2025-09-17 05:47:23
算法在极其微妙的面部动作中发现了意识的早期信号。
想象着自己醒来躺在医院的病房里。你记得的最后一件事是一场可怕的车祸。一个医生握着你的手,让你握紧。你尽了最大的努力,但没有任何反应——甚至没有一点抽动。
“我清醒着呢!”你想喊出来。
头部遭受创伤的人,往往是因为车祸导致的,可能会对外界完全无反应。但许多人实际上经历“隐藏意识”——即他们的大脑会对指令作出反应,尽管他们无法将这种反应转化为临床医生和护士能够检测到的眼球转动、手指抽动或其他明显动作。
虽然脑成像技术有时可以捕捉到一个人内心清醒并试图遵循指示的迹象,但这些方法很昂贵,难以用于日常监测,让医生和患者家属等待他们苏醒。
“一些严重脑损伤的人可能看起来无意识,但仍有一些意识和移动的能力,”斯托尼布鲁克大学的西玛·莫法克ham及其同事写道新研究这些运动在常规检查中往往太小,医生难以看到。
由莫法克ham领导的研究使用计算机视觉来追踪看似无意识患者的微小面部动作。这款名为SeeMe的人工智能工具专注于极其细微的动作,甚至到了单个毛孔的水平。
与医生相比,该工具在大约90%的患者中比医生早约四天检测到隐性意识的早期迹象。研究还发现,这些细微抽搐的数量和强度与患者出院时的恢复情况相符。
早期检测意识可以减轻刚刚苏醒的人的痛苦。知道这个人有意识可以帮助医生决定何时启动与更好健康结果相关的康复治疗。这项技术将来也可能用于监测中风和其他损伤导致的大脑损伤的实时治疗。
我们常常想到意识像一个开关。打开它,你同时意识到外面的世界和你自己;关闭它,意识就会消失。
但意识更像是一个调光器。在脑部受到打击后,人们可能会陷入最小意识状态。在这个状态下,他们体验到间歇性的意识,并能遵从指令,比如当医生说“看左”或“握紧我的手”。更为严重的是植物状态。处于这种状态的患者可以周期性地睁眼或闭眼,但无法对外界刺激作出反应。
在特别严重的创伤性损伤中,患者会陷入昏迷,此时他们对自己和周围的人没有意识,无法移动,也无法被唤醒。
尽管困难重重,反应迟钝的人仍能恢复意识——往往比他们可观察到的行为所暗示的要快。在一项研究中,一个处于植物状态的人在被要求想象打网球或在家中移动时显示出了相关的脑活动,尽管她无法做出物理反应。
最近,一个地标一项脑成像研究发现,在353名严重脑损伤患者中,至少有四分之一的人在被判定为无意识时,根据脑活动对语音指令的反应显示出了意识迹象。大多数人在标准临床测试中对反应性测试没有反应。
但是,虽然脑成像测试非常强大,但在日常临床使用中却很昂贵且不切实际。新研究团队借鉴了临床医生的做法,通过将微小的面部运动与诊断和恢复联系起来,来进行研究。
面部是大脑的窗口。它的肌肉由大脑两个半球的广泛区域控制。任何早期康复迹象很可能首先表现在面部动作上。
该团队招募了16名健康志愿者和37名脑损伤患者,这些患者从外观上看似乎处于昏迷状态。然后,他们分析了参与者被要求完成三项任务的视频记录:“伸出舌头”、“睁开眼睛”和“给我一个微笑”。
所选择的任务涉及多个面部区域和肌肉,以更好地衡量大脑活动,作者写道。
新的AI工具SeeMe随后跟踪了面部动作——甚至到了毛囊的级别——对命令的反应。一组训练有素的医疗专业人员也观看了视频,并提供了他们的专家意见。
AI在30名患者的眼部反应和几乎所有的嘴部动作上取得了成功,成功率几乎是医生的两倍。SeeMe特别敏感于那些逃过人眼的细微抽搐。
该工具还标记出了更早的意识迹象。在一名因车祸陷入深度昏迷的志愿者中,一名老年男子,在入院第18天时,AI检测到了嘴部运动;他最终在第37天对运动指令做出了反应。SeeMe还在另一名车祸后昏迷的参与者中,在入院第19天发现了眼和嘴的运动迹象。他三天后睁开了眼睛,并逐渐恢复。
在各方面,SeeMe 在标准测试发现反应前大约四天检测到了令人惊讶的反应,而在口部相关反应方面,它则比标准测试提前了大约八天。AI 的表现还与患者出院时和六个月后的恢复情况相关——也就是说,他们逐渐恢复意识并能够进行康复训练。
SeeMe旨在补充而非替代长期随访和护理。该团队写道,昏迷患者“是一个极其具有挑战性的研究群体”。一些人可能有意识波动而这些波动在研究中并未被捕捉到。其他人可能 simply 不愿意参与。
作者解释说,早期对意识的缺乏检测“绝不应该被解读为患者恢复意识的潜力不存在”。
为了进一步 fine-tune 人工智能,团队希望收集那些在 SeeMe 初始未能检测到的情况下恢复意识的人的信息。他们还希望纳入其他客观的运动指标,比如肌肉的电活动信号。SeeMe 甚至可能帮助那些被认为昏迷时间比研究覆盖的时间更长的人。
对于患者和家属来说,进一步的工作可能会导致一种基于面部动作的“是或否”系统,这可能使亲人再次“交谈”。
职位这项AI在医生之前几天就发现了昏迷患者苏醒的迹象首次出现在奇点枢纽.
