AI News HubLIVE
公開文章 35採集文章 41可信度 84刷新頻率 60 分鐘
健康狀態 健康來源類型 研究原文權限 站內改寫最近入庫 2026-06-26ID mit-news-ai運行狀態 已啟用

Institutional news source; summary-only unless authorization is obtained.

最新公開文章

大衛·奧特爾被任命為經濟學系主任

自1999年任教於麻省理工學院的大衛·奧特爾被任命為經濟學系主任,將於7月1日生效。奧特是人工智慧與未來工作領域的領先研究者,他的研究聚焦於技術變革和全球化對勞動力市場的影響。

  • 大衛·奧特爾自1999年起在麻省理工學院任教,被任命為經濟學系主任。
  • 他是人工智慧與未來工作研究領域的領軍人物,關注技術變革對就業和收入的影響。
站內正文

大語言模型幫助機器人理解模糊指令並聚焦關鍵細節

麻省理工學院電腦科學與人工智慧實驗室(CSAIL)的研究人員提出了一種名為“掩蔽逆強化學習”(Masked IRL)的新方法,利用兩個大語言模型自動澄清使用者的模糊指令,並過濾無關資訊,從而減少機器人學習新任務所需的人工演示資料量。該方法在模擬和真實機器人實驗中表現出色,能更準確地理解使用者未明確表達的偏好,並安全地執行任務。

  • Masked IRL使用一個LLM來擴充套件模糊指令,另一個LLM忽略無關的環境細節。
  • 該方法將機器人所需演示資料量減少近五倍。
站內正文

提升 AI 代理的速度和能效

麻省理工學院和微軟的研究人員開發了一種名為 Murakkab 的系統,用於最佳化 AI 代理工作流的設計和部署。該系統讓開發者用自然語言描述意圖,自動選擇最佳模型、工具和硬體配置,並動態調整以滿足使用者對速度或成本的要求。測試顯示,與傳統方法相比,Murakkab 僅需約35%的計算資源、27%的能耗和不到25%的成本,同時保持效能。

  • Murakkab 自動最佳化多步驟 AI 工作流的配置,減少資源浪費。
  • 開發者用自然語言描述任務,系統動態選擇模型、工具和硬體。
站內正文

探索人工智慧的社會影響

麻省理工學院舉辦的“AI與社會論壇”上,多位專家探討了人工智慧對就業和民主的影響。經濟學家David Autor挑戰了AI將消滅工作的普遍觀點,而其他專家則討論了AI在工作場所的協作潛力、對民主過程的威脅以及積極的用例。

  • 經濟學家David Autor認為AI的影響取決於它如何改變人類專業知識的稀缺性和價值,可能會創造新的專業工作。
  • 專家小組討論強調,人類判斷在決策中仍然至關重要,AI應被視為協作工具而非替代品。
站內正文

新型晶片助力微型機器人穿越複雜環境

麻省理工學院研究人員結合高效演算法與專用硬體,開發出一款低功耗晶片,使微型無人機等裝置僅用約6毫瓦功耗即可即時構建3D地圖並規劃安全路徑。

  • 晶片採用橢球體高斯模型替代傳統體素,大幅降低記憶體佔用。
  • 演算法一次性掃描深度影像,無需儲存完整影像。
站內正文

更精確地模擬金屬合金行為的新方法

MIT研究人員開發了一種基於機器學習的建模方法,透過最佳化訓練資料集來捕捉化學無序材料中的原子環境多樣性,從而更準確地預測金屬合金的性質,並有望加速新材料的設計。

  • MIT團隊透過資訊理論方法最佳化訓練資料,使機器學習模型能夠捕捉無序合金中多樣的區域性化學環境。
  • 該方法比傳統暴力計算方法更高效,預測準確性超過谷歌和微軟等公司的大型模型。
站內正文

MIT在媒體中:對於科技的未來,“馬薩諸塞州絕對可以引領”

《波士頓環球報》2026年“科技強人”榜單中,八位MIT成員入選。文章探討了MIT在人工智慧、創業、能源和量子技術等領域的領導力,強調馬薩諸塞州在科技創新中的核心地位。

  • 八位MIT成員入選《波士頓環球報》2026年“科技強人”榜單。
  • MIT透過AI課程、創業支援及'宿舍到初創'計劃推動創新。
站內正文

博弈論中的通才有時勝過專才

研究人員表明,對於某些型別的博弈,一類被忽視的演算法效能遠超預期。

  • 策略梯度方法作為一種通用演算法,在不完全資訊博弈中超越了專門的博弈論演算法。
  • MIT研究人員開發了一個基準測試,透過衡量“可剝削性”來公平評估不同演算法。
站內正文

AI能告訴你鑰匙放在哪嗎?

