11月14日（星期四）訊息，國外知名科學網站的主要內容如下：
《自然》網站（www.nature.com）
人工智慧能否審查科學文獻，並弄清楚它們的含義？
幾十年來，學者們一直在努力加快將研究成果彙編成評論的程序。大多數研究成果太長了，內容密集得令人難以置信，而且評論撰寫出來的時候往往已經過時了。大型語言模型（LLM）的出現，讓人們思索是否可以將審查科學文獻的任務自動化。
一些較新的人工智慧（AI）科學搜尋引擎已經可以透過查詢、分類和總結出版物來幫助人們製作敘事文學評論。但是它們自己還不能寫出高質量的評論。最艱鉅的挑戰是“黃金標準”的系統評價，它包括嚴格的程式來搜尋和評估論文，通常還包括綜合結果的元分析。大多數研究人員都認為，這些距離完全自動化還有很長的路要走。
然而，與此同時，研究人員擔心AI工具可能會導致更草率、不準確或誤導性的評論汙染文獻。有些專家擔憂數十年來關於如何做好證據合成的研究開始受到破壞。
研究人員稱，要求ChatGPT或任何其它AI聊天機器人從零開始寫一篇學術文獻的綜述，將是非常天真的。這些大型語言模型透過訓練大量的寫作來生成文字，但大多數商業化AI公司都沒有透露這些模型是在什麼資料上訓練的。研究人員表示，如果被要求對某個主題的研究進行回顧，ChatGPT這樣的大型語言模型可能會借鑑不可信的學術研究、不準確的部落格以及其它不知道來自什麼渠道的資訊。它們不知道衡量什麼是最相關、最優質的文獻。由於大型語言模型的工作方式是反覆生成統計學上合理的單詞來回應一個查詢，因此它們會對同一個問題產生不同的答案，併產生“幻覺”錯誤——眾所周知，包括不存在的學術參考文獻。
《科學通訊》網站（www.sciencenews.org）
正在巴西蔓延的奧羅普切病毒可由母親傳染給胎兒
今年在巴西引起大規模疫情的奧羅普切病毒（OROV）病毒可以從孕婦傳播給胎兒。已經確認有幾例透過子宮傳播的病例，這意味著這種病毒與另外兩種昆蟲傳播的病毒——寨卡病毒和登革熱病毒——有一個共同點。
研究人員在最近的《新英格蘭醫學雜誌》（New England Journal of Medicine）上報告稱，今年夏天巴西一名40歲婦女的死產與奧羅普切病毒從該婦女傳播給胎兒有關。（世界衛生組織對死產的定義是胎兒在妊娠滿28周及以上後死亡。）巴西衛生部還確認了另外兩例因奧羅普切病毒傳播到子宮而導致胎兒死亡的病例：一名28歲婦女的死產和一名出生時患有先天性異常的嬰兒，該嬰兒在47天后死亡。目前正在調查其它可能傳播到子宮的病例。
截至10月中旬，巴西自今年年初以來已報告了8000多例奧羅波切熱病例。這是今年美洲最大的疫情；其它一些有病例的國家包括秘魯900多例，古巴500多例。奧羅普切病毒感染可引起發燒、發冷、關節痛和嚴重頭痛等症狀。該病毒主要透過副庫蠓（一種非常小的蒼蠅）的叮咬傳播，有時也透過蚊子傳播。與寨卡病毒一樣，沒有任何藥物可以治療奧羅波切熱，也沒有針對這種病毒的疫苗。
《每日科學》網站（www.sciencedaily.com）
1、2024年，化石燃料的二氧化碳排放量再次增加
根據全球碳專案（Global Carbon Project）科學團隊的最新研究，全球化石燃料的碳排放量在2024年達到了歷史新高。
他們撰寫的《2024年全球碳預算》報告預計，2024年，全球化石燃料的二氧化碳（CO 2）排放量將達到374億噸，比2023年增長0.8%。
儘管迫切需要減少排放以減緩氣候變化，但研究人員表示，仍然“沒有跡象”表明全球化石燃料的二氧化碳排放量已經達到峰值。
他們預計2024年全球土地利用變化（如森林砍伐）造成的排放量為42億噸，而全球二氧化碳總排放量（包括化石燃料和土地利用變化）預計將從去年的406億噸增加到416億噸。
目前，全球每年排放的二氧化碳超過400億噸，大氣中的二氧化碳含量持續上升，導致日益危險的全球變暖。
《全球碳預算》報告由一個由120多名科學家組成的國際團隊撰寫，以完全透明的方式，在現有方法的基礎上，提供了一份年度同行評議的最新報告。2024年版《全球碳預算》報告將作為預印本發表在11月13日的《地球系統科學資料》（Earth System Science Data ）雜誌上，之後將作為同行評議的論文發表。
