2025-04-01 22:00:00
在寻找火星生命的过程中，这是一个令人兴奋的时刻。
NASA的火星好奇号探测器检测到了火星上发现的最大有机（含碳）分子。这一发现是寻找火星上过去生命证据中最重要的一项发现之一。因为至少在地球上，相对复杂的长链碳分子与生物学有关。这些分子实际上可能是脂肪酸的碎片，而脂肪酸存在于生物细胞的膜中。
科学家认为，如果火星上曾经出现过生命，那么很可能是微生物形式。因为微生物非常小，所以很难对在火星上找到的任何潜在生命证据做出肯定的判断。这样的证据需要更强大的科学仪器，但这些仪器太大，无法放在火星车上。
好奇号发现的有机分子由碳原子以长链连接而成，其中还结合有其他元素，如氢和氧。这些有机分子来自盖尔 crater中 presumed 干涸湖床处的名为克朗代克的37亿年前的岩石。科学家们使用了火星样本分析仪（Sam）仪器在NASA火星车的帮助下发现的
科学家实际上是在寻找氨基酸的证据，氨基酸是蛋白质的构建块，因此是我们知道的生命的关键组成部分。但这一意外发现几乎同样令人兴奋。研究发表在美国国家科学院院刊.
在这些分子中包括了十碳烷，它有10个碳原子和22个氢原子，以及十二碳烷，它有12个碳原子和26个氢原子。这些被称为烷烃，属于化学化合物中的烃类化合物。
这是在火星上寻找生命的一个激动人心的时刻。今年三月，科学家们呈交的证据这些特征是在毅力号火星车在火星其他地方采样的岩石中发现的。这些特征被称为“豹纹斑点”和“罂粟籽”，可能是远古微生物活动的结果，也可能不是。这些发现是在美国的一个会议上提出的，尚未在同行评审的期刊上发表。
"(《世界人权宣言》)火星样本返回任务，由NASA和欧洲空间局合作进行，提供了希望，即毅力号收集和储存的岩石样本可能被带回地球进行研究。地球实验室中强大的仪器最终可以确认火星上是否存在过去生命的明确证据。然而，2023年，独立审查委员会批评火星样本返回计划预算增加。这促使机构重新考虑如何执行这项任务。他们目前正在研究两个修订后的选项.
坎伯兰是在盖尔 crater 的一个区域发现的黄刀湾. 这个区域包含了一些看起来像那些的岩石 formations形成于沉积物在湖底积累起来。好奇号的一个科学目标是考察过去火星上的条件是否适合生命的发展，因此古湖床是寻找这些条件的完美地点。
研究人员认为，烷烃分子可能曾经是更复杂的脂肪酸分子的组成部分。在地球上，脂肪酸是脂肪和油的组成部分。它们通过生物活动在形成细胞膜等过程中产生。建议出席在这块岩石样本中发现脂肪酸已经几年了，但新论文详细列出了全部证据。
脂肪酸是一类长线性的碳氢化合物分子，一端有一个羧基（COOH），另一端有一个甲基（CH3），形成碳和氢原子的链状结构。
一个脂肪分子由两个主要成分组成：甘油和脂肪酸。甘油是一种含有三个碳原子、五个氢原子和三个羟基（化学结合的氧和氢，OH）的醇分子。脂肪酸的碳原子数可以从4到36不等，但大多数脂肪酸的碳原子数在12到18之间。在坎伯兰发现的最长碳链为12个碳原子。
古代火星岩石中保存的有机分子为火星过去宜居性提供了关键记录，也可能是生命曾经存在的化学生物标志物。
