分類: 其他 AI
「其他 AI」分類的 AI 新聞與論文。
-
我對那個「Magnificent Ambersons」AI專案稍微不那麼生氣了
當一家新創公司宣佈計劃利用生成式 AI 重現奧森·威爾斯經典電影《偉大的艾伯森一家》遺失的畫面時，作者起初持懷疑態度，認為這不僅浪費資源，更可能激怒影迷且商業價值極低。《紐約客》雜誌記者邁克爾·舒爾曼的深入報導揭示了該專案的背後的動機：新創公司 Fable 及其創辦人愛德華·薩奇對威爾斯的熱愛。薩奇回憶童年時在私人放映室觀看電影，並首次於十二歲時欣賞《艾伯森一家》。該片雖不如《公民凱恩》知名，但威爾斯本人曾稱其為更優秀的作品。然而，由於試映會失敗，片廠刪減了 43 分鐘的片長，並新增了不自然的結局，最終銷毀了被剪掉的片段。 Fable 與導演布萊恩·羅斯合作，羅斯曾嘗試基於劇本和照片重建動畫場景，但效果未獲好評。Fable 則採用更先進的技術，結合真人拍攝與數位重現，試圖還原威爾斯的視覺。然而，專案面臨巨大挑戰，包括修復明顯錯誤（如雙頭演員約瑟夫·科頓）以及重現電影攝影美學的複雜性。薩奇甚至指出 AI 傾向讓女性角色表現得不當的快樂。此外，薩奇承認在宣佈前未與威爾斯遺產聯絡是錯誤，目前正努力爭取遺產及擁有版權的華納兄弟的支援。威爾斯之女比阿特麗斯表示雖仍存懷疑，但認為團隊對父親和電影充滿敬意。 儘管作家西蒙·卡洛同意這是個好主意，但演員安妮·巴克斯特的女兒梅莉莎·加爾特則持反對意見，認為這是他人強加的真實，而非原作。加爾特引用作家亞倫·巴迪的觀點，指出藝術需要對死亡和侷限性的認知，AI 無法取代這種特質。作者最終認為，薩奇試圖「逆轉已發生的事」的執念，若說不上吸血鬼般，也顯稚嫩，彷彿試圖讓悲傷過時或強行給電影加上快樂結局。
-
AI如何協助解決治療罕見疾病人力不足的問題
現代生物技術雖已具備編輯基因與設計藥物之能力，但數千種罕見疾病仍無治療方案。Insilico Medicine 與 GenEditBio 的高管指出，長期以來缺乏足夠的專業人才是主要瓶頸，而人工智慧正成為解決此問題的乘數效應。Insilico 總裁 Alex Aliper 在 Web Summit Qatar 上提出開發「藥物超級智慧」的目標，並推出「MMAI Gym」，旨在訓練通用大型語言模型（如 ChatGPT 與 Gemini）達到專家模型的表現，以同時解決多種藥物發現任務。該平臺透過整合生物、化學與臨床資料，自動化原本需大量化學家與生物學家完成的步驟，大幅降低成本與時間，並曾利用 AI 識別現有藥物用於治療肌萎縮側索硬化症（ALS）的潛力。GenEditBio 則專注於 CRISPR 基因編輯的第二波發展，即從體外編輯轉向體內精準投送。其共同創辦人兼執行長 Tian Zhu 介紹了專有的 ePDV 工程蛋白質投送載體，這是一種類似病毒的粒子，利用 AI 機器學習分析自然資源，從數千種獨特的非病毒、非脂質聚合物奈米顆粒庫中篩選出能針對特定組織（如眼睛、肝臟或神經系統）的載體。GenEditBio 的 NanoGalaxy 平臺利用 AI 分析化學結構與組織目標的關聯，預測如何調整載體化學性質以有效運載負載而不引發免疫反應，並透過體內測試反饋最佳化模型。目前該公司已獲得 FDA 批准開始針對角膜異形症進行 CRISPR 治療試驗。然而，資料問題仍是生物技術 AI 系統面臨的挑戰，現有資料集多偏西方世界，缺乏多樣性。Aliper 表示 Insilico 的自動化實驗室能大規模生成多層生物資料，而 GenEditBio 則透過並行測試數千種奈米顆粒產生「AI 黃金資料」。未來，雙方計劃構建人類數位孿生以進行虛擬臨床試驗。Aliper 預期在未來十年至二十年內，透過更多治療選項實現個人化治療，以應對全球人口老化帶來的慢性疾病增加，並希望將每年 FDA 批准的藥物數量從約五十種提升至更高水平。
