Nature 論文：AI 結合衛星雷達，曝光全球 75% 隱形漁船
Global Fishing Watch 在《Nature》發文，利用深度學習模型分析 Sentinel-1 衛星雷達影像，繪製出全球海洋工業活動地圖。研究發現約 75% 的工業漁船未被公開系統追蹤。AI 填補了傳統盲區，為劃定海洋保護區提供了關鍵依據。
AI科研
AI 領域的重要論文、新基準和新方法，以及 AI 在生物、醫藥、材料等科學研究裡的突破。
檢視更新的新聞
UTS 研發 DeWave：不插晶片，戴上腦電帽就能把想法翻譯成文字
悉尼科技大學團隊公佈 DeWave 系統。它不用做開顱手術，只靠一頂腦電帽就能記錄神經訊號，結合大語言模型將腦電波直接轉錄為文本，早期準確率超 40%。這有望幫失語癱瘓患者無聲交流，不過目前名詞識別仍易混淆，距離實用仍需提升精度。
DeepMind 新發現：欺騙 AI 視覺的對抗影像，其實也能影響人類
Google DeepMind 在《自然-通訊》發表研究，發現專門用來欺騙計算機視覺的對抗樣本影像，即便畫素變化微弱到肉眼難以察覺，也會系統性誘導人類的視覺判斷。這項發現揭示了人腦與機器視覺潛在的共通弱點，也為視覺模型的安全對齊提供了新思路。
MIT 聯手哈佛用 AI 篩出新抗生素：60 年來首個新類別，對付超級細菌
MIT 與哈佛等團隊在《Nature》發表研究，藉助可解釋性更強的深度學習模型，從 1200 萬種化合物中篩出能對抗耐藥超級細菌 MRSA 的全新抗生素類別。在小鼠實驗中，候選化合物將細菌載量降低了 10 倍且毒性極低，讓 60 年未見突破的抗生素研發打開了新缺口。
研究人員用 Transformer 預測壽命：基於丹麥 600 萬人資料
丹麥技術大學與美國東北大學等團隊公佈 life2vec 模型。它借鑑大語言模型思路，把 600 萬丹麥人的就醫、教育和收入經歷當成「句子」訓練，能高精度預測死亡風險與性格。最值得關注的是，研究團隊強調這隻能作為理解社會的透視鏡，絕不能用於預測現實中的真人。
MIT 與哈佛用 AI 發現新型抗生素：1200 萬化合物中篩出耐藥菌剋星
MIT 與哈佛 Broad 研究所團隊藉助 AI 篩選 1200 萬種化合物，發現了一類新型抗生素。小鼠實驗證實，其中兩種低毒性化合物能有效殺滅 MRSA 等耐藥超級細菌。這是 60 年來罕見的新抗生素類別突破，AI 還首次從化學結構層面解釋了藥效機制。
蘋果如何最佳化端側大模型：靠快閃記憶體突破記憶體限制，跑 2 倍大模型
Apple 發表論文《LLM in a flash》，展示如何將模型引數存放在快閃記憶體並按需調入 DRAM。藉助視窗化複用與行列捆綁技術，裝置能執行自身記憶體 2 倍大的模型，GPU 推理提速最高達 25 倍。這為端側生成式 AI 落地鋪平了道路。
OpenAI 設立 1000 萬美元資助：專攻超人類 AI 對齊難題
OpenAI 聯合 Eric Schmidt 設立 1000 萬美元的超級對齊快速資助計劃，支援超人類 AI 系統的安全研究。資助面向學術實驗室、非營利組織與個人，金額在 10 萬至 200 萬美元之間，還設 15 萬美元的研究生獎學金。重點資助從弱到強泛化與可解釋性等方向，不要求過往對齊經驗。
ChatGPT 也想放假？測試顯示 GPT-4 設在 12 月會偷懶變短
研究者測試發現，GPT-4-turbo 在系統提示詞被告知是 12 月時，生成的程式碼長度顯著短於設定為 5 月（4086 對比 4298 字元，p < 2.28e-07）。這為此前流傳的「AI 冬假假說」提供了統計支援，表明大模型可能學到了人類臨近節日想少幹活的習慣。
DeepMind 釋出 GNoME：一口氣預測 38 萬種穩定新材料
