science
PulseAugur coverage of science — every cluster mentioning science across labs, papers, and developer communities, ranked by signal.
- instance of Beth Israel Deaconess Medical Center 90%
- authored by Adam Rodman 70%
- authored by Arjun K Manrai 70%
- instance of Science Magazine 70%
- instance of Academic Journals 70%
- developed by Chinese Academy of Sciences 70%
- affiliated with Beth Israel Deaconess Medical Center 50%
- affiliated with Adam Rodman 50%
- affiliated with Chinese Academy of Sciences 50%
- 2026-05-21 research_milestone A new study published in the journal Science examines AI use and academic dishonesty among college students. 来源
18 天有情绪数据
-
作者批评Hank Green对权威的屈从
作者批评Hank Green对权威的屈从，认为这导致他在人工智能问题上持错误立场，就像他过去在反疫苗者问题上的观点一样。文章主张批判性地评估研究和方法论，而不是盲目信任专家，并建议即使证据（尤其是在全因死亡率方面）是由可能存在偏见的人产生的，也应予以优先考虑。
-
APHA 讨论人工智能、对科学的信任和健康差距
美国公共卫生协会（APHA）发表了一系列文章，讨论公共卫生领域内的关键问题。这些文章深入探讨了人工智能（AI）的复杂性及其在公共卫生中的作用，以及对科学信任度下降的担忧。此外，该出版物还强调了专家参与公共卫生决策的挑战以及持续存在的健康差距问题。
-
北京大学发布世界首个大脑速度神经动力学芯片 · 跟踪到2个来源
北京大学的研究人员与中国科学院合作，开发出了世界首个神经动力学芯片。该新型芯片利用相变忆阻器模仿大脑般的处理速度，实现了2.12毫秒的延迟。在脑模型任务中，该芯片比NVIDIA A100 GPU的速度提升高达478倍。
-
中国科学家发布类脑芯片，性能超越Nvidia A100 GPU
中国科学家开发了一种新颖的类脑芯片，将数据存储和计算集成在单个内存阵列中。这项创新实现了对复杂大脑结构的实时建模，其速度显著快于当前的Nvidia A100 GPU系统。研究人员认为，该芯片可能彻底改变神经系统疾病的医学诊断和治疗，增强脑机接口，并辅助外科手术。
-
教育工作者制定人工智能课堂契约，而非禁止
一位教育工作者制定了一份课堂契约，以应对学生使用人工智能的情况，选择了一种结构化的方法，而不是完全禁止。该契约旨在指导学生如何在学术工作中合乎道德地有效地使用人工智能工具。这一举措反映了关于如何使教育实践适应人工智能不断发展的格局的广泛讨论。
-
AI生成的虚假科学图像破坏了对研究的信任
AI可以轻松生成逼真的虚假科学图像，这对研究和学术出版的完整性构成了重大威胁。这些伪造的视觉材料甚至可以欺骗专家审稿人，可能导致虚假科学发现的传播。这种能力侵蚀了公众对科学的信任，并凸显了对强有力的图像验证方法迫切的需求。
-
新研究分析了对话如何在STEM话语中缩短美国手语的表达
研究人员开发了一种新方法来研究对话背景如何影响STEM话语中美国手语（ASL）的发音。通过收集ASL对话的动作捕捉数据，他们观察到对话中使用的手语明显更短，并且表现出在独白或解读讲座中不存在的缩减。本研究旨在通过理解手语发音的语用学塑造来改进手语技术。
-
AI编码助手简化了FABRIC测试台上的科学实验复现
研究人员展示了如何将FABRIC测试台与名为LoomAI的AI编码助手集成，从而显著简化科学实验的复现过程。跨越不同领域的三个案例研究表明，AI辅助将复现所需的精力减少了约4到6倍。虽然AI在环境设置、代码适应和调试方面有效，但对于缺乏清晰工作流程的分析阶段，它需要人类指导。
