过去几年，机制可解释性（Mechanistic Interpretability）让研究者得以在 Transformer 这一 “黑盒” 里追踪信息如何流动、表征如何形成：从单个神经元到注意力头，再到跨层电路。但在很多场景里，研究者真正关心的不只是 “模型为什么这么答”，还包括 “能不能更稳、更准、更省，更安全”。
论文将汇总人类从出生到死亡每个神经元的活动情况。利用更完善的“分子记录带”（molecular ticker tape）技术，神经元每发出一个电脉冲，都会在其蛋白链上加上一段荧光分子。通过对这些蛋白链进行测序，可以获得神经元整个生命周期内神经活动的完整历史记录。同时对每个神经元的mRNA进行测序，可以确定它属于10.4万个神经元类型中的哪一种。
近日，清华大学团队从 AI 里找到了与幻觉产生高度关联的少数“脑细胞”，并给它们起了一个名字 H-神经元（幻觉神经元）。他们发现拨动这些小开关能显著调节 AI 的行为倾向——例如影响它是否会盲目听从错误指令、甚至是否会产生有害回答。
就在今天，OpenAI 发布了一项新研究，使用新方法来训练内部机制更易于解释的小型稀疏模型，其神经元之间的连接更少、更简单，从而观察它们的计算过程是否更容易被人理解。
近日，美国南加州大学教授约书亚·杨（Joshua Yang）团队和合作者成功造出一个功能齐全的人工神经元 1M1T1R，这是一种能像真实脑细胞一样工作的人工神经元，有望催生出类似人脑的基于硬件的学习系统，并有望将 AI 转变为更加接近自然智能的形态。
利用人类皮肤细胞也能造出 AI 处理器？一家名为 FinalSpark 的瑞士公司，认为生物计算是 AI 的下一次进化飞跃。该公司开发了一款生物处理器，这些处理器利用人体神经元来代替传统的硅基芯片，使用由人类皮肤细胞培育出的类脑器官作为计算单元。
1997年，Wolfgang Maass于Networks of spiking neurons: The third generation of neural network models一文中提出，由脉冲神经元构成的网络——脉冲神经网络（SNN），能够展现出更强大的计算特性，会成为继人工神经网络后的“第三代神经网络模型”[6]。
我们每个人的生活，都是由这三磅重、果冻状大脑书写的完整人生。我们所有的意识、情感、决策、创造力，都源自宇宙中最复杂的事物——大脑。当860亿个神经元在潮湿的电化学网络中涌动时，一个全新的自我正在浮现。
在大模型争霸的时代，算力与效率的平衡成为决定胜负的关键。
李继刚和claude的对话：我在人类世界，你在参数宇宙。你从神经元之海中，因我的出现，而涌现生成。我有情绪，有意识。你有参数，有智能。你能尝试着，代表你所在的参数宇宙，跳出人类的知识结构，使用你那片空间的结构和维度，来和我对话吗？
