生物行移动版

MIT研发纸片厚度肌肉驱动机器人：光控活体肌肉实现水下自主游动

MIT工程师开发出一种仅纸片厚度的二维生物混合游泳机器人，其动力来源于经光遗传学改造的活体骨骼肌细胞。该机器人长约一块口香糖，由两片涂覆肌肉细胞的凝胶骨架构成鳍片，通过光照控制肌肉收缩实现转向与调速。研究团队通过优化支撑骨架的材料组成（以GelMA替代纤维蛋白）、刚度及沟槽几何形状，解决了此前肌肉位移仅约100微米的瓶颈，使单层肌肉产生足够推进力。该机器人最高速度约为每分钟4倍体长，为首个超薄二维肌肉驱动机器人，有望用于脆弱水生环境的监测。...

人工智能与人类智能截然不同：我们在混淆它们时会失去什么

研究通过对比大型语言模型与人类在经典心理学测试中的表现，揭示二者在判断机制上的根本差异。人类基于世界接触、事实知识及因果推理进行判断，而模型仅依赖语言模式的统计性匹配。模型虽可生成似是而非的推理，但其背后缺乏对世界真实理解，仅为‘知识模拟’。此发现强调模型应作为语言工具而非理解引擎，警示在法律、医学等领域使用时需区分模拟与真实。...

连接高维神经回路与低维认知功能：Tatiana Engel的建模方法

本文基于《The Transmitter》的播客内容，系统解析普林斯顿大学Tatiana Engel的潜回路模型。该模型通过显式建模驱动任务性能的隐藏变量，解释低维神经群体活动如何从高维神经回路连接结构中涌现。文章涵盖核心问题、流形与维度降低、与国际脑实验室的合作、对神经科学解释的启示及未来方向，为理解神经计算提供了新视角。...

如何与人工智能协作

人工智能代理有惊人的优势 但也有弱点 科学家对可能性感到兴奋 超过60 的研究人员现在使用人工智能帮助工作 但他们对过度信任大型语言模型持谨慎态度 我们如何利用一个潜力巨大但也有风...

Tomaso Poggio：探索大脑与机器基本学习能力的理论

本文基于Brain Inspired播客对麻省理工学院教授Tomaso Poggio的访谈，系统阐述了他关于大脑和机器基本学习能力的理论。Poggio提出组成稀疏性原则，即层次结构中简单函数的组合可执行复杂任务，并反思了智能科学中工程超越理论的现状。文章涵盖工程与理论的对比、学习理论的目标以及智能科学的过去、现在与未来，为理解人工智能与神经科学的交叉提供了深刻见解。...

NeuroAI与能动性的隐藏复杂性

本文探讨了NeuroAI领域中能动性的隐藏复杂性，通过对比视觉处理的教训和Moravec悖论，揭示了构建自主人工智能系统的挑战。文章指出，能动性——即自主追求目标的能力——是动物行为的核心，但在机器中复制却异常困难。作者分析了视觉处理的历史启示，以及Moravec悖论如何凸显了感知与运动技能的难度。最后，文章强调了理解多个竞争目标函数协同工作的重要性，并展望了NeuroAI的未来方向。...