卡德明郡的样本已被分析通过萨姆仪器多次使用不同的实验技术，并且已经显示出粘土矿物的证据，以及最初（较小和更简单的有机分子）在2015年在火星上发现的这些化合物包括盖尔 crater沉积岩中的几种含氯和含硫的有机化合物，其化学结构包含多达六个碳原子。这一新发现将火星上单个分子中发现的碳原子数量翻了一番。
烷烃分子在火星生物标志物的搜索中非常重要，但它们实际上是如何形成的仍然不清楚。它们也可能通过地质或其他化学机制形成，而不涉及脂肪酸或生命。这些被称为非生物来源。然而，这些分子在经历了数百万年严酷环境的样本中仍然保持完整，这让研究地外生命存在的天体生物学家充满希望，认为古代生命的证据仍然可能被检测到。
样本中可能含有更长的有机分子链。它也可能包含更多表明生命存在的复杂分子，而不是地质过程。不幸的是，萨姆无法检测这些，因此下一步是将火星的岩石和土壤样本送到地球上的更先进的实验室。火星样本返回将使用毅力号火星车已经收集的样本来完成这一任务。现在只需要预算。
2025-04-01 06:04:20
该系统不仅合成她的声音，还将思绪转化为语音的过程不超过一秒钟。
一位瘫痪的女性由于一个薄如硬币的盘片捕捉到她大脑中的语音信号，再次能够与外界交流。AI将这些电波转换成文本，并利用她在失去说话能力之前录制的声音，合成出她自己的声音。
这不是第一次脑植入物为瘫痪的人重新找回声音。但之前的设备有着很长的延迟时间。有些设备需要多达20秒才能将思想转化为语音。新的系统，称为流式语音神经假体，只需要一秒钟。
“超过几秒钟的言语延迟可能会打断自然的对话流程，”团队指出。在一篇论文中写道发表于自然神经科学今天，“这使得四肢瘫痪的个体难以参与有意义的对话，可能导致孤立和挫败感。”
平均来说，AI 每分钟可以翻译大约 47 个单词，有些试验甚至达到了几乎两倍的速度。该团队最初是用 1024 个单词来训练算法，但最终它学会了根据那位女性的大脑信号解码其他单词，尽管准确率较低。
算法也显示了一定的灵活性，能够解码来自其他两种硬件收集的电信号，并使用其他人的数据。
“我们的流式处理方法为神经假体带来了与Alexa和Siri等设备相同的快速语音解码能力，”该研究作者、加州大学伯克利分校的戈帕拉·安努曼奇帕利博士说道。说过在新闻发布会上。“结果是更加自然流畅的语音合成。”
失去沟通能力是毁灭性的。
一些针对瘫痪患者的解决方案已经存在。其中一种方法是通过头部或眼球运动来控制一个数字键盘，用户可以在上面打出自己的想法。更先进的选项可以将文本转换成多种声音的语音（尽管通常不是用户自己的声音）。
但这些系统会经历超过20秒的延迟，使得自然对话变得困难。
Ann，这项新研究的参与者，每天使用这样的设备。她才 barely middle-aged，中风切断了大脑与控制其说话能力的肌肉之间的神经连接。这些肌肉包括声带、嘴唇和舌头上的肌肉，以及产生气流以区分声音的肌肉，比如“think”和“umm”的区别。
大脑最外层的皮层发出的电信号指导这些肌肉运动。通过拦截这些通信，设备有可能解码一个人说话的意图，甚至将信号转换成可理解的词语和句子。这些信号很难解读，但多亏了人工智能，科学家们已经开始对他们进行研究了。
2023年，同一团队开发了一种脑植入物将脑信号转化为文本、语音以及模仿人面部表情的虚拟形象。该植入物位于大脑表面，造成的损伤比手术植入的植入物要小，其AI将神经信号转化为文本的速度约为每分钟78词——大约是大多数人说话速度的一半。