2025-09-16 00:24:10
新的生物打印技术使得能够使用复杂的血管网络3D打印皮肤。
生物打印有望生产出组织和按需器官,但我们的努力因无法创建血管网络需要持续供应。现在,两种互补的新技术可能可以解决先进皮肤移植的供血问题。
皮肤可能是身体最被低估的器官之一。它不仅提供了一道重要的屏障,抵御细菌、毒素和辐射,还帮助调节体温和水分流失,并作为重要的感觉器官,调节我们的触觉和痛觉。
皮肤的严重损伤,特别是烧伤,通常通过从身体其他部位移植一层表皮(即皮肤的最外层)来治疗。但支持皮肤关键功能的许多结构,如血管、神经和毛囊,实际上位于表皮下面的一层,称为真皮。
通常无法移植表皮,因为这会留下与治疗的伤口一样严重的伤口。所以,传统皮肤移植通常无法恢复全部功能,并可能导致严重疤痕。
现在,瑞典林雪平大学的研究人员开发了两种新的生物打印技术——本质上3D打印使用生物材料——这可以产生灌注有血管的皮肤移植,这些血管能够复制真皮的复杂结构。第一种方法是将含有细胞的凝胶注入伤口,然后生长成功能性组织。第二种方法是使用水凝胶线创建通道,这些通道可以成为血管。
“真皮结构太复杂了,我们无法在实验室中培养出来。我们甚至不知道它的所有成分是什么。这就是为什么我们和很多人认为,我们可以移植构建块,然后让身体自己生成真皮,” 领导这项研究的林奈大学的乔纳·尤克尔说。新闻稿.
研究人员首先开发了一种特别设计的“生物墨水”,其中包含称为成纤维细胞的细胞。这些细胞是真皮中最常见的细胞,会产生如胶原蛋白、弹性蛋白和透明质酸等重要的真皮成分。根据有线.
研究人员将这些细胞种植在小块明胶上,然后与透明质酸混合制成凝胶。压力使凝胶变成可以通过3D打印机喷嘴挤出的液体,在挤出后再次变得像凝胶一样。
研究人员将他们称之为这项发明的“注射器中的皮肤”用于创建小型盘片,然后将这些盘片移植到小鼠的皮肤下。在结果中发表于先进医疗材料研究人员报告称,活细胞产生了多种对于生长新真皮至关重要的物质,如胶原蛋白,并且在移植组织中甚至长出了新的血管。
如果我们要制作可用的皮肤移植,生长新的血管能力将是关键。在组织工程努力中创建功能性血管网络一直是一个长期的挑战,因为没有它们,就无法将营养和氧气输送到更大、更复杂的结构中。
研究人员开发的第二种技术甚至可以更进一步解决这个问题。另一篇论文,发表在同一家期刊上,他们展示了可以打印出一种名为水凝胶的物质的线状结构,并将其用于组织打印。
这些线可以排列成复杂的图案,然后通过应用一种简单的酶就被溶解。有线,留下一个管状腔隙,在其中可以培养新的血管。通过结合这两种技术,最终有可能创建一个完全功能性的人工真皮。
正如往常一样,将这些技术从实验室中推广出来将是一条漫长而充满不确定性的道路。但它们使我们更接近于能够对最严重的皮肤损伤进行按需治疗。
职位科学家希望3D打印的皮肤能为严重伤害提供按需治疗首次出现在奇点枢纽.
