萨洛梅是一位来自麦德林的记者，担任Espacio Media Incubator的高级记者。拥有历史和政治背景，萨洛梅的工作强调了新兴技术的社会相关性。她曾在Al Jazeera、Latin America Reports和The Sociable等媒体上发表过文章。
医学传播一直处于压力之下：生物制药公司产生大量的临床数据——试验结果、真实世界证据、安全更新——这些信息必须同时传达给多个受众，包括专科医生、社区医生、医学科学联络员、支付者、护理人员和患者。每个受众需要不同的框架、语言和技术深度。然而，过去几十年中，负责弥合这一差距的医学传播人员——医学事务机构的熟练科学传播人员——却花费了惊人的时间不在思考，而是在重新格式化。他们将幻灯片内容从一个国会模板移到另一个，为不同的受众重建演示文稿，并且经常在紧迫的截止日期前手动完成这些工作。“我们为客户做了所有这些交付物，但我们也花了很多时间组装演示文稿，然后将内容从一个模板转移到另一个模板，”弗朗辛·卡里克说，她是一位拥有22年医学传播经验的博士科学家。“我们梦想着一个可以为我们翻译科学的解决方案，”她补充说。卡里克最近加入了AI演示平台Prezent，担任Prezent Vivo的总裁，Prezent Vivo将专门的AI和领域专家融合在一起，支持生命科学传播生态系统——包括生物制药和公司的代理合作伙伴。她描述的问题并非特定于某个领域；它位于两个已经在行业中得到充分记录的压力点的交叉点。一方面，近8成的医疗保健专业人员从制药公司接收到的信息量超过了COVID-19前的水平，77%的人认为数字通信的量已经过大。另一方面，制药公司正在努力提供个性化、相关的内容，以满足医疗保健专业人员的需求，部分原因是传统系统缺乏支持大规模高级个性化的灵活性。内容管道在两个端都被淹没：产生的内容太多，有效落地的内容太少。模块化内容问题该行业对这一问题的提议解决方案长期以来一直是“模块化内容”——将科学信息分解为可重用的组件，这些组件可以以不同的方式为不同的受众组装起来。在理论上，这很优雅，但在实践中，大型语言模型现在被用于准备稿件、将真实世界证据数据集浓缩为摘要，并为教育医疗保健专业人员开发模块——这些工具直到最近才作为概念验证存在。卡里克将根本挑战表述为简单的术语：“我们向学术医生、社区医生、护理人员和患者呈现的方式非常、非常不同，”她强调道。“在传统模型中，获取这些信息并对其进行定制非常耗时耗力，而且需要时间。”换句话说，瓶颈并不是传播者的专业知识；而是处理速度——数据以比团队能够手动重新包装的速度更快的速度到来。在2024年广泛的AI实验之后，公司正面临着展示其AI投资真正回报的压力，这推动了专门为特定工作流程设计的垂直AI解决方案的采用。这正是Prezent为其Astrid AI代理提出的论点：专门为生命科学构建的系统，经过生物制药的合规性要求、监管约束和科学词汇的训练，将比为行业改装的通用工具表现更好。专业性问题生命科学背景是否真正需要专门的AI，或者这只是一个竞争市场的营销框架，是一个合理的问题。然而，很明显，FDA一直在密切关注。自2025年FDA发布了关于使用AI支持药品和生物制品监管决策的指南后，已经收到了超过500份包含AI组件的提交。这种监管审查为合规性本地AI工具而非改装工具创造了真正的理由：在受监管的环境中犯错的风险与在营销演示文稿中犯错的风险是质的不同。更广泛的医疗保健AI市场反映了日益增长的信心：预计全球医疗保健AI市场将从2024年的266亿美元增长到2030年的1877亿美元，行业已经以比整个经济更快的速度部署AI。在此基础上，制药和生物技术公司仍然是最注重研发的公司，54%的公司优先考虑创新和药物开发，尽管商业运营——包括传播——也越来越受到关注。人类专业知识问题AI工具出现在专业服务中，总会引发同样的对话：目前从事这项工作的人会怎么样？在医学传播中，工作需要真正的科学流利度，答案比简单的取代更为细致。卡里克的观点是，医学传播中人类专业知识的约束不是知识，而是带宽。“它使人类专业知识能够加速、扩展，能够与更多受众在更及时的方式下分享专业知识、见解和人类知识，”她说。这一观点与AI对熟练知识工作影响的更细致入微的图景相吻合。