大學研究人員如何利用人工智慧在2025年推動現實世界的影響

到2025年，人工智慧將成為學術研究和發展的核心。大學越來越多地將人工智慧應用於各個領域，不再將其作為一門獨立的學科，而是作為支持這些領域進步的基礎工具，這些領域包括：

推進醫學診斷人工智慧提高了對肺炎、癌症、心臟病和術後併發症的檢測能力。

解讀複雜的生物醫學數據： 人工智慧為分析基因組學、電子健康記錄和醫學影像提供了新的方法。

加強氣候和基礎設施系統： 人工智慧推動洪水預測、交通安全、排放測繪和停電復原能力等方面的進步。

研究人機交互研究人員也研究了人工智慧如何與人類價值觀和行為互動，探討了安全關鍵系統中的信任、公平、學習和風險問題。

在本文中，我們重點介紹一組由人工智慧驅動的研究進展，這些進展既反映了不斷擴展的能力，也反映了對現實世界影響的日益重視，並解釋了它們為何重要。

AI結合血液生物標記提高肺炎診斷準確率
人工智慧透過觀察人們玩電子遊戲來學習文化價值觀
新型人工智慧工具將DNA突變與可能疾病連結起來
人工智慧基因定位方法揭示癌症的隱藏驅動因素
人工智慧幫助醫生區分腦瘤生長和放射損傷
研究：更聰明的AI解釋有助於醫生解讀癌症掃描結果
大多數患者更信任醫生而非人工智慧，但他們歡迎癌症檢測技術。
北卡羅來納大學開發的AI工具加速了全球植物標本館的數位化進程。
人工智慧助力NASA自由飛行機器人導航太空站
新型人工智慧工具將用於培訓下一代外科醫生
最新研究揭示個人化演算法如何損害學習並扭曲現實
新型人工智慧系統利用全市攝影機拍攝的影片提升交通安全
一項新研究發現，人工智慧簡化了癌症患者的CT報告。
新型人工智慧工具可檢測出醫師漏診的血球異常
流行的AI模型對機器人操作來說並不安全
最新研究發現，人工智慧的能耗低於預期
最新研究揭示減少人工智慧資料中心環境影響的方法
最新研究揭示人工智慧在檢測人類欺騙行為方面的局限性
人工智慧模型將革新全球洪水預測和水資源管理
杜克大學的新型人工智慧機器人可以解決複雜的科學研究難題
新演算法使無人機能夠協同運輸重型有效載荷
新型人工智慧顯微鏡推動自主研究
新型人工智慧模式可以幫助運動員避免受傷
人工智慧可以更好地預測心臟病患者未來的風險
新型人工智慧系統可識別電子健康記錄中的隱藏模式
新的人工智慧工具可以預測酪梨的成熟度
人工智慧縮短了衡量產品永續性影響的時間
新的人工智慧工具可以預測美國車禍風險
新研究發現，人工智慧生成的聲音現在與人類聲音難以區分
新的人工智慧工具可預測幼兒嚴重氣喘的風險
新的人工智慧模型可提前幾十年預測疾病風險
人工智慧可以比醫生更好地預測手術後的致命併發症
新的人工智慧模型可以透過乳房 X 光檢查預測女性心臟病的風險
研究發現，人工智慧在皮膚癌評估上與皮膚科醫師的診斷結果一致
新型人工智慧系統利用標準安全攝影機即時偵測火災
新型人工智慧工具可望加速藥物研發
人工智慧能否維護刑事司法系統的公正？
新研究揭示人類與人工智慧學習機制的相似之處
新型人工智慧工具可檢測與癌症和心臟病相關的血液突變的早期跡象
新的人工智慧模型可以提高電動車電池壽命和安全性
人工智慧模型繪製碳排放圖，協助制定更公平的氣候政策
新的AI模型可以促進RNA疫苗的開發
研究人員利用人工智慧繪製美國停電熱點地圖
人工智慧可以幫助急診室團隊預測入院人數，提高病患照護水平
新方法利用人工智慧實現更精確的基因編輯
人工智慧輔導與人類指導結合，改善神經外科培訓
創新人工智慧代理自主解決網路安全挑戰
家用新型人工智慧大腦刺激系統可提高注意力
人工智慧機器人加速機器人昆蟲的組裝
科學家利用人工智慧幫助植物辨識細菌入侵者
人工智慧平台首次設計分子「飛彈」來消滅癌細胞
加州大學河濱分校推出人工智慧工具打擊虛假視頻
新的人工智慧模式增強了5天區域天氣預報能力
突破性人工智慧模擬數十億原子，打造碳中和混凝土
新研究利用人工智慧更快地識別新興病毒
人工智慧工具 EchoNext 可偵測隱性心臟病
新的人工智慧模型可以加速阿茲海默症藥物的研發
新研究揭示農業碳市場的突破性氣候解決方案
人工智慧增強眼部疾病預測：新研究
AI工具可準確定位乳房MRI掃描中的腫瘤位置
調查顯示美國人對人工智慧產生的健康資訊的信任度日益提升
突破性人工智慧機器人模仿動物動作以在陌生地形中導航
突破性光學晶片輔助超快速、更環保的人工智慧
新研究揭示感官輸入如何提升人工智慧的概念理解能力

AI結合血液生物標記提高肺炎診斷準確率

機構： 加州大學舊金山分校

研究概況
加州大學舊金山分校的科學家將基於基因的生物標記與生成式人工智慧相結合，以驚人的準確度識別出重症監護室患者的危險肺部感染。

為什麼這一點很重要
在重症監護中更及時、更可靠地識別嚴重肺部感染，有助於對重症患者進行更早、更有針對性的治療決策。透過幫助臨床醫生區分呼吸功能惡化的感染性和非感染性病因，這項研究也有助於減少不必要的抗生素使用，從而支持抗菌藥物管理，並有助於限制抗藥性病原體的傳播。

人工智慧透過觀察人們玩電子遊戲來學習文化價值觀

機構： 華盛頓大學

研究概況
華盛頓大學的一項研究表明，人工智慧可以透過觀看人們玩合作電子遊戲來學習特定文化的價值觀，例如利他主義。

為什麼這一點很重要
這項研究意義重大，因為它為使人工智慧行為與特定社群的社會規範和價值觀相符提供了一條切實可行的途徑，這對於建立人們在日常生活中可以信任並安全使用的系統至關重要。此外，它還提供了一種可衡量的方法來研究價值觀如何從社會互動中習得，從而支持對人工智慧系統是否反映其所影響群體的期望進行更嚴格的評估。

