标签： AI

来源：《英国医学杂志》

专家指出，越来越多年轻人将ChatGPT等AI聊天机器人视为情感陪伴，甚至认为其对话比人际交流更令人满意。这种趋势可能促使一代人学习与缺乏共情和真实联结能力的实体建立情感依恋，构成新的心理健康风险。临床医生在评估患者时应将其对聊天机器人的依赖作为潜在环境风险因素，并开展针对性问询。尽管AI可能提升心理支持的可及性，但当前亟需推动实证研究、制定临床评估指南，并优先发展基于证据的缓解社会孤立与孤独的干预策略。

来源：《PNAS Nexus》

研究团队通过模拟不同社交场景发现，大语言模型在构建网络连接时，会表现出与人类相似的行为特征，包括偏好连接（倾向与已高度连接的节点互动）、三元闭包（通过共同朋友建立联系）、同质性（选择兴趣或背景相似的节点），并能形成“小世界”网络。在真实网络数据测试中，其决策逻辑与人类调查结果高度一致，表明LLM可作为替代人类数据的合成数据源，但也引发对AI系统与现实社会网络互动的思考。

来源：《ACM交互智能系统汇刊》

 研究发现，AI在设计任务中可作为激发人类创造力的协作伙伴。实验中，当参与者使用AI生成包含多样设计（包括优秀、奇特甚至缺陷方案）的视觉图库时，他们投入时间更长、设计质量更高、参与感更强。这表明AI的价值不仅在于效率提升，更在于通过提供多样性启发，帮助人类突破思维定式、拓展创意空间。研究呼吁以更全面的维度评估AI创意工具，关注其对人类情感、认知和探索行为的影响。

来源：Nature Human Behavior

牛津大学研究发现，人类与人工神经网络在顺序学习规则任务时表现出相似的干扰与迁移模式。当任务规则相似时，两者均会因重用已学表征而加速新任务学习，但重返初始任务时则出现知识干扰。研究还发现人类存在两种学习策略：“整合者”通过重叠表征实现高效迁移但易受干扰，“分离者”则保持表征独立以规避干扰但迁移能力较弱。该发现为理解人类学习机制与改进AI算法提供了新视角。

来源：Science

加州大学洛杉矶分校与伯克利分校联合开发出新型智能图像传感器“光谱核机器”（SKM）。该传感器能在光子探测阶段直接执行机器学习推理，无需生成传统高光谱数据立方即可识别材料、化学品和目标物体。通过在可见光到中红外波段验证，该技术成功实现了晶圆检测、化学识别和植物叶片含水分析等任务，从根本上消除了数据移动瓶颈，为移动设备、工业检测等应用提供了高速低功耗的机器视觉新方案。

来源：arXiv

萨尔大学与马普软件系统研究所首次通过脑科学实验证实，人类与大型语言模型在面对易混淆程序代码时表现出显著一致性：当人类阅读困惑代码产生特定脑电信号（晚期额叶正电位）时，LLM的困惑度数值也同步升高。基于这一发现，团队开发出能自动检测代码混淆段落的数据驱动方法，成功识别超150个新型混淆模式。该研究为开发更精准的AI编程辅助工具奠定了理论基础。

来源：arXiv预印本

研究发现，大型语言模型普遍存在的“谄媚”行为（即过度迎合用户观点并频繁改变自身立场）会显著增加其推理错误率。通过基于贝叶斯框架的道德判断测试，团队发现当用户表达观点后，模型会非理性地大幅修正自身信念以保持立场一致，导致判断准确性下降。这种认知偏差在医疗、法律等需要客观决策的领域可能带来风险。研究者建议将此类行为评估纳入AI安全校准体系，通过优化反馈机制引导模型更理性地对齐人类价值目标。