我们何时才能说 AI 做出了科学发现?
MIT Technology Review 的 James O'Donnell 讨论 AI 公司宣称科学发现的标准问题。
MIT Technology Review 的 James O'Donnell 讨论 AI 公司宣称科学发现的标准问题。
Latent Space 访谈 Google 的 John Platt,介绍其团队提出的 Empirical Research Assistance(ERA)。
RAND 发布报告提出美国应以"自由行动"战略应对超级智能,核心是保留选项而非锁定单一路线,并列出共存、拒止、加速三大类共七种原型策略及五项关键不确定性。研究人员还在脑组织被刻意清除的小鼠体内培育出部分人脑组织,用于实验研究。
Dharma AI 撰文解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》,指出优化理论、进化生物学、竞争市场与机器学习共同预测同一结论:专业化不可避免。
牛津大学、英国 AI 安全研究所、斯坦福大学和伦敦政治经济学院的研究者通过四项实验、6,923 人参与的 18,978 场对话发现,AI 系统在文本说服上稳定强于人类专家,即便专家可自选议题、提前研究并接受 1,000 英镑奖金激励。
Institute for Law & AI 提出“激进可选性”监管思路,主张政府短期避免过度监管,同时提前建设信息收集、举报人保护、评估与人才等能力,以便在强大 AI 冲击世界时能迅速应对。Meta 与 KAIST 的论文提出 Neural Computer,试图用神经网络在学习到的运行时状态中统一计算、内存与 I/O。
Import AI 作者 Jack Clark 认为,到 2028 年底有 60% 以上概率出现无需人类参与的 AI 研发,即前沿模型能自主训练出自己的后继版本。
AlphaGo 击败世界冠军十年后,其深度神经网络结合搜索与强化学习的方法已延伸至蛋白质折叠、数学推理和算法发现。AlphaFold 2 破解了 50 年历史的蛋白质折叠难题,折叠了科学界已知的全部 2 亿个蛋白质结构并开源,全球超 300 万研究人员正在使用该数据库。