理解对方，即在自己身上模仿他的感受在我们自己身上，我们将自己置于内部模仿，在某种程度上，在我们心中涌现出类似的情感凭借古老的联系运动与感觉之间的古老联系……——尼采，欧若拉（Aurora）镜像神经元怎么了？2006年1月10日，一则题为“读心神经元”（cells

当我还是一名神经解剖学学生的时候，曾解剖过一颗装在半加仑桶内的人脑。我们的实验室手册绘制出了大脑的原位图，那是沿中线切开的半颗爱尔兰老人的头颅，图谱画出了各个部位正常工作时该有的样子。我和实验室的合作伙伴花了整整一个学期，层层剥开那颗头颅，了解它所积累的经历。我们用拉丁语和希腊语给出粗略的轮廓标签。在考试中，我们可能会在脑桥和延髓的小分区里寻找如针一般的细小结构，可能会被要求描绘出小孩碰到热炉后瞬间缩手时的信息流。这正是神经科学的魅力：它提供了一份用经验绘制的图谱，一份用柳叶刀和稳健的双手打开的图谱。那年我21岁，在这张美妙的图谱面前快要窒息。大概过了一年，我加入了几名研究生的午后活动，在小河中捕捞各式各样的鱼，任水流亲吻过我们的脚踝和腰间。带领我们的是一位见解独特、思维灵活的鱼类学教授，他手把手教我怎样使用围网：把手放在合适的位置上，倾斜渔网，让它在我的身后漂荡。他向我演示如何在水里移动，把鱼儿赶进渔网中去。尽管我完全是个门外汉，但他仍然悉心指导。我正看着费米利恩河在伊利诺伊的平原蜿蜒，他转过头问我：“你是个神经生物学家对吧，那你告诉我：为何这水流会如此迷人？”

2023年3月，如果你偶然进入纽约大学的某个礼堂，可能会以为自己在参加一场纯粹的神经科学会议。事实上，这是一个关于人工智能的研讨会——但你的困惑是可以理解的。演讲者们谈论“切除术”，即常见于动物模型实验中的脑损伤创建手术。他们提到“探测”，比如使用电极来获取大脑信号。他们还展示了语言分析，并引用了心理学中长期以来关于“先天还是后天”的争论。在场的一百多名研究人员中，很多人可能从七年级解剖青蛙以来就再没接触过自然大脑。但他们在会议中使用的语言反映了其领域的新里程碑：最先进的AI系统（如ChatGPT）已经在规模和复杂性上堪比自然大脑，AI研究人员几乎像研究头骨中的大脑一样研究它们。作为这一部分，他们借鉴了传统上以人类为唯一研究对象的学科：心理学、语言学和心灵哲学。而他们自己的发现也开始对这些领域产生影响。在这个研讨会上，纽约大学心理学和数据科学助理教授格雷斯·林赛（Grace

被弗里斯顿的艰深理论给激怒的人甚多，但几乎同时，也有众多人认为他已经解开了巨大的秘密，觉得他的理念和达尔文的自然选择论一样，一丝一毫都包含广阔意义。加拿大哲学家马克斯韦尔·拉姆斯特德（Maxwell

随着放射科医生接受培训和实践，他们的视觉系统会发生变化。他们不仅获得了关于哪种图案模式表明哪种预后的信念，还获得了细粒度辨别和分类的知觉能力。詹姆斯·吉布森美国心理学家詹姆斯·吉布森（

Bernasconi）解释说，自我身体信号受损会“导致大脑曲解自己的身体信号，并将其归因于他人”。*译者注根据原文作者提供的链接，这里提到的小说是《仿生人会梦见电子羊吗？》（Do

你提前⼏周就预约了医⽣。你请了假，忍受了旅途劳顿，伴着壁挂电视播放的烹饪节⽬填写完就诊⽂件，现在终于进入了医⽣的诊室，尴尬地坐在检查台上，盯着⼀罐压⾆板。医⽣⾛了进来，听你描述⼀直困扰着你的症状。她点点头，额头上掠过⼀丝担忧的皱纹，接着追问了⼏个问题。然后她说：“我给你开点药，它们不是⽤来治疗这些症状的，但可能会让你感觉好些。这是⼀种安慰剂。”毫⽆疑问，你会感到很困惑。安慰剂以倚仗欺骗⽽闻名：病⼈接受了⼀种事实上无效的惰性物，但认为它有效，最终上当受骗，感觉好转。安慰剂（placebo）⼀词源于拉丁语“placere”，意为“取悦”（根据⼀本19世纪的医学词典，指“取悦病⼈的效果多于治疗病⼈”）。你的医⽣怎么能指望用糖丸处方来取悦你，甚至缓解你的症状呢？难道她是个庸医吗？幸运的是，答案可能是否定的。许多医⽣都会在其职业⽣涯的某个阶段开安慰剂。根据2018年的⼀项调查，这样做的人数可能多达97%。美国医学协会（he

你走得很快，上班迟到了，进地铁的队伍几乎没有移动。一个人走得很慢，拖住了后面的人，你很恼火。然后，你瞟了他一眼。他走起路来像个老人。你倾向于宽容一点，毕竟他走不快了。你又看了看——不，他不老，只是喝醉了。即便他现在就酒醒，也太晚了，但你突然想到，他之前可以不喝醉。现在，你又恼火了。但为什么我们要就此打住，不往下想呢？这里到处都是酒吧，到处都是烈酒广告牌。天越来越冷，而你生活在一个寒冷的国度——一个寒冷而纵于享乐的国度。每个人都喝酒，他怎能不喝呢？那么，我们何不接着往下想？你是个宽宏大方的人，你想知道他是否度过了糟糕的一天、一周、一年或一生——遭受那种明显是酒瓶才能让其稍作喘息的痛苦。你能确定他不是出身于酗酒的家庭，对抵抗酒精束手无策，只能任其蛊惑吗？你还可以更进一步。也许这一切都是命中注定的。让我们回想一下那位法国老数学家皮埃尔-西蒙·拉普拉斯（Pierre-Simon

