疾病提供了新视角。
来源:《PNAS Nexus》
研究表明,人类对图像的审美偏好可能与大脑节能策略有关。研究者通过计算模型与脑成像实验发现,观看处理所需能量较低的图像时,参与者普遍认为其更具吸引力。这揭示了视觉审美欣赏可能源于一种节能启发机制,即大脑倾向于在获得足够视觉刺激与避免过高代谢成本之间寻求平衡,为“赏心悦目”提供了神经科学解释。
来源:《神经科学杂志》
研究通过比较小鼠与大鼠(进化跨度数百万年)的压后皮层神经元,发现两种特殊神经元类型在进化中被高度保守并轻微扩增。这些仅存在于压后皮层的神经元构成”潜意识GPS系统”,负责计算行进方向与空间定位,其损伤会导致阿尔茨海默病早期出现的空间迷失症状。研究表明这类神经元对物种生存至关重要——成功寻路能力被自然选择长期保留。团队正探索人类脑中同类神经元的变化机制,旨在为阿尔茨海默病开发靶向修复疗法。
来源:《公共科学图书馆·生物学》
研究发现,合作完成任务的两人大脑会形成高度同步的信息处理模式。24对参与者在背对背完成形状分类任务时,虽然初期(45-180毫秒)因观看相同图像出现相似脑活动,但200毫秒后仅合作组出现持续增强的脑波同步。这种神经对齐随合作效率提升而强化,表明共同制定规则与协作会促使大脑对信息的编码与处理方式趋同。该发现揭示了合作行为如何塑造群体的认知共性,为理解集体决策与文化仪式形成提供了神经科学依据。
来源:《自然通讯》
日本研究团队通过脑成像与深度学习模型结合,发现不同舞蹈风格会以特定方式激活大脑。研究让14名舞者(含新手与专家)观看超5小时涵盖10种风格的舞蹈视频,发现动作、音乐、美学与情感是预测大脑反应的关键特征。专家舞者对各舞蹈风格(尤其是动作特征)展现出更独特、个体化的大脑映射模式。该研究首次系统揭示了大脑在感知舞蹈时的复杂神经活动,为理解艺术训练如何重塑大脑提供了新证据。
来源:《自然-人类行为》
北京师范大学与中国科学院团队通过分析超3万人的静息态脑影像,从271个脑区提取约5000个时间序列特征,构建了能稳定反映个体差异的“神经条码”。研究发现,感觉处理脑区的非线性自相关模式可预测物质使用倾向,而高阶认知脑区的随机游走动力学则与一般认知能力相关。这些脑-行为关联在不同年龄段和人群中均具普适性,为理解个体认知与行为差异的神经基础提供了新视角,也为大规模脑行为关联研究开辟了新路径。
来源:《自然-方法》
蒂宾根大学研究团队开发出新型大脑模拟软件Jaxley,首次实现了在保持生物真实性的同时完成复杂认知任务。该软件通过“误差反向传播”方法,训练大脑模型中数百个无法直接测量的神经参数(如神经元大小、连接强度等),使模拟不仅能详细复现大脑内部过程,还能成功进行图像分类和记忆存取等任务。这一突破为神经科学研究提供了强大工具,有助于深入理解大脑工作机制,未来还可应用于神经系统疾病研究和药物效果预测。