Sains komputer
Bahasa yang tidak mempengaruhi cara anda berfikir tentang pengaturcaraan tidak berbaloi untuk dipelajari.
— (1982)
Pembangun berpengalaman berasa lebih pantas dengan AI walaupun secara terukur bekerja lebih perlahan — penemuan sebenar, dan mengapa ia bukan keputusan muktamad tentang pengekodan AI
Dalam satu percubaan terkawal rawak oleh METR, enam belas pembangun sumber terbuka berpengalaman menyelesaikan 246 tugasan sebenar pada pangkalan kod yang mereka kenali dengan baik, dengan alat AI awal 2025 (Cursor Pro bersama Claude 3.5/3.7 Sonnet) dibenarkan secara rawak pada separuh tugasan. Mereka menjangka AI akan mengurangkan masa tugasan kira-kira 24%; sebaliknya, masa siap meningkat 19% — dan selepas itu mereka masih percaya AI telah mempercepatkan mereka kira-kira 20%. Jurang persepsi itu ialah teras kajian yang paling tajam dan kukuh. Namun ia hanya melibatkan enam belas pembangun, satu keadaan yang sempit dan gambaran beku awal 2025: para penulis menegaskan bahawa hasil ini tidak menunjukkan AI gagal membantu kebanyakan pembangun, dan susulan mereka sendiri pada 2026 sudah cenderung ke arah peningkatan kelajuan, dengan batasannya tersendiri.
Bukti kriptografi boleh menyembunyikan rahsianya dengan menjadikan ketiadaan simulator sukar dibuktikan
Bukti pengetahuan sifar membolehkan seseorang membuktikan satu pernyataan tanpa mendedahkan witness. Teori klasik mengatakan anda tidak boleh mendapatkannya, dalam erti penuh, dengan satu mesej, tiada persediaan dipercayai dan soundness sempurna. Makalah Rahul Ilango tidak membuat kemustahilan itu hilang. Ia mengubah sasaran: daripada menuntut simulator benar-benar wujud, ia meminta agar tiada sistem bukti pilihan boleh membuktikan secara efisien bahawa simulator tidak wujud. Di bawah andaian besar kerumitan bukti dan kriptografi, itu cukup untuk memulihkan akibat pengetahuan sifar berasaskan permainan yang boleh difalsifikasikan, sifat demi sifat. Intinya bukan primitif internet sedia pasang. Ia cara teori-bukti menukar ketidakbolehbuktian matematik menjadi perlindungan kriptografi.
AI perubatan boleh kelihatan peribadi secara purata tetapi tetap mendedahkan pesakit tertentu — paling teruk yang kurang diwakili
Model AI perubatan yang dipanggil 'memelihara privasi' biasanya bergantung pada satu nombor purata. Kajian ini berhujah bahawa nombor itu ialah ujian yang salah. Dengan mengkaji serangan inferens keahlian — yang mendedahkan sama ada rekod seseorang tertentu berada dalam data latihan model, lalu boleh membocorkan bahawa mereka mempunyai penyakit tertentu — para penulis mengukur risiko bagi setiap pesakit, bukan secara agregat, merentas tujuh set data perubatan (pengimejan, ECG, rekod elektronik) dan banyak model bagi setiap set. Coraknya: model yang kelihatan selamat secara purata masih boleh membenarkan penyerang mengenal pasti individu tertentu hampir sempurna (AUC serangan ≥ 0.95); yang terdedah secara sistematik datang daripada kumpulan kurang diwakili (etnik minoriti, penyakit jarang, pengimejan luar biasa); dan masalah bertambah buruk apabila model membesar. Para penulis tidak berkata tinggalkan AI perubatan — mereka berkata ukur privasi bagi setiap pesakit, kawal akses kepada model, dan gunakan privasi pembezaan. Inti yang tidak selesa: 'peribadi secara purata' bukan jaminan privasi, dan ia gagal pada pesakit yang memang paling kurang dilindungi.