化茧在你的大脑中，神经元以大小不一的网络排列着。你的每一个动作、每一个想法都会改变这些网络：神经元或被纳入、或被排除，它们之间的连接或被加强、或被削弱。这个过程无时无刻不在进行——在你阅读这些文字的时候，它就在发生变化，其规模之大超乎想象。你的脑中有大约800亿个神经元，共享1万亿甚至更多的连接。你的头骨中就像蕴藏着一个星系，而这个星系变幻莫测。常被称为“人工智能教父”的计算机科学家杰弗里·辛顿（Geoffrey

人类的大脑是一个复杂的系统，其中多达860亿个神经元通过相互连接且高度协调的神经突触构建出规模宏大的神经网络。人类所有的思想、行为、情感和记忆都源自于这个由神经突触介导的电化学信号网络中。神经元之间通过相互靠近的突触（Synapse）之间传递神经递质进行信息交流，一直以来，我们都认为这是神经元之间传递信息的唯一方式。然而，近期两项分别发表在《自然》[1]和《神经元》[2]上的研究打破了这个传统观念，即一个密集连接的神经元网络可以进行不依赖突触的远距离通信，并首次绘制出了模式动物秀丽隐杆线虫的“无线通讯网络”。具体而言，当一个神经元释放一种叫做神经肽的分子，并在一定距离外被另一个神经元接收时，就会发生这种无线通信。打个更形象的比方，如果把突触比作是电脑的网线传输，那么这种新型通讯方式就更像是Wi-Fi信号连接。神经肽（Neuropeptides），是由氨基酸组成的短肽，是一种古老、有效且无处不在的信号分子，作为一种独立于突触以外的“无线信号”在内分泌和神经系统中起着至关重要的作用，调节着新陈代谢、痛觉、睡眠和昼夜节律、情绪和学习等多种功能。然而，尽管神经肽在功能上很有重要性，但科学界对于它们何时、何地以及如何在复杂的大脑系统中发挥作用却知之甚少。

Solo“神经现实”与“Posthumanism”公众号联合发布原文地址：https://doi.org/10.1073/pnas.2215907120参考文献[1]

编辑部按近日，因被平台封号，拥有千万中老年粉丝的主播“秀才”，与同他粉丝量级相当的“一笑倾城”，再次引发公众的巨大讨论。让Z世代年轻人尤其困惑的是，为什么“秀才”的视频及直播间粉丝互动，在他们看来，只能用“一眼假”和“油腻”形容，却能俘获许多老年人的心，使这些老年人对“秀才”的“真诚优秀”深信不疑？为此，编辑部想和读者们共同重温神经现实的首期MIND+，我们邀请北京大学心理与认知科学学院副教授张昕，作了题为《过于信任这个世界，是变老的开始》的分享。希望读者藉由重温，能对“秀才”和“一笑倾城”身后沉默而庞大老年人群体，有更多的了解。现场视频今天给大家分享的主题来自我最近做的一系列研究。我们很关注的一个问题是老年人的信任感。在我们讲信任之前，我相信在座的各位在微信朋友圈中总是看到这样的标题，而且这些标题往往来自家里的长辈。很多时候我们会用朋友圈，或者会有一些加了长辈的群，我们很多人已经把这些群给屏蔽了，或者会单独建一个没有长辈的群。因为每天在这些长辈的群里，都会看到以上各种分享和消息。网络诈骗在六、七月份（注：2018年）的时候，腾讯研究院做了一项名为《吾老之域》的调查，涉及大概46个城市、9000多人，它提供了老年人使用微信的非常有趣的资料。其中很多数据是值得我们去探索的。平均来说，老年人每天使用微信的时间是1.37小时，大概70-80分钟左右。他们会使用很多微信功能，且2.7%的人和年轻人一样，会屏蔽家人。至于为什么会屏蔽，这项调查报告并没有给出更多资料，可我们知道为什么在座的各位会屏蔽家人，因为不想看到刚刚这些消息。现在老年人越来越多地开始使用微信，或者是网络这种我们认为比较高科技的手段，来进行实时交流和信息检索等，因此网络成为诈骗或者谣言的重灾区。这是2018年6月28号发布的“中老年人上网状况及风险网络调查报告”里的数据。对老年人来说，上网当中的风险可能有以下四个：可能有人会说这是不是中国特有的现象呢？其实不是。在2016年，美国信用合作社协会做了一项针对1万多名美国老人的调查。然后他们发现了相近的数据，67%的老人或是他们的照料者、看护者会报告他们曾经碰到过一些针对老年人的欺诈行为，以及有28%的人报告说，至少受到过一次金融诈骗。其实这两个数据和中国的是非常一致的。所以，现在美国警方已经在严肃考虑老年诈骗了，而且在关于老人虐待标准制定当中，已经把老年人诈骗，或者是利用老年人进行金融诈骗、欺诈作为老年虐待的一个标准。这个和我们国家不太一样，我们会觉得虐待意味着不赡养老人和提供好的衣食住行，或者是遗弃老人。但其实利用老年人的一些缺陷来进行欺诈活动，也是很严重的老人虐待的标志，至少在国外是这样的。继续来看刚才那份报告。对老年人来说，诈骗的重灾区还是保健品诈骗。因为老年人关注的是健康，背后的原因我们待会再讲。非常典型的一种诈骗是网络传销。一个代表性的案例发生在2017年4月，老年人被骗参加一个慈善大会，说是可以到鸟巢领取一笔5万元的奖金。这个新闻当时在我国其实流传很广，警察已经说了这些人是骗子，甚至到火车站去拦着老人。有的时候，年轻人会说我都已经告诉他了，这些人是骗子，为什么就不能相信我？为什么不相信子女或亲戚，反而去相信那些根本没有任何辨识度的骗子？我觉得，第一，大家可能已经低估了骗子的这些信息对老年人信任造成的影响。第二，老年人和我们完全是不一样的。所以今天，我想就最近做的一些研究，以及之前国内外的研究，来谈一谈和老年信任相关的问题。容易上当的生理原因其实被骗的背后，是“我和其他人是不一样的”。有的时候别人经常会问我，你学了心理学之后，最大的收获是什么。我觉得最大的收获可能是理解个体间的差异，我学会去了解，或者学会去欣赏人和人之间是不一样的。我们会用这样一种差异性去解释老年人和年轻人，他们在面对不同或相同信息时的不同反应。