医生调查显示，AI不会取代他们的工作，而是会改变他们的工作方式。医学传播的类比并不完美，但结构上的相似性仍然存在：AI目前可以做到的是加速常规工作；而AI无法做到的是取代定义高价值工作的科学判断、受众直觉和战略思考。EPG Health的一项研究发现，近60%的制药公司受访者将医疗保健专业人员的洞察力列为战略性接触的首要任务，并且医学科学联络员已经超过销售团队成为向医疗保健专业人员发送信息的最重要渠道。这表明，制药公司正在转向更注重关系、更少广播式的传播，这需要更多的人类判断，而不是更少——即使AI处理生产层。转变的真正需求更难的问题不是AI是否会在医学传播中发挥作用——这已经明确。真正的问题是，正在构建的工具是否真正适合该领域的复杂性。卡里克提到了Prezent所谓的“指纹”——可以编码和应用于适应内容的受众特定通信偏好。这个概念反映了一个更根本的挑战：医学传播中的长期目标“正确的内容、正确的时间、正确的渠道、正确的受众”一直更具雄心壮志，而不是操作性。实现这一目标需要不仅仅是好的科学写作，还需要对不同受众如何处理不同类型信息的系统性了解。AI是否能够可靠地编码这种知识，以及是否能够在保持医学传播特有的科学准确性和监管合规性的同时做到这一点，仍然是一个开放的问题。无论如何，旧模式已经不再可疑：它的凌晨格式化马拉松和手动模板迁移，从来都不是能够满足现代生物制药需求的速度。这个问题多年来一直对从业者可见，但解决它的工具现在才刚刚变得可行——多亏了AI。
NTT 研究院的物理与信息学实验室（PHI Lab）今天宣布，4 月 15 日，实验室主任将由山本义久（Yoshihisa Yamamoto）交棒给曾在 NTT 基础研究实验室工作超过三十年的荘川哲男（Tetsuomi Sogawa）。这次领导层的更替发生在一个关键时刻，当 AI 行业面临着日益严重的能耗危机时，光子计算的研究前景从未如此迫切。NTT 研究院是日本电报电话公司（NTT）在美国硅谷设立的研究机构。山本义久博士是该实验室的创始主任，他在 20 世纪 70 年代和 80 年代初期就开始了相干光通信和光放大器的研究，并后来开发了相干伊辛机（Coherent Ising Machine, CIM），这是一种专用光计算机，旨在解决复杂的组合优化问题。他的职业生涯基本上就是现代光子学的历史，而他建立的实验室也反映了这种深度。自 2019 年以来，PHI 实验室已经发表了 150...
随着科技巨头Open AI于2025年9月推出其旗舰Sora 2视频和音频生成模型，深度伪造视频已经充斥了社交媒体平台，使得受众越来越熟悉可能具有危险性的超现实内容。尽管Open AI将Sora 2的负责任推出视为首要任务，声称它将为用户提供“控制自己所见内容的工具和选项”以及对其外貌的端到端控制，但2025年10月的一项研究发现，该模型80%的时间都会产生虚假声明视频。从模仿新闻报道的视频到伪造的可口可乐发言人宣布公司将不赞助超级碗的场景，生产虚假信息的风险在相互连接的世界中从未如此之高。超越Sora：语音钓鱼即使在Open AI的工具推出之前，深度伪造文件的创建和在线传播也正在增加。根据2025年9月的报告，深度伪造内容从2023年的50万激增到2025年的800万，其中大部分用于欺诈目的。这种趋势没有停止的迹象；仅在美国，AI欺诈预计到2027年将达到400亿美元。像Sora 2和Google的Veo 3这样的工具使得AI生成的面部、声音和全身表演比以往任何时候都更真实。正如计算机科学家和深度伪造研究人员Siwei Lyu所指出的，现代模型能够生产稳定的面部而不会出现扭曲或失真，而声音克隆已经跨越了“无法区分的门槛”。事实上，深度伪造已经超过了检测。技术公司所谓的“有趣工具”已被用于生成从奥运体操比赛到复杂的背景音景的所有内容，但也被用于针对企业和个人。仅在2025年上半年，深度伪造事件就导致公司损失3560万美元，个人损失5410万美元。传统的深度伪造检测方法，包括识别水印、气刷脸和元数据检查，正在失败。随着声音深度伪造仍然是第二常见的AI启用欺诈形式，语音钓鱼（vishing）在2025年激增了442%，后果已经开始显现。