新型人工智慧工具將DNA突變與可能疾病連結起來

機構： 西奈山伊坎醫學院

研究概況
西奈山的研究人員開發了 V2P，這是一款人工智慧工具，可以預測特定 DNA 突變可能導致哪些疾病，旨在加快診斷速度並指導精準治療。

為什麼這一點很重要
對基因變異進行更準確的解讀有助於臨床醫生和研究人員將個體的DNA檢測結果與可能的健康狀況聯繫起來，而這正是基因組醫學領域長期存在的瓶頸。透過提高基因變異與疾病關聯的速度和一致性，這項工作可以支持更早、更明智的臨床決策，並加強標靶治療和未來研究的證據基礎。

人工智慧基因定位方法揭示癌症的隱藏驅動因素

機構： 南澳大利亞大學

研究概況
南澳大學一項新的人工智慧驅動的基因映射方法揭示，癌症是由協同基因網路驅動的，而不僅僅是單一突變。

為什麼這一點很重要
透過改進研究人員識別癌症協同遺傳驅動因素的方法，這項工作可以拓寬選擇和優先考慮治療標靶的科學基礎，使其超越少數已充分錶徵的突變。這對於腫瘤缺乏常見可操作標記的患者尤其重要，有助於建立更具包容性的治療開發和評估路徑。隨著時間的推移，這些方法有望透過將幹預措施與個別腫瘤的潛在生物學機制聯繫起來，從而加強用於設計和評估免疫療法和癌症疫苗的證據。

人工智慧幫助醫生區分腦瘤生長和放射損傷

機構： 約克大學

研究概況
由約克大學領導的團隊開發了一種人工智慧方法，可以讀取先進的 MRI 掃描影像，以判斷腦部病變是活動性癌症還是輻射損傷。

為什麼這一點很重要
對治療後腦部影像進行更可靠的解讀，有助於臨床決策在控制癌症與額外治療風險之間取得平衡，從而避免不必要的干預及其相關危害。透過增強對影像變化反映疾病活動或治療效果的判斷，這項研究有助於建立更安全、更一致的診療路徑，並可能減少患者和臨床醫生在應對複雜轉移性疾病時的不確定性。

研究：更聰明的AI解釋有助於醫生解讀癌症掃描結果

機構： 史蒂文生理工學院

研究概況
史蒂文斯理工學院的一項研究發現，人工智慧可以提高醫生對乳癌影像的診斷準確率，但前提是其解釋旨在輔助臨床醫生，而不是給臨床醫生增加負擔。

為什麼這一點很重要
提高人工智慧在乳癌影像診斷的可靠性和易用性，有助於臨床醫生在應對繁重的診斷工作量時做出更一致的決策。此外，確定如何以符合臨床實踐的方式呈現人工智慧解釋，也有助於制定更安全的決策支援工具部署標準，這對病患信任、醫療培訓和監管都具有重要意義。

大多數患者更信任醫生而非人工智慧，但他們歡迎癌症檢測技術。

機構： 巴魯克學院；南加州大學

研究概況
全國調查顯示，美國民眾對人工智慧單獨診斷疾病持謹慎態度，但對能夠幫助醫生更早發現癌症的人工智慧工具持樂觀態度。即使是短暫接觸人工智慧，似乎也能提升人們對其在醫療保健領域角色的信任度和熱情。

為什麼這一點很重要
這項研究意義重大，因為大眾的信任和接受度將決定人工智慧輔助癌症篩檢和決策支援工具能否有效採用，從而改善醫療服務的可近性、安全性和公平性。透過闡明人們如何權衡臨床醫生的監督作用以及態度如何隨著熟悉程度的增加而轉變，研究結果可以為以患者為中心的溝通、知情同意流程和政策標準提供參考，從而支持將人工智慧負責任地整合到腫瘤學及相關領域，例如免疫療法和疫苗研發。

北卡羅來納大學開發的AI工具加速了全球植物標本館的數位化進程。

機構： UNC教堂山

研究概況
北卡羅來納大學教堂山分校的一項研究表明，先進的人工智慧技術能夠以接近人類的準確度確定植物標本的採集地點，從而大幅降低數位化龐大自然歷史藏品所需的時間和成本。這項突破有望為研究氣候變遷和生物多樣性喪失的科學家提供數十億份記錄。

為什麼這一點很重要
更快、更低成本地實現自然史藏品的數位化，可以擴大目前難以大規模利用的基礎生物多樣性資料的取得途徑。更完整、更易於檢索的標本記錄能夠加強追蹤物種分佈和生態系統隨時間變化的研究，從而支持基於證據的保護規劃和與氣候相關的生態評估。

人工智慧助力NASA自由飛行機器人導航太空站

機構： 斯坦福大學

研究概況
史丹佛大學的工程師首次利用人工智慧技術輔助控制國際太空站上的機器人。他們的研究成果可望為未來登月和火星任務中更多自主助手的出現鋪路。

為什麼這一點很重要
證明人工智慧能夠支援太空環境下的機器人控制，是減輕太空人日常工作負擔、提高任務期間有限太空人時間利用率的重要一步。此外，它還有助於建立在通訊延遲和資源受限導致難以進行持續人工監控的情況下，如何以更高的自主性運行複雜系統的方法。隨著時間的推移，這些能力可以增強在軌及更遠太空科學運行的可靠性和效率。

新型人工智慧工具將用於培訓下一代外科醫生

機構： 約翰斯·霍普金斯大學

研究概況
面對日益嚴重的外科醫生短缺問題，約翰霍普金斯大學的一個團隊開發了一款開創性的人工智慧工具，旨在指導醫學生完成複雜的外科手術。這項創新技術旨在提供即時、個人化的回饋，並在國際醫學影像計算與電腦輔助幹預大會上進行了展示。

為什麼這一點很重要
這項工作意義重大，因為可擴展、一致的外科手術指導有助於在醫療系統面臨人力短缺的情況下加強臨床培訓能力。透過提供結構化、個人化的回饋來支持技能發展，它可能有助於更安全、更規範地培養未來的外科醫生，並為將人工智慧負責任地融入醫學教育的更廣泛努力提供參考。

