分类: AI

  • 真实数据显示生成式AI提升生产率、就业与工资,并非替代人力

    来源:《对话》(The Conversation)

    劳动经济学家基于2017–2024年全美雇主数据研究发现,生成式AI暴露度较高的行业,2024年生产率、就业和工资分别比同州对照组高出10%、3.9%和4.8%。AI主要增强而非替代人力,尤其在与员工互补的岗位中效果显著。企业明确AI战略与管理信任是推广AI、提升福祉的关键。研究呼吁以数据而非预测为基础评估AI影响。

  • AI完全对齐人类价值观数学上不可能,需“管理性失配”

    来源:《PNAS Nexus》

    研究利用哥德尔不完备定理和图灵停机问题证明,具备通用或超级智能的AI在计算上不可约,行为不可预测,无法实现强制对齐。作为替代,作者提出“管理性失配”策略:让具有不同认知风格和部分重叠目标的AI代理相互制衡,形成“认知生态系统”,以降低单一系统失控的风险。

  • 五款热门聊天机器人健康信息半数不准确

    来源:《BMJ Open》

    研究测试了Gemini、DeepSeek、Meta AI、ChatGPT和Grok在癌症、疫苗等五类健康问题上的回答,发现50%的回复存在不同程度问题,其中20%高度有问题。聊天机器人常以肯定语气输出错误或不完整信息,参考文献质量差,可读性低。研究者呼吁加强公众教育与监管,防止AI加剧健康 misinformation。

  •  生成式AI临床推理能力仍存短板,鉴别诊断表现不佳

    来源: 《JAMA Network Open》

    麻省总医院团队评估21种大语言模型在29个临床案例中的分步推理能力,发现模型在完整信息下最终诊断准确率超90%,但超80%的情况下无法生成合理的鉴别诊断清单。为此提出PrIME-LLM评分体系,综合评估诊断推理全流程。研究强调当前AI仍需“人类在环”监督,尚不适合无监督临床部署。

  •  AI自主设计生物实验,治理与安全措施滞后

    来源: The Conversation

    研究发现,AI已能通过自动化云实验室自主设计并运行数万项生物实验,大幅降低成本。但现行监管未能跟上其“双重用途”风险:AI可能被滥用于优化病毒传播、指导生物武器开发。尽管部分公司采取自愿安全措施,但政策空白仍存,需在防范风险与避免过度限制间取得平衡。

  •  利用不确定性微调AI模型,可生成更优分子结构

    来源: Molecular Systems Design & Engineering

    布鲁克海文实验室与得克萨斯农工大学团队在变分自编码器中引入不确定性量化,通过“主动子空间方法”识别对分子生成影响最大的参数区域进行微调,而非重新训练整个模型。该方法使AI在药物发现、材料设计等领域能生成比原始模型预测性能更佳的分子,将不确定性从障碍转化为优化设计的工具。

  • AI成功设计人工蛋白,实现皮质醇生物传感器突破

    来源: Nature Communications

    韩国科学技术院李圭列教授与David Baker教授合作,利用AI从零设计出能选择性识别特定化合物的人工蛋白,并开发出皮质醇生物传感器。该技术突破传统天然蛋白改造局限,可应用于疾病诊断、新药研发和环境监测,相关设计已申请美国临时专利。

  •  AI工具DefensePredictor快速发现数千种细菌抗病毒蛋白

    来源: Science

    MIT团队开发AI系统DefensePredictor,通过分析蛋白特征,在数千个细菌基因组中快速识别防御蛋白。测试显示,其在E. coli中预测的防御系统中近45%能有效抵抗噬菌体感染,并发现大量此前未知的免疫系统。该工具将数月的实验室工作缩短至数分钟,已向全球科研界开放。

  • 受魔方启发,物理学家用AI简化粒子物理复杂方程

    来源: arXiv(预印本)

    罗格斯大学物理学家David Shih受魔方还原逻辑启发,开发出一种AI方法,可将粒子物理学中极其冗长的方程简化。该方法将方程简化视为“打乱与还原”过程,简化率接近完美,远超此前基于机器学习的方法。研究全程与AI系统Claude协作完成,展示了AI辅助科研的新范式。

  • AI医疗聊天机器人实际辅助决策效果不佳

    来源:《The Conversation》

    研究发现,公众使用AI聊天机器人处理常见健康问题后,正确判断病情与就诊场所的能力并未提升,甚至低于未使用者。尽管模型本身具备医学知识,但人机沟通失败(信息遗漏、误解)导致效果下降。研究指出,AI更适合整理信息等辅助性工作,尚不能胜任诊断或导诊,临床判断仍需人类医生。