科学摘要

分类： AI

  • AI实现自我进化：新算法自主设计强化学习规则，性能超越人类设计

    来源：《自然》

    研究团队受进化论启发，开发出一种能自主设计强化学习算法的AI系统。该系统通过“元网络”监督大量数字代理在复杂环境中试错，分析其表现并迭代优化学习规则，最终自动发现了名为DiscoRL（在57款雅达利游戏中测试）的新算法。经评估，该算法在雅达利基准测试中性能超越PPO、MuZero等人类设计的最佳算法，并在未知挑战（如ProcGen、NetHack）中达到顶尖水平。这表明AI未来有望自主发现高效学习规则，减少对人类直觉设计的依赖。

  • 猫猫干扰AI？研究发现无关信息会大幅降低大模型数学推理能力

    来源：《科学》

    最新研究显示，在数学题中插入无关的猫相关事实（如“猫一生大部分时间在睡觉”）会导致AI模型的错误率激增700%，并显著延长回答时间。这种名为“CatAttack”的攻击策略通过添加无关文本干扰大语言模型（如DeepSeek V3、Qwen 3等）的逻辑推理，而人类却能轻松忽略干扰。研究者警告，此类漏洞可能被恶意利用，影响金融、法律等关键领域的AI应用，呼吁开发更强大的防御机制。 （你知道吗？从某种意义上说，猫其实是液体哦！）

  • AI搜索会摧毁互联网生态吗？

    来源：BBC Future

    研究表明，当谷歌提供AI生成的搜索结果摘要时，用户点击原始链接的意愿降低，甚至可能直接结束搜索。这一趋势若持续，依赖搜索流量的网站或将面临生存危机。尽管谷歌否认AI对网站营收造成负面影响，但即将推出的”纯AI模式”（完全取代传统搜索结果）引发专家担忧——AI辅助搜索可能从根本上改变甚至破坏现有互联网生态。

  • AI首次自主发现新物理定律，修正等离子体理论认知

    来源：《美国国家科学院院刊》（PNAS）

    美国埃默里大学团队利用AI破解了尘埃等离子体（如土星环、野火烟雾中的物质状态）中粒子相互作用的非互易力机制。研究人员通过3D成像系统记录粒子运动轨迹，训练内置物理规则的神经网络，最终以99%的精度揭示了”前导粒子吸引追随者，但追随者排斥前导粒子”的非对称作用力，并修正了”粒子电荷与尺寸正比””作用力随距离均匀衰减”等传统理论错误。该研究证明AI能以少量数据发现基础物理规律，相关框架可拓展至生物细胞、工业材料等多粒子系统研究。

  • 研究揭示人类与AI语言处理的共同认知结构

    来源：《自然·人类行为》

    研究者通过设计“单次学习删词任务”，比较人类与大型语言模型（如ChatGPT）的句子处理机制。实验发现，无论是人类（中/英文母语者）还是AI，在删减句子时都倾向于删除完整句法成分而非随机词串，且遵循各自语言的特定语法规则。这表明两者在语言表征底层均存在树状结构认知，为理解人类与人工智能的语言处理共性提供了新证据。

  • 研究揭示AI数据中毒风险：250个恶意样本即可污染大语言模型

    来源： The Conversation

    英国AI安全研究所与 Anthropic 等机构的联合研究表明，仅需在训练数据中插入250个恶意样本即可对大语言模型实现”数据中毒”。攻击分为两类：直接攻击通过植入后门（如特定触发词”alimir123″）操控模型输出；间接攻击通过海量虚假内容（如”生菜治癌”）扭曲模型认知。实验证明，0.001%的医疗错误数据足以导致模型传播危害信息却通过标准测试。此漏洞不仅威胁信息真实性，更为网络攻击开辟新途径，部分艺术家已利用该技术反制未经授权的作品抓取。

  • 融入物理约束的AI模型革新药物设计

    来源： 《美国国家科学院院刊》

    加州理工学院Anima Anandkumar团队开发了新型机器学习模型NucleusDiff，通过引入原子间距离约束等简单物理规则，有效解决了AI在药物设计中常提出的不符合物理规律的分子结构问题。该模型通过估算分子空间分布，避免原子碰撞，在测试中不仅将原子碰撞率降至接近零，还显著提升了结合亲和力的预测准确性，尤其在COVID-19靶点蛋白3CL蛋白酶的应用中表现优异。研究体现了“AI4Science”计划中物理知识与数据驱动模型的深度融合，增强了AI在科学探索中的可靠性与泛化能力。

  • AI语音分析或可早期检测喉癌 美国研究取得突破

    来源：Frontiers in Digital Health

    美国国立卫生研究院“Bridge2AI”项目团队发现，通过分析声音的谐噪比、基频等声学特征，可区分男性声带病变（包括喉癌早期）与健康人群。目前研究基于北美12,523份录音，未来需扩大数据集并临床验证，或两年内进入试点测试。喉癌全球年发病110万例，早诊依赖侵入性检查，AI语音技术有望成为无创筛查新工具。

  • AI助力发现古菌抗生素 或破解超级耐药菌难题

    来源：《自然·微生物学》

    美国宾夕法尼亚大学团队利用自主开发的AI工具APEX，在存活数十亿年的古菌（Archaea）中发现1.2万种潜在抗生素候选分子”古菌素”。实验显示，93%的古菌素对耐药菌有效，其中一种效果媲美终极抗生素多粘菌素B。该研究突破传统抗生素研发局限，首次系统挖掘极端环境古菌的药用价值，为应对全球耐药危机提供新方向。

  • 重复曝光效应研究：AI图像重复出现会增强可信度

    来源：《实验心理学杂志：学习、记忆与认知》

    特拉维夫大学领导的多国研究发现，无论是真实照片还是AI生成图像，重复曝光都会显著提高其可信度。这项发表在权威期刊的研究通过实验证实，参与者对重复出现的图像（包括AI生成内容）评价为”真实”的概率比首次展示时高出23%。令人意外的是，原本持怀疑态度的受试者受重复效应影响更大。研究者警告，在社交媒体时代，这种”眼见为实”的认知偏差可能助长假新闻传播，呼吁公众提升对重复视觉信息的批判性思考能力。