Ученые из Кембриджского университета впервые испытали на людях вакцину, активный компонент которой полностью разработали с помощью компьютерного моделирования. Препарат оказался безопасным и вызвал иммунный ответ не только к SARS-CoV-2, но и к родственным коронавирусам летучих мышей.
Разработка НГУ помогает нейросети находить в электронных медицинских картах самые важные симптомы и показатели. Это делает работу медицинских ИИ-систем понятнее для врача и повышает точность оценки рисков.
Открытая модель ESMFold2 предсказала форму более 1,1 млрд белков и расширила карту «белковой вселенной». Атлас может помочь ученым искать новые ферменты, антитела и молекулы для будущих лекарств.
Ученые показали, что ИИ может за несколько часов подготовить сотни убедительных научных статей по финансам. Работа ставит вопрос о том, как академия будет отличать реальный научный вклад от красивой, но автоматически собранной имитации исследования.
Генеральный директор AIST.AI Петр Загребельный заявил, что энциклика Папы Римского Льва XIV об искусственном интеллекте точно описывает ключевые угрозы отрасли, но не предлагает реалистичных механизмов их решения. Документ посвящен контролю над IT-корпорациями, военному ИИ и защите рынка труда.
Сооснователь Anthropic Джек Кларк заявил, что уже в ближайшие 12 месяцев ИИ вместе с людьми может сделать открытие, достойное Нобелевской премии. При этом он предупредил, что быстрый прогресс ИИ несет серьезные риски для общества.
Генеративный ИИ умеет быстро переписывать текст, но может незаметно заимствовать чужие идеи. Ученые считают, что ответственность за такие ошибки должен нести исследователь, который использует ИИ.
ИИ научился по снимкам МРТ точнее оценивать риски диабета, сердечно-сосудистых осложнений и смерти. Оказалось, что важны не только жир и вес, но и количество мышц, а также жир внутри мышечной ткани.
Исследователи пытаются оценить, сколько научных текстов уже создано при помощи ИИ. Точных инструментов пока нет, но первые работы показывают быстрый рост таких материалов в статьях, препринтах и рецензиях.
Инженеры Пенсильванского университета разработали метод, который помогает ИИ надежнее решать обратные дифференциальные уравнения. Такой подход может пригодиться в биологии, материаловедении, прогнозе погоды и других областях, где ученые видят результат, но хотят понять скрытые причины.
