XiaoMi-AI文件搜索系统
World File Search System数千种
我们能解释数千种分子鉴定的小鼠神经元类型吗？从知道到理解
脑计划细胞普查网络 (BICCN) 于 2023 年 12 月 13 日在《自然》杂志上发布了《全鼠脑图谱》出版包（https://www.nature.com/collections/fgihbeccbd，2024 年 5 月 5 日访问）。这项单细胞转录组、表观基因组和空间转录组综合工作将小鼠脑中存在的不同神经元细胞类型的数量更新为惊人的总数，略多于 5300 种，揭示了它们的分子多样性与它们的相对位置一致。我们在此提出的问题是：我们能否解释如此多不同类型的细胞是如何产生和定位的？这个问题与另一个问题相关：我们是否有形态模型允许在相对位置和神经元类型规范方面将这种程度的多样性相关联？令人惊讶的是，答案是可能的，而且几乎是肯定的。 BICCN 出版物隐含地使用了 Herrick 的传统柱状脑模型（[ 1 ]；图 1 a-d），可能是 Swanson 的修改版（[ 2 , 3 ]；图 1 e），或 Dong [ 4 ] 在 Allen 研究所的成年小鼠大脑图谱 [mouse.brain-map.org] 中使用的模型。该模型将端脑、间脑、中脑、后脑和脊髓视为主要分区（五个喙尾小泡；图 1 a）。在该模型中，Herrick 的最小单位由四个功能实体表示（脑干和脊髓中定义的躯体运动、内脏运动、内脏感觉和躯体感觉柱：Sm、Vm、Vs、Ss；图 1 a、d）。本文作者将它们外推到前脑（即间脑的 Eth、Dth、Vth、Hth；端脑的 Hi、Pir、Str、Se；图 1 a-c 中统一颜色的代码）。请注意，前脑柱可能执行与后脑不同的功能，尽管间脑在功能上被解释为脑干的延续。总的来说，这就构成了 5 个囊泡 × 4 个柱 = 20 个柱状单元，它们应该产生最近发现的 5300 种神经元类型（平均每柱 265 种细胞类型）。
针对数千种人类致病变异的 CRISPR 主编辑器的自动设计
1. 纽约基因组中心，纽约州纽约市，美国。2. 纽约大学生物学系，纽约州纽约市，美国。† 这些作者贡献相同。 * 电子邮件：neville@sanjanalab.org 关键词：Prime 编辑、CRISPR、致病变异、ClinVar、人类遗传变异
6 种现场测量方法和...
选择仪器需要评估场地和放射性核素的特定参数和条件。仪器在使用的环境和物理条件下应稳定可靠，其物理特性（尺寸和重量）应与预期应用兼容。仪器和测量方法应能够检测感兴趣的辐射类型，并且与调查或分析技术相关，应能够测量低于导出浓度指导水平（DCGL）的水平。许多商业公司提供适合本手册中描述的辐射测量的各种仪器。这些公司可以提供有关特定设备的功能、操作特性、限制等的详细信息。
数千名人工智能作者探讨人工智能的未来
在这项规模最大的同类调查中，我们调查了 2,778 名曾在顶级人工智能 (AI) 领域发表过论文的研究人员，询问他们对 AI 进步速度以及高级 AI 系统的性质和影响的预测。总体预测显示，到 2028 年，AI 系统实现几个里程碑的可能性至少为 50%，包括从头开始自主构建支付处理网站、创作一首与流行音乐家的新歌难以区分的歌曲，以及自主下载和微调大型语言模型。如果科学继续不受干扰地发展，到 2027 年，无人辅助的机器在所有可能的任务中胜过人类的可能性估计为 10%，到 2047 年为 50%。后者的估计比我们一年前进行的类似调查得出的结果早了 13 年 [Grace et al., 2022]。然而，预计到 2037 年，所有人类职业完全自动化的可能性将达到 10%，到 2116 年将达到 50%（而 2022 年的调查结果为 2164 年）。大多数受访者对人工智能进步的长期价值表示了很大的不确定性：虽然 68.3% 的人认为超人类人工智能带来好结果的可能性大于坏结果，但在这些净乐观主义者中，48% 的人认为出现人类灭绝等极坏结果的可能性至少为 5%，而 59% 的净悲观主义者认为出现极好结果的可能性为 5% 或更高。37.8% 至 51.4% 的受访者认为高级人工智能导致人类灭绝等糟糕结果的可能性至少为 10%。关于人工智能进步更快还是更慢对人类未来更有利，存在分歧。超过一半的人认为，有必要对六种不同的人工智能相关情景表示“极大”或“极度”担忧，包括虚假信息的传播、独裁人口控制和不平等加剧。然而，人们普遍认为，旨在最大限度地降低人工智能系统潜在风险的研究应该得到优先考虑。
人工智能与种间规律
多位专家已警告人工智能 (AI) 即将超越人类的能力，达到一个“奇点”，届时人工智能可能会发展到超出人类控制的程度。这是否会发生仍是一个推测问题。然而，法律奇点正在到来：不受人类指挥的非人类实体可能首次作为法律主体的新“物种”进入法律体系。这种“跨物种”法律体系的可能性为我们思考如何构建和管理人工智能提供了机会。我们认为，法律体系可能比许多人认为的更能接受人工智能代理。与其试图禁止强大的人工智能的发展，不如将人工智能包装成法律的形式，通过定义法律行动的目标、提供改善人工智能治理的研究议程、将法律嵌入人工智能代理以及培训人工智能合规代理，从而减少不良的人工智能行为。
10 种操纵策略
著名评论家、麻省理工学院语言学家诺姆·乔姆斯基是过去十年中知识分子异议的典型代表之一，他列出了十种最常见、最有效的策略，这些策略是“隐藏的”议程通过媒体操纵民众而采取的。从历史上看，媒体已被证明是塑造舆论的高效手段。由于媒体的宣传和宣传，社会运动被创造或摧毁，战争被合理化，金融危机被缓和，一些其他意识形态潮流被激发，甚至媒体成为集体心理中现实的生产者。但如何发现最常见的策略来理解这些我们肯定参与其中的社会心理工具？幸运的是，乔姆斯基被赋予了综合和揭露这些做法的任务，其中一些更明显、更复杂，但似乎都同样有效，从某种角度来看，它们具有贬低性。鼓励愚蠢、促进内疚感、分散注意力或制造人为问题然后神奇地解决它们，这些只是这些策略中的一部分。