9月26日外媒科學網站摘要：土壤和水污染對心血管健康的隱形威脅
9月26日（星期四）消息，國外知名科學網站的主要內容如下：
《自然》網站（www.nature.com）
更大型的AI聊天機器人更傾向於給出錯誤答案——人們並不總能察覺
一項針對三種主要人工智能（AI）聊天機器人的研究表明，更新且更大的版本更傾向於給出錯誤答案，而不是承認自己不確定。這項研究還發現，人們並不總能識別出錯誤的答案。
許多人已經注意到，驅動這些聊天機器人的大語言模型（LLM）有時會出錯，甚至產生所謂的“幻覺”。西班牙巴倫西亞人工智能研究所的研究小組分析了這些錯誤，並研究了它們如何隨着模型規模的擴大而變化。他們還研究了錯誤發生的可能性與人類對問題難度的感知之間的關係，以及人們識別錯誤答案的能力。這項研究發表在最新一期的《自然》（Nature）雜誌上。
研究小組發現，雖然更大的LLM模型通常更準確，這得益於採用了人類反饋強化學習等微調技術，但它們同時也變得更不可靠。研究顯示，這些更大型的模型更傾向於給出錯誤答案，而不是選擇不回答或改變話題。
研究對象包括三種LLM家族：OpenAI的GPT、Meta的LLaMA和BLOOM（由學術團體BigScience開發的開源模型）。研究小組對比了這些模型的早期版本和後續改進版本。
《科學通訊》網站（www.sciencenews.org）
抑鬱症患者與注意力相關的大腦網絡比常人更大
抑鬱症的症狀波動不定，但許多關於抑鬱症的腦成像研究只關注單一時間點。這使得難以將大腦活動網絡與症狀變化聯繫起來。如今，美國威爾康奈爾醫學院的研究團隊通過長期腦成像數據，發現抑鬱症患者一個引導注意力的大腦網絡比非抑鬱症患者大近兩倍，即使抑鬱症狀波動，這個網絡的大小也不會顯著變化。
該研究發表在9月4日的《自然》（Nature）雜誌上，可能爲改善抑鬱症的腦刺激療法提供新的思路。
該研究小組希望通過繪製大腦網絡隨時間的變化來揭示抑鬱症情緒變化背後的驅動力。他們利用功能性核磁共振（fMRI）數據庫，分析了100多位抑鬱症患者和非抑鬱症患者的大腦活動。研究發現，抑鬱症患者的突顯網絡（salience network）——負責識別相關刺激並引導注意力——比常人大出近兩倍。雖然先前的研究暗示突顯網絡與抑鬱症相關，但此次研究首次明確了網絡在抑鬱症患者中的具體差異。
研究進一步表明，突顯網絡的邊界在抑鬱症患者中向外擴展得更遠。這一發現爲針對抑鬱症的精確治療干預開闢了新的可能性，尤其是在現有藥物療效不佳的情況下。
《每日科學》網站（www.sciencedaily.com）
1、調查發現我們的銀河系是個特別的地方
我們的家園銀河系是個特別的地方嗎？十多年前，一羣科學家開始探索這個問題。“銀河類比衛星星系調查”（簡稱SAGA調查）於2013年啓動，旨在研究銀河系及類似星系系統。如今，參與SAGA調查的天文學家在《天體物理學雜誌》（Astrophysical Journal）發表了三篇新研究論文，爲我們揭示了銀河系獨特性的更多見解。
像繞地球運行的小衛星一樣，衛星星系是質量和體積較小的星系，它們被大質量宿主星系及其周圍暗物質的引力捕獲。銀河系有多個衛星星系，其中最大的是大麥哲倫星雲（LMC）和小麥哲倫星雲（SMC）。雖然LMC和SMC在南半球用肉眼就能看到，但銀河系周圍還有許多較爲暗淡的衛星星系，只有通過大型望遠鏡才能觀察到。
在第一項研究中，科學家發現，在101個與銀河系類似的星系系統中，共發現了378個衛星星系。每個系統的衛星星系數量從0到13個不等，而銀河系只有4個衛星星系。儘管銀河系的衛星星系數量與其他質量相近的系統相當，但如果考慮到LMC的存在，銀河系的衛星星系總數似乎相對較少。SAGA調查還發現，擁有像LMC這樣大質量衛星星系的系統通常會有更多的衛星星系，而銀河系在這方面顯得例外。
