科学摘要

标签： AI

  • 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。

  •  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。

  • 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辅助听诊可高效筛查早期心脏瓣膜病

    来源：npj Cardiovascular Health

    剑桥大学团队研发的AI系统，通过分析数字听诊器采集的心音数据，能准确识别严重心脏瓣膜病（主动脉瓣狭窄检出率达98%，二尖瓣反流达94%）。该算法性能超越全科医生，误报率低，可作为基层医疗的快速筛查工具，助力早期诊断、及时转诊，有望解决因人口老龄化加剧的医疗资源压力，降低瓣膜病未及时治疗导致的高死亡率风险。

  • 数学家设挑战赛，探索AI解决前沿数学问题的能力边界

    来源：哈佛大学

    为评估AI在数学研究中的真实能力，11位顶尖数学家发起“First Proof”挑战赛，公布了10个已解决但未公开的前沿问题，邀请AI尝试独立证明。初步测试显示，当前最佳AI模型仅能解答其中两题，且存在逻辑错误与虚构引用。数学家指出，AI擅长整合已知结果与算法性问题，但在提出原创问题、构建研究框架及实现概念飞跃方面，仍远未达到人类专家水平，所谓“AI替代数学家”的论调为时过早。

  • 新型AI模型可秒级解读脑部MRI，诊断准确率达97.5%

    来源：《自然·生物医学工程》

    密歇根大学团队开发出一款名为Prima的视觉语言模型，可基于脑部MRI与患者临床史快速诊断50余种神经疾病，准确率高达97.5%。该模型经超30万例MRI数据训练，能自动识别紧急病例（如脑出血、中风）并提示对应专科医生，有助于缓解影像科工作负荷与诊断延迟问题。研究团队称Prima如同“医学影像领域的ChatGPT”，未来有望扩展至乳腺X光、胸部X光等更多影像模态，成为提升医疗效率与可及性的创新工具。

  • 开源AI模型OpenScholar精准合成科研文献，性能媲美专家

    来源：《自然》（Nature）

    华盛顿大学与艾伦人工智能研究所团队开发出开源模型OpenScholar，专门用于精准合成与引用科学文献。该模型基于4500万篇论文数据库，采用检索增强生成技术，能有效减少“幻觉”。在一个包含3000个专家问答的新基准测试中，其引用准确度与人类专家相当，且在16位科学家的盲评中，其回答优于专家撰写的回答达51%。研究为科学家提供了可靠、开源的文献分析工具，并已催生出性能更强的后续模型。

  • 新型AI模型PARM破译基因调控“开关语言”，助力癌症诊疗

    来源：《自然》（Nature）

    荷兰癌症研究所等团队通过结合大规模实验测量与深度学习，开发出轻量化AI模型PARM。该模型能够以前所未有的细节“阅读”非编码DNA中的调控指令，精准预测特定细胞类型（如肿瘤细胞）在不同刺激下（如药物处理）的基因开关状态。与现有大型模型相比，PARM计算需求降低千倍，使全球学者能便捷地解析癌症相关调控突变，为癌症诊断、患者分层及新疗法开发开辟了新途径。

  • 国际奥委会推进AI辅助评分：机遇与隐忧并存

    来源：《The Conversation》

    国际奥委会正积极在2026冬奥会等赛事中引入AI辅助评分系统，旨在提升评分一致性、透明度和公平性。然而，研究表明AI可能因过度精确、训练数据偏差而忽视艺术表现力与创新动作，甚至重塑运动的价值定义。同时，在行动体育等强调风格与风险的领域，AI难以量化文化内涵。因此，引入AI需在技术精度与体育精神、文化价值间取得平衡，避免技术侵蚀运动本质。

  • AI模型DiffSyn为新材料合成提供高效“配方”

    来源：《自然·计算科学》

    麻省理工学院研究团队开发了一种名为DiffSyn的生成式AI模型，通过扩散算法学习超过2.3万种材料合成路径，可为特定目标材料（如沸石）推荐多种可行的合成方案，包括反应温度、时间与原料配比等。该模型能在1分钟内生成上千条合成路径，辅助科学家快速筛选。基于其建议，团队成功合成出一种具有更高热稳定性的新型沸石，突破了材料发现中合成实验的瓶颈。