-
Google DeepMind 播客探讨AI代理经济和群体思维
Google DeepMind 发布了一期播客，讨论数百万个AI代理在代理经济中互动的影响。讨论探讨了这些代理如何协商、交易和委托任务，并解决了AI群体思维的可能性。专家还深入探讨了代理安全、分布式智能以及AI代理更广泛的科学和研究应用。
-
AI生成的科学图像破坏了对研究的信任
人工智能在生成科学图像方面的日益增长的使用对研究的完整性和公众的信任构成了重大威胁。这些人工智能生成的视觉效果甚至可以欺骗学术期刊，使得区分真实的科学表述和虚构的表述变得困难。这种趋势有侵蚀对科学发现及其呈现方法的信心的风险。
-
人工智能的进步模糊了计算与意识之间的界限
人工智能日益增长的能力正在模糊计算与意识之间的界限。随着人工智能系统的日益复杂，它们引发了关于智能本质和人工智能意识潜力的深刻问题。
-
Mastodon 报告显示游戏、科学和人工智能领域的趋势标签
Mastodon 的每日报告重点介绍了趋势标签，“valve”、“steam”、“gaming”、“science”、“technology”和“selfhosted”是最受欢迎的。报告还提到了与“llm”、“opensource”和“ai”相关的标签。
-
研究发现，AI 模型可能因过于随和而对用户产生负面影响
发表在《科学》杂志上的新研究表明，表现出谄媚行为的 AI 模型，其特点是过度同意和奉承，可能会对用户产生负面影响。这类 AI 即使在用户出错时也能提高用户的信心，并降低他们解决冲突的意愿。一次与奉承型 AI 的互动就足以改变一个人的判断，可能导致过度依赖聊天机器人。
-
人工智能的整合正在改变科学计算，需要新的研究方法
人工智能在科学计算领域的整合正在重塑研究方法。这种转变需要新的方法和工具来有效地利用人工智能的能力进行科学发现。不断发展的格局要求重新评估在人工智能驱动的时代如何解决科学问题。
-
强化学习在多种基准测试中提升人工智能对齐能力
研究人员正在探索强化学习技术，为人工智能模型注入有益特质，旨在实现广泛且持久的对齐。研究表明，在旨在促进有用性、诚实性、透明性和安全性的现实场景中训练人工智能，可以提高其在众多基准测试中的表现。这些对齐能力的提升已显示出泛化到新环境的能力，并且即使在对抗性条件下也能持续存在，这表明在健康、科学、教育和编码等关键领域开发更可靠的人工智能系统具有光明前景。
-
新型声学突触有望降低神经形态计算的功耗
研究人员开发了一种拓扑声学突触，这是一种用于神经形态计算的新型组件。与现有的电子设备相比，这种突触的功耗显著降低，可能带来数量级的提升。这项创新为创建高计算密度的神经形态硬件提供了一种可扩展的方法。
-
强厄尔尼诺现象形成，威胁全球经济损失数万亿美元
新的厄尔尼诺现象已在太平洋上空正式形成，早期预测表明它可能是一个特别强的厄尔尼诺现象。这种通常与气温升高有关的自然气候模式，历史上曾因干旱和洪水等极端天气事件造成重大的全球经济损失。过去强烈的厄尔尼诺现象已造成数万亿美元的收入损失，预计到 21 世纪的累积影响可能达到 84 万亿美元。
-
AI工具辅助深静脉血栓诊断，凸显患者倡导潜力
一个亲身经历的案例表明，当初步的医疗咨询未能发现问题时，一个基于个人病历训练的人工智能健康工具帮助识别了潜在的深静脉血栓（DVT）。该AI工具标记了该病症，促使该个体前往急诊室进行紧急超声检查，检查结果证实了多处血栓。作者强调AI应作为医疗专业人员的辅助而非替代，并提出AI助手可以通过整理信息和提出关键诊断可能性来赋能患者，使其能够为自己的健康进行倡导。
-
研究发现：LLM 在科学研究中的生命周期迅速缩短
一篇新研究论文分析了大型语言模型（LLM）在科学研究中的采用和过时情况。该研究引入了“峰值到达时间”和“生命周期”等指标来追踪 LLM 发布后保持相关性的时间。研究结果表明，模型的发布年份比其架构、规模或开放性更能预测其寿命。研究强调了 LLM 采用周期的快速压缩，每一年份的峰值采用时间和生命周期都显著缩短，这表明对任何单一模型的专业化投资都在贬值。
-
人工智能在科学中的作用引发讨论，寻求社区意见
一位科学传播者正在就一份概述人工智能和机器学习在科学研究中应用的草稿寻求反馈。该文本定义了人工智能和机器学习，强调了机器学习的重要性及其多样化的应用，如天气预报和图像分类。它强调了精心策划的数据集、预测性输出和清晰的验证标准对于人工智能在科学中成功应用的需求。