2025-09-13 22:00:00
AI 可能使智能手机过时。接下来是什么?Brian X. Chen 和 Tripp Mickle | 《纽约时报》
“每家主要科技公司都在思考这个百万美元的问题:智能手机之后是什么呢?以下是一些全球最大科技公司现任和前员工的预测列表,包括苹果、谷歌、三星、亚马逊和Meta。”
老IBM在“量子优势”竞赛中引领潮流克里斯托弗·米姆斯 | 《华尔街日报》
自2011年IBM的Watson AI在《危险边缘》比赛中获胜以来,IBM就再未与突破性创新联系在一起。但量子计算有可能在2030年前实现商业化突破,这给这家拥有114年历史的商业计算巨头带来了重新找回昔日辉煌的机会。
现实毁了人形机器人的炒作Evan Ackerman | IEEE谱系
“未来的预测似乎基于对一种有能力、高效且安全的人形机器人——目前并不存在——可能能够完成的工作范围的极其宽泛的解释。当前的现实能否与承诺的规模相连接?”
我们正进入机器人创业公司的黄金时代——不仅仅是因为AIRebecca Szkutak | TechCrunch
根据Crunchbase的数据,截至2025年7月,投资者向机器人初创企业注入了60亿美元的资金。数据公司预测今年的融资总额将超过2024年,使其成为为数不多的几个获得融资增长的非AI类别之一。
新途径被工程化进入植物使其能吸收更多的二氧化碳John Timmer | Ars Technica
“我们可以通过重新造林来解决我们自己造成的困境,这听起来不错,但最近的研究表明,这实际上并不可行,因为我们没有足够的可耕地来实现这一点。一个替代方案可能是让植物更有效地吸收二氧化碳。”
rendezvous robotics 正式退出隐身模式,获得300万美元以构建可重构太空基础设施Aria Alamalhodaei | TechCrunch
“而不是宇航员和机械臂,Rendezvous 公司押注于自主 swarm 组装和电磁力。该公司正在商业化一种名为‘tesserae’的技术,这是一种平面模块化瓷砖,可以密集堆叠发射,并通过磁力相互连接形成轨道结构。通过软件命令,这些瓷砖设计为在任务改变时可以解锁并重新排列自己。”
AI会扼杀知识的供应吗?Greg Ip | 美国《华尔街日报》
“当人类回答问题时,比如爱因斯坦是否应该担任能源部长,他们往往会探索新的研究途径,边研究边创造新的知识和见解。他们这样做有各种原因:工资、财富、名声、终身教职、点赞、点击量、好奇心。如果大语言模型(LLMs)在回答问题的业务中占据主导地位,这些激励因素就会减弱。”
地热太贵了,但迪格能源那不可能小的钻机可能能解决这个问题Tim De Chant | TechCrunch
这家在过去五年里一直秘密运营的初创公司开发了水射流钻机,旨在使地热供暖和制冷的成本如此低廉,以至于能够取代化石燃料锅炉和炉子。该钻机是这一目标的核心,承诺将钻井成本削减高达80%。
一颗“裸露”的黑洞重写了宇宙的历史Charlie Wood | 科学美国人量化杂志
一个前所未见的黑洞在早期宇宙中被发现。它非常巨大,并且似乎独自存在,周围几乎没有星星围绕它。这个物体可能代表了一类全新的巨大“裸露”黑洞,颠覆了对年轻宇宙的传统理解。
按输出付费?AI公司被增强的机器人弄得措手不及.txt指令。Ashley Belanger | Ars Technica
“包括Reddit、Yahoo、Quora、Medium、The Daily Beast、Fastly等领先的互联网公司和出版商认为,终于可能找到了一种解决方案,以结束AI爬虫未经许可和补偿地轰炸网站抓取内容的问题。”
修复Vibe编码混乱的软件工程师的薪酬伊曼纽尔-迈伯格 | 404 媒体
所谓的情绪编码的好处是指使用AI编码工具构建软件而不太关注底层代码的做法,它允许任何人非常快速和容易地构建一个软件……但[但是],如果生成的软件如此糟糕,以至于你需要聘请一名人类专家软件工程师来进来重写情绪编码的软件,这就完全违背了初衷。
科学家将细菌注入水泥以创建活体能源装置李桂英 | Gizmodo
“我们设想这项技术能够集成到真实的建筑中,比如墙壁、地基或桥梁中,为太阳能电池板等可再生能源提供本地储能支持。”罗说,“想象一下,用含有细菌的水泥建造一个普通房间:即使能量密度仅为5 Wh/kg,墙壁本身就可以存储大约10 kWh的能量——足以让一台标准的企业级服务器运行一整天。”
职位本周精彩科技故事(截至9月13日)首次出现在奇点枢纽.
