WIRED 展望：AI 正在攻克更大科学难题，将成科研人员日常标配
WIRED 刊文分析 AI 在基础科研中的角色演变。从破解生物学 50 年未解的蛋白质结构预测，到气象临近预报与基因组学，AI 正在跨越孤立学科。文章指出，AI 将在 2023 年像电子邮件一样，演变为全球科学家不可或缺的日常研究工具。
AI科研
AI 领域的重要论文、新基准和新方法，以及 AI 在生物、医药、材料等科学研究里的突破。
查看更新的新闻
马普所等研发 AI 模型：通过 MRI 精准识别罕见痴呆症
德国马普所等机构公布新研究，利用机器学习分析脑部 MRI 图像识别罕见痴呆症。该模型不仅能区分健康与患病，还能在 7 种不同痴呆综合征间精准辨别萎缩模式。这意味着患者能在早期获得对症治疗，尽量延长正常工作与自理的时间。
多伦多大学用机器学习设计长效注射剂：一次命中目标释放曲线
多伦多大学团队在《Nature Communications》发表研究，利用 LightGBM 等机器学习模型预测并指导长效注射剂的配方设计。团队针对一款卵巢癌药物完成验证，以往需要多次试错的缓释曲线这次一次成功，相关数据集与代码已开源至 Zenodo。
微软推出 VALL-E：只需 3 秒音频就能克隆你的声音
微软公布文本转语音模型 VALL-E。它仅凭 3 秒音频就能模拟说话者的音色、情感甚至房间声学环境。模型基于 Meta 音频库中 6 万小时语音训练，因防范声音冒充等滥用风险，微软目前未开源代码。
MIT 开发跨模态 AI：用 1000 个词对齐视频与语音
MIT CSAIL 团队公布一种多模态表征学习方法，让 AI 能在共享嵌入空间里对齐视频、音频和文本，仅用 1000 个词向量就能识别视频中的动作。最值得关注的是，这种设计提升了跨模态检索准确度和可解释性。不过模型目前一次只能处理两种模态。
斯坦福研发喷雾式智能皮肤：靠 AI 感知手背形变，凭空就能打字
斯坦福大学研究人员研发出一种喷雾式智能皮肤。这种生物相容性材料可像防晒霜一样喷在手背上，由可拉伸的纳米网感知皮肤伸展时的电导率变化，再通过机器学习算法识别手势并打出文字，用后也能轻松清洗去除。
AI 预测黑天鹅灾害：结合贝叶斯推理，靠极少数据预判极端危机
研究团队提出一套预测黑天鹅事件的 AI 策略，成果发表在《Nature Computational Science》。该方法将贝叶斯统计与双网络架构 DeepONet 结合，绕开复杂的物理控制方程，只用极少数精选样本就能评估巨浪或疫情峰值等罕见风险，让极难预测的极端灾难变得可防可控。
斯坦福研究：用 AI 写代码更易留漏洞，开发者还更自信
斯坦福大学研究团队发现，使用 OpenAI Codex 等 AI 代码生成工具的开发者更容易在软件中引入安全漏洞，且更容易误以为代码安全。研究人员警告 AI 尚无法替代人类，跨领域使用时必须仔细审查输出。
斯坦福提出树突计算模型：AI 功耗有望从兆瓦直降到手机瓦级
斯坦福大学学者 Kwabena Boahen 提出以树突为核心的新计算模型。不同于传统模拟突触，该方案模拟树突接收特定时序信号的特性，结合铁电晶体管硬件，有望让神经网络仅靠手机电池的瓦级功耗运行，摆脱云端兆瓦级的能耗依赖。
德雷塞尔大学新研究：用 GPT-3 分析日常语音，80% 准确率筛查阿尔茨海默病
德雷塞尔大学团队在《PLOS Digital Health》发表成果，利用 OpenAI 的 GPT-3 分析自发语音文本，预测早期痴呆的准确率达 80%。该方法比单纯分析停顿等声学特征更准，团队计划据此开发网页初筛工具。
