计算机科学与技术是研究计算机系统的设计、开发、应用及其理论基础的学科,涵盖硬件、软件、网络、算法、人工智能、数据科学等多个领域。它融合数学、逻辑学与工程技术,致力于提升计算效率、解决复杂问题,并推动信息技术在各行业的创新应用,如云计算、大数据、物联网等,是现代科技发展的核心驱动力之一。(该学科下共有 1337 篇文章)
作者: aeks | 发布时间: 2026-06-27 16:00
学科: 新闻传播学 法学 社会学 计算机科学与技术
本期节目探讨AI如何深度介入影视产业:亚马逊突然撤资一部关于OpenAI创始人山姆·阿尔特曼的电影;谷歌DeepMind向独立制片公司A24注资7500万美元开发AI辅助工具;多地民众和电工抗议数据中心建设;Meta因员工监控数据泄露暂停监控计划;Anthropic与美国政府关系回暖,主因CEO不再直接参与谈判。
标签: AI公司监管 人工智能与影视 员工监控泄露 数据中心争议 科技巨头干预
作者: aeks | 发布时间: 2026-06-27 10:01
学科: 法学 管理科学与工程 网络空间安全 计算机科学与技术
美国商务部允许AI公司Anthropic向部分可信合作伙伴有限恢复其最强网络安全模型Mythos 5的访问权限,但未批准面向公众的Fable 5版本。此举源于政府对模型被外国实体(如韩国电信公司)不当使用的安全担忧,也反映出特朗普政府正加强对前沿AI模型发布的管控。
标签: AI监管 Mythos模型 出口管制 特朗普政府AI政策 网络安全AI
作者: aeks | 发布时间: 2026-06-26 12:02
学科: 伦理学 控制科学与工程 管理科学与工程 计算机科学与技术
Anthropic是一家AI公司,一面高调警示AI可能引发灾难,一面全力研发最先进AI模型。它自称‘负责任的守门人’,认为只有自己领跑AI前沿,才能真正管控风险。但其与军方合作、技术管控争议等,引发公众对其‘好人叙事’是否可信的质疑。
标签: 人工智能安全 负责任创新
作者: aeks | 发布时间: 2026-06-26 06:02
学科: 物理学 电子科学与技术 计算机科学与技术 软件工程
中国自主研发的超算‘凌 Shine’(LineShine)登顶全球最快超算TOP500榜单,是近十年来首台夺冠的中国系统。它不依赖美国GPU芯片,而是用国产部件+创新架构实现每秒2.19百亿亿次运算,兼顾传统科学计算与人工智能任务。
标签: 人工智能计算 国产芯片 科学计算 超级计算机
学科: 公共卫生与预防医学 生物医学工程 计算机科学与技术
本文首次对医疗AI模型开展患者级隐私风险审计,发现即使模型整体表现看似安全,某些患者仍面临近乎完美的隐私泄露风险——攻击者仅凭模型预测就能准确判断某位患者的数据是否被用于训练。这种风险在模型越大、数据越少的群体(如少数族裔、特定疾病患者)中尤为严重。
标签: 健康不平等 医疗人工智能 差分隐私 患者隐私风险 成员推断攻击
作者: aeks | 发布时间: 2026-06-26 04:00
学科: 交叉学科 神经科学 计算机科学与技术
科学家发现,脑细胞靠‘家族血缘’(即细胞代际关系)而非仅靠化学信号来确定自己在大脑中的位置,从而精准发育。这一新机制解释了数十亿神经元如何有序组装成复杂大脑,对理解生命发育、癌症生长乃至人工智能的自组织设计都有重要启示。
标签: 位置信息 大脑发育 神经元定位 细胞谱系
作者: aeks | 发布时间: 2026-06-25 22:01
学科: 公安学 法学 社会学 计算机科学与技术
英国布里斯托尔曾试点一个名为‘家庭思维数据库’的预测系统,整合警方、市政、医疗等敏感数据,为数万人打风险分,试图提前干预儿童受虐或犯罪等问题。但独立审查发现模型准确率极低、缺乏透明度,部分模型已被弃用。公众不知自己是否被评分,也无从质疑。该案例暴露了政府滥用AI预测工具的风险。
标签: 家庭思维数据库 数据伦理 算法偏见 预测警务 风险评分
作者: aeks | 发布时间: 2026-06-25 18:02
学科: 生物医学工程 药学 计算机科学与技术
设计能结合小分子药物的蛋白质一直很困难。本文提出一种新方法(NISE),用两个神经网络反复优化,从零开始成功设计出高精度的小分子结合蛋白,对两种抗癌药(exatecan和apixaban)的成功率分别达100%和83%,亲和力远超现有技术。
标签: 亲和力优化 小分子结合蛋白 神经迭代设计 蛋白质从头设计
作者: aeks | 发布时间: 2026-06-25 14:01
学科: 临床医学 公共卫生与预防医学 生物医学工程 计算机科学与技术
每年数十万人因突发心脏骤停猝死,往往毫无征兆。现有植入式除颤器可挽救生命,但难以准确判断谁真正需要。本研究用深度学习分析大量心电图和死亡数据,发现一种新高危人群,并识别出能预测猝死风险的心电图新特征。
标签: 人工智能医疗 心电图 深度学习 风险预测
作者: aeks | 发布时间: 2026-06-25 12:02
学科: 临床医学 生物医学工程 计算机科学与技术
心脏骤停可致猝死,植入除颤器能救命,但医生常无法提前识别高危患者。目前最常用的预测指标——左心室射血分数(LVEF)漏诊多数猝死,还让许多低风险者白装除颤器。本研究用深度学习分析心电图(ECG),发现一种肉眼可见的新生物标志物,能更准识别真正高危人群,且提示除颤器确有救命效果。
标签: 心电图 心脏猝死 深度学习 生物标志物