2025-09-12 22:00:00
我让一个AI代理扮演我在牛津大学讲授媒体和AI的讲师,并基于我自己的工作给我上了一门个人硕士课程。
想象你有一个无限的预算,可以聘请提供高度个性化课程的私人导师,最大化学习者的生产力以及技能发展。这个夏天我预览了这个想法——进行了一次荒谬且自我中心的测试。
我让一个AI辅导代理扮演我自己,牛津大学媒体与AI讲师,并根据我的 own 工作完全为基础给我上一门个人硕士课程。
我通过托管在Azure上的现成ChatGPT工具设置了代理星云one平台,要求我研究并模仿我,然后根据我现有的想法构建个性化材料。我没有告诉大型语言模型 (LLM)要阅读或做其他事情来提升其能力,例如给予它访问权限访问不可在线公开获取的学习材料。
代理人的媒体和AI课程结构得很好——一个为期一学期、原创的六模块旅程,带我深入自己的全集这是我从未设计过的,但承认我愿意设计的。
它互动性强,快速切换格式,要求快速反应和智力敏捷。它具有很强的智力挑战性,就像好的牛津教程应该有的那样。代理人教学严谨,对我的任何问题都能立即作出回应。它对快速发展的人工智能的景观和我用同样的镜头看待媒体,但做了更多的研究。
这显然受到了我全部多媒体输出的影响—书籍, 演讲, 文章, 媒体采访,就连我都不知道曾经录过大学讲座,更不用说用来训练GPT-4或GPT-5了。
这门课程是一次很好的学习经历,即使我自认为已经知道了一切。所以在不可避免的学生调查中,我给了那个自主的我理所应当的五星级反馈。
例如,在讨论伦理学的一个部分中非玩家角色 (NPC)在电脑游戏中,它问道:
如果NPC由AI生成,谁来决定他们的性格、背景或道德观?这是否会引发偏见或刻板印象?
并且:
如果一个AI非玩家角色能够学习和适应,这是否会模糊角色与“实体”(独立行动者)之间的界限?
这些是伟大的哲学问题,将在何时何地浮现,取决于侠盗猎车手6明年五月就会发布了。即使真的我并不认同,我也很高兴主动的我想到了它们。
代理的我也是建立在真实自我已知的基础上的。在电影中,它了解一些普通的Adobe After Effects,我曾覆盖过它(它用于创建运动图形和视觉效果)。但后来增加了核武器,一个专业工具,用于结合和操控视觉效果在复仇者联盟,这是我不好意思说的,以前从未听说过。
那么,特工对我的了解是从哪里来的?我的出版社 Routledge 做了训练数据交易与Open AI一起,这可能涵盖我的关于媒体、AI和现场体验的书籍。
不同于一些作者,我愿意这样做。我的书籍引导人们了解一个精彩且快速发展的主题,我希望它们能够参与到全球对话中,在所有可能的格式和区域(土耳其语已经发布,韩国本月)
这种可用性必须延伸到现在可能最易于发现的“语言”,即AI模型所使用的语言。任何同意这一观点的写作者的优先事项应该是AI优化:让他们的工作对于LLMs来说易于找到、处理和使用——就像搜索引擎优化一样,但针对AI。
为了进一步验证我的想法,我使用了由中国提供的代理进行测试深度搜索开设一门关于我材料的课程。当发现自己在其中的能见度降低时,训练语料,很难不感到冒犯。在人工智能时代,没有任何一种贬低比得上一个领先的LLM认为你的关于人工智能的书无关紧要。