Google DeepMind 在《自然》發表新成果，其 AI 程式 GNoME 預測出 38 萬種潛在穩定的新晶體，直接把已知穩定材料庫擴大了近 10 倍。Berkeley 實驗室隨後用機器人成功合成了其中 41 種。不過模型程式碼暫不開源，實際商業化落地也還有漫長距離。
微軟評估 GPT-4 放射學能力：生成的報告摘要，有時比醫生寫的更好
微軟研究院與 Nuance 公佈關於 GPT-4 在放射學應用的研究。測試顯示，GPT-4 在疾病分類和報告摘要等任務上超越現有模型，生成的摘要在部分情況下甚至比資深醫生寫的更受歡迎，還能將非結構化影像報告自動結構化。不過研究團隊強調，臨床落地仍需人工嚴格把關。
SDSU 團隊開發 ALERTA-Net：融合宏觀與社交資料預測美股波動
南達科他州立大學團隊推出 AI 模型 ALERTA-Net，結合宏觀經濟、搜尋及社交資料預測股市走向與波動。對 41 支藍籌股的測試顯示，其表現優於 DP-LSTM 等基線模型。團隊表示後續還將嘗試加入音影片資料。
AI 靠平掃 CT 篩查胰臟癌：敏感度比放射科醫生高 34%
發表在《Nature Medicine》的研究展示了深度學習模型 PANDA。它打破了平掃 CT 無法篩查胰臟癌的傳統認知，敏感度比醫生平均高出 34.1%，特異度達 99.9%，讓普通體檢順帶排查「癌王」成為可能。
Meta 推出 Emu Edit 與 Emu Video：指哪改哪的影像編輯和四秒影片生成
Meta 公佈兩項基於 Emu 模型的 AI 研究成果：Emu Edit 和 Emu Video。Emu Edit 主打精確的文本指令影像修圖，只動指令相關的畫素；Emu Video 則用簡化的擴散模型架構生成 4 秒短影片。這項研究目前仍處於研發階段。
Google DeepMind 開源 GraphCast：1 分鐘算完 10 天全球天氣預報
Google DeepMind 在《Science》發表全球天氣預報模型 GraphCast。單臺 TPU 執行不到 1 分鐘即可生成 10 天預測，並在 90% 以上測試變數上超越行業標杆 HRES。模型程式碼現已開源，歐洲中期天氣預報中心已展開即時測試。
DeepMind 預告下代 AlphaFold：拓展至 DNA 與藥物小分子預測
Google DeepMind 披露下一代 AlphaFold 進展。新模型不再侷限於蛋白質，能以原子級精度預測配體、DNA 及 RNA 複合結構。它無需預設參考結構即可超越傳統對接方法，將直接加速靶向藥設計。
Klick Labs 研發聲音診斷 AI：聽 10 秒語音，測出 2 型糖尿病
加拿大 Klick Labs 等機構研發出一款 AI 模型，僅聽 6 至 10 秒人聲即可輔助篩查 2 型糖尿病。模型能識別人耳難以分辨的音高與音強微調，女性診斷準確率達 89%、男性達 86%。若技術落地，有望讓糖尿病篩查擺脫耗時的驗血流程。
佛羅里達大學用街景做建築安全體檢：數月排查縮短至幾小時
佛羅里達大學研究團隊藉助 NVIDIA DGX A100 與 Google 街景影像，開發出建築安全自動評估模型。災後需要耗時數月的人工排查被縮短至數小時，按 FEMA 標準評估準確率超 85%。目前該系統正在墨西哥等地的城市展開實測。
多校聯合推出 3D-GPT：輸入一句話，多智慧體聯動生成 3D 世界
來自澳大利亞國立大學、牛津大學和北京智源人工智慧研究院的研究團隊釋出了 3D-GPT 系統。它將任務拆解給任務排程、概念化及建模等多個 AI 智慧體，直接生成程式碼驅動 Blender 等軟體完成 3D 建模。雖然畫面尚未達到擬真級別，但有效簡化了繁瑣的傳統建模流程。
Meta 讀腦新突破：用腦磁圖即時重構眼睛看到的畫面
Meta 展示了一項 AI 系統，能通過非侵入式的腦磁圖（MEG）訊號每秒採集數千次腦電活動，即時重構出人眼看到的影像。該系統利用 DINOv2 視覺架構將腦訊號與影像特徵對齊。目前高層語義抓得很準，但細節方位仍有偏差。