与此同时，另一个团队使用植入大脑中的微型电极将125,000个单词以类似的速度翻译成文本。A更近期的植入物拥有同样大小词汇量的参与者可以几乎完全准确地交流八个月。
这些研究“展示了词汇量、解码速度和文本解码准确性方面的显著进步”，研究团队写道。但它们都面临一个相似的问题：滞后时间。
安德烈娅在负责语言的大脑区域植入了一个类似纸张的电极阵列。植入物并不是直接读取她的思想。相反，它捕捉了控制发声时声带、舌头和其他肌肉运动的信号。一条电缆将该设备连接到固定在她头骨上的一个小端口，将大脑信号发送到计算机进行解码。
植入体的AI是一个三部分的深度学习系统，这是一种算法，大致模仿了生物大脑的工作方式。第一部分实时解码神经信号。其他部分使用语言模型控制文本和语音输出，因此安可以阅读和听到设备的输出。
为了训练AI，安想象自己在口中默念1024个词，以短句的形式。尽管她无法实际移动肌肉，但她的大脑仍然会产生神经信号，就像她在说话一样——这种被称为“默念”的过程。AI将这些数据转化为计算机屏幕上的文本和语音。
研究作者Cheol Jun Cho使用了Ann伤前的声音，“因此当我们解码输出时，听起来更像她。”说过在新闻发布会上。
在经过进一步训练后，包括超过23000次静音说话的尝试，AI学会了以每分钟约47个词的速度进行翻译，延迟极小——平均只有不到一秒的延迟。研究团队写道，这“明显更快”than 旧的设置。
速度提升是因为AI能够实时处理神经活动的小块。当给患者提供一个句子让他们想象出声时——例如，“你对她说了一句什么？”——系统生成的文本和语音几乎没有错误。其他句子的表现就没那么好了。在一次测试中，“我刚到这儿”被翻译成了“我曾说过要把它藏起来”。
先前的工作主要评估语音假体生成几秒钟短语或句子的能力。但在对话中，人们自然会开始和结束，因此需要人工智能能够在较长的时间段内检测到说话的意图。团队写道：“理想情况下，语音应该能够在几分钟或几小时内进行‘泛化’，而不仅仅是几秒钟。”
为了做到这一点，他们还向AI输入了安不尝试说话时的大段脑活动，以及她尝试说话时的脑活动。AI捕捉到了其中的区别——模仿了她说话和保持沉默的意图。
还有改进的空间。在较长对话中，大约有一半的解码单词不准确。但这种设置是向日常自然交流迈出的一步。
团队的算法也可能有助于其他类型的植入物。
在另一次测试中，他们分析了两个独立的数据集：一个来自一名植入大脑电极的瘫痪患者，另一个来自一名植入喉部电极的健康志愿者。两者在训练和测试过程中都能“无声说话”。AI 系统犯了很多错误，但在接近实时的情况下，能够比随机猜测更准确地检测出意图中的语音。
“通过在其他无声语音数据集上展示准确的大脑到语音合成，我们表明这种技术并不局限于一种特定类型的设备，”研究作者凯洛·利特尔约翰在新闻稿中说。
具有更多电极的植入物可以更好地捕捉大脑活动，从而提高性能。该团队还计划将情绪融入语音生成器中，以反映用户的语气、音调和音量。
在此期间，安对她的植入物很满意。“实时听到自己的声音增强了她的身体存在感，”安曼钦帕利说。
职位脑植入物“实时”传输一名瘫痪女性的思维首次出现在奇点枢纽.