“活的[1]”、“演化”、“灭绝[2]”：我们经常把语言当作活的生命来谈论它们。使用这类隐喻的原因在于语言这一概念的高度复杂性，但是用这样的方式谈论语言也有一些弊端：这会让我们误解语言和社会之间的关系。隐喻的根本机制在于将某些事物看作其他事物，尤其当一些概念比较抽象或复杂的时候，我们就会采取这种做法，从而使得这些概念能够关联到我们更容易理解的事物上。我们借助于隐喻来处理这样的概念，就好像它们是一些更加具体可感的、让我们更加熟悉的事物。例如，如果我们谈到“浪费”或“节省”时间，便意味着我们把时间当作商品。又比如，我们说“度过”一段艰难的时期，这时候我们就把时间看作可以让我们在其中移动的空间。与时间类似，语言也是这些复杂概念里的一种，这也是为什么我们经常将其视为活的生命体来谈论的原因。在最近的电台采访中[3]，我说过语言是有生命的。但这里隐藏着一个潜在问题。隐喻构成了我们日常话语的极大部分，以至于我们甚至并不会注意到它们。为此，隐喻可能扮演着难以置信的重要作用。它们是如此根深蒂固，以至于它们实际上决定了我们对它们所指涉概念的理解方式。这样所造成的风险在于，隐喻可能会从根本上扭曲我们对某些概念的理解。-

Ayer）在1936年所说：“所有真正的问题理论上至少是可以解决的。”但他认为，大多数哲学问题都是伪问题，可以通过对其所使用的语言进行仔细分析来解决。诸如“绝对现实的参与（Absolute