“几秒钟的音频就足以生成一个令人信服的克隆，具有自然的语调、节奏、强调、情感、暂停和呼吸噪音，”Lyu写道。倾听人类的声音Kintsugi是一家开发AI语音生物标记技术以检测临床抑郁和焦虑症状的健康技术初创公司。他们的工作始于一个看似简单的前提：我们必须倾听人类的声音。“我创立Kintsugi是因为我亲身经历了一个问题。我花了几乎五个月的时间打电话给我的提供者，只是为了预约一个初步的治疗会话，但没有人回来打电话给我。我一直尝试着——但是我记得很清楚，如果这是我的爸爸或我的兄弟，他们会在我之前就停止了，”Kintsugi的CEO格雷斯·张在与Unite.AI的对话中说。加利福尼亚州的这家公司成立于2019年，旨在解决张所描述的“_triage瓶颈”问题。创始人认为，检测严重程度可以更早、更被动地帮助人们更快地获得适当的照顾。通过Kintsugi Voice，语音生物标记可以识别临床抑郁和焦虑症状。研究表明，AI驱动的语音和声音分析可以作为精神健康状况的生物标记。2025年5月的一篇论文发现，声学生物标记可以检测早期的精神健康和神经发育障碍的迹象，并认为在临床环境中应该将歌曲分析纳入评估患者的潜在认知衰退。语音测量在识别患有抑郁症的人和没有抑郁症的人方面具有78%至96%的准确率，根据美国精神病学会的说法。另一项研究使用了一分钟的语言流畅性测试，发现70%至83%的准确率可以检测出抑郁症和焦虑症的存在。为了评估用户的精神健康，Kintsugi要求提供一个短的语音片段，然后其语音生物标记技术分析音调、语调、音调和停顿——这些标记与抑郁症、焦虑症、双相情感障碍和痴呆症等疾病有关。然而，张没有最初意识到的是，该技术已经解开了安全行业最紧迫的挑战之一：识别人类声音的特征。从精神健康护理到网络安全2025年底，张在纽约的一个峰会上提到，她的团队正在尝试合成声音，但结果令人失望。“我们正在探索合成数据来增强我们的心理健康模型的训练，但生成的声音与真实的人类语音相差太远，我们可以100%地识别出来，”她说。“他阻止了我，并说，‘格雷斯——这是安全领域的一个未解决的问题。’那一刻，一切都变得清晰起来。从那时起，安全、金融服务和电信公司的对话都证实了深度伪造语音攻击的迅速增长，以及区分真实和合成声音在实时通话中的迫切需要，”CEO补充说。2025年4月，FBI警告了一项恶意的文本和语音消息活动，冒充美国高级官员的身份，针对前政府工作人员及其联系人。美国的大型国家银行也面临着每天平均5.5次语音操纵欺诈尝试，而范德堡大学医疗中心的医院工作人员报告了语音钓鱼攻击，冒充朋友、主管和同事的身份。然而，深度伪造并没有最初成为Kintsugi的工作重点。虽然该公司的团队曾使用过Cartesia、Sesame和ElevenLabs等现成模型来尝试合成声音，但深度伪造欺诈并不是他们在一个拥有像Sora这样的模型的市场中的重点。然而，人类声音的真实性标志与使一个人成为人类的生物标志相同。Kintsugi Voice使用信号处理和语音的物理延迟，捕捉微妙的时序、 просодическая变异性、认知负荷和生理标志，这些标志反映了语音的产生方式——而不是所说的话。“合成声音可能听起来流畅，但它们不具有相同的生物和认知特征，”张说。该公司的模型在检测准确率方面始终是前10%的表现者，仅需3至5秒的音频。Kintsugi可能是革命性的，尤其是对于那些在获取专业治疗方面需要时间和资源的人来说。同样，该技术对深度伪造检测和网络安全具有革命性的意义：真实性检测而不是深度伪造识别。未来在于以人为中心的技术网络安全长期以来一直关注恶意使用技术或肇事者本身。然而，Kintsugi的意外发现却依赖于人类本身。“我们正在处理一个完全不同的表面积：人类的真实性本身。LLM无法可靠地检测LLM生成的内容，基于特征的方法也很脆弱。捕获大量的临床标记数据来编码真实的人类变异性是昂贵的、缓慢的，并且不在大多数安全公司的核心专业知识之内——这使得这种方法难以复制，”张指出。该公司的方法还表明了一种更广泛的转变：跨领域创新。医疗保健领域的领跑者可能会在AI支持的语音钓鱼检测方面带头，正如太空技术的创新者可能会支持新的紧急响应机制，或者游戏玩家可能会支持建筑和城市规划。至于张，她计划成为验证真实人类和最终意图的标准，通过语音交互来实现。“就像HTTPS成为Web的默认信任层一样，我们相信‘人类证明’将成为基于语音的系统的基础层。Signal是这一基础设施的开始，”她说。随着生成式AI的不断加速，有效的保障措施可能来自于了解是什么让人类……成为人类。