2025-03-29 22:00:00
如果Anthropic成功，一个充满善意的AI天才国家可能会诞生史蒂文·莱维 | 拯救者杂志
[Dario Amodei] 所描绘的愿景使得香格里拉看起来像贫民窟。不出多久，也许甚至在2026年，Anthropic 或者其他人将达到AGI。这些模型将比诺贝尔奖得主更聪明。这些模型将在现实世界中操控物体，甚至可能设计自己定制的计算机。数百万个模型将协同工作——想象一下，数据中心里有一整个国家的天才！
让位，OpenAI：这家位于Cursor背后的初创公司成为了AI领域最热门、最有活力的事物Natasha Mascarenhas | 信息时报
“考虑到Cursor于2023年1月发布，Anysphere每年2亿美元的收入令人惊讶。这汇聚成一个令人震惊的事实：Anysphere是历史上增长最快的初创公司之一，特鲁尔和他的联合创始人所建立的是一家名副其实的人工智能火箭船，其发展轨迹甚至在其他冲向高空的AI初创公司中也显得尤为突出。”
Extropic计划如何取代英伟达威尔-奈特 | 连线
“Extropic 现已与《连线》分享了其概率硬件的更多细节，以及显示该公司正按计划构建一种可能在许多数据中心提供传统硅片替代品的成果。该公司旨在交付一款比当今硬件效率高三个到四个数量级的芯片，这一成就将对未来的排放产生显著影响。”
英伟达的革命性光开关能否永久改变AI数据中心？萨缪尔·K·穆尔 | IEEE スペクトラム
根据英伟达的说法，在新的AI数据中心采用CPO交换机可以减少四分之一的激光器数量，将数据传输的电力效率提高3.5倍，将信号从一台计算机准时传送到另一台计算机的可靠性提高63倍，使网络对中断的恢复能力提高10倍，并使客户能够将新数据中心硬件的部署速度提高30%。
一项新的、具有挑战性的AGI测试难倒了大多数AI模型Maxwell Zeff | TechCrunch
“根据Arc Prize排行榜，像OpenAI的o1-pro和DeepSeek的R1这样的‘推理’AI模型在ARC-AGI-2上的得分在1%到1.3%之间。强大的非推理模型，包括GPT-4.5、Claude 3.7 Sonnet和Gemini 2.0 Flash，得分约为1%。”
量子末日即将来临。非常害怕。Amit Katwala | wired
“不久的将来，在圣巴巴拉、西雅图附近的一个研究实验室，或者中国山脉中的某个秘密设施中，这一切将开始：世界秘密的突然解锁。包括你的秘密。网络安全分析师称这一天为Q-Day——有人构建出能够破解最广泛使用的加密形式的量子计算机的那一天。”
破产法官如何阻止基因隐私灾难Keith Porcaro | MIT科技评论
“任何新所有者都希望找到从23AndMe的数据中获利的方法。立法者有机会帮助保护这些数据的安全。……破产法院可以要求用户在将其遗传数据转移给23andMe的新所有者之前必须单独同意，无论这些新所有者是谁。任何未回应或选择退出的人都将删除其数据。”
仅一个外星地球像素就能揭示大陆、海洋及其他更多内容Ethan Siegel | Big Think
在未来的几年和几十年里，几个雄心勃勃的项目将最终完成，给人类提供能力来拍摄与太阳类似恒星周围类地距离的类地行星的照片……令人惊讶的是，尽管这些系外地球在我们的探测器中只会表现为一个孤独的像素，我们仍然可以利用这些数据来检测大陆、海洋、冰盖、森林、沙漠等。
所有智能生命都会面临一个伟大过滤器吗？Paul Sutter | Ars Technica
“也许我们是孤独的，因为从根本上说，几乎没有人能够做到。也许在智能生命起源与该生命开始探索银河系之间存在某种无法避免的障碍。正如经济学家罗宾·汉森所命名的‘伟大过滤器’的位置，在我们考虑人类的未来时至关重要。”
arXiv——科学界最具变革性的平台尚汗 | wired
arXiv那不起眼的外观掩盖了它在科学界引发的颠覆性重构。如果arXiv停止运作，全球各地的科学家将立即遭受严重的中断。“数学和物理学界的每个人都使用它，”德克萨斯大学奥斯汀分校的计算机科学家Scott Aaronson告诉我。“我每天晚上都会浏览它。”
向盖亚，银河系制图师道别 Katrina Miller | 《纽约时报》
难以捕捉到旋转天文台所促成的发展和发现的广度。但这里有一些数字：近二十亿颗恒星，数百万潜在星系，以及大约150,000颗小行星。这些观测已经导致天文学家迄今进行了超过13,000项研究。
职位本周精彩科技故事（截至3月29日）首次出现在奇点枢纽.