-你越深入地研究大脑，就越会发现它不像一台计算机。你对制造意识机器保持谨慎，这与你想要理解意识的目标之间存在张力吗？机器人专家艾伦·温菲尔德（Alan

人脑就像一台施了魔法的纺织机，在不停地编织着与外在世界相关联的图样，把一个图样拆散了之后又重新编织起来，发明出其他的世界，创造出一个缩小的宇宙[1]。——查尔斯·谢林顿，1941一个世纪以前，人们以神秘的魔法形象，描述着大脑复杂、精妙的运作。短短百年过去，我们已能逐一揭示这魔法的秘密，并将脑自身的图样一一勾画，俨然迎来了“创造”大脑的新局面。在这图样的绘制中，我们已把大脑的魔法降维到可理解的层面。小到神经元，从1907年的积分放电神经元模型，到2013年用于类脑的TrueNorth模型，我们已能模拟超20种的神经元行为；大到脑图谱，从1909年基于观察的布罗德曼的脑分区图谱，2016年的人类连接组计划的多模态脑图谱，再到欧洲和美国的脑图谱计划、艾伦人脑图谱库涌现出的高精度图谱，我们对人脑的全面结构和功能的了解，以及相关数据的积累都已有了质的飞跃。图1（上）：神经元模型发展史[2]图2（下）：脑图谱发展史[3]然而，随着我们能破解的脑魔法越来越多，我们所面临的问题也越来越棘手。随着检测技术的提升及人口老龄化的发展，阿尔茨海默病、帕金森病、中风、抑郁症等脑疾病，带来了巨大的医疗和社会压力，成为了全球公认的重大问题。尽管神经科学发展日新月异，但仍然缺乏行之有效的预防与治疗手段。反观传统的神经生物学研究，大都延续着半世纪前的技术，冒着只攻一点，埋头苦干四五年，硕博毕业无期限的风险，费时费力，产出微弱，转化困难，已无法满足时代的需求。幸运的是，人工智能和计算机科学的蓬勃生机，为神经科学带来了新的生命，我们也得以创造前人不可想象的魔法。以哺乳动物新皮质回路模拟为例，随计算机及其软件的进步，该领域涌现出了大批模拟与开发大脑的工具（图3蓝色部分）。这让复杂的神经元模型开始简化，可用数据的数量和质量也呈爆炸式增长，进而促进关注一块膜的H-H模型发展为详细模拟整个皮质区域的皮质电路。更甚的是，借助人工智能的魔法，我们已能在宏观尺度，初步模拟大脑的行为和机制。譬如，Izhikevich和Edelman提出的丘脑皮层系统模型，已表现出与正常大脑活动相似的行为特征；由250万个神经元组成的SPAUN，则已能够模拟大脑利用不同脑区协同展示多个认知功能的能力。图3：利用基于电导的空间扩展神经元模型，对皮层回路进行详细网络建模的历史进步。神经活动的开创性研究（绿色），各种神经元（黄色）和神经网络（红色）的发展以及计算建模基础工具（蓝色）[4]。随着越来越多的神经科学数据库的创建与公开，大脑图谱相关数据逐步积累，人工智能算法算力的全面发展，全脑仿真的构建也日益引人瞩目。近10年来全球各国都在脑模拟研究上进行了大规模布局，无论是欧盟脑计划、美国脑计划的发展、还是日本Brain/MINDS计划，中国脑计划的出台，都预示着我们正站在这历史的交叉点上。用图计算构建脑仿真脑仿真本身，并不新鲜。自1943年的人工神经元模型，到如今的脉冲神经网络，都为脑仿真迈出了结实的步伐。然而，技术的发展赋予了脑仿真新的使命。以往的脑仿真系统常用的架构，大多停留在20年前的数据量、计算机能力和生物学对脑的理解。我们需要一个全新的脑仿真架构，来容纳更大量的数据、提供更宏伟的算力，从而实现更精确的仿真和预测。用于数据挖掘的图计算技术，与神经元和脑仿真有着天然的相似。基于图计算技术搭建的高精度脑仿真架构，有望为揭示大脑的秘密提供一种新的研究方法和手段。什么是图计算图（graph），是一种表示对象之间关联关系的数据结构，由节点和边构成。例如在实际生活中，以火车站为点，站与站之间的距离为边的道路网络是图；以人为点，人与人之间的关系为边的社交网络是图。可以说，只要关系在，图就在。社交网络就是典型的图数据而我们的大脑，也是由神经元连接而成的复杂网络，其神经元间的信息传递机制，与图有着天然的相似性。将这种相似性应用于神经科学，便是把神经元视为节点，把神经元之间的连接视作边，将大脑建模成图。其中根据情景的不同，边可以有多种类型，以满足神经元连接的不同需求。如基于连接是否携带方向信息（因果关系），可以分为有向图和无向图；根据连接是否具有不同的权重，可以分为无权图和加权图。此外，这个图将提供所有节点和边关系的完整映射，也就构成了神经网络的拓扑结构。使用图进行复杂脑网络研究，可以追溯到人类连接组计划。而基于图的网络分析，可以揭示有关人脑网络拓扑结构的不同信息[5]，如聚类系数（图4A），能判断神经元间聚集性；社团挖掘，能找到相似的神经元种类；最短路径长度（图4B），测量两神经元间最短距离；小世界性（图4C），以较少的路径连接到目标神经元；同配性、异配性（图4D），判断神经网络鲁棒性，反映神经网络能抵抗的故障程度；网络中心性，识别神经网络的枢纽（图5A）、桥梁、访问速度、连接质量（图5B）等[5,6]。图4（上）：应用图论识别人脑网络连接模式[5]图5（下）：应用图论识别人脑网络连接模式网络中心性的特征[5]从图计算到图神经网络所谓图计算，就是将数据建模为图结构的算法模型。它试图将问题解法转化为图结构上的计算问题，以对大规模数据的关系与模式进行挖掘，实现知识推理、事件溯源、决策、预测和推荐等功能。在日常生活中，社交媒体公司可以使用图计算，理解用户社区的形成和发展，更好地定位广告；生物学家可以使用图计算，探究蛋白质相互作用，找到新的药物治疗方案。在图计算中，又以处理非欧几里得特性的图神经网络（GNN）最为热门，其中的图卷积网络（GCN）已在脑图预测、缺失的脑图整合、疾病分类和识别生物标志物中发挥着重要作用[7]。一般来说，传统的人工智能方法主要是从某种“固定”结构编码的对象中提取信息。然而这与大脑神经网络的特性并不相符。毕竟，由神经元构成的图数据，并无固定的节点排列顺序，每个节点的连接也是可变化的。图卷积网络则通过整合中心节点和邻居节点的特征和标签信息，给出图中每个节点的规整表达形式，并将其输入到传统的卷积神经网络中，组成更高层次的表达，以有效利用图结构信息和属性信息。[8]图6：一个标准的空间图卷积处理流程[8]当我们在医院做磁共振成像（MRI）扫描时，医院往往只对你进行一次扫描。而这一次扫描的结果，通常并不完整。而基于图计算衍生出的生成对抗网络几何深度学习框架，可以从源图预测目标形态脑图，从功能图预测结构脑图（图7A-1）；从单个形态图合成功能和结构脑图（图7A-2），以帮助医生判断。此外，在神经影像学数据中，我们获取的脑图质量可能参差不齐，其中不乏低分辨率的图片。利用图U-自编码器，引入基于图特征分解的超分辨传播规则，可以生成具有更多节点和连接的高分辨率图（图7B），进而帮助数据收集和整理。此外，基于图神经网络，我们还可以生成代表性的大脑连接模板（图7C）；时间序列脑图（图7F）；发现脑图中存在的区分性生物标志物（图7D）；预测被试状态，进行疾病分类（图7E）等。[7]图7：基于网络神经科学，利用现有的图神经网络方法能实现的功能示意图。[7]图计算的优势故而，随算法的不断发展，基于图计算进行脑仿真，得天独厚，势在必行。不同于以往传统神经影像学的仿真模式，图计算呈现出更鲜明的特色。1）图计算的核心“图”，拥有独特的节点连接结构，可以通过节点和边存储大量的信息，能实现更高精度的仿真架构；2）图计算允许科学家创建和处理任意拓扑结构的网络，通过对节点和边进行灵活处理（如增加、删除或修改），来更准确地反映大脑的真实结构，也能模拟神经元的动态变化，计算更多更复杂的关系；3）介于神经网络存在着数十亿个节点，若以单一系统处理无疑是痴人说梦，而图可以实现分布式计算，节省了大量计算量，降低了时间复杂度；4）相关模型的搭建，能帮助硅基空间的脑仿真虚拟实验平台的构建，以辅助药物、脑科学的研究和开发，为药物研究早期靶点筛选提供硅基模型。但同样，基于图计算进行脑仿真，也存在一些急需突破的地方。1）将具有树状结构的神经元视为节点，势必会造成信息的遗漏，而这可能需要通过网络动力学来进行状态更新以弥补损失；2）图的结构和属性可能随时间变化，这使得计算和分析难度陡然提升，这不仅需要我们开发新的算法来应对，同时也对存储和算力带来了巨大的挑战；3）要实现实时或近实时的动态图分析，对计算和处理速度都有着较高要求；4）无论模拟方式是基于时间切片，还是基于事件驱动，所需的总体成本都颇为昂贵。蚂蚁携手复旦，破壁图计算与脑仿真近日，蚂蚁技术研究院图计算实验室，与复旦大学脑科学研究院神经药理实验室的合作——“基于图计算的脑仿真架构项目”，正式启动，为该领域带来了新的生机。在图计算这片沃土上，蚂蚁早在2015年就开启了深耕。蚂蚁自主研发分布式图数据库、流式图计算等图相关技术，为支付宝实现信贷风控、反洗钱、反欺诈、资金追踪、营销推荐等提供强大的支持。荏苒七载，借力支付宝、芝麻信用等业务，蚂蚁得以在世界级的图计算场景历练。而这推动着蚂蚁在算法层面、大规模数据处理等逐步突破。而其联合清华大学自主研发的高性能图数据库TuGraph，更是凭借优异的表现，多次登顶行业权威测评LDBC榜首，成为世界纪录的保持者。虽然金融数据与生物学数据相去甚远，但在图计算上，蚂蚁拥有的丰富的经验与技术积累不容小视。这些都将帮助蚂蚁快速开发和迭代图计算工具，以更高速度与质量适配到脑仿真领域。这次蚂蚁技术研究院与复旦大学脑科学研究院的产学研合作，不同于常见的校企合作。蚂蚁技术研究院不仅提供深厚的技术支持和强大的计算能力，还将有多名专攻图计算领域的蚂蚁技术研究院研究员深度参与。复旦承担生物学实验部分，蚂蚁负责图计算部分。具体来说，这一项目先通过生物实验，将中隔区的神经连接如实还原，再结合现有的在线脑图谱数据，利用图计算构建仿真框架，透过模型验证实验，将生物实验和仿真实验形成一个自我完善的“环”。接着，他们希望能通过中隔区-海马-皮层，逐步递进，实现高精度脑仿真，为未来的脑模拟研究提供高精度的仿真和预测，并最终为相关的脑研究提供一个工具平台。-

