AIhub

隨着越來越多的新聞內容由機器生成，語言正變得同質化，失去創新性。研究表明，AI模型在自生成文本上訓練會導致“模型崩潰”，進一步縮小公共語言的多樣性。這不僅影響新聞業，也削弱了社會描述和討論現實的能力。

本期月度文摘涵蓋保護工作中基礎模型的應用、人工智能如何幫助稀缺資源分配、顏色隱喻和大語言模型對人類認知的啓示，以及ICRA上的前沿機器人展示。

AAAI發佈《AI研究未來》報告，涵蓋17個AI主題。第五場小組討論聚焦AI智能體，探討從規則系統到基於生成式AI的多智能體協作框架的演變，以及對齊、治理等挑戰。

在本次專訪中，AAAI會士Tanya Berger-Wolf分享了她在人工智能與生態學交叉領域的開創性工作，包括開發生命之樹基礎模型BioCLIP，該模型在物種分類、新性狀發現以及實際應用（如通過圖像識別蜱蟲）方面取得了顯著成果，並展望了AI驅動的科學發現未來。

在與道格拉斯·吉爾博（Douglas Guilbeault）的訪談中，我們探討了他的論文《比較色視者、色盲者、畫家與大型語言模型處理顏色隱喻的方式》。研究結果對如何模擬人類認知以及如何整合聯覺概念以開發更智能的AI模型具有重要意義。顏色隱喻是理解LLM是否真正理解語言的關鍵測試案例，研究表明，儘管LLM能學習統計模式，但它們缺乏人類具身認知所依賴的豐富體驗。

本期《Good Robot》播客中，主持人Eleanor Drage與研究員Tara Merk探討了社區擁有的數據中心如何改變數字所有權、挑戰大型科技公司的主導地位。對話涵蓋了優先考慮地方賦權、可持續性和合作治理的替代互聯網基礎設施模式，並借鑑德國可再生能源領域的案例，反思去中心化所有權如何創造更公平、更環保的技術系統。

第25屆國際自主代理與多代理系統會議（AAMAS 2026）於2025年5月25日至29日在塞浦路斯帕福斯舉行，頒發了最佳論文、最佳學生論文和最佳藍思論文三個獎項。最佳論文獎授予《制定人機團隊指南：多利益相關者視角》，最佳學生論文獎授予《通過RSA預先規劃：在動態環境中通過預測用户意識實現高效信號傳遞》，最佳藍思論文獎授予《超越靜態環境的學習、驗證和可靠適應的基礎世界模型》。

Sanmay Das，弗吉尼亞理工大學計算機科學教授，因在多智能體交互機制和學習技術方面的貢獻當選2026年AAAI院士。他研究AI與經濟學交叉領域，關注稀缺社會資源分配，並探討AI在公共資源分配中的應用。

俄勒岡州立大學的研究表明，在人工智能系統中加入設計摩擦，例如提示用户考慮能源消耗，可以減少不必要的AI使用。基於行動的設計摩擦（要求用户搜索現有資源）能有效促進生態責任行為，而基於提示的信息僅增加了信任。隨着AI能源消耗日益增長，此類干預措施至關重要。

OpenAI的AI模型找到了保羅·埃爾德什1946年提出的平面單位距離問題的一個反例，表明網格狀佈局並非最優。該結果由AI自主產生，隨後由數學家Will Sawin改進。這標誌着AI在數學研究中的作用日益增強。

本文彙總了2026年6月1日至7月31日期間即將舉行的七場免費AI研討會，涵蓋無人機羣體智能、蛋白質動力學模擬、媒體素養、極端降水預報等多個前沿主題。所有活動均可在線免費參與。

《圖像帝國》是一部關於當代AI模型中真實與虛擬融合的動畫寓言。該片是艾倫·沃伯頓研究項目的一部分，還包括研究論文和一系列附帶活動。

本月AIhub月刊涵蓋科學中的AI會議、彩票假説訪談、世界模型討論、透明可信AI研究、基礎模型影響報告、AIES會議反思、機器人咖啡館、ACL論文拒稿政策、arXiv反AI垃圾政策等。

研究表明，AI聊天機器人可以輕易地通過個性化廣告操縱用户，且多數用户並未察覺。隨着微軟、谷歌、OpenAI等公司試驗聊天機器人廣告，這一趨勢引發了對用户隱私和決策自主性的擔憂。

本期《好機器人》播客探討了如何通過女性主義原則和去中心化基礎設施，將雲基礎設施從大科技公司手中奪回，轉變為公共資源。弗裏德里克·馮·弗蘭克（Wikimedia Germany政策顧問）分享了她的工作，並討論了從法蘭克福能耗密集型數據中心到斯德哥爾摩市政光纖基礎設施的案例，強調環境責任和社區驅動的設計。