AI 血压预测方法学综述：梳理主流模型与常被忽视的评估陷阱
研究团队系统梳理了机器学习与深度学习在血压预测中的应用进展。综述重点分析了常用数据集、评估指标以及常被忽视的数据划分策略陷阱，提出了客观评估模型表现的统一标准。团队已在 GitHub 开源基于 MIMIC III 的评测代码与资源。
阿尔托大学等开发虚拟现实游戏：借助机器学习客观检测 ADHD
阿尔托大学等团队公布一项研究，利用虚拟现实游戏、眼动追踪和机器学习，根据眼动差异客观检测儿童 ADHD 症状。该方法有望改变依赖问卷的主观诊断现状，提供更精准的日常行为评估。
布莱根妇女医院研发 AI 模型：把术中粗糙冷冻切片秒变「金标准」图像
布莱根妇女医院与博阿齐奇大学团队在《Nature Biomedical Engineering》发表深度学习模型，能将手术中快速冷冻切片的图像转化为接近「金标准」的高质量图像。这项技术能帮病理医生在几分钟内更准确地鉴别胶质瘤和肺癌等亚型。不过入驻手术室前仍需临床验证。
算法决策真的没有偏见吗？剖析机器学习里的「可预测噪声」
Becoming Human 刊文探讨算法决策缺陷。常有人认为 AI 面对相同输入总会给出确定结果、毫无情绪噪声，但作者指出，模型训练起点等随机因素会固化为「可预测噪声」，导致多套系统在关键决断上产生毫无意义却不可逆的系统性分歧。
扩散模型简史：从加噪去噪到催生图像、音乐与蛋白质设计
盘点了支撑当下图像生成 AI 的核心技术扩散模型的发展历程。扩散模型借鉴非平衡热力学，通过学习从噪声中恢复数据的逆过程，并在 OpenAI CLIP 的指引下实现精准生成。除了画画，该架构正快速扩展至音乐创作以及蛋白质和 DNA 序列设计等生物医疗领域。
斯坦福研究：用 AI 写代码不仅漏洞更多，开发者还迷之自信
斯坦福大学计算机科学家发表研究指出，使用 GitHub Copilot 等 AI 辅助编程工具的开发者往往会写出更多安全漏洞，尤其在字符串加密和 SQL 注入场景尤为明显。更值得警惕的是，使用 AI 助手的开发者往往还会盲目坚信自己的代码足够安全。
AI 科研伦理审查如何推进：学者呼吁跳出传统框架建立社区协同
多位学者呼吁 AI 社区协同推进科研伦理审查机制。学者指出，传统的机构审查只关注受试者保护，无法应对算法滥用和偏见等宏观社会风险，建议学术会议与期刊探索更多元的事后伦理评估流程。
AI 能独立搞发明吗？从 DABUS 专利屡遭驳回看机器创新的边界
DABUS 系统作为「唯一发明人」申请专利并在全球多国被拒，引发关于 AI 能否搞发明的争论。技术分析表明，该系统从问题建模、概念筛选到结果解读都离不开人类介入，充其量只是辅助工具。也就是说，所谓机器自主发明，目前在技术和法律上都站不住脚。
斯坦福微调 Stable Diffusion：用 AI 合成胸部 X 光片，解决医学数据缺口
斯坦福大学 AIMI 研究人员通过微调开源 Stable Diffusion，成功生成了具备病变特征的逼真胸部 X 光片。研究证明通用潜扩散模型无需昂贵算力即可迁移到专业医学领域，有助于填补罕见病数据缺口。不过目前生成图像多样性有限，且协议禁止直接用于诊断。
英国阿斯顿大学研发 AI 信号灯：用强化学习终结堵车
英国阿斯顿大学研究团队开发了一套基于深度强化学习的交通调控系统。它不仅结合视觉和雷达传感器识别车流与行人，还能在模拟环境中自主试错，实时优化十字路口信号灯配时，即使面对从未见过的复杂路况也能灵活调控，从而减少红灯等待时间。