ganglia）神经元中多巴胺水平较高的孩子的认知控制将会受到额外的推动。虽然执行功能和认知控制所需要的大脑系统（图中蓝色部分）在青少年时就已经启动并运行着，但露娜、阿什利·帕尔（Ashley

(2021).对于知识工作者来说，表明现状已经破裂的最明显的迹象是，越来越多的人意识到自己正处于职业倦怠状态。22年夏天，麦肯锡（McKinsey）和公益组织Lean

想象你此时伫立船首，望着一群来回穿梭的海豚。它们在海面的跳跃，有助于在长途旅行中节省能量，因为空气中的摩擦比水中要少。跳跃还是一边快速移动一边呼吸（在快速移动中保持呼吸）的高效方式。通常来说，海豚会在贴近水面游动一段时间之后，以长的、冲击式的跳跃作为替代，游动路程大约是跳跃路程的两倍，这种令人惊叹的、高速的、穿越水面的跳跃有时被叫做“跃水现象”。鲸目动物的这种运动可以作为我们思考过程的一个精妙比喻。我们通常说的“有意识的思维”，与在心智海洋中游弋的海豚十分相像：意识思维短暂地跃出无意识之海，之后再度潜入水中。“认知的海豚模型”（dolphin

你是否曾怀疑过自己是否正常？想想你最近一次自问这个问题的场景。你究竟在问什么？可能你正在思考自己的某个特质是否正常。也许你正担心自己的样貌或者行为没有达到某个所谓的理想状态。又或者，你只是想知道自己够不够融入周遭环境——自己是否“像大家一样”思考、行动和生活？我们之中很少有人能不受所谓“正常”的神秘力量影响。我在曾经社交焦虑的十几二十岁的时期，一直对这个神秘状态十分着迷。那时的我很肯定，如果我能稍微更像其他人一点，我的生活就会更好、更快乐。但是有一天，我问了自己一个不一样的问题：这些所谓的正常人都是谁？他们真的存在吗？在十九世纪初前，“正常”（normal）这个英文单词完全不用来形容人。它是一个数学术语，意为直角。当然，那时的人们一样会把自己和他人相比较，但这些比较很多是在个体的层面上——“正常”并不代表一种存在形式或行为的一般状态。我们现代的“正常”概念是1835年在比利时出现的。当时，39岁的天文学家、统计学家阿道夫·凯特勒（Adolphe

https://news.uchicago.edu/story/allan-rechtschaffen-sleep-research-pioneer-1927-20212.

https://news.uchicago.edu/story/allan-rechtschaffen-sleep-research-pioneer-1927-20212.

