科学摘要

标签： AI

  • AI结合光谱成像技术实现脓毒症即时诊断

    来源：《科学进展》

    研究人员开发了一种结合人工智能与高光谱成像的新方法，可通过扫描患者手掌及无名指血管变化，在脓毒症早期实现自动化快速诊断。基于508名重症患者数据的测试显示，该模型诊断准确率达0.80（1分制），结合临床数据后对死亡风险的预测准确率提升至0.72。研究者指出，该方法尤其适用于医疗资源有限的中低收入国家，可作为重症监护病房的标准化筛查工具。未来需在不同地区验证其普适性。

  • AI能否真正搞笑？专家认为生成某些幽默比安全驾驶更容易

    来源：Undark

    尽管人们常因大语言模型（LLM）的错误而发笑，但AI是否能真正具备幽默感？一些专家认为可以。一位专家指出：“事实证明，AI生成某些类型的幽默比安全驾驶汽车更容易。”这表明AI在特定形式的幽默创作上已具备一定能力，但距离完全理解人类幽默的复杂性仍有差距。

  • 中国科学家开发天文AI分类系统 准确识别2700万宇宙天体

    来源：《天体物理学杂志》

    中国云南天文台团队开发出双通道神经网络模型，通过结合天体形态特征和光谱能量分布，实现对恒星、星系和类星体的高精度分类。该系统在KiDS巡天数据测试中成功分类2700万个天体，准确率达99.7%，甚至纠正了以往星表中的错误分类。该技术解决了传统光谱分析效率低下的难题，为处理未来大规模巡天数据（如LSST）提供了高效工具，将助力稀有天体发现和宇宙结构研究。

  • AI新工具助力提升临床试验报告透明度与质量

    来源：《科学数据》

    研究团队利用超级计算机Bridges-2，开发了一款基于自然语言处理的开源AI工具，用于自动检测临床试验报告是否符合CONSORT与SPIRIT指南的83项报告标准。该模型通过分析200篇临床试验论文进行训练，在篇章整体符合度判断中F₁分数达0.865，能有效识别报告中的关键信息遗漏。未来该工具将向科研人员与期刊免费开放，帮助作者在投稿前自查、期刊在评审中把关，从而提升临床试验报告的透明度和科学性，最终惠及患者与医疗实践。

  • AI图像分析技术首次实现沙丘单颗粒受力测算，助力地球与行星研究

    来源：《地球物理研究快报》

    研究团队通过结合水下新月形沙丘实验、高精度数值模拟与卷积神经网络（CNN），开发出一种仅凭沙丘图像即可估算每颗沙粒所受作用力的创新方法。该技术利用模拟生成的高分辨率力场图训练AI模型，使其能根据真实沙丘形态准确推断力分布，甚至泛化至未见过的新形状。该方法适用于各类颗粒系统（如冰晶、盐粒），可应用于河道淤积、海岸侵蚀及火星沙丘演化等研究，为环境预测与行星科学提供了全新量化工具。

  • AI实现自我进化：新算法自主设计强化学习规则，性能超越人类设计

    来源：《自然》

    研究团队受进化论启发，开发出一种能自主设计强化学习算法的AI系统。该系统通过“元网络”监督大量数字代理在复杂环境中试错，分析其表现并迭代优化学习规则，最终自动发现了名为DiscoRL（在57款雅达利游戏中测试）的新算法。经评估，该算法在雅达利基准测试中性能超越PPO、MuZero等人类设计的最佳算法，并在未知挑战（如ProcGen、NetHack）中达到顶尖水平。这表明AI未来有望自主发现高效学习规则，减少对人类直觉设计的依赖。

  • 猫猫干扰AI？研究发现无关信息会大幅降低大模型数学推理能力

    来源：《科学》

    最新研究显示，在数学题中插入无关的猫相关事实（如“猫一生大部分时间在睡觉”）会导致AI模型的错误率激增700%，并显著延长回答时间。这种名为“CatAttack”的攻击策略通过添加无关文本干扰大语言模型（如DeepSeek V3、Qwen 3等）的逻辑推理，而人类却能轻松忽略干扰。研究者警告，此类漏洞可能被恶意利用，影响金融、法律等关键领域的AI应用，呼吁开发更强大的防御机制。 （你知道吗？从某种意义上说，猫其实是液体哦！）

  • AI搜索会摧毁互联网生态吗？

    来源：BBC Future

    研究表明，当谷歌提供AI生成的搜索结果摘要时，用户点击原始链接的意愿降低，甚至可能直接结束搜索。这一趋势若持续，依赖搜索流量的网站或将面临生存危机。尽管谷歌否认AI对网站营收造成负面影响，但即将推出的”纯AI模式”（完全取代传统搜索结果）引发专家担忧——AI辅助搜索可能从根本上改变甚至破坏现有互联网生态。

  • AI首次自主发现新物理定律，修正等离子体理论认知

    来源：《美国国家科学院院刊》（PNAS）

    美国埃默里大学团队利用AI破解了尘埃等离子体（如土星环、野火烟雾中的物质状态）中粒子相互作用的非互易力机制。研究人员通过3D成像系统记录粒子运动轨迹，训练内置物理规则的神经网络，最终以99%的精度揭示了”前导粒子吸引追随者，但追随者排斥前导粒子”的非对称作用力，并修正了”粒子电荷与尺寸正比””作用力随距离均匀衰减”等传统理论错误。该研究证明AI能以少量数据发现基础物理规律，相关框架可拓展至生物细胞、工业材料等多粒子系统研究。

  • 研究揭示人类与AI语言处理的共同认知结构

    来源：《自然·人类行为》

    研究者通过设计“单次学习删词任务”，比较人类与大型语言模型（如ChatGPT）的句子处理机制。实验发现，无论是人类（中/英文母语者）还是AI，在删减句子时都倾向于删除完整句法成分而非随机词串，且遵循各自语言的特定语法规则。这表明两者在语言表征底层均存在树状结构认知，为理解人类与人工智能的语言处理共性提供了新证据。