2025-03-29 05:47:05
随着AI能力的增长，绘制其内心世界变得越来越重要。
尽管人们常用类比来形容思考和推理，但我们对AI“思维”中发生的事情了解非常有限。来自Anthropic的新研究有助于进一步揭开这一面纱。
追踪大型语言模型生成看似智能行为的过程可以帮助我们构建更强大的系统——但也可能对于理解如何控制和引导这些系统在接近甚至超越我们能力时的行为至关重要。
这是一项挑战。早期的计算机程序是通过手工编码并使用逻辑规则编写的。但神经网络则是自学技能，它们是如何表示所学内容的方式非常难以解析，因此人们常常将这些模型称为“黑箱”。
尽管如此，进展正在取得，Anthropic 正在引领这一领域。
去年，公司展示了它可以将大型语言模型内的活动与具体和抽象的概念联系起来。在两篇新论文中，它现在可以追踪模型如何将这些概念联系起来以驱动决策，并使用这种方法来分析模型在某些关键任务上的行为。
这些发现不仅仅是科学上的有趣——它们代表了我们理解人工智能系统并确保其可靠性的目标中取得的重要进展，研究人员在文中写道。博客帖子概述结果。
Anthropic团队对公司的Claude 3.5 Haiku模型进行了研究，这是他们最小的产品。在第一篇论文，他们训练了一个“替代模型”，该模型模仿Haiku的工作方式，但用更容易解释的内部特征进行了替换。
然后，团队向这个替换模型输入了各种提示，并追踪它如何将概念连接到决定模型响应的“电路”中。为此，他们测量了模型在解决问题过程中各种特征彼此如何影响。这使他们能够检测到中间的“思考”步骤，以及模型如何将概念组合成最终输出。
在一个第二篇论文研究人员使用这种方法来探究同一模型在面对各种任务时的表现，包括多步推理、创作诗歌、进行医疗诊断和做数学题。他们发现的结果既令人惊讶又令人启发。
大多数大型语言模型可以使用多种语言作答，但研究人员想知道模型在“内心”使用的是哪种语言。他们发现，实际上，模型在处理各种概念时具有语言独立的特征，并且有时会先将这些概念联系起来，然后再选择使用哪种语言。
研究人员还想探究的一个问题是，人们普遍认为大型语言模型只是通过预测句子中下一个单词应该是什么来工作的。然而，当团队要求模型生成诗歌的下一行时，他们发现模型实际上首先选择了行末的押韵词，然后从那里倒推回去。这表明，研究人员说，这些模型确实会进行某种长期规划。
团队还调查了大型语言模型中另一种不太了解的行为，称为“不忠实推理”。证据当被要求解释他们如何做出决策时，模型有时会提供合理的解释，但这些解释并不符合他们实际采取的步骤。
为了探索这一点，研究人员让模型将两个数字相加，并解释它是如何得出结论的。他们发现，该模型使用了一种不寻常的方法，即先结合近似值，然后计算结果必须以哪个数字结尾以细化其答案。
然而，当被问及它是如何得出这个结果时，它声称使用了一种完全不同的方法——这种你可以在数学课上学到的方法，并且很容易在网上找到。研究人员表示，这表明模型学习做事的过程与提供解释的过程是分开的，这可能对确保机器可信并按我们希望的方式行事的努力产生影响。
研究人员指出，该方法只能捕捉到内部情况的模糊不完整的图景，并且追踪单个提示的电路可能需要数小时的人工努力。但随着这些能力将变得越来越重要，像Claude这样的系统融入到生活的方方面面。
2025-03-28 04:12:43
肝脏执行了基本功能，但还不是完全的替代品。
