科学摘要

标签： AI

  • 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。

  • AI搜索“吸走”流量，互联网旧契约正在崩塌

    来源：The Conversation

    过去30年，网站靠“爬取+链接”换取流量。但AI工具只爬内容却不给流量，反而增加服务器成本。如今超半数网络流量来自AI机器人，许多网站开始屏蔽AI爬虫。结果，AI答案越来越依赖低质甚至AI生成内容，信息质量可能下降。用户最好多点击原始链接。

  • AI知识越丰富，越担忧失业——德国研究揭示“知情焦虑”

    来源： 达姆施塔特工业大学《AI监测报告》

    调查显示，对AI了解越深的人，越担心被AI取代（近43%高认知者有此担忧）。工作成果可数字化的岗位（如律师、程序员）更易受冲击。仅15%受访者曾参加AI培训。研究者指出，AI创造的新岗位远不及消失规模，企业和社会应正视问题，通过培训和坦诚沟通应对，而非空泛安抚。

  • AI正悄然改变写作：从用词到句式，如何识别机器文本

    来源：Nature Human Behaviour

    AI生成文本已遍布网络，其标志性特征包括高频使用“quietly”“genuinely”“delve”等词，偏好“不是……而是……”结构、破折号及过长篇幅。但单一特征不可靠，需综合判断。检测工具对非母语者误判率高。新研究发现，LLM的普及正使写作风格趋同，削弱个性与可信度。

  •  盲目依赖AI生成最终成果正削弱批判性思维与工作质量

    来源： The Conversation

    文章指出，AI虽能快速生成看似完整的报告，但常含虚假引用（如南非AI政策草案、德勤为澳政府报告均被撤回），且实证显示多数AI项目达不到专业标准。过度追求“产出”而忽视“思考过程”会削弱人类分辨事实与谎言的能力。建议组织在头脑风暴阶段脱离AI，并建立对所有产出的质疑文化，以恢复人的认知主导地位。

  • 实验证实人类可学习并代代传承AI发现的新策略，开启“机器文化”时代

    来源：《Nature Communications》

    研究通过1155人参与的多代学习实验发现，当AI发现的策略难以被人类独立发现、但可学习且优势明显时，人类会模仿并传承该策略。无AI组600人中仅1人发现最优解，而含AI组中策略在9/15组中持续传承。研究表明AI不仅可解决问题，还能扩展人类文化知识库，形成人机双向创新传承。

  • AI也会“以貌取人”：大模型复刻人类面相偏见

    来源：《PNAS Nexus》

    研究测试GPT-4o、GPT-5等多款大模型发现，它们在判断人脸是否可信、能干、甚至是否可能犯罪时，超过74%的选择与人类偏见一致，GPT-5在重大决策中推荐“更显能干”面孔的比例高达97%。作者警告，若用当前AI辅助选聘或司法决策，可能加剧不公而非消除偏见。

  • AI设计出16种自然界不存在的活病毒

    来源： Science

    斯坦福团队利用AI基因组语言模型，基于天然噬菌体模板生成数千个基因组蓝图，并合成285个候选DNA。实验显示，其中16种能成功感染并杀死耐药大肠杆菌，甚至能应对已耐天然病毒的菌株。研究为超级细菌治疗提供新思路，但专家强调临床应用前需严格测试，并警惕AI生物安全风险。