当我尝试使用其他AI时,它们在事实准确性上存在问题,这非常典型。来自谷歌的双子座2.5 Pro,我了解到了一些幻觉般的个人细节,就像是在运营一个名为《失控集体》的媒体公司角色一样。
当我去问埃隆·马斯克的grok我最好的引语是:“无论你的问题是什么,答案都是AI。”这是一句很好的话,但Google DeepMind的诺贝尔奖得主迪米斯·哈萨比斯说它,不是我。
这个整个自恋的消遣夏天虽然荒谬,但并非完全如此。代理自学习项目可能是大学教学真正需要的:互动的、分析的、有洞察力的和个人化的。并且有一些新兴的研究围绕其价值。这个以德国为主导的研究发现AI生成的反馈有助于激励中学生,并有助于他们的考前复习。
不久我们就会看到这种实时AI层正式融入学校和大学的教学中。任何给本科生讲课的人都知道AI已经在那里了。学生们使用AI转录来记笔记。讲座内容会在几秒钟内从这些转录中提取出来,并且会在年内训练出十几个语言模型。为了帮助写论文,ChatGPT、Claude、Gemini和DeepSeek/Qwen是不可或缺的因素Gen Z 项目的
但关键在于,随着AI在教育中变得越来越重要,人类教师的作用不仅没有减弱,反而更加重要。他们将引导学习体验,将出版作品融入课程的概念框架中,并推动面对面的学生参与和鼓励。他们可以作为个人AI导师来延伸其价值——代理—根据每个学生的学习需求。
年轻的教师没有现成的资料来训练LLM,他们应该放在哪里?年纪越轻的教师,他们很可能越能适应AI。他们可以利用AI来充实自己对课程的概念性愿景,通过扩展研究范围,超越他们自己的工作,并提示代理应该包含哪些内容。
在AI中,两种对立的观点往往同时为真。AI既是情绪智能和音盲. 这既是 glorified 文本预测器哎,又来了个啥玩意儿?啥意思?高度创意的合作伙伴. 这是削减工作岗位然而创造它们. 这是愚化我们,也为我们提供动力。
而在教学中也是如此。AI威胁着学习的空间,却也能释放出强大的互动。A占主导地位的智慧但这或许能够让学生解锁更高层次的个性化、挑战和动力。
2025-09-12 03:43:51
一个详细的脑图展示了在进行复杂决策时各个区域是如何协作的。
我们 constantly 在不断地做决定。如果我点南瓜香料拿铁,会不会比我的usual usual 黑咖啡更让我开心?如果我在旅行中走风景路线,会不会值得多花时间?
过去和当前的经验影响每一个决定。想象大脑,科学家们早就知道多个区域协作来提取记忆,并将其与我们看到、听到和思考的内容结合起来进行选项评估。但由于分辨率相对较低,我们只能大致了解其中复杂的神经连接。
全球合作现在正在深入进行。在一项技术壮举中,国际脑实验室发布了关于小鼠在完成复杂决策任务时的大脑动态图谱。
2017年启动的该小组旨在将大脑活动与行为联系起来,这是科学界的一个圣杯之一神经科学这是一场艰难的攀登。之前的尝试只能测量小区域,而且各个团队使用自己的行为测试,这使得数据难以整合。
新的合作在全球多个实验室使用标准化程序收集了小鼠的神经电记录。总体而言,科学家们使用了近700个脑植入物在139只小鼠身上记录神经活动,捕捉了大脑中620,000个神经元的活动。
这是首次有人在决策过程中生成全脑单神经元活动的完整脑图。规模前所未有……[这]共同代表了95%的小鼠脑体积,研究作者、日内瓦大学的亚历山大·波杰如是说。在新闻发布会上.