新型人工智慧系統利用全市攝影機拍攝的影片提升交通安全

機構： NYU

研究概況
紐約市龐大的交通攝影機網路每天拍攝無數小時的視頻，形成了一個數據寶庫，但迄今為止，充分利用這些數據一直是一項挑戰。紐約大學坦頓工程學院的研究人員的一項突破性進展有望改變這一現狀。

為什麼這一點很重要
這項研究意義重大，因為它能幫助城市更有系統地利用現有視覺數據來識別和優先處理交通安全風險，從而為街道設計、執法和資源分配等方面的循證決策提供支持。透過改進大規模檢測和匯總安全相關模式的方法，該研究還推進了將人工智慧應用於複雜的真實公共基礎設施資料的方法，同時提出了負責任的治理和隱私保護方面的重要考慮。

一項新研究發現，人工智慧簡化了癌症患者的CT報告。

機構： 慕尼黑工業大學

研究概況
對於許多試圖理解診斷報告的患者來說，醫學術語可能成為一大障礙。為了解決這個問題，慕尼黑工業大學的一個團隊利用人工智慧技術簡化了CT檢查結果，使其更容易癌症患者理解和接受。

為什麼這一點很重要
讓診斷訊息易於理解有助於患者獲得知情同意並參與決策，從而加強醫病溝通，幫助患者更有信心地參與自身治療。將複雜的影像學術語轉化為簡單易懂的語言，也凸顯了癌症服務中健康素養和可近性的重要性，有助於減少誤解，並提高不同教育或語言背景人群的就醫公平性。

新型人工智慧工具可檢測出醫師漏診的血球異常

機構： 倫敦瑪麗皇后大學；倫敦大學學院；劍橋大學

研究概況
一種名為 CytoDiffusion 的全新人工智慧工具有望改變血液疾病的診斷格局，在識別異常方面超越人類的能力，且準確率極高。

為什麼這一點很重要
更準確、更一致地識別異常血球有助於更早、更可靠地診斷血液疾病，從而幫助臨床醫生做出更明智的決策。透過提供標準化的、數據驅動的方法來解讀複雜的細胞影像，這類工具還可以減少觀察者之間的差異，並幫助實驗室應對日益增長的診斷工作量。從長遠來看，它可以透過實現對不同人群血球形態的大規模、可重複分析，為研究做出貢獻。

流行的AI模型對機器人操作來說並不安全

機構： 卡內基美隆大學；倫敦國王學院

研究概況
倫敦國王學院和卡內基美隆大學的研究人員進行的一項研究表明，目前由流行人工智慧模型驅動的機器人不宜用於通用用途。這項發現引發了人們對依賴這些人工智慧工具的危險性的嚴重質疑。

為什麼這一點很重要
這項研究意義重大，因為它為如何在日常環境中部署人工智慧機器人提供了依據，而安全性和可靠性在這些環境中至關重要。透過識別當前的局限性，該研究有助於制定更清晰的測試標準、監管措施和問責機制，以應對可能與人密切互動的系統。隨著通用機器人應用的擴展，該研究還有助於政策制定者、產業和公眾就可接受的風險做出更明智的決策。

人工智慧模型將革新全球洪水預測和水資源管理

機構： 賓州州立大學

研究概況
在極端天氣日益頻繁的時代，賓州州立大學的一項突破性成果帶來了一線希望。研究人員發布了一款由人工智慧驅動的水文模型，旨在以前所未有的精度預測全球範圍內的洪水並管理水資源。

為什麼這一點很重要
更可靠的洪水預報和水資源規劃能夠幫助社區和機構更早、更明智地制定緊急應變、基礎設施運作和土地利用規劃決策，可能減少對生命和生計的破壞和風險。在科學層面，可擴展的建模方法能夠支持跨區域的一致性比較，並改善水文在氣候和災害風險研究中的整合方式，從而加強公共政策和資源分配的證據基礎。

杜克大學的新型人工智慧機器人可以解決複雜的科學研究難題

機構： 杜克大學

研究概況
杜克大學的工程師開發了一支人工智慧機器人團隊，它們能夠自主解決複雜的設計問題，其效率幾乎與訓練有素的科學家不相上下。這項發表在《ACS Photonics》上的研究表明，人工智慧可能很快就能應對一些雖小但複雜的設計挑戰，在許多領域掀起一股快速發展的浪潮。

為什麼這一點很重要
這項研究意義重大，因為它指出了人工智慧系統如何幫助研究人員和工程師更有效率地處理複雜、專業的工程設計任務，有可能減少探索大型設計空間所需的時間和專業知識。如果應用得當，這些能力可以支援在設計選擇影響效能和成本的領域更快地迭代，幫助研究團隊將更多精力集中在明確目標、驗證結果以及解決安全和倫理問題上。

新演算法使無人機能夠協同運輸重型有效載荷

機構： 代爾夫特理工大學

研究概況
荷蘭代爾夫特理工大學的科學家們開發了一種創新演算法，該演算法可以讓多架自主無人機協同運輸重型有效載荷，即使在惡劣的天氣條件下也能做到。

為什麼這一點很重要
這項工作意義重大，因為協同自主技術能夠擴展空中系統安全支援關鍵服務（包括人員難以到達或風險較高的區域的巡檢、維護和物流）的範圍和時間。透過改進多個機器人在複雜條件下共享單一任務控制權的方式，這項工作也推進了可靠的多智能體系統的科學基礎，這些系統可應用於機器人和計算領域的其他方面。

研究概況
由王浩哲（Haozhe “Harry” Wang）領導的杜克大學電子與電腦工程實驗室推出了一項突破性的研究技術——人工智慧顯微鏡。該顯微鏡名為ATOMIC，全稱為「光學顯微鏡與智慧表徵自主技術」（Autonomous Technology for Optical Microscopy & Intelligent Characterization），旨在模擬並加速通常由訓練有素的研究生完成的複雜分析任務。

為什麼這一點很重要
透過自動化常規顯微鏡分析，這項工作可以幫助研究團隊更一致、更有效率地處理成像數據，從而減少阻礙科學進步的瓶頸。更快速、更標準化的表徵方法能夠為依賴顯微鏡技術的眾多領域（從材料科學到生物醫學研究）提供支持，使後續研究和開發能夠獲得更及時、更可重複的證據。

新型人工智慧模式可以幫助運動員避免受傷

機構： 加州聖地亞哥

研究概況
加州大學聖地牙哥分校的研究人員開發了一種名為 BIGE（生物力學指導的運動科學生成人工智慧）的突破性生成式人工智慧模型，旨在預防運動員受傷並幫助他們進行康復。

