Earth.com Researchers identify brain cells dedicated to disappointment Researchers have identified brain cells that are dedicated to measuring disappointment when rewards fall short. [!quote]+ 细胞簇位于外侧哈文脑内，这是一个隐藏在大脑深处的古老小结构。 长期以来，研究人员一直知道这个区域在遇到不受欢迎的意外时–突然的惩罚或根本就没有到来的奖励–会变得炙热。因此，它被称为大脑的 “反奖赏中心”。 不过，该区域拥有多种类型的神经元，但没有人能够确定每种神经元的功能。 Sylwestrak 偶然发现了这些细胞，每当小鼠希望得到食物时，它就会捕捉到邻居发出的杂散信号。结果一无所获。 研究小组加入了一些真正糟糕的经历–吹一口气、短暂的憋闷或轻微的惊吓–并观察相同神经元的反应。 在所有这些过程中，失望细胞大多保持沉默。在同一区域，更广泛的神经元组合在每一次威胁面前都会亮起，这与之前的研究发现的方式相同。 这种挑剔是有目的的。铃木指出，错过的奖励和真正的威胁需要不同的反应。 最近的历史也证明了这一点。一连串的失败让小白鼠对下一个失败的反应变得迟钝，最终放弃了探究。 中脑的多巴胺神经元则与此相反，它们会在意外收获时攀升，在失意时下降。数十年的研究证实了这种不对称性。 改变奖励的大小提供了最明显的证据。被训练成期待喝一口正常水的小鼠有时会得到一口吝啬的水，而细胞会根据不足的比例而勃发。 让他们重新养成喝一口就能大快朵颐的习惯，而同样的微薄回报现在却让他们大失所望。 在这项工作之前，科学家们知道外侧哈伯脑带着失望信号，但无法将负责的细胞与它们的邻居区分开来。 现在，有一种遗传标记可以将它们区分开来，这是该地区首次对这一精确计算进行清晰的处理。 研究小组希望通过增减这些细胞，了解它们是如何引导健康的奖赏追求的，以及它们的失效是如何导致成瘾和抑郁等病症的。 PubMed Central (PMC) Dopamine, Updated: Reward Prediction Error and Beyond Dopamine neurons have been intensely studied for their roles in reinforcement learning. A dominant theory of how these neurons contribute to learning is through the encoding of a reward prediction error (RPE) signal. Recent advances in dopamine ... https://www.cell.com/current-biology/fulltext/S0960-9822(26)00467-7 1 个帖子 - 1 位参与者 阅读完整话题
Phys.org – 31 May 26 Researchers teach brain cells to play 'Doom' Australian researchers have trained lab-grown brain cells on a silicon computer chip to play the nineties shooter game "Doom" and say they are just scratching the surface of what the neurons could be capable of doing. [!quote]+ 澳大利亚研究人员在硅计算机芯片上训练实验室培育的脑细胞玩九十年代的射击游戏 “毁灭战士”，并表示他们对这些神经元的能力还只是略知一二。 每台所谓的 "生物计算机 "都包含约 20 万个活的人类脑细胞，这些细胞是从献血中提取的干细胞培育而成的。 在掌握了简单的电脑游戏 “乒乓球”–上下移动球拍将球送过屏幕–之后，脑细胞又开始了更大的挑战。 Cortical 实验室的高级应用科学家阿隆-洛夫勒（Alon Loeffler）告诉法新社记者："起初，神经元处于’从未玩过视频游戏的初学者的水平’。 研究人员将 "毁灭战士 "中的数字环境转换成芯片上的神经元能够理解的电信号模式。 不同的神经元活动模式会产生特定的反应，如开枪或向左或向右移动。 