跳到正文

全部动态

按时间排列的全部内容。默认只显示通过双重评分的入选条目;切换到“全部收录”可以检索所有抓到的资料。

251 条收录动态,更新于 17:44

全部收录包含没有通过评分的资料,标题以常规字体显示并标为“未入选”,只供检索,不写入选理由。

11月6日

星期五,3 条
  1. 蒙克《错位》:在充满不确定与错位感的时代,找到自己的位置

    清华大学公共管理学院蒙克在新书《错位:我们生活在巨大的时差里》中,用布尔迪厄“惯习”等社会学概念解释现代人的时差感,该书源自他六七年来讲授的社会学基础理论课讲稿。他提出科研考核存在三重错位:原始创新所需的长周期与年度化考核、科学初心与期刊影响因子导向、创新的涌现逻辑与计划逻辑。他认为AI拉平了文献梳理等学术执行力后,学界更需要给青年学者留出自由探索的时间。

    科学网证据待确认未入选重要性 15
  2. 微软研究员探讨AI如何重塑制度

    每一次技术革命都重塑了我们的制度——AI又会如何? 在@ScienceMagazine上,微软研究员@glenweyl与合著者@profjamesevans探讨了“逆向对齐”,即用神经网络作为重塑制度的模型,或许能提供一条路径,在管理AI风险的同时 harnessing 其益处。https://msft.it/6015aAHYP

    Microsoft Research证据待确认未入选重要性 22

11月5日

星期四,8 条
  1. Nature Methods 推出新专栏 AI Bytes,用通俗语言讲解 AI 概念

    Nature Methods 推出月度专栏 AI Bytes,面向生命科学研究者用通俗语言解释人工智能与深度学习概念,并附基础论文、教程和课程等权威延伸资源。首篇文章由斯坦福大学 Zijian Ma 与 James Zou 撰写,讨论生物基础模型;12 月第二篇将由卡内基梅隆大学 Xingjian Li 与 Min Xu 介绍常见 AI 架构及适用数据类型。

    Nature · Machine Learning 主题证据待确认未入选重要性 33
  2. 离开学术出版五年后重返 ScholarOne:科研诚信与 AI 如何改变审稿工作流

    一位离开学术出版五年后重返 ScholarOne 的作者回顾行业变化:科研诚信已从议题变成核心,ScholarOne 将核查嵌入工作流,通过 Relay API 接入 Signals、Clear Skies 和 STM Integrity Hub,用 ImageTwin 检测图像操纵,并由 EditorialPilot 在同行评审启动前标记疑点。

    Silverchair官方证据待确认未入选重要性 18
  3. AI 时代大学的意义是什么?弗吉尼亚大学文理学院院长谈 AI 素养与学生归属感

    弗吉尼亚大学文理学院与研究生院院长 Christa Acampora 在 Inside Higher Ed 播客中提出,AI 的兴起并未改变大学教育的宗旨,反而使其更清晰:当 AI 越来越能完成学生为第一份工作所需掌握的技能时,高校更应聚焦判断力、好奇心与完整人格的培养。

    Inside Higher Ed证据待确认未入选重要性 18
  4. OpenAI 总裁布罗克曼:AI 或将让死亡成为一种选择

    OpenAI 联合创始人兼总裁格雷格·布罗克曼在《华尔街日报》科技峰会(WSJ Tech)上表示,未来死亡或许会成为一种选择,并预计未来 12 至 18 个月 AI 有望推动生物学、医疗健康和疾病治疗领域取得重大突破。

    IT之家证据待确认未入选重要性 12
  5. 北大教授董彬:数学应走出数学,与AI共同进化

    北京大学博雅特聘教授董彬主张数学应走出数学、与AI共同进化,其团队开发的智能体Pharos在只输入问题的情况下自主找到宫冈洋一与森重文有理曲线判据的特征零代数证明思路,从项目创建到目标被系统接受约20小时,随后由数学合作者重写并核验。在273条已验证事实中,4条进入最终主定理依赖链。他还开展形式化“庞加莱猜想”工作,并提醒学生直接依赖AI完成课业会丧失高阶思维训练。