这个想法很简单，只是为人工神经网络提供一些外部刺激的间歇，指示它们进入一种休息状态。像人类大脑打盹时一样，网络仍然活跃，但不再接受新的信息，而是消化、巩固旧信息，寻找其规律。-

原：我们都希望自己的记忆像硬盘一样牢记不忘，创建了一个记忆文件，保存好，随时准备使用。但是现在的人工智能还没有达到这种记忆表现。改：我们都希望自己的记忆力像硬盘一样强大：创建记忆文件，保存，随时调取使用。但是现在的人工智能还没有达到这种记忆表现。

诱惑是生活的一部分。你会经常发现自己“想做的事情”和“应该做的事情”是相互冲突的。例如，想要选择美味的甜点但应该坚持节食，想要玩电子游戏但应该学习，或是想要看电影但应该去健身房。这些时候，你或许会渴望做出“正确的”决定，从而推进自己的长期目标。成功抵制诱惑，或者说，拥有更高的自制力*，可能是你努力的目标。我们的文化普遍推崇更强的意志力，并弘扬自律的价值，扫一眼书店里的自助图书区就能够验证这一点。然而，笔者和其他研究者的研究描绘出一个更加有趣、微妙的故事——高度的自制力有利有弊。*译者注自制力，即自我控制（self-control），涉及能够控制一个人的反应和行为，以克服强烈的内部倾向或外部诱惑，以进行更合适或更需要做的事。不出所料，过去大量的研究都集中在高自制力的积极结果和影响上。研究发现，更高的自制力对个体是有益的，比如他们在学习和工作中会有更高的效率和更多的成就[1]、在关系中也更为成功和满意[2]，并被同龄人认为更加可信[3]。这些令人印象深刻的结果凸显了自制力的优点，与流行文化中对意志力的吹捧相一致。但事实上，越来越多的证据表明自制力并非一种单纯有益的特征，它也有着多种弊端。这意味着，我们应当更谨慎地看待这种特质（trait）*以及我们对高自制力的追求。*译者注特质（trait），与时刻变化着的状态（state）相反，是个体较为稳定的人格特点和行为模式。-

Bias）。危险的是，研究人员可能得出显示某种效果的结论，但不能确定所研究的自变量是否对此负责。*注遗漏变量偏差（Omitted

-考虑一下与此相关的说法，哥伦比亚大学著名社会学家Jennifer

在多重意义上，中世纪修道士相当于如今的职业社交网站领英（Linkedln）的核心用户。他们虔诚，谙于自我提升，喜爱阅读以及分享其他早期基督徒鼓舞人心的故事，这些基督徒表现出对其所做之事的非凡承诺。譬如，临河而居的萨拉从不曾看向河流的方向，那是她忠于信仰的方式。詹姆斯在一场暴风雪中专注地祈祷，以至于深埋雪野之中，直到被邻居们挖掘出来。但这些早期的信徒都不能像帕克缪（Pachomius）那样抵御分心。这位公元四世纪的修道士长期忍受游荡的恶魔侵扰，它们时而幻化为裸体女性，使住处的墙壁隆隆作响，还试图以出洋相的方式引他发笑。但帕克缪甚至不会看向它们所在的方向。对于早期基督教作家而言，如帕克缪一般的修道士树立了制心一处的典范，令其他修道士心向往之。这些制心一者是公元1000年间首批投身目标、奔忙和自我提升的人。即便你们不受恶魔困扰，中世纪的修道士依然可以教导你许多关于分心的学问。我们对自我提升和效率的担忧似乎是外界带来的——那个被令人分神的科技所累的世界。但在1500多年前，修道士们也几乎以相同的方式被分心所折磨。他们困于工作和社会纽带的要求，抱怨新技术带来的分心，并找到了可以帮助他们高效生活的路径。将硅谷大师抛之脑后吧！难道早期的基督教修道士就是我们一直向往的生产力英雄吗？-

Institute）任神经系统研究员，曾撰写一篇开创性的论文[2]，提出动物研究需要更多集体神经科学。她说，她和合作者想要颠覆的，正是“智能，具体来说一个物种的社会智能（social

这篇文章是受下述问题启发的一系列短篇文章的开篇*：*注本文选取了其中的开篇，有部分删减。后续文章主要阐述“创新即采矿”假设的合理性及其影响，分别是：《艺术创意如何变得更难找到？》，《为什么创意越来越难被发现很重要？》，《通过多听沙滩男孩的音乐来调查音乐天才》，以及《要与伟人相提并论，不要追随他们的脚步》。文章完整列表见：https://www.cold-takes.com/tag/innovationstagnation/假设贝多芬是有史以来最伟大的音乐家（至少在某些特定的重要意义上，参见下面的一些说明），那么，尽管全球人口剧增、创作和制作音乐的技术高度民主化、更多的人具备了成为伟大音乐家的前提条件（教育程度、饮食基本的营养等），在过去的大约200年间，为什么没有出现一个比贝多芬更伟大的音乐家？换言之，当代贝多芬在哪里？一些答案或许会映入脑海。例如，也许贝多芬的音乐并没有比碧昂斯的歌曲伟大很多，他只是在那些身怀各种偏见与怪癖的评论家心中拥有“不劳而获”的伟大名声。虽然我明白整个答案很复杂、并且取决于“伟大”意味着什么，但我个人倾向于认为这是答案的一部分。-

神现编辑推荐光影：最初读过方舟子的一部分译本，又因种种原因，这本书国内一直没有上，直到今年，离出版已有28年矣。达尔文的演化论，对我们来说，已如常识。甚至智能设计是什么，对大部分读者而言都是陌生的。以至于我们严重低估了演化论溶解一切神秘学说的杀伤力。而本书将重拾你对演化论的兴趣，感受那仅靠复制、变异、选择来计算的简约算法，将生命、目的和意义的常识图景，以及空间和时间、因果关系和物理定律的科学图景一举统一的野心。于个人而言，丹尼特是我探索心灵哲学的引路人。借由一个个灵巧的直觉泵，贯以意向立场的姿态，极大提升了我对哲学的兴趣。而从最初寥寥几篇浅尝辄止的文章，到如今图书的热卖以及蓬勃的研究生态，我想，或许现在正是最好的入坑时间，也是最好的温习经典的时刻。关于作者Daniel