研究人员从连接到 CL1 的电脑屏幕上监测神经元的电活动，CL1 由数千个小点表示。 团队根据这些数据调整输入，以影响和训练神经元的活动。 CL1 并不局限于电脑游戏–芯片可以进行编码，以执行从药物筛选到类似人工智能的机器学习等一系列应用。 "首席科学与运营官布雷特-卡根（Brett Kagan）说："这些神经培养物与我们的 CL1 等系统集成后能实现的功能，我们还只是窥其皮毛。 卡根将 CL1 芯片描述为 “一种更可持续、更强大的智能形式”。 人脑的运行能耗估计为 20 瓦，硅计算和人工智能还无法复制这种效率。 但分析人士认为，与普通芯片相比，该项目的价值可能在于其更可持续的功耗。 News-Medical – 29 May 26 Harnessing human brain cells to create biocomputers JMIR Publications today released a feature story on the emerging field of biocomputing in its News and Perspectives section. 1 个帖子 - 1 位参与者 阅读完整话题
最近用了grill-me这个skill，真的解放我很多的脑细胞啊，不用费心费力想那么多边界条件和问题。 大道至简的胜利, 一个神级skill推荐, 忘掉brainstorming吧 开发调优 最近发现一个神奇skill. mattpocock 的 /grill-me 内容非常精简，只有几句话，但效果出奇的好. 它的作用就是在你提出需求的时候，不断的质问你，和你理清需求. AI编程的第一原则就是清晰准确的描述需求. CC自带的plan中的提问功能, Superpowers里面的brainstorming, 其实都是在做这个事情, 和你理清楚需求再做计划. 需求越清晰, 执行效果… https://linux.do/t/topic/2084756 3 个帖子 - 3 位参与者 阅读完整话题
最近经常看到论坛中诸如“古法编程”的困难的感叹，烧token比烧脑细胞轻松的多 gpt5.5的编程精度和视野更是令人震撼 如果有一天，科研工作者的工作变成了“古法科研” 佬们对这个怎么看…… 13 个帖子 - 10 位参与者 阅读完整话题
IT之家 4 月 26 日消息，普林斯顿大学的研究人员研发出一种三维神经网络器件，融合了活体脑细胞与先进嵌入式电子技术。据其新闻稿介绍，这款三维生物电子计算机通过计算技术实现了模式识别功能。 简单来说，这项研究实现了活体脑细胞脱离大脑，借助嵌入式电子设备完成计算任务。这并非科学家首次利用脑细胞开展计算研究。以往的研究中，科学家会在培养皿中培育二维细胞培养物或三维细胞团，仅从外部探测并监测细胞活动。 普林斯顿大学的此次研究采用了全新方案。研究团队以薄层环氧树脂为基底，搭建出由微型导线和电极构成的三维网状结构；随后将数万个神经元培育成大型三维网络，并以该网状结构作为支架，使其具备计算能力。 研究人员表示，这种新方法“能够以远高于以往技术的精细精度，记录并刺激神经元的电活动”。在长达六个月的研究周期里，团队持续观测神经网络的发育过程，测试可增强或弱化关键神经元之间连接的技术，最终训练出一套算法，用以识别重复出现的脉冲模式。 为测试该系统性能，研究人员在独立实验中输入两种截然不同的脉冲模式，系统均成功完成了模式区分。该团队计划逐步扩大这款器件的规模，使其能够处理愈发复杂的任务。 论文第一作者、电气与计算机工程专业博士后研究员库马尔・姆里敦杰伊表示，这项技术“不仅有助于揭开大脑的运算奥秘，还有助于理解乃至有望治疗各类神经系统疾病”。 该研究最初的初衷，是通过研究活体脑细胞的活动，探索神经科学领域的基础科学问题，而这一研究初衷始终未变。与此同时，研究人员发现，该技术还有望破解人工智能领域的一大核心瓶颈：功耗过高。 研究团队成员、电气与计算机工程助理教授付天明（Tian-Ming Fu，音译）表示：“短期内，人工智能发展真正的瓶颈在于能耗。人类大脑完成同等任务的能耗，仅为当前人工智能系统的百万分之一。” 研究人员希望借助这款器件，破解大脑低能耗运算的背后机理，复刻相关发现，从而解决人工智能的高功耗难题。 IT之家注意到，相关研究论文已发表于《自然・电子学》期刊。 参考资料： https://www.nature.com/articles/s41928-026-01608-1