我们的肝脏具有令人钦佩的再生能力。但每天都会受到打击。最终，其组织会形成瘢痕，如果器官衰竭，肝移植是唯一的解决方案。
捐赠的肝脏很难获得。然而，本周一支中国团队转向了另一种来源——猪肝脏，并发表了第一个结果展示它们在人体受体内部的功能。研究中的肝脏接受了大量的基因编辑，以去除能引起免疫排斥的基因，并添加使肝脏在体内看起来更像人自身的基因。
移植后仅仅两小时，猪肝就开始产生胆汁，这是一种消化液，能够分解脂肪。该器官在整个实验的10天结束时仍保持功能，没有明显的排斥反应或炎症迹象。
“这是我们第一次尝试弄清楚猪肝是否能在人体内有效工作，”中国西京医院的研究作者林旺在新闻发布会上说。这只猪肝只是一个临时措施，而不是完全的替代品。它可以在患者等待人类捐赠器官或自身肝脏恢复期间暂时维持患者的生命。
“这项研究标志着肝臟异种移植历史上的一个里程碑。”说过伊万·费尔南德斯·维加在西班牙奥维耶多大学，未参与此项研究。“我认为这项工作非常相关，但我们必须谨慎。”
截至2025年3月，器官捐赠严重不足。104,600人们在等待器官移植名单上，这可能需要几个月，甚至几年的时间。有些人等不到移植就去世了。
异种移植，即从一个动物身上移植器官到另一个动物体内，提供了一种解决方案。在过去十年里，科学家们一直在将其他物种视为提供可替代人体器官的功能器官的资源。巴马迷你猪尤其有前景，因为它们的内脏器官在大小和功能上与人类的相似。
但也有注意事项。猪器官上分布着能激发我们免疫系统反应的糖分。免疫细胞会攻击外来器官，损害其功能或引发排斥反应。
还有猪内源性逆转录病毒或PERVs带来的风险。这些病毒嵌入在所有猪的基因组中，虽然它们似乎不会伤害猪，可以感染某些人类细胞并且可能导致疾病。
异种移植努力在过去十年中有尝试了基因编辑将猪器官中的PERVs清除。其他编辑则抑制负责免疫排斥的基因，并使器官在身体中看起来更像人类的器官。
已有成功。基因工程猪心移植到狒狒中心脏衰竭的情况下，它们能够 thriving 超过六个月。猪肾脏移植69个基因编辑移植后猴子中的保留功能。
尽管高度实验性，异种移植已经在人类中使用过。2021年，一个团队首次移植了基因修改猪肾移植到一个植物人身上。肾脏连接着大腿外部、腹部外面的血管，并被一个保护罩覆盖。
自那以后，外科医生已经进行了移植手术 hearts, 肾脏，而在活体志愿者体内直接植入了胸腺，结果参差不齐。一位接受猪心的患者不久就去世了异种移植。另一例使用猪肾效果更好：53岁的奶奶回家了在今年二月，他们在去年年底收到器官后进行了移植手术。
她的“从长期肾功能衰竭和透析治疗中恢复过来的过程堪称奇迹。”说过当时该研究的领导者罗伯特·蒙特戈梅里来自纽约大学朗格one移植研究所。
然而，肝异种移植还存在额外的问题。
王说：“这个器官非常复杂。”作为最终的多面手，它代谢药物和其他化学物质，产生胆汁和其他消化液，清除旧血细胞，并产生血液凝固所需的蛋白质。这些功能中的每一个都是由分子交响乐协调的，这些分子在猪和人类之间可能会有所不同。不匹配可能导致猪肝无法在人体内工作，或者引发危险的免疫反应。
在2023年，一个团队来自宾夕法尼亚大学的研究人员尝试解决了这个问题。他们将一个基因工程改造的猪肝连接到一个脑死亡的器官捐献者的大血管系统中，该捐赠者的器官在体外。捐赠的肝脏由生物技术公司工程改造过eGenesis为了减少免疫排斥的机会，在至少72小时内保持健康。
这项新研究旨在证明猪肝移植可以持续更长时间并完成其通常的任务。研究团队从中国成都的克隆器官生物技术公司获得了肝脏。
