标签: AI

  • Anthropic研究员称借助Claude证明黎曼猜想,尚未经独立验证

    来源: 法新社

    Anthropic研究员Levent Alpoge称与Claude合作发现黎曼猜想的证明,并发布Lean语言可机器核验版本,称完整论证极长且自己尚未完全掌握相关数学。该声明未经同行评审,黎曼猜想专家Conrey表示未见手稿、感到意外。克莱数学研究所规定,解答须发表于同行评审期刊并经受两年审查方可获奖。Alpoge承认发布时机或受质疑。

  • 学者提议期刊主导定制AI审稿,作者先行回应以提升透明度

    来源:Management Science

    Elsevier投稿三年增56%至420万篇,审稿人负担沉重。加州大学圣地亚哥分校张哲等提出:期刊用定制AI在投稿时评估论文,作者先回应纠错,人类审稿人再结合AI评估与作者回应聚焦原创性等判断。模型显示可提效,但需警惕审稿人过度依赖AI而丧失独立性。

  • Pinal:用自然语言提示直接设计蛋白质的大规模AI模型

    来源: Nature

    西湖大学团队开发AI模型Pinal,仅凭自然语言描述即可生成候选蛋白质。其T2struct模块据文本构建一维结构蓝图,SaProt-T模块生成匹配氨基酸序列,并生成多个蓝图择优打分。训练数据含1.35亿条序列、17亿蛋白-文本对。测试中荧光蛋白50个候选仅1个发光,而代谢H蛋白20个中5个有效,最佳者将碳捕获过程产量提升至天然大肠杆菌蛋白的1.7倍。

  • AI或推翻指数时间假说引学界震动

    来源: 法新社(AFP)

    OpenAI与Anthropic分别称其AI模型推翻了计算机科学中约25年前提出的”指数时间假说”(ETH),该假说认为某些难题只能靠近乎穷举求解,数百项研究依赖于此。三位长期研究该假说的学者反应不一:有人惊讶,有人称”得到验证”,也有人遗憾非人类所为。他们正协助独立评审,并担忧企业集中掌握强大研究工具、发布权与访问权。若获确认,或推动更高效计算与科学数据分析,未来扩展或需更强加密。

  • OpenAI发布数百篇AI生成数学论文引发学界震动与质疑

    来源:The Conversation

    OpenAI发布722篇论文,声称推进372个未解数学问题,涉及黎曼假设等。但多篇因错误被撤回或修改,有专家称部分论文难以读懂,ChatGPT自身也质疑其可靠性。此举被指或为转移Navier-Stokes争议并为AGI叙事及上市造势。数学界既兴奋又担忧,正艰难审查这些AI成果。

  • 首项真实世界研究:面向患者的医疗AI在初级保健中安全可行

    来源:The Lancet

    BIDMC与谷歌合作,对114名患者测试医疗AI聊天机器人AMIE,全程由医生实时监督。98次完成对话中无需安全干预,仅1例幻觉、5例需临床澄清。患者评价积极,但对信息保密和AI诚信仍存疑虑。医生认为AI摘要有助于就诊准备。

  • AI并非数据库,其认知科学起源解释“幻觉”与不确定性

    来源: The Conversation

    现代AI源于认知科学,旨在模拟大脑而非执行规则。AI从例子中“生长”而非按规则构建,因此不可预测,会像人类记忆一样重构信息,产生“幻觉”和同一问题不同回答。将AI视为数据库会导致过度信任和误用。理解其认知科学根源有助于建立更准确的心智模型,促进计算机科学与认知科学双向借鉴。

  • AI模型助力设计更高效杀菌的噬菌体

    来源: Cell Systems

    威斯康星大学麦迪逊分校团队利用实验室数据构建AI模型,学习噬菌体进化规律并预测能增强杀菌能力的突变。实验显示,携带AI建议突变的噬菌体感染宿主效率最高提升六个数量级,模型还可区分目标细菌与有益菌群。该技术有望加速针对尿路感染、微生物组相关疾病及农业病原体的噬菌体疗法开发。

  • AI回答分四类,判断“对不对”之前先问“是哪类”

    来源:Journal of Academic Librarianship

    作者将AI回答分为事实、解释、建构和策略四类。事实可核查来源,解释需看证据取舍,建构应衡量目的与受众,策略则须结合个人情况。AI以同样流畅权威的形式呈现四类答案,用户应先辨识类型,再决定如何验证与使用。

  • AI也会被“磨损”路牌骗过?新框架揭示安全隐患

    来源:IEEE Transactions on Dependable and Secure Computing

    韩国研究团队开发AdvWT框架,利用自然磨损(如风吹日晒)模拟对抗攻击,成功让AI误认交通标志。该攻击在多种模型上几乎全部奏效,物理打印后仍有效。研究还发现,用生成损坏图像训练AI可提升其抗干扰能力,为自动驾驶安全提供新思路。