-
從 OpenAI 的辦公室到與 Eli Lilly 签訂合作協議 —— Chai Discovery 如何成為 AI 藥物開發領域最耀眼的名字
藥物研發是發現新分子以開發藥品的過程，傳統方法如高通量篩選成本高昂且成功率低。然而，生技公司正利用人工智慧加速此流程。Chai Discovery 是一家於 2024 年成立的 AI 起點公司，在成立不到一年內籌得數億美元並獲得矽谷投資人的支援。該公司在十二月完成 B 輪融資，籌得 1.3 億美元，估值達 13 億美元。Chai 還宣佈與 Eli Lilly 合作，Eli Lilly 將使用 Chai 的軟體開發新藥物。Chai 的演演算法 Chai-2 旨在開發抗體，希望成為分子設計的電腦輔助套件。此舉與 Eli Lilly 與 Nvidia 合作建立價值 10 億美元的 AI 藥物研發實驗室相呼應，該實驗室將結合大資料、運算資源與科學專長。儘管業界對人工智慧影響持懷疑態度，但支持者認為採用 Chai 服務的公司將能更快將分子送入臨床試驗，並有望在 2026 年合作、2027 年底看到首個在臨床試驗中的藥物。Chai 的起源可追溯至六年前，其共同創辦人 Josh Meier 曾於 2018 年在 OpenAI 工作，後加入 Facebook 開發 ESM1 模型，並在 Absci 工作三年。2024 年，Meier 與 Jack Dent 在 OpenAI 總部附近成立 Chai，OpenAI 成為首個種子投資人。Chai 強調其程式碼庫完全自研，不使用現成的大型語言模型，而是採用高度自訂架構。General Catalyst 的 Elena Viboch 表示，雖然藥物仍需經過測試與臨床試驗，但採用這些技術可縮短發現時間並開發難製藥。
-
AI模型開始解決高階數學問題
軟體工程師、前量化研究員兼創業家 Neel Somani 在週末測試 OpenAI 新模型時，意外發現其數學能力有顯著突破。他將一道數學問題輸入 ChatGPT，讓其思考十五分鐘後，模型不僅產出完整解答，還被工具 Harmonic 驗證透過。該模型能引用如 Legendre 公式、Bertrand 公設及 Star of David 定理等數學公理，甚至追溯到 2013 年 Harvard 數學家 Noam Elkies 在 Math Overflow 上發表的優雅解法。儘管 ChatGPT 的最終證明與 Elkies 的工作有重要差異，但它對傳奇數學家 Paul Erdős 提出的問題版本提供了更完整的解答。 自 GPT 5.2 發布以來，該模型被形容為在數學推理上比先前版本更出色。Erdős 提出的超過一千個猜測成為 AI 數學研究的熱門目標。自聖誕節以來，Erdős 網站上有十五個問題從「未解」變為「已解」，其中十一個明確歸功於 AI 模型。數學家 Terence Tao 在其 GitHub 頁面上指出，有八個問題顯示 AI 模型在 Erdős 問題上取得了有意義的自主進展，另有六個案例是透過定位並建立在先前研究基礎上。Tao 認為，AI 系統的規模化特性使其更適合系統性地應用於 Erdős 問題中那些較少見但解法簡單的「長尾」問題。 此外，數學證明形式化（Formalization）的趨勢也推動了這一進展。雖然形式化不依賴 AI，但自動化工具如 Microsoft Research 於 2013 年開發的開源證明助手 Lean 已廣泛使用。Harmonic 的 Aristotle 工具則承諾自動化形式化工作的大部分。Harmonic 創辦人 Tudor Achim 表示，比起已解決問題數量的激增，他更關注世界頂尖數學家開始認真使用這些工具，這才是證明 AI 在數學領域發揮重要作用的關鍵證據。