麻省理工學院研究人員開發了一種新的長期記憶框架DAAAM,該框架結合了豐富的物件描述和3D地圖,使機器人能夠快速形成和回憶詳細的空間記憶,並用自然語言回答複雜問題。這項技術的準確性比現有方法高21%至53%,可應用於機器人、增強現實等領域。

  • MIT團隊提出DAAAM框架,將計算機視覺與機器人建圖結合,構建空間記憶系統。
  • 機器人可即時記錄所見物件的詳細描述,並基於空間位置組織記憶。
站內正文

預測人們偏好時,考慮“三的力量”會更有價值

麻省理工學院的研究人員對近一個世紀曆史的隨機效用模型進行了重大升級。他們發現,傳統的兩兩比較方法無法捕捉選擇之間的相關性,而透過讓人們從三個選項中排序,可以更準確地預測偏好。這項研究對網際網路經濟、AI模型對齊等領域具有重要意義。

  • 隨機效用模型(RUM)自1927年提出後,一直使用兩兩比較來評估偏好,但無法捕捉選項間的相關性。
  • MIT團隊證明,透過讓大量使用者對三個選項進行排序,可以揭示相關性,從而更準確地估計偏好。
站內正文

MIT學生及準研究生榮獲2026年赫茲基金會獎學金

赫茲基金會宣佈向三位MIT在讀學生及一位即將入學的研究生頒發2026年獎學金。該獎學金提供五年全額學費及津貼,並賦予學者從事前沿研究的自主權。四位獲獎者分別來自機械工程、無機化學、電腦科學與人工智慧、以及運籌學領域,展示了跨學科創新潛力。

  • 赫茲基金會向四位與MIT相關的學生頒發2026年獎學金。
  • 獎學金提供五年經濟支援及終身網路資源。
站內正文

依賴人工智慧獲取準確新聞的後果

麻省理工學院媒體實驗室的一項新研究表明,就像GPS削弱了我們的導航能力一樣,依賴人工智慧驗證新聞會導致使用者獨自檢測虛假資訊的能力下降。研究追蹤了67名參與者四周,發現使用AI時檢測準確率提高21%,但移除AI後,未輔助的準確率下降了15個百分點。研究強調了“AI依賴性悖論”,並建議AI應作為教練而非柺杖,透過蘇格拉底式提問促進主動學習。

  • MIT媒體實驗室研究發現,依賴AI驗證事實會使使用者在無輔助時檢測虛假資訊的能力下降15個百分點。
  • 參與者在使用AI時檢測準確率提高21%,但產生了認知解除安裝和技能退化。
站內正文

計算與人工智慧中至關重要的人的因素

MIT施瓦茨曼計算機學院的社會與倫理責任計算倡議(SERC)舉辦了年度研究研討會,探討AI如何塑造世界及其社會影響。研討會涵蓋AI對齊、AI教育等主題,強調在快速發展技術中保留人類判斷和價值的重要性。

  • 研討會聚焦AI對齊挑戰,討論如何將人類價值植入AI系統,以及誰有權治理這些系統。
  • 在教育領域,專家指出AI可能削弱學生的認知掙扎過程,呼籲重新設計課程以保持挑戰性。
站內正文

PATH計劃:推動人工智慧培訓與職業機會,助力行業對接崗位

麻省理工學院與佐治亞州立大學宣佈PATH計劃,透過行業對接課程、實踐學習和州立中心,擴大人工智慧培訓和職業通道,重點關注社群學院轉型,打造全國AI人才隊伍。

  • PATH計劃由MIT RAISE與佐治亞州立大學合作,構建以研究型大學和社群學院為核心的州立中心。
  • 強調面對面協作學習,學生透過行業真實專案鍛鍊技術和軟技能。
站內正文