第二項SAGA研究探討了這些衛星星系是否仍在形成恆星。阻止恆星形成的機制是星系演化中的一個重要課題。研究人員發現，距離宿主星系較近的衛星星系更有可能經歷“淬滅”現象，即恆星形成被抑制。這表明，環境因素在塑造小型衛星星系的演化過程中起到了關鍵作用。
第三項研究則利用SAGA調查結果改進了現有的星系形成理論模型。基於這些與銀河系類似系統中熄滅的衛星星系數量，研究人員預測，類似的熄滅星系可能也存在於更孤立的環境中。這一預測有望在未來通過其他天文調查（如暗能量光譜儀器調查）進行驗證。
2、土壤和水污染對心血管健康的隱形威脅
一篇最近發表在《自然評論心臟病學》（Nature Reviews Cardiology）上的綜述論文指出，土壤中的農藥、重金屬、微塑料和納米塑料以及其他有害化學物質，可能對心血管系統產生負面影響。該論文綜述了土壤和水污染對人類健康的影響，並詳細討論了污染物的廣泛存在及其對健康，尤其是心血管疾病風險的潛在威脅。主要內容包括：
據估計，每年因土壤、水和空氣中的化學污染導致的疾病使約900萬人過早死亡，佔全球總死亡人數的16%；其中約一半的死亡是由心血管疾病引起的。
土壤退化已威脅到全球至少32億人（約佔世界人口的40%）的健康。與此同時，超過20億人（約佔全球人口的25%）生活在水污染嚴重的國家。
土壤和水污染的生態破壞原因包括森林砍伐、氣候變化、空氣中的塵埃、過度施肥以及不合理的城市設計。
重金屬、農藥、微塑料和納米塑料通過誘導氧化應激、引發炎症和干擾晝夜節律，進而導致心血管損傷。
通過工作場所、消費品或環境污染接觸重金屬、溶劑、二噁英和殺蟲劑等化學物質，可能會引發內皮功能障礙並增加心血管疾病的風險。
作者強調，減少土壤和水污染對降低心血管疾病風險至關重要。關鍵策略包括加強水質過濾、空氣管理及推廣良好的農業規範，以減少有害化學物質的暴露。
《賽特科技日報》網站（https://scitechdaily.com）
1、超加工食品與2型糖尿病相關，減少加工食品可降低風險
英國倫敦大學學院（UCL）領導的一項研究顯示，食用超加工食品（UPF）的增加與2型糖尿病風險上升密切相關。然而，選擇加工較少的食品有助於降低這一風險。特別是美味小吃和含糖飲料等UPF類別，對健康構成了最大的威脅。
該研究與英國劍橋大學和倫敦帝國理工學院的專家合作，發表在《柳葉刀-區域健康（歐洲）》（The Lancet Regional Health–Europe）雜誌上，研究了食品加工程度與2型糖尿病風險之間的關聯，並分析了哪類UPF對健康的風險最大。
研究團隊分析了來自8個歐洲國家的311,892人超過10.9年的飲食數據，期間有14,236人患上了2型糖尿病。
研究結果表明，每增加10%的UPF攝入，患2型糖尿病的風險就增加17%。不過，這一風險可以通過食用加工較少的食品來降低。
風險最高的UPF類別包括鹹味小吃、加工肉類、即食食品、含糖及人工加糖飲料。研究人員建議，重點減少這些食品的攝入，有助於解決與飲食相關的健康問題。
2、人工智能正在學習解讀情緒
研究人員正在開發一種人工智能（AI）技術，將傳統心理學與面部識別和腦電圖等先進工具結合起來，以更精確地量化人類情緒。這項技術可能徹底改變醫療、教育等領域，但需優先考慮隱私、文化敏感性及跨學科的合作。
這項研究最近發表在《CAAI人工智能研究》雜誌上。研究的目標是將傳統技術與創新工具結合，提升情緒測量的準確性。
文章作者、華東師範大學的研究員劉峰表示：“這項技術有潛力變革醫療、教育和客戶服務等領域，推動個性化體驗，並加深對人類情感的理解。”
文中指出，人工智能理解人類情感並根據情感輸入進行交互，將對人機互動產生革命性影響，甚至可能成爲評估個人心理健康的新工具。這不僅依賴於單一輸入形式，還涉及生理學的考量。例如，通過腦電圖讀取大腦電活動，並結合眼動技術，監測人類表情。此外，心率變異性、皮膚電反應等情緒激發的測量方法也能將難以察覺的情緒轉換爲可識別的數據，供AI學習與優化。（劉春）