捐赠的器官来自一个七个月大的婴儿巴马迷你猪并且进行了六次基因编辑。大多数编辑旨在防止超急性排斥反应，在几分钟内，免疫系统就会对移植组织发动全面攻击。
受试者是一名中年脑死亡男子，他的肝脏还能正常工作。团队没有尝试替换他的肝脏，而是想了解猪肝是否能在人体内存活并正常运作，履行其正常功能。
外科医生将基因编辑的猪肝连接到捐赠者的血液循环中，并监测了10天——这是受试者家属批准的实验时间。几小时内，该器官开始逐渐增加胆汁的合成和分泌。肝脏还产生了白蛋白，这是一种对于维持体液和运输分子至关重要的蛋白质。
受体的血液顺利流遍了肝脏，这可能防止了与肝脏移植常伴有的血栓形成。多亏了免疫抑制药物，患者的免疫系统相对平静，没有攻击猪器官。
“这是世界上首例将基因修改的猪肝移植到脑死亡人体中的案例”朋友们，今天咱们来聊聊一个神奇的东西——Said。这玩意儿，简单来说，就是“说”的意思。但你别小看它，它在语言里可是个万能胶，哪儿都能粘。 首先，Said在对话里就是个标配。比如，“他说”，“她说”，没有Said，对话就少了灵魂。但你知道吗？Said还能玩出花样。你可以说“他低声说”，“她笑着说”，这样一来，对话立马生动起来，仿佛你就在现场。 但Said的魔力不止于此。在写作中，它还能帮你省去一堆废话。比如，你想表达某人说了什么，直接来个“他说”，后面跟上内容，简洁明了，读者一看就懂。不用绕来绕去，省时省力。 不过，Said也有它的局限性。如果你一直用“他说”，“她说”，文章就会显得单调乏味。这时候，你就得动动脑筋，换换花样。比如，“他咆哮道”，“她轻声细语”，这样一来，文章立马活了起来。 总之，Said是个好东西，但用得好不好，全看你的本事。用得好，文章生动有趣；用不好，文章枯燥无味。所以，朋友们，下次写作时，别忘了好好利用Said这个万能胶，让你的文章更加出彩！Rafael Matesanz，器官移植基金会的创建者和创始人国家移植组织在西班牙，与这项工作无关的人。
许多问题仍然存在。肝脏有许多功能，但这项研究只测试了胆汁和白蛋白的生成。猪肝是否也能过滤血液中的毒素或分解药物？此外，研究只观察了一名受试者相对较短的时间。结果可能不适用于其他人群，移植手术未来也可能出现问题。
因为志愿者仍然有功能正常的肝脏，“我们无法推断这种异种移植在肝衰竭患者身上能提供多大的支持。”说过牛津大学的彼得·弗里德,他未参与此项研究。
即使如此，临时的猪肝桥接移植——在受体等待永久移植期间，猪肝支持身体功能——仍能挽救生命。
同一个团队最近完成一项完整的猪到人肝脏移植手术，用一只基因修饰猪的肝脏替换掉脑死亡人类的肝脏。他们计划在未来发表该数据。“未来它是否能够替代原本人类肝脏还不得而知，”王在新闻发布会上说。“这是我们的一项梦想。”
职位科学家首次将猪肝移植到人体内首次出现在奇点枢纽.
2025-03-26 01:42:12
我们站在下一次知识革命的门槛上。
没有知识，我们会怎样？从航天器的建造到新疗法的发展，一切皆源于知识的创造、分享和验证。可以说，这是我们最宝贵的人类财富。
从泥板到电子平板，技术在塑造人类知识方面发挥了重要作用。今天，我们站在站在下一次知识革命的边缘. 它的重要性——如果不是更大——堪比印刷术的发明或数字化时代的到来。
生成式人工智能是一种革命性的新技术，能够在点击按钮的同时从互联网上收集和总结知识。其影响已经开始显现。教室到董事会议室， 这实验室到雨林.