2、用無線電訊號賦予機器人超人的視覺
在為機器人開發強大的感知系統的競賽中，一個持續的挑戰是在惡劣的天氣和惡劣的條件下執行。例如，傳統的基於光的視覺感測器，如攝像頭或鐳射雷達（光探測和測距）在大霧和濃煙中會失效。
現在，美國賓夕法尼亞大學工程與應用科學學院（Penn Engineering）的研究人員開發出了一種新工具——PanoRadar，透過將簡單的無線電波轉換成詳細的環境3D檢視，賦予機器人超人的視覺。
PanoRadar是一種像燈塔一樣工作的感測器，它把光束掃成一圈，掃描整個地平線。該系統由一個旋轉的垂直天線陣列組成，可以掃描周圍環境。當它們旋轉時，這些天線發出無線電波，並聽取它們在環境中的反射，就像燈塔的光束顯示船隻和海岸特徵的存在一樣。
得益於人工智慧的力量，PanoRadar超越了這種簡單的掃描策略。與燈塔旋轉時簡單地照亮不同區域不同，PanoRadar巧妙地結合了所有旋轉角度的測量結果，以提高其成像解析度。雖然PanoRadar的感測器成本僅為通常昂貴的鐳射雷達系統的一小部分，但這種旋轉策略建立了密集的虛擬測量點陣列，這使得PanoRadar能夠實現與鐳射雷達相當的成像解析度。研究人員解釋稱，“關鍵的創新在於我們如何處理這些無線電波測量，我們的訊號處理和機器學習演算法能夠從環境中提取豐富的3D資訊”。
展望未來，該團隊計劃探索全景雷達如何與其它感測技術（如攝像頭和鐳射雷達）一起工作，為機器人創造更強大的多模態感知系統。該團隊還在擴大他們的測試範圍，包括各種機器人平臺和自動駕駛汽車。
3、一種基因組測試技術可快速檢測幾乎所有型別病原體
美國加州大學舊金山分校（UC San Francisco）開發的一種基因組測試，可以快速檢測幾乎所有型別的病原體——病毒、細菌、真菌或寄生蟲——經過十年的使用，證明這項技術是成功的。
這種測試使用了一種被稱為“宏基因組二代測序（mNGS）”的強大基因組測序技術，有可能極大地改善對引起腦膜炎和腦炎等疾病的神經系統感染的治療，並加快發現新的病毒大流行的威脅。
mNGS不是一次尋找一種病原體，而是分析樣本中存在的所有核酸，包括RNA和DNA。
目前，這項技術已經在加州大學舊金山分校和全國其他醫院對數千名患有無法解釋的神經系統症狀的患者進行了測試。
在最近發表在《自然醫學》（Nature Medicine）上的一篇論文中，研究小組證明，mNGS測試正確識別了86%的神經系統感染。
在同一天發表在《自然通訊》（Nature Communications）上的一項研究中，研究小組還使用mNGS來識別呼吸道液體中可能導致肺炎的病原體，並將其自動化，以更快地獲得結果。
他們預計，自動化測試將能夠檢測出可能導致新冠肺炎等呼吸道流行病的新型病毒性病原體。
《賽特科技日報》網站（https://scitechdaily.com）
科學家發現記憶不僅僅存在於大腦中
眾所周知，我們的大腦——尤其是腦細胞——是用來儲存記憶的。然而，美國紐約大學的一組科學家發現，身體其它部位的細胞也在記憶中發揮作用，這為理解記憶的功能開闢了新的途徑，併為增強學習和治療記憶相關疾病創造了可能性。
這項研究發表在《自然通訊》（Nature Communications）雜誌上。
在研究中，科學家們在實驗室裡研究了兩種非大腦的人類細胞（一種來自神經組織，另一種來自腎臟組織），並將它們暴露在不同的化學訊號模式下——就像我們學習新資訊時腦細胞暴露在神經遞質的模式下一樣，從而複製了隨著時間推移的學習過程。作為回應，非腦細胞開啟了“記憶基因”——當腦細胞檢測到資訊中的模式並重組它們的連線以形成記憶時，它們也開啟了同樣的基因。
為了監控記憶和學習過程，科學家們利用生物工程設計了這些非腦細胞，使其產生一種發光的蛋白質，這種蛋白質表明記憶基因何時開啟，何時關閉。
研究人員表示，這些發現不僅提供了研究記憶的新方法，而且還帶來了潛在的健康益處，為理解記憶的工作原理打開了一扇新的大門。與此同時，它表明，在未來，我們需要更像對待大腦一樣對待我們的身體——例如，考慮我們的胰腺對我們過去飲食模式的記憶，以維持健康的血糖水平；或者考慮癌細胞對化療模式的記憶。（劉春）