透過玩“戰艦”遊戲教AI智慧體提出更好的問題

MIT研究人員利用經典遊戲作為測試平臺,發現小型AI模型僅需1%的成本就能超越最大型模型。

  • MIT和哈佛研究人員透過“戰艦”遊戲測試AI語言模型的資訊獲取能力。
  • 採用蒙特卡洛推斷策略後,小型模型Llama 4 Scout戰勝人類的勝率從8%提升至82%。
站內正文

託德·馬喬弗獲得喬治·皮博迪獎章以表彰其對音樂和技術的貢獻

麻省理工學院媒體藝術與科學教授託德·馬喬弗榮獲約翰斯·霍普金斯大學皮博迪學院頒發的喬治·皮博迪獎章,這是該學院的最高榮譽。馬喬弗因其在參與式歌劇、人工智慧和創意技術方面的開創性工作而受到表彰。

  • 託德·馬喬弗,麻省理工學院媒體實驗室教授,獲得喬治·皮博迪獎章。
  • 該獎章是皮博迪學院的最高榮譽,此前獲獎者包括史蒂夫·旺德、馬友友等。
站內正文

MIT研究人員教會AI模型解讀圖表

MIT和MIT-IBM計算研究實驗室的研究人員開發了ChartNet資料集,包含超過一百萬張多樣化圖表,用於訓練視覺語言模型。該資料集使小型開源模型在圖表理解任務上超越大型商業模型,有望幫助預算有限的小型企業更有效地利用AI。

  • ChartNet資料集包含超過一百萬張圖表,涵蓋視覺、語言和數值資訊。
  • 使用該資料集訓練的小型開源模型在資料提取和圖表總結上優於大型商業模型。
站內正文

媒體通報:麻省理工學院將建立區域性量子中心

麻省理工學院與馬薩諸塞州宣佈計劃建立量子系統實驗室(QSL),獲得州政府2500萬美元投資,為全州研究人員提供共享量子工具箱,加速量子研究、創新和增長。

  • 麻省理工學院與馬薩諸塞州合作建立量子系統實驗室(QSL),投資2500萬美元
  • QSL將成為全球首個集量子計算機、感測器和互連裝置於一體的共享設施
站內正文

技術通常為年輕技能型工人創造就業。人工智慧也會如此嗎?

MIT經濟學家David Autor領導的一項新研究分析了二戰後美國就業資料,發現新技術創造的新工作主要由受過高等教育的年輕人在城市環境中獲得。研究還顯示,政府需求驅動的創新(如二戰期間的製造業擴張)是新型專業工作的重要來源。這為當前AI對就業的影響提供了歷史視角,但Autor認為現在判斷AI的影響還為時過早。

  • 新工作傾向於由30歲以下的大學生、城市居民獲得。
  • 政府需求驅動的創新(如二戰製造業)創造了大量新專業工作。
站內正文

構建理解化學原理的AI模型

麻省理工學院副教授Connor Coley將化學與機器學習相結合,加速藥物發現,並開發出融入化學直覺的AI模型。

  • Coley的研究利用AI篩選數十億種潛在藥物化合物,並設計新分子。
  • ShEPhERD等模型根據藥物分子與靶蛋白的三維相互作用來評估候選藥物。
站內正文

賈斯汀·所羅門被任命為工程教育副院長

麻省理工學院電氣工程與電腦科學系副教授賈斯汀·所羅門被任命為工程學院工程教育副院長,自7月1日起生效。他將專注於推動工程教育的創新,特別是在人工智慧整合和體驗式學習方面。

  • 所羅門將主導工程教育的創新,重點關注AI融入課程和新型教學模式。
  • 他將促進跨學科教學和行業合作,包括擴充套件實習和產業參與學習機會。
站內正文

兩位MIT學生榮獲2026年奈特-亨尼斯獎學金

MIT碩士生Sunshine Jiang和Rupert Li獲得2026年奈特-亨尼斯獎學金。該獎學金資助在斯坦福大學的研究生學習,今年是第九屆。Jiang研究 embodied AI 和機器人,Li專注機率、離散幾何和組合數學。

