Import AI 459：人工智慧監管困難；蛋白質摺疊模型的規模法則；以及AI系統滅絕風險的定價

歡迎閱讀Import AI，這是一份關於AI研究的新聞通訊。本期刊登在arXiv上，依靠讀者的反饋支援。如果您想支援我們，請訂閱。

美國AI經濟年增長2000%： 弗吉尼亞大學、Anthropic和加拿大銀行的經濟學家指出，美國新興的“AI經濟”增長迅速，但在GDP統計中幾乎不可見。他們估計，2025年名義AI GDP約為2500億美元，質量調整後實際年增長率約2600%。這種增長難以在傳統統計中體現，部分原因是AI推理（使用AI系統）的貢獻被價格下降所抵消。如果無法準確衡量，政策制定者可能對勞動力市場的衝擊措手不及。

AI安全監管的複雜性： 英國AI安全研究所的研究表明，使用AI系統監督其他AI系統並非易事。錯誤可能更難被發現，因為最佳化壓力、非人類錯誤、相關性研究和不可評估的論點等因素。他們建議透過測量、泛化研究和可擴充套件監督協議來改進。

GPIC資料集： 斯坦福大學等機構釋出了GPIC資料集，包含1億張許可影像，配有關鍵詞。所有影像均允許研究和商業使用，經過安全過濾和去重，託管在Hugging Face上。

蛋白質預測模型： Biohub釋出了ESMFold2，一個在蛋白質結構預測上超越AlphaFold3的模型。它基於28億序列訓練，並提供了ESM Atlas，覆蓋68億蛋白質序列和11億預測結構。該工具已用於設計針對癌症靶點的蛋白質結合劑。

為何重要： 這些進展表明，AI技術正以超出傳統統計的速度改變經濟，同時帶來監督挑戰，但也在科學研究中提供巨大潛力。