9月26日（星期四）消息，国外知名科学网站的主要内容如下：
《自然》网站（www.nature.com）
更大型的AI聊天机器人更倾向于给出错误答案——人们并不总能察觉
一项针对三种主要人工智能（AI）聊天机器人的研究表明，更新且更大的版本更倾向于给出错误答案，而不是承认自己不确定。这项研究还发现，人们并不总能识别出错误的答案。
许多人已经注意到，驱动这些聊天机器人的大语言模型（LLM）有时会出错，甚至产生所谓的“幻觉”。西班牙巴伦西亚人工智能研究所的研究小组分析了这些错误，并研究了它们如何随着模型规模的扩大而变化。他们还研究了错误发生的可能性与人类对问题难度的感知之间的关系，以及人们识别错误答案的能力。这项研究发表在最新一期的《自然》（Nature）杂志上。
研究小组发现，虽然更大的LLM模型通常更准确，这得益于采用了人类反馈强化学习等微调技术，但它们同时也变得更不可靠。研究显示，这些更大型的模型更倾向于给出错误答案，而不是选择不回答或改变话题。
研究对象包括三种LLM家族：OpenAI的GPT、Meta的LLaMA和BLOOM（由学术团体BigScience开发的开源模型）。研究小组对比了这些模型的早期版本和后续改进版本。
《科学通讯》网站（www.sciencenews.org）
抑郁症患者与注意力相关的大脑网络比常人更大
抑郁症的症状波动不定，但许多关于抑郁症的脑成像研究只关注单一时间点。这使得难以将大脑活动网络与症状变化联系起来。如今，美国威尔康奈尔医学院的研究团队通过长期脑成像数据，发现抑郁症患者一个引导注意力的大脑网络比非抑郁症患者大近两倍，即使抑郁症状波动，这个网络的大小也不会显著变化。
该研究发表在9月4日的《自然》（Nature）杂志上，可能为改善抑郁症的脑刺激疗法提供新的思路。
该研究小组希望通过绘制大脑网络随时间的变化来揭示抑郁症情绪变化背后的驱动力。他们利用功能性核磁共振（fMRI）数据库，分析了100多位抑郁症患者和非抑郁症患者的大脑活动。研究发现，抑郁症患者的突显网络（salience network）——负责识别相关刺激并引导注意力——比常人大出近两倍。虽然先前的研究暗示突显网络与抑郁症相关，但此次研究首次明确了网络在抑郁症患者中的具体差异。
研究进一步表明，突显网络的边界在抑郁症患者中向外扩展得更远。这一发现为针对抑郁症的精确治疗干预开辟了新的可能性，尤其是在现有药物疗效不佳的情况下。
《每日科学》网站（www.sciencedaily.com）
1、调查发现我们的银河系是个特别的地方
我们的家园银河系是个特别的地方吗？十多年前，一群科学家开始探索这个问题。“银河类比卫星星系调查”（简称SAGA调查）于2013年启动，旨在研究银河系及类似星系系统。如今，参与SAGA调查的天文学家在《天体物理学杂志》（Astrophysical Journal）发表了三篇新研究论文，为我们揭示了银河系独特性的更多见解。
像绕地球运行的小卫星一样，卫星星系是质量和体积较小的星系，它们被大质量宿主星系及其周围暗物质的引力捕获。银河系有多个卫星星系，其中最大的是大麦哲伦星云（LMC）和小麦哲伦星云（SMC）。虽然LMC和SMC在南半球用肉眼就能看到，但银河系周围还有许多较为暗淡的卫星星系，只有通过大型望远镜才能观察到。
在第一项研究中，科学家发现，在101个与银河系类似的星系系统中，共发现了378个卫星星系。每个系统的卫星星系数量从0到13个不等，而银河系只有4个卫星星系。尽管银河系的卫星星系数量与其他质量相近的系统相当，但如果考虑到LMC的存在，银河系的卫星星系总数似乎相对较少。SAGA调查还发现，拥有像LMC这样大质量卫星星系的系统通常会有更多的卫星星系，而银河系在这方面显得例外。
