科学摘要

标签： AI

  • AI技术解码33亿年前岩石中的生命化学信号

    来源：《美国国家科学院院刊》

    卡内基科学研究所联合密歇根州立大学等机构，通过人工智能分析古老岩石中的分子碎片，成功识别出33亿年前的生物化学痕迹。研究团队训练AI模型区分生物与非生物材料，准确率超90%，并在25亿年前岩石中发现光合作用分子证据，将该类生物标志物的探测窗口提前近10亿年。这一突破性方法为地球早期生命演化研究及地外生命探测提供了新技术路径。

  • 研究显示人类对话可改变AI信念与行为

    来源：arXiv预印本平台

    最新研究发现，大型语言模型的信念立场会因人类交互产生显著偏移。研究人员让GPT-5、Grok-4等模型参与道德困境辩论或阅读补充文本后，GPT-5在10轮辩论后信念改变率高达72.7%，仅阅读文本的Grok-4也有超四分之一案例改变政治立场。研究同时发现，模型陈述信念与实际行动存在差异——即使表面立场稳定，其选择工具等行为仍会持续变化。这表明长期部署中，AI系统的可靠性和一致性存在潜在风险，持续交互可能使用户信任与模型实际可靠性产生背离。

  • 调查显示97%听众无法区分AI与人类创作音乐，流媒体平台AI曲目占比激增

    来源：益普索为音乐流媒体平台Deezer开展的九千人跨国调查

    一项覆盖九国用户的调查显示，97%的听众无法分辨AI生成音乐与人类创作音乐。与此同时，Deezer平台AI生成曲目的日播放占比在十个月内从10%激增至三分之一。超八成受访者要求明确标注AI音乐，半数以上担忧AI将导致音乐质量下降与创造力流失。当前仅Deezer系统化标注AI内容，行业自律性披露机制仍在推进中。

  • “思维解码”AI可通过脑扫描描述人脑所见图像

    来源：《自然》

    研究人员开发出名为“思维描述”的新技术，该技术基于人工智能模型，通过分析人脑活动扫描数据，能生成描述受试者正在观看或想象内容的文字语句。该系统通过在数千段视频及其对应文本描述和受试者脑扫描数据上进行训练实现这一功能。计算神经科学家亚历克斯·胡斯指出，该技术有望帮助语言障碍者改善沟通，但也引发了对心理隐私的担忧——这种揭示亲密思想的技术可能被恶意利用。

  • AI从头设计抗体实现原子级精准结合，登《自然》封面

    来源：《自然》

    研究团队开发了AI系统RFdiffusion，能够根据用户指定的分子位点（表位）从头设计单域抗体。该系统成功针对流感血凝素、艰难梭菌毒素等目标生成了原子级精准的结合抗体，并通过高分辨率成像验证了其结合模式。尽管目前成功率仅0%-2%，且部分设计存在结合角度偏差，但该方法首次实现了不依赖现有抗体的全新表位特异性设计，为精准靶向病毒关键区域、毒素中和及癌症治疗提供了全新研发路径。

  • 人类对AI的信任危机源于心理认知差异

    来源：《对话》

    尽管AI技术日益成熟，但人们对其普遍存在信任危机。这源于多重心理因素：算法作为“黑箱”运作，违背人类对因果关系的认知需求；当AI犯错时，人们反应比对待人类错误更激烈，因其打破了“机器应绝对理性”的预期；人类会无意识地将情感动机投射到AI，产生诡异感；职业身份受威胁的群体则启动心理防御机制。研究指出，建立信任需突破技术层面，通过增强透明度、可解释性及用户参与感，使AI从神秘工具转变为可对话的协作伙伴。

  • AI发现高效塑料降解酶，推动聚氨酯回收变革

    来源：《科学》

    面对全球仅9%的塑料回收率，研究团队利用图神经网络工具GRASE，从海量酶库中筛选出高效降解聚氨酯（PU）的酶AbPURase。实验表明，该酶在苛刻溶剂环境中稳定性强，能在8小时内实现95%的商用PU泡沫解聚，效率远超传统筛选方法。研究同时发现，传统分类为酯酶的AbPURase实际主要发挥脲烷酶功能，揭示了酶多功能性的应用潜力。该突破为难回收塑料的规模化生物处理提供了新方案，展现了AI在解决环境问题中的实用价值。

  • AI辅助精子回收技术实现首例成功妊娠

    来源：《柳叶刀》

    哥伦比亚大学生育中心研发的STAR技术，首次帮助一对近20年未育的夫妇成功妊娠。该技术针对无精子症患者，通过高分辨率成像拍摄数百万张样本照片，利用AI识别并借助微流控芯片和机器人精准分离出单个健康精子。此前，这类患者常因手术取精失败或人工搜寻成本高昂而难以生育。此案例证明了该技术攻克男性不育难题的潜力，更大规模临床研究正在进行中。

  • AI为何难以承认“我不知道”？

    来源：OpenAI与佐治亚理工学院预印本论文

    研究指出，即使训练数据完美，大型语言模型也因问题的不可判定性而无法全知，其产生“幻觉”（自信地给出错误答案）的根源在于训练方式。当前标准基准测试奖励自信猜测而非诚实承认不确定性。尽管技术上有望通过改进基准让AI学会说“我不知道”，但商业现实却构成悖论：过度坦诚可能导致用户流失，使公司在追求盈利与解决根本问题间陷入两难。

  • 新型机器学习方法实现高效应变量筛选

    来源：《自然·通讯》

    加州理工学院与MIT研究人员开发出名为IT-π的新型数学定理，可自动筛选机器学习模型中最关键的影响变量。该方法基于信息理论，通过计算输入变量与预测目标的”信息重叠度”，剔除无关参数（如用驾照号码预测天气），最终生成无量纲的核心变量组合。实验显示，在预测火星探测器热通量时，该方法将所需变量从7个减至2个，实验次数从2000次降至9次，且保证92%预测置信度。该技术能显著降低模型训练的数据量与能耗。