Rekenaarwetenskap
'n Taal wat nie die manier beïnvloed waarop jy oor programmering dink nie, is nie die moeite werd om te ken nie.
— (1982)
Ervare ontwikkelaars het vinniger gevoel met KI terwyl hulle meetbaar stadiger gewerk het — die werklike bevinding, en die uitspraak oor KI-kodering wat dit nie is nie
'n Gerandomiseerde gekontroleerde proef van METR het sestien ervare oopbron-ontwikkelaars 246 werklike take laat voltooi op kodebasisse wat hulle goed geken het, met KI-gereedskap van vroeg 2025 (Cursor Pro plus Claude 3.5/3.7 Sonnet) toegelaat op 'n lukraak gekose helfte. Hulle het verwag KI sou hulle taaktyd met sowat 24% verkort; in plaas daarvan het dit die tyd met 19% verhoog — en agterna het hulle steeds geglo hulle was sowat 20% vinniger. Daardie persepsiegaping is die skerp, robuuste kern van die studie. Maar dit is sestien ontwikkelaars, een nou opset en 'n vaste momentopname van vroeg 2025: die outeurs is uitdruklik daaroor dat die resultaat nie na die meeste ontwikkelaars veralgemeen kan word nie — of KI hulle help, bly oop — en hulle eie opvolg van 2026 wys reeds in die rigting van 'n versnelling, met sy eie voorbehoude.
’n Kriptografiese bewys kan sy geheim verberg deur die ontbrekende simulator moeilik bewysbaar te maak
Nulkennisbewyse laat iemand ’n stelling bewys sonder om die getuie te onthul. Klassieke teorie sê dat jy dit, in die volle sin, nie met een boodskap, geen vertroude opstelling en perfekte geldigheid kan hê nie. Rahul Ilango se artikel laat dié onmoontlikheid nie verdwyn nie. Dit verander die teiken: in plaas daarvan om te vereis dat ’n simulator werklik bestaan, vereis dit dat geen gekose bewysstelsel doeltreffend kan bewys dat die simulator nie bestaan nie. Onder groot aannames uit bewyskompleksiteit en kriptografie is dit genoeg om falsifiseerbare, spelgebaseerde gevolge van nulkennis eienskap vir eienskap terug te kry. Die punt is nie ’n inpropbare internetprimitief nie. Dit is ’n bewysteoretiese manier om wiskundige onbewysbaarheid in kriptografiese dekking te verander.
’n Mediese KI kan gemiddeld privaat wees en steeds spesifieke pasiënte blootstel — veral die onderverteenwoordigdes
’n Mediese-KI-model wat “privaatheidsbewarend” genoem word, berus gewoonlik op een gemiddelde getal. Hierdie studie voer aan dat dit die verkeerde toets is. Die outeurs het lidmaatskap-afleidingsaanvalle bestudeer — aanvalle wat verklap of ’n spesifieke persoon se rekord in ’n model se opleidingsdata was en dus kan verklap dat hulle ’n bepaalde siekte gehad het — en risiko per pasiënt eerder as in die geheel gemeet, oor sewe mediese datastelle (beeldvorming, EKG, elektroniese rekords) en baie modelle elk. Die patroon: modelle wat gemiddeld veilig lyk, kan ’n aanvaller steeds toelaat om spesifieke individue byna perfek te identifiseer (aanval-AUC ≥ 0,95); die blootgesteldes kom sistematies uit onderverteenwoordigde groepe (etniese minderhede, seldsame siekte, ongewone beeldvorming); en dit word erger namate modelle groei. Die outeurs sê nie mediese KI moet laat vaar word nie — hulle sê meet privaatheid per pasiënt, beheer modeltoegang en gebruik differensiële privaatheid. Die ongemaklike kern: “gemiddeld privaat” is nie ’n privaatheidswaarborg nie, en dit faal die pasiënte wat reeds die minste beskerm is.
Om 'n teken-KI te leer om na die bladsy te kyk
Taalmodelle wat vektorgrafika genereer, doen dit blind — hulle skryf die tekenopdragte uit sonder om die resultaat ooit te sien. 'n Nuwe metode laat die model toekyk hoe sy eie doek invul, haal vir haal, en die eerlike kinkel is dat om dit bloot oë te gee sake vererger: dit moet herafgerig word om hulle te gebruik. Die beloning is 'n model wat mededingers wat op tot twintig keer meer data afgerig is, ewenaar of net-net verbysteek — 'n egte, versigtige resultaat op een maatstaf, nie 'n revolusie nie.
’n KI-agent het hele pasiëntgevalle op sy eie hanteer — in ’n simulator, op vorige rekords
MIRA is ’n nuwe soort mediese KI: in plaas daarvan om een vraag te beantwoord, werk dit ’n hele geval binne ’n gesimuleerde hospitaalrekord af — geskiedenis neem, toetse bestel en lees, ’n diagnose bereik, opdragte skryf. Op 574 retrospektiewe gevalle uit ’n openbare databasis, oor agt voorafgekose diagnoses, rapporteer die outeurs dat dit dokters in diagnostiese akkuraatheid oortref en grotendeels riglynkonforme, medikasieveilige besluite geneem het. Elke kwalifiseerder in daardie sin dra gewig: dit het in ’n sandbox op vorige rekords geloop, slegs in teks; ’n groot deel van sy voorsprong het gekom by toestande met duidelike toetsresultate; dit het omtrent twee keer soveel bloedtoetse as die dokters gebruik; en verskeie uitkomste is beoordeel teen wat die oorspronklike rekord aangeteken het. Die werklike vooruitgang is ’n agent wat oor die hele werkvloei optree — nie bewys dat ’n masjien nou beter as ’n dokter diagnoseer nie. Die outeurs sê dit self: veralgemening, veiligheid en bestuur verg nog prospektiewe studies in die werklike wêreld.
Werk groot robot-"foundation-modelle" werklik beter? 'n Versigtige antwoord — beskeie ja, en die meeste studies kan nie sê nie
Die Toyota Research Institute het "large behavior models" opgelei — robot-policies vooropgelei op ~1 700 uur uiteenlopende manipulasiedata — en dié teen van-nuuts-af opgeleide eentaak-policies getoets met ongewone strengheid: blinde, gerandomiseerde proewe met groot steekproef (~1 800 werklik, meer as 47 000 in simulasie) met werklike statistiek. Ná finetuning per taak het die groot modelle gemiddeld beter gevaar, ongeveer 3–5× minder taakspesifieke data benodig en was robuuster by verskuiwende toestande; die prestasie het gelykmatig gestyg met meer vooropleidingsdata. Maar sonder finetuning het hulle eentaakmodelle nie konsekwent geklop nie, verskeie effekte was klein genoeg dat net die groot steekproewe hulle onthul het, en 'n alledaagse datanormalisering-keuse het meer getel as die argitektuur. Dit is gematigde steun vir die rigting van die robot-foundation-modelle — geen universele robot, geen zero-shot-generalis, geen "emergente sprong" nie — plus 'n gepunte waarskuwing dat 'n groot deel van die robotika moontlik ruis meet.
Waarom taalmodelle hallusineer — en waarom ons manier van punte gee dit so hou
Die selfversekerde onwaarhede wat ons "hallusinasies" noem, is geen misterieuse fout nie: 'n deel is 'n statistiese byproduk van opleiding, en hulle bly voortbestaan omdat hoofstroommaatstawwe 'n selfversekerde raaiskoot hoër beloon as 'n eerlike "ek weet nie". 'n Gevallestudie op vier voorste modelle wys dat die noem van die puntereëls in die opdrag ("oop rubrieke") daardie aansporing omkeer.