Mengajar AI yang melukis untuk melihat halaman
Model bahasa yang menjana grafik vektor melakukannya secara buta — menulis arahan lukisan tanpa pernah melihat hasilnya. Kaedah baharu membolehkan model melihat kanvasnya sendiri terbentuk, goresan demi goresan, dan kelainan yang jujur ialah sekadar memberinya mata sebenarnya memburukkan hasil: ia perlu dilatih semula untuk menggunakan penglihatan itu. Hasilnya ialah model yang menyamai atau sedikit mengatasi pesaing yang dilatih dengan data sehingga dua puluh kali lebih banyak — hasil nyata dan berhati-hati pada satu penanda aras, bukan satu revolusi.
Satu ejen AI mengendalikan keseluruhan kes pesakit sendiri — dalam simulator, menggunakan rekod lama
MIRA ialah jenis baharu AI perubatan: bukan sekadar menjawab satu soalan, ia mengendalikan keseluruhan kes dalam rekod hospital simulasi — mengambil sejarah, memesan dan membaca ujian, mencapai diagnosis, lalu menulis arahan klinikal. Pada 574 kes retrospektif daripada pangkalan data awam, merentas lapan diagnosis yang dipilih terlebih dahulu, para penulis melaporkan bahawa ia mengatasi doktor dari segi ketepatan diagnosis dan membuat keputusan yang sebahagian besarnya selaras dengan garis panduan serta selamat dari segi ubat. Setiap kelayakan dalam ayat itu penting: ia berjalan dalam sandbox pada rekod lama, hanya melalui teks; sebahagian besar kelebihannya muncul pada keadaan dengan keputusan ujian yang jelas; ia menggunakan kira-kira dua kali lebih banyak ujian darah berbanding doktor; dan beberapa hasil dinilai berdasarkan apa yang direkodkan dalam carta asal. Kemajuan sebenar ialah ejen yang bertindak merentas seluruh aliran kerja — bukan bukti bahawa mesin kini mendiagnosis lebih baik daripada doktor. Para penulis sendiri menyatakannya: generalisasi, keselamatan dan tadbir urus masih memerlukan kajian prospektif dunia sebenar.
Adakah “model asas” robot besar benar-benar berfungsi lebih baik? Jawapan teliti — sedikit ya, dan kebanyakan kajian sukar membezakannya
Toyota Research Institute melatih “large behavior models” — dasar robot yang dipralatih pada ~1,700 jam data manipulasi pelbagai — dan mengujinya terhadap dasar satu tugas dari awal dengan ketelitian luar biasa: percubaan buta, rawak, bersampel besar (~1,800 dunia sebenar, 47,000+ simulasi) dengan statistik sebenar. Selepas penalaan halus setiap tugas, model besar lebih baik secara purata, memerlukan kira-kira 3–5× kurang data khusus tugas, dan lebih teguh apabila keadaan berubah; prestasi meningkat secara lancar dengan lebih banyak data pralatihan. Tetapi tanpa penalaan halus ia tidak secara konsisten mengatasi model satu tugas, beberapa kesan cukup kecil hingga memerlukan sampel besar untuk dilihat, dan pilihan normalisasi data biasa lebih penting daripada seni bina. Ini sokongan terukur bagi arah model asas robot — bukan robot serba guna, bukan generalis zero-shot, bukan “lonjakan emergen” — serta amaran tajam bahawa banyak robotik mungkin mengukur hingar.
Mengapa model bahasa berhalusinasi — dan mengapa cara kita memberi markah mengekalkannya begitu
Kepalsuan yakin yang kita panggil “halusinasi” bukan kecacatan misteri: sebahagiannya hasil sampingan statistik latihan, dan ia berterusan kerana penanda aras arus perdana memberi ganjaran kepada tekaan yakin berbanding “saya tidak tahu” yang jujur. Satu kajian kes pada empat model terdepan menunjukkan bahawa menyatakan aturan pemarkahan dalam prompt (“rubrik terbuka”) membalikkan insentif itu.