  • MIT碩士生Sunshine Jiang和Rupert Li獲2026年奈特-亨尼斯獎學金
  • Sunshine Jiang從MIT雙專業畢業,將攻讀斯坦福電腦科學博士
站內正文

通用人工智慧:“一條通往AI素養的路徑,對任何人、任何地方都開放且易於接近”

麻省理工學院開放學習推出Universal AI,一個線上自定進度的模組化AI教育專案,包含從基礎到行業應用的課程,首個課程免費開放。專案藉助AI個性化學習助手AskTIM,旨在為全球非技術背景的學習者提供可及的AI教育。

  • MIT開放學習釋出Universal AI專案,提供從基礎到行業應用的模組化線上課程。
  • 首個課程《程式設計與機器學習基礎》免費向全球學習者開放。
站內正文

問答:透過普及學習擴大麻省理工學院的全球影響力

麻省理工學院開放學習推出“普及學習”新計劃,旨在透過跨學科思維和AI輔助教學,為全球學習者應對複雜挑戰提供教育機會。

  • 普及學習是麻省理工學院開放學習的新計劃,結合MIT教師專長和25年線上教育經驗。
  • 首門課程“普及AI”今日上線,未來將涵蓋氣候、能源、生物、醫療和製造等領域。
站內正文

人與機器的博弈:解開戰略推理以推動AI發展

麻省理工學院助理教授Gabriele Farina利用博弈論、機器學習和最佳化技術,研究複雜多智慧體場景中的決策基礎。他開發了能擊敗人類頂級玩家的戰略遊戲AI,並以低成本實現突破。

  • Farina從小對機器超越人類決策能力著迷,16歲編寫程式碼解決棋類遊戲。
  • 他結合博弈論與機器學習,開發了能談判和虛張聲勢的AI Cicero。
站內正文

透過語言提升理解

麻省理工學院大四學生奧莉維亞·霍尼卡特研究語言如何塑造世界觀。她主修計算與認知及語言學,探索語言習得、大型語言模型(LLM)與大腦處理資訊的差異,並關注教育政策與語言多樣性。她的經歷包括在南非和蘇格蘭的MISTI專案,以及計劃未來從事法律與政策研究,以改善教育公平。

  • 奧莉維亞·霍尼卡特是麻省理工學院計算與認知及語言學雙專業學生。
  • 她的研究聚焦語言如何影響思維、語言習得、LLM與人類語言處理的差異。
站內正文

Beacon Biosignals:在睡眠中繪製大腦圖譜

由Jake Donoghue博士(2019年畢業)和前MIT研究員Jarrett Revels創立的Beacon Biosignals,開發了一款輕量級EEG頭帶,可在家庭睡眠中監測大腦活動,透過AI分析幫助診斷和治療神經系統疾病。

  • Beacon開發了一款可在家庭睡眠中記錄腦電波的頭帶裝置。
  • 機器學習演算法處理資料,監測疾病進展和治療效果。
站內正文

為好奇心驅動的科學辯護

MIT校長莎莉·科恩布魯斯在Slate播客中強調好奇心驅動的科學的重要性,指出基礎研究資金緊張對美國科研生態系統的威脅,並探討了AI教育、國際人才競爭等議題。

  • 科恩布魯斯指出基礎科學是美國未來的關鍵,資金壓力正威脅科研管道。
  • 她強調大學在培養下一代科研人才中的獨特作用,資金削減將產生長遠影響。
站內正文

解決“打地鼠困境”:一種更聰明的AI視覺模型去偏方法

MIT、伍斯特理工學院和谷歌的研究人員提出了一種名為WRING的新型去偏技術,能夠在不引入或放大其他偏見的情況下,有效減少視覺語言模型中的特定偏見,解決了現有投影去偏方法導致的“打地鼠困境”。

  • WRING是一種後處理去偏方法,透過旋轉高維空間中的座標來消除特定概念上的偏見,同時保持模型其他關係不變。
  • 現有投影去偏方法雖然能移除偏見,但會無意中放大或創造新偏見,即“打地鼠困境”。
站內正文

全部來源