為什麼這一點很重要
這項研究意義重大，因為它透過將人工智慧產生的運動指導與已建立的生物力學約束相結合，支持更安全、更個性化的運動計劃，從而有助於減少訓練和康復過程中不必要的損傷。此外，它還提供了一種研究工具，用於探討運動模式與損傷風險和復健之間的關係，有望提高實證運動建議在運動和臨床環境中的一致性和可及性。

人工智慧可以更好地預測心臟病患者未來的風險

機構： 萊斯特大學

研究概況
萊斯特大學研究人員領導的一項研究表明，人工智慧可以顯著提高對心臟病患者未來風險的預測，從而為更精準、更有效的治療鋪平道路。

為什麼這一點很重要
提高臨床醫生對心臟病發作後未來風險的評估能力至關重要，因為它有助於制定更一致、更循證的後續護理和治療強度決策。更準確的風險分層也能幫助醫療系統將專科資源集中用於最有可能獲益的患者，同時減少對其他患者不必要的介入。隨著時間的推移，這將加強個人化心血管護理的科學基礎，並可能提高心臟病發作後管理的品質和效率。

新型人工智慧系統可識別電子健康記錄中的隱藏模式

機構： 西奈山伊坎醫學院

研究概況
人工智慧領域的一項突破有望徹底改變醫生診斷疾病的方式。西奈山伊坎醫學院的研究人員及其合作者開發了InfEHR，這是一種能夠將不同時期發生的醫療事件關聯起來的人工智慧系統。

為什麼這一點很重要
這項工作意義重大，因為它有助於更有系統地利用縱向電子健康記錄，幫助臨床醫生和研究人員解讀複雜的患者病史，而非孤立的就診記錄。透過提高識別跨時間臨床相關模式的能力，它可以加強從常規護理數據中產生證據，並為醫療保健系統中更一致、更數據支援的決策提供資訊。

新的人工智慧工具可以預測酪梨的成熟度

機構： 佛羅裡達州立大學；俄勒岡州立大學

研究概況
俄勒岡州立大學和佛羅裡達州立大學的研究人員開發了一種人工智慧系統，該系統利用智慧型手機影像準確預測酪梨的成熟度和內部品質。

為什麼這一點很重要
提高採購或分銷前評估農產品品質的能力，有助於減少不必要的食物浪費，從而支持整個食品系統更有效地利用土地、水和能源。便利的、以影像為基礎的品質評估還有望增強零售和供應鏈決策的一致性，進而提升消費者信心，減少不必要的退貨和丟棄。

人工智慧縮短了衡量產品永續性影響的時間

機構： 新加坡科技與設計大學

研究概況
新加坡科技設計大學的研究人員開發了一種新的人工智慧驅動模型，可以縮短衡量產品對環境影響所需的時間。

為什麼這一點很重要
更快速的環境影響評估有助於設計人員和製造商在開發早期階段比較不同方案，此時進行修改更容易、成本更低。透過減少評估所需的時間和精力，這項工作有助於在產品決策中更常規地考慮環境權衡，並加強永續性報告和政策合規性的證據基礎。

新的人工智慧工具可以預測美國車禍風險

機構： 約翰霍普金斯大學；維吉尼亞大學

研究概況
約翰霍普金斯大學的研究人員開發出 SafeTraffic Copilot，這是一款先進的人工智慧工具，旨在預測和減輕美國各地的車禍風險，從而在交通安全領域取得了重大里程碑式的成就。

為什麼這一點很重要
這項工作意義重大，因為它支持採取更積極主動的道路安全措施，幫助決策者識別事故風險較高的地點和時間，並優先進行預防工作。透過提供一種可擴展的、數據驅動的跨區域風險評估方法，它可以加強交通規劃、政策制定和資源分配的證據基礎，從而減少傷亡事故。

新研究發現，人工智慧生成的聲音現在與人類聲音難以區分

機構： 倫敦大學瑪麗皇后學院

研究概況
人工智慧語音技術已取得突破性進展。倫敦瑪麗皇后大學的一項研究表明，合成語音如今已與真人語音難辨真假，這標誌著人工智慧能力的重大飛躍。長期以來，許多人認為人工智慧產生的語音不夠逼真，很容易與人聲區分開來。

為什麼這一點很重要
如果合成語音無法再與人聲可靠地區分，就會對日常通訊中的信任和驗證問題產生緊迫影響，例如機構如何驗證來電者身分以及如何保護人們免受冒名頂替。同時，如果部署時採取明確的安全措施和透明的標準，這項技術也能滿足無障礙和通訊需求，例如輔助技術和語音恢復。

新的人工智慧工具可預測幼兒嚴重氣喘的風險

機構： Mayo Clinic

研究概況
梅奧診所的研究人員取得了一項突破性進展，他們開發了人工智慧工具，能夠識別出患有氣喘的兒童中，哪些人最有可能出現嚴重的氣喘急性發作和急性呼吸道感染。

為什麼這一點很重要
及早識別氣喘和呼吸道感染高風險兒童，有助於更及時地進行監測和預防性護理，從而幫助臨床醫生優先關注最需要幫助的兒童。這項工作也為更廣泛的科學研究做出了貢獻，即利用數據驅動的方法來改善兒童呼吸系統健康的風險分層，這對醫療保健系統如何分配資源和製定後續計劃具有重要意義。

新的人工智慧模型可提前幾十年預測疾病風險

機構： 歐洲分子生物學實驗室；德國癌症研究中心；哥本哈根大學

研究概況
在《自然》雜誌上發表的一項研究中，來自歐洲分子生物學實驗室、德國癌症研究中心和哥本哈根大學的研究人員推出了一種開創性的人工智慧模型，能夠提前十年預測 1,000 多種疾病的風險和發生時間。

為什麼這一點很重要
這項工作意義重大，因為更早、更準確的風險預測有助於醫療系統從被動治療轉向更有針對性的預防和監測，從而可能改善資源分配方式和患者長期追蹤方式。此外，它還提供了一個大規模評估長期疾病軌蹟的框架，可以支持對共同風險因素的研究，並為臨床研究和預防干預措施的設計提供資訊。

