Import AI 459：人工智能监管困难；蛋白质折叠模型的规模法则；以及AI系统灭绝风险的定价

欢迎阅读Import AI，这是一份关于AI研究的新闻通讯。本期刊登在arXiv上，依靠读者的反馈支持。如果您想支持我们，请订阅。

美国AI经济年增长2000%： 弗吉尼亚大学、Anthropic和加拿大银行的经济学家指出，美国新兴的“AI经济”增长迅速，但在GDP统计中几乎不可见。他们估计，2025年名义AI GDP约为2500亿美元，质量调整后实际年增长率约2600%。这种增长难以在传统统计中体现，部分原因是AI推理（使用AI系统）的贡献被价格下降所抵消。如果无法准确衡量，政策制定者可能对劳动力市场的冲击措手不及。

AI安全监管的复杂性： 英国AI安全研究所的研究表明，使用AI系统监督其他AI系统并非易事。错误可能更难被发现，因为优化压力、非人类错误、相关性研究和不可评估的论点等因素。他们建议通过测量、泛化研究和可扩展监督协议来改进。

GPIC数据集： 斯坦福大学等机构发布了GPIC数据集，包含1亿张许可图像，配有关键词。所有图像均允许研究和商业使用，经过安全过滤和去重，托管在Hugging Face上。

蛋白质预测模型： Biohub发布了ESMFold2，一个在蛋白质结构预测上超越AlphaFold3的模型。它基于28亿序列训练，并提供了ESM Atlas，覆盖68亿蛋白质序列和11亿预测结构。该工具已用于设计针对癌症靶点的蛋白质结合剂。

为何重要： 这些进展表明，AI技术正以超出传统统计的速度改变经济，同时带来监督挑战，但也在科学研究中提供巨大潜力。