回顾以面向未来，我们期待生成式AI将如何改变我们的知识实践？我们能否预见这将如何改变人类知识，是好是坏？
而在印刷技术产生了巨大的即时影响，我们仍在努力应对它对社会的全面影响。这种影响很大程度上归功于它能够向数以百万计的人传播知识。
当然，在印刷术之前人类就已经拥有知识了。非书面形式的知识可以追溯到数万年前，而今天的研究人员正在展示与口头知识相关的高级技能.
随之，文士文化扮演了至关重要的角色在古代文明中。作为保存法律条文、宗教教义或文学作品的手段，书记官是与国王和贵族交易手写商品的有权势的人。
但正是印刷机——特别是使用可移动活字的技术，使得书籍生产更加便宜和劳动密集度更低——才使知识普及化。这项技术大约在1440年左右由德国金匠约翰内斯·古腾堡发明。经常被描述为作为一对一交流的扩展，印刷技术能够以经济的方式向整个population提供信息。
这一知识传播的指数增长与巨大的社会变革，从欧洲文艺复兴到中产阶级的崛起.
计算机的发明——更重要的是，通过互联网将全球多台计算机连接起来——带来了另一场知识革命。
经常被描述为作为新的多对多交流现实，互联网提供了一种让人们沟通、分享想法和学习的方式。
在互联网的早期，USENET布告板是允许未中介的群众 sourced 信息交换的数字聊天室。
随着互联网用户数量的增加，内容监管和 Moderation 的需求也 grew 然而，互联网作为世界上最大的开放访问图书馆的角色仍然存在。
生成式AI是指能够生成类人类输出的深度学习模型，包括文本、图像、视频和音频。例如ChatGPT、Dall-E和DeepSeek。
今天，这项新技术承诺成为我们的私人图书管理员，减少我们寻找书籍甚至打开书本的需求。访问实体图书馆获取信息已经有一段时间变得没有必要了，但生成式AI意味着我们甚至不再需要滚动浏览电子资源列表。
训练于数百亿人类词汇，AI可以浓缩和综合大量来自各种作者、主题或时间段的信息。用户可以向AI助手提出任何问题，通常会收到一个合理的回答。然而，生成式AI有时可能会“幻觉”，这意味着它会提供不可靠或虚假信息，而不是承认不知道答案。
生成式AI也可以个性化其输出，提供所需的任何语言和语气版本。作为一种 ultimate 民主化知识的工具，根据个人的兴趣、节奏、能力和风格调整信息是极其非凡的。
但，作为我们信息需求日益普及的仲裁者，AI 标志着知识与技术关系史上的一个新的阶段。
它挑战了人类知识的基本概念：其作者身份、所有权和真实性。它还可能放弃了印刷术带来的一对一革命，以及互联网带来的多对多的潜力。如此一来，生成式AI是否无意中将许多声音简化为单一的平凡之声？
大多数知识源于辩论、争执和挑战。它依赖于勤奋、反思和应用。关于生成式AI是否促进这些品质的问题尚无定论，目前的证据也是参差不齐的。
一些研究显示它提高创造性思维，但其他人别哔哔了，直接说重点。. 其他人则表现出这虽然可能在帮助个人，但最终却在削弱我们的集体潜力。大多数教育工作者担心它会抑制批判性思维.
更广泛地说，关于“数字失忆症“这告诉我们，由于我们越来越依赖数字设备，我们今天存储在大脑中的信息比以前少了。而且，相关地，人们和组织现在越来越依赖数字技术.
使用历史作为灵感，早在2500多年前，古希腊哲学家苏格拉底说过真正的智慧是在知道我们一无所知的时候。
如果生成式AI让我们变得信息丰富但思维贫乏（或者个体知识渊博但集体无知），这些话可能是我们现在所需要的一点知识。