人工智慧可以比醫生更好地預測手術後的致命併發症

機構： 約翰斯·霍普金斯大學

研究概況
一種新開發的AI模型有望徹底改變外科醫生預測和管理術後併發症的方式，其性能顯著優於醫生目前使用的傳統風險評分。這項創新突破來自約翰霍普金斯大學的研究人員，他們利用AI技術在常規心電圖（ECG）檢查中發現了以前未被檢測到的訊號。

為什麼這一點很重要
更準確地識別術後併發症高風險患者有助於臨床醫生製定個性化的監測和預防性護理方案，從而提高患者安全，並為知情同意討論提供支持。利用常規收集的心電圖數據，也為更廣泛、更公平地獲得高級風險評估提供了一種途徑，無需進行新的檢查，同時為進一步研究與手術恢復相關的生理信號奠定了基礎。

新的人工智慧模型可以透過乳房 X 光檢查預測女性心臟病的風險

機構： 喬治全球健康研究所；新南威爾斯大學；雪梨大學

研究概況
由喬治全球健康研究所開發的突破性機器學習模型，現在可以透過分析乳房X光片來預測女性心臟病的風險。這項創新演算法發表在《心臟》雜誌上，是喬治全球健康研究所、新南威爾斯大學和雪梨大學合作的成果。

為什麼這一點很重要
這項研究意義重大，因為它能夠利用常規乳癌篩檢中收集的信息，更早地識別女性的心血管風險，從而支持更及時地開展預防和後續護理方面的溝通。此外，它還凸顯了應用人工智慧連結不同健康評估領域資訊的價值，這有助於改善心血管風險識別和管理，尤其是在心血管風險往往被低估的人群中。

研究發現，人工智慧在皮膚癌評估上與皮膚科醫師的診斷結果一致

機構： 哥德堡大學

研究概況
哥德堡大學領導的一項研究表明，一個簡單的AI模型在評估鱗狀細胞癌（一種常見的皮膚癌）的侵襲性方面，其表現可以與經驗豐富的皮膚科醫生相媲美。這項發現可能預示著癌症診斷和治療的新紀元。

為什麼這一點很重要
對腫瘤侵襲性的可靠評估對於選擇合適的治療方案和後續追蹤至關重要，而支持決策一致性的工具有助於減少治療差異。證明簡單的AI方法能夠達到專家的水平，凸顯了可擴展臨床支援的途徑，這在皮膚科專家資源有限的地區尤其重要。此外，這也為將透明、經過充分驗證的AI方法整合到癌症診斷以及相關的免疫療法和疫苗研究工作流程中提供了更充分的證據基礎。

新型人工智慧系統利用標準安全攝影機即時偵測火災

機構： NYU

研究概況
紐約大學坦頓工程學院的研究人員開發出一種革命性的人工智慧系統，該系統利用標準監視攝影機幾乎可以瞬間偵測到火災。這項創新有望顯著提升消防安全，挽救生命並減少財產損失。

為什麼這一點很重要
更早的火災偵測有助於加快緊急應變速度，並更及時地做出疏散決策，這對於減少火災事故中的傷亡至關重要。與現有攝影機基礎設施相容的方法還可以降低公共和私人設施採用該方法的門檻，從而有助於將消防安全監控擴展到更多場所。此外，這項工作透過展示人工智慧如何應用於對速度和可靠性要求極高的安全關鍵監控領域，為更廣泛的電腦視覺領域做出了貢獻。

新型人工智慧工具可望加速藥物研發

機構： 哈佛醫學院

研究概況
哈佛醫學院的研究人員開發了一種開創性的人工智慧模型PDGrapher，它能夠精準定位可以逆轉細胞疾病狀態的基因和藥物組合，從而顯著加速藥物研發。這項創新工具代表著對傳統藥物研發方法的重大突破，有望為複雜疾病的治療帶來突破性進展。

為什麼這一點很重要
透過幫助研究人員更有效率地識別有前景的分子標靶和治療組合，這項工作可以減少篩選實驗室和臨床試驗候選藥物所需的時間和資源。它還有助於更有系統地理解疾病如何改變細胞狀態，從而為單藥治療效果有限的疾病提供治療策略。隨著時間的推移，這些方法可以透過改進早期假設的生成和比較方式，加強治療方案開發和評估的證據基礎。

人工智慧能否維護刑事司法系統的公正？

機構： 亞利桑那州立大學；聖塔菲研究所

研究概況
在人工智慧滲透到日常生活各個層面的時代，它對刑事司法系統的介入引發了一個棘手的問題：人工智慧能否在關乎生死存亡的關鍵決策中維護公平？人工智慧越來越多地參與傳統上由法官和假釋委員會處理的任務中，例如預測犯罪、分析DNA以及提出量刑建議。

為什麼這一點很重要
隨著人工智慧工具在刑事司法領域的應用，對公平性和問責制的研究有助於闡明這些系統可能如何影響正當程序、平等對待以及公眾對法律機構的信任。建立嚴格的方法來評估和管理人工智慧輔助決策，可以為透明度和監督標準提供依據，從而支援在可能對個人和社區產生重大影響的情況下負責任地使用人工智慧。

新研究揭示人類與人工智慧學習機制的相似之處

機構： 布朗大學

研究概況
布朗大學的一項研究揭示了人類和人工智慧系統在學習方式上的驚人相似之處，為人類認知提供了新的見解，並為開發更直觀的人工智慧工具鋪平了道路。

為什麼這一點很重要
透過闡明人與機器系統之間共享的學習原則，這項工作可以幫助研究人員檢驗和完善關於人類如何獲取和使用知識的科學理論。它也為設計行為更易於理解且符合人類預期的AI工具奠定了基礎，這對於在教育、醫療和公共服務等領域實現信任、可用性和負責任的部署至關重要。

新型人工智慧工具可檢測與癌症和心臟病相關的血液突變的早期跡象

機構： Mayo Clinic

研究概況
梅奧診所的研究人員開發出一種人工智慧工具，用於識別血球中的早期突變，這在疾病早期檢測領域取得了重大進展。這些突變會顯著增加老年人罹患白血病和心臟病的風險。

為什麼這一點很重要
更早識別高風險血球突變有助於對老年人進行更及時的監測和臨床決策，這可能會改善臨床醫生管理白血病和心血管疾病相關風險的方式。透過標準化和規模化突變檢測，這種人工智慧驅動的方法還可以加強對這些突變如何發展以及哪些幹預措施最有效的研究，從而有助於指導未來的預防和治療策略。