树木、天空或落日是什么颜色？初看起来，答案显而易见。但事实表明，不同个体、不同文化群体观看世界的方式都千差万别。从眼睛的生物学结构到大脑处理信息的过程，再到我们谈论颜色时使用的词语，影响人类感知和交流颜色的因素层出不穷。差异很容易从中产生。例如，大多数人有三类视锥细胞。视锥细胞是眼睛的光线接收器，它们能够侦测不同波长（在观察者那里表现为不同颜色）的光线。而在一些情况下，基因变异会使某类视锥细胞与旁人不同，或彻底消失，从而导致色觉的改变。其中一些人会成为色盲，另一些人则会坐拥颜色超级帝国。性别、年龄甚至虹膜颜色也会影响对颜色的感知。因生活地域、出生时间和季节的不同，我们的知觉也会相应地发生变化。为更加深入地了解色觉的个体差异，Knowable

过去几周中，我每天的生活充斥着冬日末尾的痕迹：融化的冰滴下水珠、树叶新芽随风窸窣响动、当然还有周围不断响起的喷嚏和咳嗽声。我工作大楼的大厅里，到处都是抽鼻子和清嗓子的声音。每当我走在路上，都能看到眼泪汪汪的眼睛和通红的鼻头。就连我的Slack工作群组里，都全是和生病有关的表情包，还有同事们在消息中互诉疑问：为什么我感觉这么不舒服？“真的不是新冠，”他们说，“我快测了一百万次了。”他们坚称，是别的什么东西在作怪，让他们感觉自己像是炉上的烤鸭一样。这作怪的“别的什么东西”，很有可能正是一度被人们遗忘了的普通感冒。在过去的三年间，不少呼吸道病原体被挤到了社会舞台的聚光灯之外，其中包括腺病毒、呼吸道合胞病毒（RSV）、人类偏肺病毒、副流行性感冒病毒、普通感冒冠状病毒、鼻病毒等。如今，它们正在卷土重来，并且确实给不少人带来了极大困扰。好消息是，目前还没有客观证据证明，这些感冒病毒真的比全球疫情前更为厉害。不过先别高兴得太早——由于我们淡忘它们多年，很多人已经忘记了感冒原本就有不低的杀伤力。-Rodolfo

本期推荐《延迟满足》[美]沃尔特·米歇尔封面：xMx

比起成年人，儿童的学习速度更快，他们还在发育的大脑以惊人的速度吸收信息。出于某种原因，他们的神经元不仅能更轻易地编入新知识，还能在源源不断的新经历的湍流中保留下这些新知识的印记。来自德国雷根斯堡大学和美国布朗大学的神经科学家团队，可能找到了儿童大脑之所以如此高效的原因。Frank,

loup”，字面意思是“狗和狼之间”。像快速眼动睡眠一样，N1期经常出现无意识的、梦境般的感知现象。这些现象被称为临睡幻觉（hypnagogic

Therapeutics开始招募345位AD患者参与其III期试验，预计将在2025年完成。02反转就在该疗法顺风顺水走向临床之际，事情却出现了反转。3月6日，纽约大学的尤里·布扎基（György

语言常被认为是思维驾驭着的工具，人们“表达出”、“说出想法”，人们遵循着“思维的列车”或是“意识流”。而人类创造的一些巅峰——音乐，几何，计算机编程，则被定义为隐喻语言。这其中隐含了一种假设，即大脑通过一系列单词来处理世界以及我们对世界的体验。这种假定的联系也正是ChatGPT和类似程序如此神奇的原因：AI能够用类似人类的语言回答任何提词，这意味着机器具有某种意图，甚至是感知。但随后程序说了一些完全荒谬的东西，例如在“nineteen”中有12个字母、或是旗鱼是哺乳动物——语言智能的“面纱”就此掉落。尽管ChatGPT可以生成流畅甚至优雅的散文，轻松通过困扰了AI领域超过70年的图灵测试基准，但它也可能看起来非常愚蠢，甚至危险：它在数学上会出错，无法给出最基础的烹饪建议，还会表现出令人震惊的偏见。在一篇新论文*中，认知科学家和语言学家通过将语言交流和思维行为分离来解决这种不协调：具有一种能力并不代表具有另外一种。在专家们专注于生成式人工智能颠覆我们生活和工作的潜力之际，他们的争论也应该迫使人们去重新评估人工智能于人类智能的局限与其复杂性。Mahowald,

排版：光影本文转载自“智能的本质与未来”：https://mp.weixin.qq.com/s/7zCd5hww_7JZKzMexkluIA代表性成果发表在Cell