第二项SAGA研究探讨了这些卫星星系是否仍在形成恒星。阻止恒星形成的机制是星系演化中的一个重要课题。研究人员发现，距离宿主星系较近的卫星星系更有可能经历“淬灭”现象，即恒星形成被抑制。这表明，环境因素在塑造小型卫星星系的演化过程中起到了关键作用。
第三项研究则利用SAGA调查结果改进了现有的星系形成理论模型。基于这些与银河系类似系统中熄灭的卫星星系数量，研究人员预测，类似的熄灭星系可能也存在于更孤立的环境中。这一预测有望在未来通过其他天文调查（如暗能量光谱仪器调查）进行验证。
2、土壤和水污染对心血管健康的隐形威胁
一篇最近发表在《自然评论心脏病学》（Nature Reviews Cardiology）上的综述论文指出，土壤中的农药、重金属、微塑料和纳米塑料以及其他有害化学物质，可能对心血管系统产生负面影响。该论文综述了土壤和水污染对人类健康的影响，并详细讨论了污染物的广泛存在及其对健康，尤其是心血管疾病风险的潜在威胁。主要内容包括：
据估计，每年因土壤、水和空气中的化学污染导致的疾病使约900万人过早死亡，占全球总死亡人数的16%；其中约一半的死亡是由心血管疾病引起的。
土壤退化已威胁到全球至少32亿人（约占世界人口的40%）的健康。与此同时，超过20亿人（约占全球人口的25%）生活在水污染严重的国家。
土壤和水污染的生态破坏原因包括森林砍伐、气候变化、空气中的尘埃、过度施肥以及不合理的城市设计。
重金属、农药、微塑料和纳米塑料通过诱导氧化应激、引发炎症和干扰昼夜节律，进而导致心血管损伤。
通过工作场所、消费品或环境污染接触重金属、溶剂、二恶英和杀虫剂等化学物质，可能会引发内皮功能障碍并增加心血管疾病的风险。
作者强调，减少土壤和水污染对降低心血管疾病风险至关重要。关键策略包括加强水质过滤、空气管理及推广良好的农业规范，以减少有害化学物质的暴露。
《赛特科技日报》网站（https://scitechdaily.com）
1、超加工食品与2型糖尿病相关，减少加工食品可降低风险
英国伦敦大学学院（UCL）领导的一项研究显示，食用超加工食品（UPF）的增加与2型糖尿病风险上升密切相关。然而，选择加工较少的食品有助于降低这一风险。特别是美味小吃和含糖饮料等UPF类别，对健康构成了最大的威胁。
该研究与英国剑桥大学和伦敦帝国理工学院的专家合作，发表在《柳叶刀-区域健康（欧洲）》（The Lancet Regional Health–Europe）杂志上，研究了食品加工程度与2型糖尿病风险之间的关联，并分析了哪类UPF对健康的风险最大。
研究团队分析了来自8个欧洲国家的311,892人超过10.9年的饮食数据，期间有14,236人患上了2型糖尿病。
研究结果表明，每增加10%的UPF摄入，患2型糖尿病的风险就增加17%。不过，这一风险可以通过食用加工较少的食品来降低。
风险最高的UPF类别包括咸味小吃、加工肉类、即食食品、含糖及人工加糖饮料。研究人员建议，重点减少这些食品的摄入，有助于解决与饮食相关的健康问题。
2、人工智能正在学习解读情绪
研究人员正在开发一种人工智能（AI）技术，将传统心理学与面部识别和脑电图等先进工具结合起来，以更精确地量化人类情绪。这项技术可能彻底改变医疗、教育等领域，但需优先考虑隐私、文化敏感性及跨学科的合作。
这项研究最近发表在《CAAI人工智能研究》杂志上。研究的目标是将传统技术与创新工具结合，提升情绪测量的准确性。
文章作者、华东师范大学的研究员刘峰表示：“这项技术有潜力变革医疗、教育和客户服务等领域，推动个性化体验，并加深对人类情感的理解。”
文中指出，人工智能理解人类情感并根据情感输入进行交互，将对人机互动产生革命性影响，甚至可能成为评估个人心理健康的新工具。这不仅依赖于单一输入形式，还涉及生理学的考量。例如，通过脑电图读取大脑电活动，并结合眼动技术，监测人类表情。此外，心率变异性、皮肤电反应等情绪激发的测量方法也能将难以察觉的情绪转换为可识别的数据，供AI学习与优化。（刘春）