新的人工智慧模型可以提高電動車電池壽命和安全性

機構： 奧爾堡大學；烏普薩拉大學

研究概況
瑞典烏普薩拉大學的研究人員開發出一種開創性的人工智慧模型，該模型有望顯著延長電動車電池的使用壽命並提高其安全性，從而解決交通運輸行業電氣化進程中的一個關鍵障礙。這項研究與丹麥奧爾堡大學合作，歷時數年進行了大量的電池測試。

為什麼這一點很重要
改善電池的老化性能和長期使用性能至關重要，因為它可以減少電池更換頻率，從而降低電動車整個生命週期的成本和材料需求。更可靠的電池性能也有助於提高安全性，增強人們對電動交通的信心，這對於電動車的普及和減少交通相關排放至關重要。

人工智慧模型繪製碳排放圖，協助制定更公平的氣候政策

機構： 新加坡國立大學

研究概況
新加坡國立大學的研究人員開發了一種開源人工智慧模型，能夠精確繪製多個主要城市建築物的碳排放量。這項創新有望為旨在製定有針對性且公平的脫碳策略的政策制定者帶來變革。

為什麼這一點很重要
可靠且精細的建築相關排放資訊有助於城市優先考慮改造和節能措施，公平分配資源，並追蹤氣候目標的進展。透過公開提供這些信息，可以支持更透明的分析，並使研究人員和公共機構能夠比較不同地點和不同時期採取的方法。

新的AI模型可以促進RNA疫苗的開發

機構： 麻省理工學院

研究概況
麻省理工學院的研究人員率先採用人工智慧技術設計出更有效率的奈米顆粒，用於遞送RNA疫苗和療法。這項突破性方法有望顯著加快針對多種疾病（包括肥胖症和糖尿病）的新型RNA療法的研發。

為什麼這一點很重要
更有效率的RNA遞送系統能夠提高RNA疫苗和療法從概念到臨床試驗的轉化效率，因為它可以提高這些藥物到達目標細胞的可靠性。利用人工智慧從先前設計的大型資料集中學習，也有助於採用更有系統、可重複的方法開發遞送材料，從而減少試錯，並幫助研究團隊在不同研究中更一致地比較候選藥物。

研究人員利用人工智慧繪製美國停電熱點地圖

機構： 德克薩斯A＆M大學

研究概況
隨著颶風貝裡爾和冬季風暴烏裡等極端天氣事件威脅日益加劇，長期停電已成為一個令人擔憂的問題。德州的居民尤其面臨頻繁的停電，但德州農工大學新開發的一款工具旨在從全國範圍解決這一問題。該大學城市韌性人工智慧實驗室的研究人員利用機器學習技術創建了電力系統脆弱性指數（PSVI），這是一個全國性的工具，用於識別停電風險較高的地區。

為什麼這一點很重要
長時間停電會擾亂醫療保健、供水和食品供應系統、通訊以及家庭安全，對醫療資源匱乏和低收入社區的影響尤其嚴重。透過研究改善停電的預測和管理方式，可以幫助公用事業公司和緊急規劃人員更有效地分配資源，加快電力恢復速度，並在極端天氣風險增加的情況下加強應對能力。

人工智慧可以幫助急診室團隊預測入院人數，提高病患照護水平

機構： 西奈山伊坎醫學院

研究概況
西奈山醫療系統的一項研究表明，人工智慧可以幫助急診團隊更好地預測哪些患者需要住院治療。這個人工智慧模型比現有方法提前數小時實現了這一目標，顯著改善了患者護理並緩解了急診室擁擠狀況。

為什麼這一點很重要
及早識別可能需要入院的患者有助於急診室更有效地分配床位、醫護人員和診斷資源，從而提供更安全、更及時的醫療服務。透過改善患者就診流程，此類方法可以減少長時間的等待，並緩解因過度擁擠和滯留造成的營運壓力，從而影響患者體驗和臨床醫生的工作量。這項工作也提供了人工智慧如何融入時間敏感型臨床決策支援系統，同時又能維持對可衡量效能的關注的證據。

新方法利用人工智慧實現更精確的基因編輯

機構： 蘇黎世聯邦理工學院；根特大學；蘇黎世大學

研究概況
蘇黎世大學的科學家團隊與根特大學和蘇黎世聯邦理工學院合作，在基因工程領域取得了重大突破。他們創新地將人工智慧與 CRISPR/Cas9 技術結合，將 DNA 編輯的精確度提升到了新的高度。

為什麼這一點很重要
更精準的DNA編輯方法能夠幫助科學家更有把握地將特定的基因改變與生物效應聯繫起來，從而加強基礎研究和轉化研究。反過來，這有助於更可靠地識別基因組生物標記物，並提高用於開發和評估診斷方法及標靶療法的證據品質。此外，它還能減少可能使結果解讀和風險評估複雜化的意外改變，有助於更安全、更負責任地使用基因編輯工具。

人工智慧輔導與人類指導結合，改善神經外科培訓

機構： 麥吉爾大學

研究概況
人工智慧正在顯著提升包括神經外科在內的多個領域的培訓和教育水平。麥基爾大學蒙特利爾神經病學研究所醫院（The Neuro）的一項研究表明，將人工智慧輔導與人工教學相結合，能夠為神經外科培訓帶來最佳效果。

為什麼這一點很重要
這項研究意義重大，因為它為如何更有效地教授高風險臨床技能提供了依據，既能支持統一的訓練標準，又能保留專家指導的優勢。人工智慧輔助何時能發揮價值的證據，可以幫助醫學教育者更有效地分配教學時間和資源，這對醫護人員的培養和複雜外科手術中的病人安全具有重要意義。

創新人工智慧代理自主解決網路安全挑戰

機構： NYU

研究概況
紐約大學坦頓工程學院的研究人員聯合紐約大學阿布達比分校及其他合作機構，推出了一款先進的人工智慧代理，旨在自主應對複雜的網路安全挑戰。這項名為EnIGMA的突破性成果在2025年國際機器學習大會（ICML）上亮相，展現了該領域的顯著進步。

為什麼這一點很重要
隨著網路威脅規模和複雜性的不斷增長，能夠更有效率地識別和應對漏洞的方法對於保護政府、企業和公眾使用的關鍵數位服務變得日益重要。針對網路安全領域自主人工智慧方法的研究也有助於更有系統地測試和評估防禦措施，從而促進更強大的安全實踐，並為如何負責任地管理和部署此類工具提供指導。