    科学网证据待确认未入选重要性 38
  6. Terence Tao 汇总近期关于数学与 AI 的访谈与演讲

    Terence Tao 在博客中汇总了近期围绕数学与 AI 的访谈和演讲,包括 BBC Science Focus 播客、SAIR Foundation 对谈、Nature 评论文章及 Science Friday 采访等。他同时表示博客正开放给更多客座作者,并披露部分报道与其 11 月 10 日将出版的新书有关。

    Terence Tao 博客证据待确认未入选重要性 17
  7. Google Research NeuralGCM 模拟气候

    @Google Google Research 于 2024 年推出的 NeuralGCM,利用物理学模拟大尺度大气动力学,并用 AI 模拟云的形成与降雨。 它可以模拟历史气候,但对更温暖未来的可靠预测仍是一项研究挑战。

    Ai2证据待确认未入选重要性 22

11月4日

星期三,6 条
  1. 陶哲轩警告:人类把思考交给 AI,危险可能很快到来

    菲尔兹奖得主陶哲轩在加州大学洛杉矶分校 Science x AI Summit 演讲中警告,人类正把思考委托给 AI,却逐渐失去对问题与解决方案的理解,后果可能很快在现实世界显现。他点名电网、航空交通管制、药物研发和芯片设计等领域,担心 AI 方案在数学模型中成立却偏离现实需求。他主张推动数学研究进入“Math 2.0”时代,让 AI 增强而非替代人类的理解与判断。

    IT之家证据待确认未入选重要性 48
  2. 从“台上的圣人”到“认知挣扎的守护者”:AI 时代高校教师角色的转变

    面对 ChatGPT 等 AI 工具让学生可随时获得协助,高校教师的核心角色应从传授内容或答疑引导,转为守护学生必要的认知挣扎。教师需为学生划定哪些任务可交给 AI、哪些必须独立完成,并据此重新设计学习成果。文中以伦理学课程为例,让学生先独立撰写案例摘要,再把 AI 当作苏格拉底式对话伙伴检验理解。

    Inside Higher Ed证据待确认未入选重要性 20
  3. 人类数学协会(AHM)发布博士指导指南

    人类数学协会(AHM)教学工作组发布了一套面向院系、导师和学生的博士指导建议,含五项准则,核心是优先人类撰写的写作、避免过度依赖 AI、正视 AI 使用的伦理问题并改善学生福祉,同时给出具体落实方案。文件由 AHM 传播组在 Terence Tao 博客以客座文章形式公布,公开征求意见与反馈。

    Terence Tao 博客证据待确认未入选重要性 40
  4. AI 正在毁掉我的计算机学位

    Simon Willison 撰文指出,AI 迫使教师改变教学与考核方式,但有效使用这些工具的教学方法仍极不明确。最棘手的是评估周期以年计:今天尝试的新教学机制要等当前这届学生 3-6 年后毕业才能得到可靠结论,学生实际上成了未经验证的新教学方式的试验对象。