尽管进行了数十年的研究,科学家们仍然不完全理解我们是如何做决定的。
说你在徒步时遇到了一只熊。大脑会立即进入高度警觉状态:视觉皮层将棕色的东西识别为熊,并将其传送到大脑的情绪中心。后者激活以产生恐惧感,并要求记忆区域决定该怎么办。这些计算会指导运动反应——后退、让自己显得更大,或者迅速掏出熊喷雾。
多个神经网络同时激活以做出决策,但科学家们对此系统的运作方式意见不一。一个学派认为,大脑可能会在高级脑区将记忆——比如如何避免熊的YouTube视频——与你正在看到一只熊的事实结合起来。这一假设预测,记忆或先验信息仅在后续阶段影响行为。
另一个阵营则认为恰恰相反。与其等到最后一刻,大脑的所有区域——包括早期的感觉系统——都会结合记忆来决定最佳反应。这一过程可能更好地在整个大脑中传播信息。
就像间谍窃听电话线一样,新研究的作者希望通过监听数十万脑细胞的 chatter 来解决这场辩论。
努力搭便车在一个国际脑实验室使用了699个数据集Neuropixels,一个开源的大脑植入物,用于记录小鼠单个神经元的电放电情况。研究团队在超过一百只小鼠的大约280个脑区中战略性地放置了这些设备。他们在所有合作实验室中尝试在同一任务上保持记录相对一致。
规模前所未见,我们记录了超过五十万个神经元……这些神经元加起来占鼠脑体积的95%。说过波杰特
每间实验室都让这些小动物完成同一个困难挑战。每只老鼠进入一个类似游戏厅的房间,并被展示出黑白条纹——就像斑马皮一样——出现在屏幕的左侧或右侧。然后它们需要用前爪转动一个小小的轮子,在一分钟内将图像移到屏幕中央。
如果成功了,它们会得到美味的奖励。如果失败了,它们会被白噪音爆破并短暂地接受惩罚。在试验之间,老鼠试图保持爪子放在轮子上,等待下一个测试。
关键是:游戏被操纵了。有80%的机会栅格会出现在一个方向,教老鼠那个方向是最好的选择。随着实验的进行,栅格逐渐变得几乎看不见。然后老鼠需要根据之前学到的最佳猜测来决定是向左还是向右移动栅格。
每个实验室记录了小鼠做选择时的大脑信号,并将数据发送到中央数据库。总共,该联盟在大脑中隔离了近76,000个神经元活动模式。然后使用两光子显微镜将记录点拼接在一起,这是一种能够将解剖区域精确对准大脑区域电激活图的技术。
“我们看到了物理学中大规模合作在回答单个实验室无法解答的问题上取得的成功,我们想在神经科学中尝试同样的方法。”说过伦敦大学学院的 study 作者 Tom Mrsic-Flogel 表示:“大脑是我们所知宇宙中最为复杂的结构,理解它是如何驱动行为的需要在规模上与这种复杂性相匹配的国际协作。”
利用新脑图谱的数据,团队意识到决策并非线性的。相反,多个大脑区域——包括所谓的“早期”感觉区域——都参与到最终的选择中。
例如,小鼠大脑中处理视觉信息的区域在看到栅格时会变得活跃。这种活动随后会扩散,并以波浪状模式向与情绪相关的脑区传播。这些信号引导它们将先前的学习,即先验知识,纳入最终的决策中——是向左还是向右转动轮子。
以前,科学家认为先验是在与记忆和高级认知相关的脑区中编码的。但新的地图表明,它们的信号也影响到早期的感觉处理区域,这些区域最终会贡献到反应中。
“我们合作的努力产生了关于支持复杂认知的大脑广泛电路的基本见解。”说过UCLA的研究作者安妮·查奇兰德。“这真的非常令人兴奋,相对于之前领域内接受的‘分而治之’的方法(一次只研究1-2个脑区),这是一个重要的进步。”
"(《世界人权宣言》)国际脑实验室该数据库将被完全释放,旨在最终理解大脑在决策过程中及其跨脑区的计算。该数据集可能会揭示神经系统疾病患有决策障碍的人,如强迫症、帕金森病和成瘾。
职位首次,科学家记录了整个小鼠大脑在决策过程中的活动首次出现在奇点枢纽.