就像20世纪90年代是互联网的商业化，21世纪初是智能手机的崛起，21世纪10年代是社交媒体的兴起一样，2020年代属于人工智能。与之前的技术突破一样，人工智能的发展速度似乎也快于监管机构和立法者能够跟上的速度。1993年，互联网泡沫爆发，Mosaic浏览器推出，直到1996年，美国国会才通过了《电信法案》，这是第一部明确涉及互联网的联邦法律。同样，苹果公司在2007年推出了iPhone，但直到2010年，立法者才通过了《21世纪通信和视频无障碍法》，要求所有智能手机都必须包含无障碍功能。“社交媒体十年”见证了Facebook、WhatsApp、YouTube和Instagram等平台的建立和扩张，但直到十年代后半期，FOSTA-SESTA法案才被通过，使平台对故意促进性贩卖负责。人工智能会重蹈覆辙吗？人工智能在2022年OpenAI的ChatGPT发布后变得主流，但其母国美国尚未通过联邦立法来监管它。美国政府的态度从限制到放松，随着不同政府的更迭而变化。美国的人工智能：一个两党问题前总统乔·拜登的《安全、安全和值得信赖的法案》要求联邦机构在2023年采取措施确保人工智能的安全、民权、公平和透明度。“利用人工智能做好事并实现其众多好处需要减轻其重大风险”，该法案指出。2025年1月，现任总统唐纳德·特朗普签署了《消除人工智能创新障碍法案》，废除了现有的人工智能政策和指令，“消除了阻碍美国人工智能创新的障碍，清除了道路，让美国能够果断地保持在人工智能方面的全球领导地位”。当前政府寻求通过放松管制的努力来加速美国的人工智能创新，通过投资研发来对抗潜在风险。然而，问题仍然存在：是否应该由政府来解决这些问题。今天，几乎所有人都对人工智能的风险感到焦虑，包括伦理、破坏和信任。2024年的一项关于人工智能的多利益相关者担忧的研究发现，最紧迫的担忧包括偏见、滥用、意外的机器行为、不平等、社会焦虑和供应链的变化等。美国科技高管们大多同意这一观点，但也强调了矛盾。2025年9月，Solvd的一份报告发现，虽然97%的首席信息官和首席技术官对人工智能的不道德使用表示担忧，但87%的人认为过多的监管会限制创新，并成为竞争劣势。这些领导者的主要担忧与2024年的研究中确定的担忧相同：人工智能模型变得如此强大，以至于无法控制，恶意行为者可能会利用人工智能的漏洞，人工智能模型获得了过多的公司数据，并可能造成的虚假信息或偏见。在Solvd调查的500位美国首席信息官和首席技术官中，61%更喜欢公共监管，而36%倾向于行业主导的监管。行业主导的监管可能意味着一种混合模式，偏离公私对立。拜登政府实际上在2023年与顶级科技高管谈判了一项协议，概述了有关人工智能防护的自愿承诺。这些承诺包括确保产品在公开发布之前是安全的，优先考虑安全的系统，并通过透明度和披露人工智能系统的能力、局限性和适当和不适当使用领域来赢得公众的信任。全球对话尽管公司高管们对公共和行业主导的监管框架的偏好存在分歧，但事实仍然是82%的高管主要负责内部人工智能治理。只有8%的受访者指出高级领导是内部人工智能监管的责任人，5%的受访者表示他们的公司有一个专门的人工智能道德委员会或合规委员会。企业和员工因此陷入了等待可能或可能不会到来的公共政策和独立于高级领导和人工智能道德团队行动之间的困境。不同的背景下有不同的解决方案。欧盟通过了《欧盟人工智能法案》，这是世界上第一部全面的人工智能法律。该法案禁止某些人工智能应用，建立了基于风险的评估框架，并要求与用户进行透明的沟通。其他国家也在效仿欧盟的做法。智利，南美洲的人工智能领导者，最近提出了监管人工智能的法案，灵感来自欧盟人工智能法案。中国则采取了不同的方法，其政治体系偏爱国家批准的监管、补贴和与私营人工智能公司的合作。中国面临的挑战更多地来自于审查和国家干预创新风险，而不是监管困境。