    Simon Willison 博客证据待确认未入选重要性 22

11月3日

星期二,9 条
  1. Kevin Weil 谈 AI 与各领域专业能力

    非常同意这个观点,而且它远不止适用于数学。 专业能力依然重要,[科学领域] + AI 能比以往更快地理解/完成更多事情。

    引用Alex Kontorovich@AlexKontorovich

    Frank Calegari has a great post on Terry's blog: https://terrytao.wordpress.com/2026/11/01/mathematics-has-changed-lets-act-like-it/ I think it aligns most closely to what I've been thinking and trying to say (and I believe communicates it better than I've been able to). Some highlights: "I hope AI can help mathematicians break out of the straitjacket of being constrained by the first natural conjecture they cannot prove, and work on unraveling the deeper mysteries woven throughout our subject." "The natural grooves of our profession have very much been bent toward more narrow technical expertise than a bigger vision. AI allows us an amazing opportunity to broaden ourselves as mathematicians." "There are so many problems in mathematics that are still so fresh and vital but were previously untouchable that the opportunity to approach them is massively exciting. We need to be more ambitious, to create bold research plans that weren’t even conceivable a year ago." "The difference in reaction between the optimists and the pessimists is that, for the pessimists, the game is over. For the optimists, the game has just changed." "[T]here now exists an amazing new tool to study mathematics. To turn away and say that the community of mathematics as it currently exists is more important than mathematics itself would be a terrible mistake." "[I]t takes one look at the arXiv to see many people in our profession rushing out AI-assisted papers in a somewhat unsightly rush to be the “first” to prove things." [Aside: mere days after the qRH result, I had something like a half-dozen emails in my inbox, some from amateurs but some also from tenured faculty, with Lean formalizations of nonvanishing on Re(s)> 7/8-1/10^k for various large values of k. What the hell are you even doing? That kind of thing may have been valuable years ago, when it was difficult and signaled deep understanding and great technique. Today? Who the hell cares?] "To me [this is back to Frank now], someone who chooses a worthwhile problem, obtains a proof completely using AI, understands it thoroughly, and uses it to develop interesting further questions or directions has made a substantial mathematical contribution." "If you, as a senior mathematician, are stressed about being scooped by AI, then you are not being ambitious enough." [On hiring:] "I am looking for a narrative of where you want mathematics to go, the technical ability to explain why this may be possible, being able to converse about many areas of mathematics, and a demonstrable record of having done all of this in the past." "What I want a graduate student to achieve at the end of their PhD is a view of mathematics that extends well beyond their discipline, and yet with demonstrable technical skills on at least some class of problems." "I advocated above that we need to evaluate work as if AI was involved. But this does not imply that we don’t need to teach students to do deep mathematics without AI just as the existence of computers doesn’t mean we should no longer teach children arithmetic." [I've often said similar things as well...] "All of my friends in the humanities truly believe that having mathematicians in society both as custodians of one of humanity’s oldest intellectual activities and explorers of the frontiers of knowledge is important. I understand that some part of the culture we so deeply care about will disappear, and as humans, an emotional response to that is very natural. But this is a time to explain to everyone that there are so many great new opportunities, possibilities, and reasons to be optimistic. We are on the verge of a new era of mathematics, and I am excited to see what happens." Bravo Frank!

    Kevin Weil证据待确认未入选重要性 22
  2. 大规模无障碍合规对学术出版商究竟意味着什么

    Straive 副总裁 Balamuraly Kanthavelou 指出,学术出版商的无障碍合规难点不在法规认知而在规模化执行:传统人工抽样审计难以覆盖数十万份文档的存量档案。AI 可用于自动审计存量内容、生成优先级清单与成本工期估算,并辅助生成替代文本、结构标注和元数据规范化。密歇根州立大学调查显示,近 75% 的受访期刊未在投稿时明确要求无障碍。

    The Scholarly Kitchen证据待确认未入选重要性 38
  3. 从 Paulo Freire《被压迫者教育学》看 AI 进入课堂的隐忧

    教育界人士借 Paulo Freire 1968 年《被压迫者教育学》中的“银行储蓄式教育”概念,将 AI 进课堂称为“被压迫者的新教育学”。文章称美国政府和学校管理者正大力推广 AI,而越来越多研究显示,学生用 AI 完成总结、头脑风暴、分析、论证等认知任务时,长期学习深度更浅,部分人可能始终无法充分发展这些认知能力。