莉莎·费德曼·巴瑞特封面：Sergey

在过去十年，人工智能（特别是深度学习）取得了显著成效。当Siri读懂你说的话、脸书认出了你的表亲、谷歌地图为你重新规划路线时，都大概率涉及到了深度学习系统。鲜为人知的是，这些模型正消耗着惊人的成本，不仅体现在真金白银上，也体现在能源消耗上。照目前的迹象来看，人工智能只会给气候危机火上浇油。可相比之下，我们的大脑（功耗小于40瓦）可就高效多了。如果我们把基于神经科学的技术应用到人工智能中，那么用于计算的能耗将有可能大大降低，从而减少温室气体排放。这篇博文旨在解释到底是什么导致了人工智能过大的能源消耗，以及如何用基于大脑（工作原理）的技术解决这种过高的能源成本问题。为什么人工智能如此耗能？首先，我们有必要简单了解一下深度学习模型的工作原理。深度学习模型的“智能”之处和你的大脑并不一样。它们不以结构化*的方式学习信息。与你不同，它们不懂什么是因果关系*、上下文*或类比*。深度学习模型是用“蛮力”的统计技术*。例如，你要是想训练一个深度学习模型来辨认一张猫的照片，你需要向它展示上千张由人类标记过的猫的图像。该模型并不知道猫比狗更有可能爬树、玩羽毛*。因此除非我们拿包含树和羽毛的猫的图像来训练它，否则它不会知道这些物体的存在可以帮助对猫的识别。而为了做出这些推断，我们需要用所有可能的物体组合图片对模型进行“蛮力”训练。*译者注结构化：作者此处想表达的也许是深度学习模型不像人一样建立各种概念，而且知道这些概念之间的关系（因果关系、先后关系、相似/相邻关系）。但深度学习模型确实是以结构化的方式来学习信息的——模型在加入归纳偏置后具有某种等变特性，能够处理特定结构的数据（图像、时间序列、图结构的数据等）。因此此处表述不准确。因果关系：诚如作者所言，机器学习模型一直为人诟病之处便是其仅习得关联，而非因果。但近期有研究已经开始探索似乎在大语言模型中涌现的因果关系，如Can

又迟到了。这是连续第三天在里根先生的五年级课堂上迟到了。我只能怪自己。我住得离学校很近，骑车的话很快就能到。我把车停下，把车锁在自行车架上后，冲刺到教室。当我拉开门，每个人，包括里根先生，都盯着我。我的老师（里根先生）说：“加拉格尔（Gallagher，本文作者），你又迟到了。这次又是因为什么事？”里根先生是一个身材瘦小、心地善良的老先生。他戴着一副大眼镜，将度假风衬衫用腰带别进米色裤子里。如果他在课间休息或午餐时发现你在冻结铃*响后活动，他会吹响哨子并向你跑去——他高而瘦的身形以一种似鸵鸟的方式“滑行”——然后再次吹响哨子，示意你和其他人解除冻结并回到教室。但作为你在冻结时期活动的后果，他将亲自护送你回去。你会感到有点尴尬，但这是一种诙谐的尴尬。*译者注当课堂太过嘈杂或当老师需要让学生知道活动时间即将结束时，敲响的一种铃声。站在门口微喘着气，我可以看出里根先生和其他人都在等着我表现出屈服的样子，就像我在铃声响后被抓到的那样。但是，注意到全班同学都在盯着我，我突然邪魅一笑，看着不满的里根先生，耸耸肩说：“我的华夫饼煎得不够快！”那是我印象中第一次让一屋子二十几个人（不包括里根先生）笑得前仰后合。没有人知道我会这样说，包括我。而最近，在我读乔纳森·西尔弗敦（Jonathan

诚实一点，你现在在做什么？是的，你在看这篇推送，但与此同时你还在做什么？如果你跟绝大多数看微信公众号的人一样，那你现在有很大概率在同时做很多件事——或者正在尝试这样做。一心二用，也就是人们尝试同时做好几件事，或者同时接受好几个不同的信息流。这其实是一件很常见的事。在这个数字时代，无穷无尽的消息提醒，还有害怕被浪潮丢下的感觉催促着我们不停地查看社交软件上的新鲜事。但即便在早些年代，学生也会一边看电视一边写作业，或者上课的时候在底下读报纸。我们为何如此爱一心二用？一个关键的动机是寻求感官刺激[1]。根据心理学家罗伯特·耶克斯（Robert

如果你对这个项目感兴趣请长按识别下方二维码添加顾问老师微信咨询并发送专属口令【神经现实】即可领取专属报名优惠↓↓↓↓↓*专属优惠有效期为咨询之日起15天内盐趣开设的一对一科研论文产出课程体系，只为真正提升你的科研能力！项目根据学生研究领域匹配专属TOP30导师，制定个性化专属课程，培养学生科研能力、论文写作能力，帮助学员顺利完成论文及成功发表，助力国内外名校申请/硕博毕业/职位晋升。盐趣不仅提供上述科研一对一项目，针对有推荐信和其他需求的同学还有英美名校教授小班课项目↓↓↓█

Shulevitz单身人士，你孤独吗？UCLA孤独量表，通常用于测量孤独，完整版本有20个问题，但为防止太多人对研究者使用的数据变得熟悉，而歪曲了测试结果，开发人丹尼尔·罗素（Daniel

微信又双叒叕改版了，不是常读或星标的公众号，图文推送不再显示封面啦。为获得更好的体验，以及不错过任何一条精美推送，跪求喜欢我们的小伙伴标一个“星标”，这样才能及时收到我们的优质内容。近日，我在MIT麦戈文脑科学研究所主任、神经科学家罗伯特·戴斯蒙（Robert

Pescosolido听闻研究人员正在研究自杀背后的生物学原理时，患者常常感到惊讶。“因为他们一直认为，这是他们性格中的缺陷，并为此感到内疚。而这也是我们想要对抗的病耻感的一部分。”——Nadine

100]。在脑结构和功能模拟方面，智脉包含有果蝇线性和非线性决策、前额叶皮层工作记忆功能模拟。智脉集成了多尺度的脑结构模拟，从神经微环路、皮层功能柱，到初步的鼠脑、猴脑、人脑全脑脉冲神经网络模拟。图

eabh3021.https://doi.org/10.1126/science.abh3021相关阅读：《科学》：“垂老”病中惊坐起？食欲肽神经元是元凶整理：海星，光影，EON，M.W.

belt）。在理论与事实不相符的情况下，如果安全保护区可以不违反元理论的前提，通过修改和调整自身的辅助假设，从而使得理论与事实相符，那么便可以保护学科体系的核心假设不受挑战。论文题目：Are