Datavetenskap
Ett språk som inte påverkar hur du tänker kring programmering är inte värt att lära sig.
— (1982)
Erfarna utvecklare kände sig snabbare med AI samtidigt som de arbetade mätbart långsammare — det verkliga resultatet, och varför det inte är en dom över AI-kodning
I en randomiserad kontrollerad studie lät METR sexton erfarna utvecklare inom öppen källkod utföra 246 verkliga uppgifter i kodbaser som de kände väl, med AI-verktyg från början av 2025 (Cursor Pro plus Claude 3.5/3.7 Sonnet) tillåtna för en slumpmässigt vald hälft. De väntade sig att AI skulle minska tiden per uppgift med omkring 24%; i stället ökade den tiden med 19% — och efteråt trodde de fortfarande att AI hade gjort dem omkring 20% snabbare. Detta uppfattningsgap är studiens skarpa, robusta kärna. Men det gäller sexton utvecklare, en enda snäv situation och en fixerad ögonblicksbild från början av 2025: författarna är tydliga med att det inte visar att AI misslyckas med att hjälpa de flesta utvecklare, och deras egen uppföljning från 2026 lutar redan mot en tidsvinst, med egna förbehåll.
Ett kryptografiskt bevis kan dölja sin hemlighet genom att göra den saknade simulatorn svår att bevisa
Nollkunskapsbevis låter någon bevisa ett påstående utan att avslöja vittnet. Klassisk teori säger att detta, i fullständig mening, inte går att få med ett enda meddelande, utan betrodd initiering och med perfekt sundhet. Rahul Ilangos artikel får inte denna omöjlighet att försvinna. Den ändrar målet: i stället för att kräva att en simulator verkligen existerar kräver den att inget valt bevissystem effektivt kan bevisa att simulatorn inte existerar. Under stora antaganden från beviskomplexitet och kryptografi räcker det för att återskapa falsifierbara, spelbaserade konsekvenser av nollkunskap, egenskap för egenskap. Poängen är inte en internetprimitiv som kan kopplas in direkt. Det är ett bevisteoretiskt sätt att omvandla matematisk obevisbarhet till kryptografiskt skydd.
En medicinsk AI kan skydda integriteten i genomsnitt och ändå röja enskilda patienter — särskilt de underrepresenterade
Att en medicinsk AI-modell kallas ”integritetsbevarande” vilar vanligtvis på ett enda genomsnittstal. Den här studien hävdar att det är fel test. Författarna studerade medlemskapsinferensattacker — som avslöjar om en viss persons uppgifter ingick i en modells träningsdata och därmed kan röja att personen hade en viss sjukdom — och mätte risken per patient i stället för sammantaget, i sju medicinska datamängder (bilddiagnostik, EKG, elektroniska journaler) och många modeller per datamängd. Mönstret: modeller som ser säkra ut i genomsnitt kan ändå låta en angripare identifiera vissa individer nästan perfekt (attack-AUC ≥ 0,95); de utsatta kommer systematiskt från underrepresenterade grupper (etniska minoriteter, sällsynt sjukdom, ovanlig bilddiagnostik); och problemet förvärras när modellerna växer. Författarna säger inte att medicinsk AI ska överges — de säger att integriteten ska mätas per patient, att tillgången till modeller ska kontrolleras och att differentiell integritet ska användas. Den obekväma kärnan: ”privat i genomsnitt” är ingen integritetsgaranti, och det sviker de patienter som redan har sämst skydd.
Att lära en tecknande AI att titta på sidan
Språkmodeller som genererar vektorgrafik gör det i blindo — de skriver ritkommandona utan att någonsin se resultatet. En ny metod låter modellen se sin egen duk fyllas, streck för streck, och den ärliga vändningen är att det blir sämre om man bara ger den ögon: den måste tränas om för att använda dem. Resultatet är en modell som matchar eller med knapp marginal slår konkurrenter tränade på upp till tjugo gånger mer data — ett verkligt, försiktigt resultat på ett enda standardtest, inte en revolution.
En AI-agent handlade hela patientfall på egen hand — i en simulator, utifrån tidigare journaler
MIRA är en ny sorts medicinsk AI: i stället för att besvara en enda fråga handlägger den ett helt fall i en simulerad sjukhusjournal — tar anamnes, beställer och läser undersökningar, når en diagnos och skriver ordinationerna. På 574 retrospektiva fall från en offentlig databas, inom åtta förvalda diagnoser, rapporterar författarna att den överträffade läkare i diagnostisk träffsäkerhet och fattade beslut som till stor del följde riktlinjer och var läkemedelssäkra. Varje förbehåll i den meningen väger tungt: den kördes i en sandlådemiljö med tidigare journaler, enbart i text; en stor del av försprånget kom vid tillstånd med entydiga testresultat; den beställde ungefär dubbelt så många blodprover som läkarna; och flera utfall bedömdes mot vad originaljournalen hade registrerat. Det verkliga framsteget är en agent som agerar genom hela arbetsflödet — inte ett bevis för att en maskin nu ställer bättre diagnoser än en läkare. Författarna säger det själva: generaliserbarhet, säkerhet och styrning kräver fortfarande prospektiva studier i verklig vård.
Fungerar stora ”grundmodeller” för robotar faktiskt bättre? Ett noggrant svar — ja, i blygsam grad, och de flesta studier kan inte avgöra det
Toyota Research Institute tränade ”stora beteendemodeller” — robotpolicyer som förtränats på ~1,700 timmar av varierade manipulationsdata — och testade dem mot policyer för en enda uppgift som tränats från grunden med ovanlig noggrannhet: blinda, randomiserade försök med stora stickprov (~1,800 i verkligheten, 47,000+ i simulering) och riktig statistik. Efter finjustering för varje uppgift presterade de stora modellerna bättre i genomsnitt, behövde ungefär 3–5× mindre uppgiftsspecifika data och var robustare när förhållandena förändrades; resultaten steg jämnt med mer förträningsdata. Men utan finjustering slog de inte konsekvent modeller för en enda uppgift, flera effekter var så små att de stora stickproven krävdes för att alls upptäcka dem, och ett vardagligt val av datanormalisering spelade större roll än arkitekturen. Det är ett återhållsamt stöd för riktningen mot grundmodeller för robotar — inte en robot för allmänna ändamål, inte en zero-shot-generalist och inte ett ”emergent språng” — samt en skarp varning om att stora delar av robotiken kanske mäter brus.
Varför språkmodeller hallucinerar — och varför sättet vi bedömer dem på vidmakthåller det
De självsäkra osanningarna vi kallar ”hallucinationer” är inget mystiskt fel: en del är en statistisk biprodukt av träningen, och de består för att gängse benchmarks belönar en självsäker gissning framför ett ärligt ”jag vet inte”. En fallstudie på fyra ledande modeller visar att det att ange bedömningsreglerna i frågan (”öppna bedömningsregler”) vänder om det incitamentet.