家用新型人工智慧大腦刺激系統可提高注意力

機構： 牛津大學；薩里大學

研究概況
由薩里大學的研究人員與牛津大學和認知神經技術有限公司合作開發的尖端人工智慧驅動的家用腦刺激系統，有望提高注意力集中度和認知能力，在教育和專業領域具有巨大的應用潛力。

為什麼這一點很重要
這項研究意義重大，因為它推進了在日常情境中支持注意力及認知功能的方法，有助於指導學習和工作環境如何更好地滿足個別需求。此外，它還有助於完善安全有效的家用神經技術的證據基礎和技術標準，從而指導人工智慧腦刺激工具的負責任開發和評估。

人工智慧機器人加速機器人昆蟲的組裝

機構： 南洋理工大學

研究概況
在一項突破性進展中，由佐藤博隆領導的新加坡南洋理工大學科學家團隊創造了世界上第一條用於製造機械昆蟲的自動化組裝線。

為什麼這一點很重要
將電子元件與生物體進行精確的自動化集成，能夠使生物混合研究更具可擴展性和一致性，幫助實驗室標準化方法並提高可重複性。這項能力支持基於昆蟲的感測平台的開發和評估，這些平台可用於傳統機器人應用受限的環境，同時也促使人們認真考慮此類系統的安全性、倫理和治理問題。

科學家利用人工智慧幫助植物辨識細菌入侵者

機構： 加州大學戴維斯分校

研究概況
加州大學戴維斯分校的研究人員利用人工智慧技術增強了植物的免疫系統，使其能夠檢測更廣泛的細菌威脅。這項突破有望顯著提高番茄和馬鈴薯等主要農作物抵禦病害的能力。

為什麼這一點很重要
增強作物抗病性有助於提高糧食生產的可靠性，並有助於減少影響農民、供應鏈和消費者獲取主食的損失。這項研究還展示了計算方法如何透過識別傳統方法難以發現的免疫特徵來加速植物生物學研究，從而為未來的作物保護和永續農業策略提供資訊。

人工智慧平台首次設計分子「飛彈」來消滅癌細胞

機構： 丹麥技術大學

研究概況
研究人員開發了一種基於人工智慧的創新平台，有望徹底改變精準癌症治療方式，顯著縮短開發新型治療性蛋白質所需的時間。該方法已發表在《科學》雜誌上，展現了人工智慧設計分子飛彈的能力。

為什麼這一點很重要
這項研究意義重大，因為更快、更有針對性地設計免疫療法有助於縮短新型癌症療法的研發週期，並支持更個人化的治療方案。此外，它還為利用人工智慧更有效率地設計治療性蛋白質提供了科學框架，這有望增強免疫療法和疫苗的整體研發管線，並提高研究人員對新出現的臨床需求的反應速度。

加州大學河濱分校推出人工智慧工具打擊虛假視頻

機構： 加州大學河濱分校

研究概況
加州大學河濱分校的研究人員發布了一款創新的人工智慧模型，旨在識別虛假影片。該校馬蘭和羅斯瑪麗·伯恩斯工程學院的電機與電腦工程教授阿米特·羅伊-喬杜里和博士生羅希特·昆杜與Google科學家合作開發了這款人工智慧模型。

為什麼這一點很重要
可靠的視訊內容篡改識別方法有助於保護網路共享資訊的完整性，促進更知情的公共討論，並降低在選舉、公共安全和新聞等高風險領域中出現欺騙行為的風險。這項工作也透過推動數位媒體真實性驗證技術和加強防範濫用的措施，為建構可信賴的人工智慧系統這項更廣泛的科學努力做出貢獻。

新的人工智慧模式增強了5天區域天氣預報能力

機構： 西北工業大學

研究概況
中國西北工業大學的研究小組推出了一個基於深度學習的突破性框架，該框架將徹底改變中期區域天氣預報，特別是在氣象資料稀疏的地區。

為什麼這一點很重要
在觀測資源有限的地區，改善中期天氣預報有助於更早做出更明智的決策，以保障公共安全、促進農業發展、改善水資源管理和能源規劃。推動數據高效預報方法的研究也有助於將現代氣象服務擴展到服務不足的地區，從而促進更公平地獲取風險資訊。從科學角度來看，它增強了將人工智慧與大氣預測相結合的工具，尤其是在傳統方法受限的情況下。

突破性人工智慧模擬數十億原子，打造碳中和混凝土

機構： 南加州大學

研究概況
在氣候變遷對地球構成巨大威脅的時代，南加州大學維特比工程學院的科學家提出了一個極具前景的解決方案。他們開發了一種人工智慧模型，可以同時模擬數十億個原子的行為，並有望徹底革新混凝土等材料的設計和生產方式。

為什麼這一點很重要
更精確、可擴展的原子級模擬可以幫助研究人員在進行耗時耗資的實驗室測試之前，評估材料的性能和失效機制。這項能力有助於開發環境影響更小、耐久性更高的材料，這對於基礎設施建設、製造業以及減少混凝土等常用材料相關排放的努力都至關重要。

新研究利用人工智慧更快地識別新興病毒

機構： 沙漠研究所；內華達大學拉斯維加斯分校

研究概況
由內華達大學拉斯維加斯分校領導的研究團隊，透過將人工智慧與廢水監測相結合，在病毒早期檢測方面取得了顯著進展。這項發表在《自然通訊》雜誌上的創新方法，可望徹底改變公共衛生部門應對新發病毒疫情的方式。

為什麼這一點很重要
這項研究意義重大，因為它能以補充臨床檢測的方式，加強傳染病的團體監測，並幫助公共衛生機構更有效地分配資源。透過改善對複雜廢水數據的解讀，它能夠提供更早、更一致的檢測訊號，從而為及時決策提供依據，同時保護隱私並減少參與障礙。

人工智慧工具 EchoNext 可偵測隱性心臟病

機構： 哥倫比亞大學

研究概況
人工智慧正在革新心臟病篩檢方式，這要歸功於哥倫比亞大學和紐約長老會醫院的研究人員開發的新工具。結構性心臟病，包括瓣膜疾病和先天性缺陷等，通常在發展到晚期之前都難以察覺。