    Inside Higher Ed证据待确认未入选重要性 18
  4. 同构实验室总裁贾德伯格预测:未来所有药物都将由 AI 设计

    同构实验室总裁马克斯·贾德伯格在伦敦彭博科技大会上预测,未来所有药物都将由 AI 设计,区别只在于实现时间。这家由谷歌 DeepMind 分拆成立的公司累计融资约 27 亿美元,目前仍处于临床前试验阶段,其自主研发药物主要用于治疗癌症、免疫系统疾病和炎症。

    IT之家二手报道未入选重要性 22
  5. 康奈尔报告:人工智能时代大学的核心使命是培育判断力

    美国康奈尔大学“美国大学未来委员会”发布238页报告《美国大学的未来》,由18位教授历时一年、听取6000余名利益相关者意见形成,主张大学不应再以传授知识为核心使命,而应转向培育健全判断力。文章据此提出以AI使用阶梯(L0至L3)保留认知摩擦,并推动教学从知识交付转向情境设计、评价从结果正确转向过程可见。

    科学网证据待确认未入选重要性 23
  6. 大连理工大学张永策的化学AI教学“草根实验”:从AI识别滴定设备到13省份超百所高校赛事

    大连理工大学化学学院高级工程师张永策将“AI识别滴定实验”概念落地为自制设备,把机器视觉、神经网络与机械操控结合,并开源代码供学生上手。他以此组织智能滴定挑战赛,系列城市赛已扩展至国内13个省份、超百所高校、参与学生超1200人,还为强基班开设专门课程。有学生从零接触AI,一年多后已能借助AI独立提出并实现实验思路。

    科学网证据待确认未入选重要性 36
  7. AI 时代的无我数学:数学的价值不应由产出与能力定义

    Terence Tao 博客刊出 Karthik C. S.、Amit Sahai、Jie Xue 的客座文章,主张数学真理独立于发现者而存在,数学工作的价值在于理解而非产出结果。文章认为,用论文、引用、奖项等指标衡量智识生活,会把人理解为能力的集合,AI 带来的被替代焦虑正源于这种自我认知。作者提出,不应把创造力、直觉或品味当作优于机器的避难所,否则仍困在同一套智识价值框架中。

    Terence Tao 博客证据待确认未入选重要性 18

11月2日

星期一,4 条
  1. Elicit 对话 Parantu Shah:AI 自主科研

    大多数技术让科学家获得更多信息。AI 是第一个自己动手做事的。 这是 Parantu Shah 在生物学领域从事机器学习 20 多年后的观点。他负责 EMD Serono / Merck KGaA, Darmstadt, Germany 的数据科学工作,并与我们的 CEO 坐下来讨论了这一转变对药物发现意味着什么。

    Elicit证据待确认未入选重要性 22
  2. Parantu 分享科研 AI 实践要点

    以下是 Parantu 所讲内容的要点回顾: • 别再检索,开始判断:“不要问什么已发表,要问证据是什么。” • AI 错误会累积。围绕模型搭建一套框架,并把它当作你的知识产权。 • 数据孤岛才是真正的瓶颈。 • 当下一个部门主动来要时,试点才算成功。

    Elicit可用产品未入选重要性 10
  3. 从声誉到触达:Medical Affairs 出版目标的数据驱动决策

    Digital Science 旗下 Dimensions 的 Compass 工具可基于用户自定义基准和出版表现追踪,帮助 Medical Affairs 团队用触达等量化指标选择期刊与会议,替代依赖熟悉度和声誉的定性判断。文章指出,仅靠影响因子、引用数或网页访问量等传统指标会放大选择偏差,并给出一个药品首年于多个 EMEA 市场上市、需制定区域会议投稿策略的实例。

    Digital Science官方证据待确认未入选重要性 22
  4. AI 需要有意义的版本管理

    Nature Machine Intelligence 刊文指出,AI 提供商频繁更新模型与系统集成却不相应变更公开标识,损害监管监督与科学可复现性。文章主张推行满足监管者与研究者需求的“有意义的 AI 版本管理”。

    Nature Machine Intelligence证据待确认未入选重要性 42