对超过 11 万 6000 段鸟鸣声的分析揭示，雀形目鸟类鸣叫的令人惊叹的多样性其实是由八种基本声学模态（如颤音、哨音与和弦音等）构成的。这些发现还表明，局部环境会在很大程度上塑造世界各地鸟类的交流方式。鸟鸣声是自然界中最复杂多样的声学交流形式之一。尽管鸟鸣长期以来一直是理解声音交流演化的经典模型，但其巨大的多样性使得人们难以构建一个统一的框架来解释其复杂性，以及阐明为何在不同的环境中会出现不同的声学模式。为解答这一问题，Quentin Bacquelé 和同事用大规模公众科学数据分析了来自 3160 种雀形目鸟类（该类群涵盖了所有鸟类物种中的六成以上）的逾 11 万 6000 段鸟鸣声。他们采用了一种能够捕捉鸟类鸣叫完整声学复杂性的新方法。Bacquelé 等人并非仅仅测量音高或频率等简单特征，而是考察了声音在时间和频率维度上的详细模式，从而使他们能够以前所未有的规模对各种鸟鸣声进行比较。 作者发现，大多数的鸟鸣声仅由八种基本声学模态构成，其中包括不同类型的颤音、哨音、和弦音以及更为无序的声学模式。平均而言，每种雀形目鸟类在其鸣叫声库中会使用这八种已被确认的声学模态中的约五种，且近三分之二的鸣叫声是将多种模态组合成更为复杂的发声形式。虽然大多数物种在其大部分鸣叫中主要依赖某种主导模态，但也有一些其他物种会使用更为均衡的模态组合，从而生成更高的发声多样性。此外，Bacquelé等人还发现，这些模态的地理分布反映的是环境对声音传播的限制与有效交流的生物学压力之间的平衡。结构简单的模态（如平直哨音）在热带雨林中更受青睐，因为那里茂密的植被会限制声音的传播。复杂的鸣叫模态（包括超快速颤音）则更常见于温带地区；因为那里的近距离交流和强烈的季节性性伴侣选择会更有利于包含丰富信息的鸣叫声。这些发现表明，这些基本的发声构建单元在雀形目鸟类的演化早期即已出现，并在此后被不断调适以适应局部的生态条件。Elodie Briefer 在一篇相关的《视角》中写道：“通过将大规模公众科学数据与基于模态的框架相结合，Bacquelé等人提供了迄今为止对雀形目鸣叫声演变的最全面的分析之一。除了能推进我们对鸟类交流方式的理解之外，他们所采用的方法还可用于研究其他生物类群中复杂声学系统的演变。”

一项新的研究表明，在进入延续至今的漫长衰退期之前，人类曾使用过的语言种类可能远多于现在的语言；人类曾经历过一个语言多样性的“黄金时代”——仅仅在数千年前，全球使用的语言可能多达数万种。人类语言极其多样，当今全球约有 7500 种手语和口语。然而，几个世纪以来，随着少数几种强势语言在全球范围内的传播，这种多样性一直受到侵蚀。如今，近半数语言处于濒危状态，且每年至少有四种语言消亡。由于文字记录只能追溯到大约 6000 年前，因此，在人类历史的大部分时间里，语言多样性的长期模式很大程度上仍不为人知。为重建过去 1 万 2000 年间世界语言的历史，Damián Blasi和同事用来自 171 个狩猎-采集社会的民族志数据作为早期人类群体的替代指标研发了一个人口种群模型。由于那些规模较小且文化凝聚力强的群体通常只使用某单一语言，该模型将这些群体的规模与对古代全球人口的估算相结合，旨在推断全新世早期可能存在的语言数量。该模型假设，随着农业和技术进步使人口数得以增长，越来越多的人开始使用同一种语言，因而导致语言多样性的增长速度滞后于人口增长的速度。 Blasi 等人认为，尽管缺乏直接的历史证据，但该方法为重建世界语言的长期演变史提供了一个量化分析框架。研究结果估计，1 万 2000 年前的全球语言数量可能比现在的语言数量少，这与“自末次冰期结束以来语言多样性持续下降”的观念相左。相反，语言数量似乎随着人口的增长而增加，并在 1000 至 3000 年前达到顶峰；当时全球存在的语言可能有数万种。该模型提示，在这一语言多样性的“黄金时代”之后，该多样性在过去两千年中出现急速崩塌，因为持续扩张的社会不断地取代了规模较小的语言社群。作者认为，这些发现表明，当今的语言危机是人口扩张所驱动的长期的文化同质化过程的最终结果，而非仅为殖民主义的后果。

随着生成式人工智能快速进入医学教育场景，医学教师的能力结构正在发生变化。中国精英教学医院联盟在《中华医学教育探索杂志》发布医学教师数智胜任力框架共识，提出医学教师应具备五项核心胜任力，并进一步细化为 21 项二级指标。该共识采用头脑风暴结合改良德尔菲法形成，旨在为生成式 AI 时代医学教师培训、评价和教学改革提供本土化参考。

马德里卡洛斯三世大学（UC3M）与隶属于马德里自治区公共医疗网络的莱加内斯塞韦罗·奥乔亚大学医院的研究人员，共同开发了一种利用人工智能（AI）分析睡眠期间大脑电活动的方法，以促进阿尔茨海默病的早期诊断。这项研究近期发表于科学期刊《GeroScience》，结果表明，通过机器学习技术分析夜间脑电波，能够以非侵入性方式识别早期神经元病变，并将患者分为三个不同的生物学亚组。