2025-09-10 07:10:10
科学家想知道是否可以形成一个持久的生物“大脑”来指导生物机器人的运动。
这是一个奇怪的景象:在一阵闪光后,一个海绵状的机器人在瓷砖表面上滑行。翻转过来后,它反复抽搐,仿佛在做仰卧起坐。通过调整光的频率,科学家可以改变这个奇怪生物的移动速度——以及它在长时间爬行后需要休息多久。
软体机器人并非新鲜事物,但海绵机器人脱颖而出的一点在于它将活体肌肉和神经细胞与3D打印骨架以及无线电子设备结合在一起。经过基因改造以对光作出反应的神经元会触发相邻肌肉的收缩或放松。
观看机器人爬行真是有趣,但研究的主要目标是看看是否可以形成一种持久的生物“大脑”,指导运动。神经元是特别敏感的细胞,在精心控制的环境中之外会迅速停止工作甚至死亡。通过使用不同类型的神经元组成的类似Blob的组合来控制肌肉,海绵机器人保持了超过两周的爬行能力。
科学家构建了生物混合机器人,这些机器人使用电能或光能来控制肌肉细胞。一些机器人模仿游泳, 行走和抓取动作。增加神经元可以进一步精细调节其活动和灵活性,甚至赋予它们一种对重复任务的记忆能力。
这些生物混合机器人提供了一种独特的方式,可以在不使用实验室动物的情况下研究运动、运动障碍和药物开发。由于它们的组件通常与生物体兼容,它们可以用于诊断、药物输送和其他医疗场景。
机器人这个词往往让人联想到终结者金属T-800。软机器人有可能更加灵活和敏捷。能够轻微变形使它们能够穿过狭小的空间,监测像珊瑚礁这样的脆弱生态系统,探索深海,并可能在身体内蜿蜒穿行,对周围组织造成最小的损伤。
除了合成材料和机制,另一种构建软机器人的方法受到自然界启发。从蓝鲸到啮齿动物和人类——所有生物都依赖类似的生物机制来移动。肌肉中的运动神经元从大脑和脊髓接收指令,然后释放化学物质触发肌肉收缩或放松。
这个过程能耗低,并能迅速适应环境的突然变化——就像跨过一个意想不到的门阶而没有绊倒。尽管今天的机器人越来越灵活,但在不平的地面上他们仍然难以应对意外的障碍。添加神经肌肉接点可能会使机器人更加精确和高效。
去年,在一个概念证明,一个团队利用干细胞衍生的神经元、心肌细胞和一个电子“大脑”制造了一只游泳的“ stingray ”机器人。科学家们将这些细胞与大脑结合到一个人造骨架中,制造出了一种可以拍打鳍片并在游泳池中游动的软体机器人。
还有一个惊喜——两种细胞类型之间的连接形成了电突触。通常,神经元会释放化学物质来控制肌肉运动。这些连接被称为化学突触。虽然电网络更快,但通常更不适应变化。
这项新研究旨在在机器人中创建化学突触。
团队首先3D打印了一个大致呈数字8形状的骨架,但中间部分更宽。每一边形成一个凹槽,一边比另一边稍深。这些凹槽被设计成腿部。研究人员随后将来自小鼠的肌肉细胞嵌入每个凹槽中含有的营养凝胶中。五天后,细胞形成了能够整个腿部收缩的肌肉片。
机器人的“大脑”位于数字8的中间部分。团队使用基因工程改造过的干细胞制造出了微小的神经组织团块,称为神经球。这些团块包含了多种脑细胞,包括用于控制肌肉的运动神经元。
移植几天后,神经球与肌肉组织相连。这些细胞形成了与我们身体中相似的形态和功能的神经肌肉接头,并且生物混合机器人开始分泌控制肌肉功能的化学物质。
随后加入了一种电子触控技术。团队增加了一个集线器,用于无线检测光脉冲、收集能量,并驱动五个微小的微LED灯来改变脑细胞活动并将其转化为运动。
机器人移动得非常缓慢,大约每分钟0.8毫米。然而,在试验过程中,腿的抽搐是同步的,这表明神经元和肌肉在连接上形成了某种同步性。
令人惊讶的是,即使关闭了灯光,有些机器人仍然继续移动,而其他“僵尸”机器人则自发地自行移动。团队仍在研究为什么会发生这种情况。但性能差异是预料之中的——生物组件远不如无机部件可控。
就像在艰苦的锻炼之后,机器人也需要休息。当它们被翻转到背部时,腿会移动大约两周,然后失效。这可能是由于代谢毒素的积累,这些毒素逐渐在机器人内部积聚,但研究团队正在寻找根本原因。
尽管存在缺陷,这些机器人本质上是由与电子设备相连的活体微型神经网络和组织构建而成——真正的类人机器人。团队写道:“它们为理解……神经元和神经肌肉接头的涌现行为提供了有价值的平台。”
研究人员现在计划探索不同的骨骼结构并监测行为,以精细调整控制。添加更高级的功能,如感觉反馈和多种肌肉结构,可以帮助机器人更接近模仿我们神经系统的能力。就像海洋生物一样,机器人中可以有多个神经“中心”,控制看起来与我们完全不同的机器人的不同肌肉。
职位这种爬行机器人是由活体脑细胞和肌肉细胞制成的首次出现在奇点枢纽.