科学摘要

分类： AI

  • 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。

  • 调查显示：超80%大学生用AI辅助学习，而非作弊

    来源：The Conversation

    美国明德学院一项调查发现，超过80%的学生将生成式AI用于课业，远高于全美成年人40%的使用率。研究显示，61%的学生主要用AI增强学习（如概念解释、总结资料），仅42%用于自动化任务（如写论文）。全球130所大学数据印证了这一趋势。实际使用日志与调查结果一致，表明AI更多作为”按需导师”而非作弊工具。研究者建议高校应制定差异化政策，而非全面禁止。当前亟需研究AI对不同学生的学习效果影响。

  • 人工智能成功预测核聚变实验结果

    来源：《科学》

    人工智能助力核聚变研究取得新突破。美国国家点火装置(NIF)的科学家利用机器学习模型，成功预测出核聚变实验结果。该AI系统通过分析2021-2022年实验数据，能在数天内完成传统方法需数月的复杂物理过程模拟，准确预测出下一次实验74%的成功概率并获得验证。这项研究为可控核聚变及其他复杂系统的预测建模提供了新范式。

  • 西北大学开发兆级材料库技术，快速发现铱替代催化剂推动绿氢生产

    来源：Journal of the American Chemical Society

    西北大学研究团队利用其首创的“兆级材料库”技术（单个芯片包含数百万纳米粒子），仅用半天时间就从钌、钴、锰、铬四种廉价金属组合中筛选出新型催化剂（Ru₅₂Co₃₃Mn₉Cr₆氧化物），其析氧反应性能媲美甚至优于贵金属铱，成本仅为铱的1/16，且稳定性优异（1000小时高效运行）。该突破不仅为绿氢规模化生产提供可行方案，更证明了兆级材料库结合人工智能可颠覆传统材料研发模式，加速能源、电池等多领域新材料发现。

  • 人工智能助力量子计算机“大脑”构建

    来源：《物理评论快报》

    中国科学院团队利用人工智能模型，成功计算出快速组装“中性原子阵列”的最佳方案。该原子阵列有望成为未来量子计算机的核心“大脑”。研究指出，量子计算面临的关键挑战是如何高效、快速且可扩展地重组原子阵列，而人工智能迅速解决了这一难题。