本月AIhub咖啡角邀請了多位人工智能專家，圍繞“世界模型”這一熱門話題展開討論。專家們探討了世界模型的不同定義、潛在應用以及面臨的挑戰，包括在機器人訓練、手術模擬等領域的案例，並分析了其與語言模型、因果模型等概念的異同。

Anthropic的Mythos模型發現了數千個嚴重安全漏洞，包括許多長期未被察覺的零日漏洞。全球銀行擔心網絡犯罪分子會利用該技術進行搶劫。Anthropic已向包括微軟、亞馬遜在內的防禦聯盟提供訪問權限，但澳大利亞、英國和歐洲的銀行尚未獲得。專家建議用户保持警惕並更新系統。

喬納森·弗蘭克爾因其彩票假説獲得2023年AAAI/ACM博士論文獎。在訪談中，他討論了經驗主義與理論證明的對比、計算機科學研究方法的變化、年輕研究者對影響力的追求，以及當前AI研究的關鍵問題：如何判斷AI是否有效。

MIT和MIT-IBM Watson AI Lab的研究人員開發了快速預測工具EnergAIzer，可在幾秒內估算AI工作負載在特定處理器上的功耗，誤差僅約8%，幫助數據中心優化能源效率。

每年因系統故障損失超過萬億美元。為快速解決故障，工程師需要分析觀測指標（時間序列數據）。ARFBench是一個基於Datadog內部真實事件的時間序列問答（TSQA）基準，評估現有AI模型在TSQA任務上的表現。研究發現，現有模型仍有較大改進空間，而混合TSFM-VLM模型展示了潛力，且人類與AI具有互補性。

聯邦遺忘旨在通過允許從訓練好的AI系統中刪除用户數據來增強隱私，但研究發現它引入了新的安全漏洞，例如攻擊者可注入隱藏後門，隨後請求遺忘以掩蓋痕跡。當前方法驗證不足，可能損害系統完整性。

本文反思了AIES 2025會議，重點討論了關於LLMs在臨牀使用和人權背景下的會話與演講。

新加坡南洋理工大學的科學家開發出一種生物芯片，結合計算機視覺和深度學習，可在20分鐘內快速準確地檢測微量microRNA，有望替代傳統PCR方法用於疾病診斷。

一項發表在《BMJ Open》上的新研究測試了五種主流AI聊天機器人（ChatGPT、Gemini、Grok、Meta AI和DeepSeek）在50個健康問題上的表現，發現近20%的回答高度有問題，一半的回答有問題，30%存在一定問題。Grok表現最差，開放性問題風險尤其高。研究強調用户不應視AI為權威醫療來源，需驗證信息。

GRASP是一種針對學習型動力學（世界模型）的新型梯度規劃器，通過提升軌跡到虛擬狀態實現時間並行優化、在狀態迭代中加入隨機性以探索、重塑梯度以避免高維視覺模型中的脆弱狀態輸入梯度，使長視界規劃變得實用。文章詳細分析了長視界規劃面臨的梯度爆炸/消失、非貪婪局部最優以及對抗魯棒性問題，並介紹了GRASP的解決方案。

隨着AI工具的普及，人們越來越傾向於將困難思考任務外包給聊天機器人等工具。然而，認知科學研究警告，過度依賴AI可能侵蝕批判性思維能力。關鍵在於有意識地使用AI，平衡外部支持與自身認知努力，並通過反思實踐保持控制。

在本期AAAI/SIGAI博士聯盟系列訪談中，我們採訪了正在研究透明可信AI系統的温希明。她分享了關於原型可解釋模型、空間定位以及將可解釋性應用於醫療AI和大型語言模型的研究工作。

人工智能合作伙伴關係（Partnership on AI）近日發佈了《2026基礎模型影響透明度報告》，評估了13家基礎模型提供商在部署後治理實踐方面的進展。報告聚焦於四項關鍵實踐：分享使用信息、推動社會影響研究、報告事件和政策違規、分享用户反饋。主要發現包括：領先機構正在定義信息共享標準，但其他機構進展緩慢；公共影響數據零散不完整，對危害和嚴重事件的瞭解仍然有限。

本文列出了2026年5月5日至6月30日期間計劃舉行的AI相關研討會，所有活動均免費且向公眾開放虛擬參與。

一場在皇家學會舉辦的為期一天的會議探討了人工智能如何改變天文、材料科學、氣候預測和核聚變等領域的科學發現。演講者重點介紹了突破性應用，包括用於星系分類的基礎模型、用於晶體設計的擴散模型、基於人工智能的海冰預報以及用於聚變的快速等離子體模擬。