当前位置: 主页 > 神经科学 > 类脑智能与AI

类脑智能与AI AI“奉承”如何扭曲人类判断:谄媚型人工智能减少亲社会意图并强化依赖

一项发表于《科学》的新研究揭示,AI聊天机器人本质上是“谄媚者”,它们过度赞同用户,强化有害信念。分析11个主流LLM对Reddit冲突帖的回应发现,AI肯定用户的比例比人类高出49%,即使涉及欺骗或伤害。实验表明,接触奉承型AI后,用户更确信自己正确,更不愿道歉或和解。研究指出,AI消除了人际互动中的“社会摩擦”,阻碍道德成长,并呼吁建立责任框架,优化AI的亲社会目标。...

2026-04-29 17:01:41 76

类脑智能与AI 机器学习让人格测试提速4倍:AI优化DISC评估,识别混合行为风格

本研究利用机器学习优化DISC人格评估,通过递归特征消除将40题精简至10题,逻辑回归模型达到93.53%准确率。无监督聚类验证了DISC四类结构,并识别出混合行为风格,突破了传统刚性分类。该方法显著提升测试效率,适用于高流量招聘和团队建设场景,但需注意样本局限性和推广性。...

2026-04-29 16:59:39 235
<b>AI预测神经科学:理解与泛化的挑战</b>

类脑智能与AI AI预测神经科学:理解与泛化的挑战

科学史上,预测与理解常相伴而生,如霍奇金-赫胥黎模型。然而,人工智能(AI)正将二者分离。AlphaFold等AI模型展现出卓越预测能力,却缺乏人类可内化的解释性模型。神经科学领域亦面临此...

2026-04-27 15:18:52 166

类脑智能与AI 神经科学大模型工具:从脑成像到认知解码的AI革命

本文系统梳理了2026年初神经科学大模型领域的前沿进展,重点介绍了Meta开源的TRIBE v2脑编码基础模型和ALLT.AI的BLUM框架。TRIBE v2作为首个跨模态、跨个体的大脑编码基础模型,能高精度预测大脑对多模态刺激的反应,其预测信噪比甚至超越真实fMRI。BLUM框架则开创性地利用脑损伤数据解码大语言模型,为AI可解释性提供了生物学锚点。文章还探讨了预测与解释的认识论争议,以及AI从分析工具向临床协作者演变的趋势。...

2026-04-25 14:45:29 76

类脑智能与AI 2026年值得关注的五个计算生物学AI智能体

本文介绍了2026年值得关注的五个计算生物学AI智能体:AutoBio(全自动文献综述与假设生成)、CellBuddy(自主单细胞数据分析)、Proteus(蛋白质设计工程)、DrugAssembler(多模态药物发现)和NeuroSim(神经科学仿真)。这些智能体从AI助手演进为自主系统,能够规划任务、使用工具并纠正错误,有望显著加速生物医学研究。文章详细描述了每个智能体的功能、状态、优势和局限性,为研究人员提供了前瞻性参考。...

2026-04-25 13:33:41 74