為什麼這一點很重要
早期識別結構性心臟問題可使臨床醫生在症狀惡化前進行幹預，從而改善治療方案並減少可避免的併發症。基於人工智慧的篩檢工具還有望透過幫助確定需要進行確診檢查和專科會診的患者優先順序，使不同醫療機構的評估更加一致。隨著時間的推移，這種方法有助於更有效地利用臨床資源，同時加強對人群心血管健康的監測。

新的人工智慧模型可以加速阿茲海默症藥物的研發

機構： 劍橋大學

研究概況
劍橋大學的科學家團隊開發出人工智慧模型，有望徹底改變阿茲海默症臨床試驗的進行方式。這項突破性模型預測患者認知能力下降進展的準確率是標準臨床測試的三倍。

為什麼這一點很重要
更準確地預測認知衰退有助於研究人員設計阿茲海默症臨床試驗，從而更清晰地選擇受試者和確定療效指標，提高研究結果的可靠性。這有助於更有效地利用時間和資源來評估潛在療法，並加強臨床和政策決策所需的證據基礎。

新研究揭示農業碳市場的突破性氣候解決方案

機構： 密歇根州立大學

研究概況
為顯著改善農業碳市場，密西根州立大學的研究人員開發出更精確、更具可擴展性的系統，用於衡量再生農業實踐帶來的氣候效益。這項由農業系統科學家布魯諾·巴索領導的研究旨在解決碳信用計算中設定準確基準的問題。

為什麼這一點很重要
更可靠的測量和核查能夠增強人們對農業碳市場的信任，確保碳信用額反映真實、可比較的氣候效益。這對農民、買家和監管機構都至關重要，因為一致的基準線有助於公平補償、減少爭議並提高氣候相關融資的問責制。隨著時間的推移，更完善的資料基礎設施還可以透過明確不同條件下哪些做法能夠帶來可衡量的成果，為農業政策和土地管理決策提供資訊支援。

人工智慧增強眼部疾病預測：新研究

機構： 愛丁堡大學

研究概況
常規眼部掃描與人工智慧的突破性結合，為評估近視度數開闢了一條新穎且更精確的方法，有望徹底改變嚴重視網膜損傷的預防方式。

為什麼這一點很重要
更精確地評估近視度數有助於臨床醫生更早識別視網膜併發症高風險族群，並據此調整監測和照護方案，從而更安全、更有針對性地利用臨床資源。透過利用常規眼部影像檢查，這種方法也為提高不同醫療機構間眼部健康評估的一致性提供了一條可擴展的途徑，這有助於加強預防策略，並為未來開展與視力相關疾病風險的研究提供資訊。

AI工具可準確定位乳房MRI掃描中的腫瘤位置

機構： 華盛頓大學

研究概況
一種新型人工智慧模型已被開發出來，可徹底改變基於磁振造影（MRI）掃描的乳癌檢測方式，與現有基準模型相比，該模型在識別腫瘤位置方面的準確性顯著提高。這項創新工具是基於近萬例乳房MRI檢查的大型資料集進行訓練，相關研究成果發表在《放射學》雜誌。

為什麼這一點很重要
更精準地解讀乳房磁振造影結果有望支持更早、更可靠的臨床決策，從而減少漏診癌症和不必要的後續檢查。本研究利用大型、多樣化的影像資料集展示了效能提升，也為如何評估人工智慧工具並將其負責任地整合到放射科工作流程中提供了證據，並為未來安全、公平和臨床驗證標準制定提供了參考。

調查顯示美國人對人工智慧產生的健康資訊的信任度日益提升

機構： 賓夕法尼亞大學

研究概況
隨著健康相關資訊越來越多地出現在搜尋引擎中，美國人開始轉向人工智慧產生的資訊。儘管有潛在缺陷，但調查顯示，相當一部分美國成年人認為這些資訊可靠且有用。

為什麼這一點很重要
這項研究意義重大，因為它闡明了公眾對人工智慧產生的健康資訊的信任程度，而這些資訊會影響人們日常的醫療保健和自我管理決策。透過記錄公眾對資訊可靠性和實用性的看法，該研究提供了可用於指導公共衛生傳播、數位素養提升以及用於健康相關查詢的人工智慧工具的設計和監管的證據。

突破性人工智慧機器人模仿動物動作以在陌生地形中導航

機構： 倫敦大學學院；利茲大學

研究概況
利茲大學和倫敦大學學院的研究人員開發了一種人工智慧系統，該系統可以讓四足機器人根據多種地形調整步態，模仿真實動物的敏捷性和適應性。

為什麼這一點很重要
改進腿式機器人在崎嶇不平或難以預測的地面上的移動方式，可以拓展機器人系統的應用範圍，使其能夠進入人類難以到達或不安全的場所。這項研究也將人工智慧的最新進展與動物運動原理相結合，從而加深了人們對自適應運動的科學理解，並為機器人學及相關領域的未來研究提供了支持。

突破性光學晶片輔助超快速、更環保的人工智慧

機構： 拉瓦爾大學

研究概況
魁北克省拉瓦爾大學光學、光子學和雷射中心的研究人員推出了一款突破性的光學晶片，能夠以極高的速度傳輸大量數據，同時能耗極低。這項創新有望徹底改變以高能耗著稱的人工智慧系統。

為什麼這一點很重要
提高高速資料傳輸的能源效率至關重要，因為它可以降低支援人工智慧、科學研究和數位服務的運算基礎設施的電力和冷卻需求。光互連技術的進步也有助於解決計算系統擴展的關鍵瓶頸，從而在不成比例增加能耗的情況下，實現更強大的模型和更快的科學工作流程。

新研究揭示感官輸入如何提升人工智慧的概念理解能力

機構： 紐約市立大學；香港理工大學；俄亥俄州立大學；普林斯頓大學

研究概況
由香港理工大學領導的研究團隊發現，當大型語言模型透過感官和運動輸入而豐富時，它們可以更像人類一樣形成複雜的概念知識。

為什麼這一點很重要
理解如何將基於語言的人工智慧與感覺和運動資訊結合至關重要，因為它能闡明機器如何表徵意義和概念，從而為評估和改進其推理能力提供更清晰的基礎。這些知識可以指導人工智慧系統的設計，使其能夠更可靠地在上下文中解讀語言，這對於那些準確理解現實世界情境會影響安全性、可訪問性和信任度的應用至關重要。此外，它還為利用基於感知和行動的共享基準來比較人類和機器的認知能力提供了一條研究路徑。

大學研究人員如何利用人工智慧在2025年產生現實世界的影響