但是，作为全球人工智能领导者，美国将为未来监管框架的发展定下基调。最后的思考人工智能的实施和创新已经成为全球各个行业的竞争优势。但是，没有明确的监管和不断变化的政治，科技高管必须自行设定界限，负责保护消费者，在广泛的对人工智能的恐惧中赢得信任，并同时创新。尽管人们担心严格的监管可能会阻碍创新，但事实可能恰恰相反。根据RegulatingAI的说法，人工智能监管的不确定性阻碍了人工智能的采用，这延迟了经济利益的实现，缺乏投资，并阻碍了公司的扩张。“在监管背景下澄清人工智能系统的定义至关重要，因为定义的模糊性会增加合规挑战”，该非营利组织指出。同样，Solvd强调了公司抓住当前监管混乱的重要性。“现在是公司建立有效的内部治理的最佳时机，在外部监管者介入并可能施加不那么灵活的解决方案之前”，该公司的报告得出结论。在这种情况下，美国的人工智能创新者面临着前所未有的挑战：声誉风险和监管到来时的合规差距。但是，机会也存在。借鉴互联网、智能手机和社交媒体的经验，现在是时候展望未来，建立一个平衡创新与问责、促进信任并为不可避免的监管做准备的生态系统了。
每年，世界经济论坛（WEF）都会发布其科技先锋榜单，这是一个汇集了跨行业和跨国界创新公司的精选集合。虽然这样的榜单并不少见，但这个榜单却有一种特殊的魔力。在其25年的历史中，科技先锋计划帮助推出了许多家喻户晓的公司，如谷歌、PayPal、Dropbox和SoundCloud——所有这些公司都是在它们成为家喻户晓的公司之前就已经成名了。现在，WEF已经揭晓了其2025年的名单——来自28个国家的100家初创公司，致力于解决社会面临的一些最大的挑战。这是迄今为止最具全球多样性的群体，不仅包括硅谷的常见公司，还包括来自巴西到埃及的雄心勃勃的创业公司，它们都有一个共同点：对未来的大胆愿景。如果您想窥视一下可能改变世界的公司，或者至少重塑您的行业，这就是开始的地方。以下，我们更详细地介绍了今年名单上的几个杰出的科技先锋公司，涵盖了三个关键领域：医疗保健、制造业和金融。让我们看看2025年和以后有什么值得关注的内容。医疗保健根据世界卫生组织，超过一半的世界人口无法获得基本的医疗服务。与此同时，糖尿病、心脏病和痴呆症等疾病的发病率不断增加，这给全球的医疗系统带来了前所未有的压力。因此，医疗保健领域继续吸引着科技界最尖锐的思维和最大胆的想法。今年的WEF科技先锋名单反映了这种紧迫感和多样性。以下是一些公司，它们正在重新思考医疗服务的基础。Arine（美国）- 解决药物管理的隐形危机药物管理不当——例如开错剂量或忽略潜在的药物相互作用——是医疗保健领域最昂贵和最被忽视的问题之一。事实上，据估计，这每年在美国就要花费5280亿美元，并导致27.5万人死亡。药物相关问题通常源于医疗系统的碎片化——例如，患者同时看多个不同的专家，这些专家之间没有相互沟通——以及在传统临床环境中常常被忽视的心理社会问题——例如未经治疗的精神健康问题。这就是Arine的用武之地，这是一家由药剂师和卫生经济学家Yoona Kim以及核物理学家Penjit“Boom”Moorhead创立的旧金山初创公司。他们的公司结合了人工智能、临床专业知识和高级分析，确保患者能够获得正确的药物，在正确的时间，以正确的方式获得。Arine的平台使用人工智能来识别潜在的药物问题，并在这些问题变得危险之前进行干预。这样，它可以帮助医疗服务提供者改善治疗效果并降低成本。Brain4care（巴西）- 脑部健康的新窗口最近的一项研究发表在《柳叶刀神经学》杂志上，报告称全球有三分之一的人——大约30亿人——受到神经系统疾病的影响，使得这一类疾病成为全球最主要的健康问题和残疾原因。然而，脑部健康仍然是医疗领域最复杂的领域之一。目前，我们仍然缺乏实时监测大脑的工具，尤其是在症状变得不可逆转之前。这就是Brain4care的用武之地，这是一家由Plínio Targa领导的巴西公司。他们开发了一种革命性的方法来测量大脑内部发生的事情——而无需钻入大脑。他们的基于人工智能的平台可以非侵入性地跟踪脑部健康的关键见解，为临床医生提供了以前不可见的生命体征。例如，它可以帮助早期发现中风或认知功能下降的迹象，远在症状出现之前。它还可以减少昂贵的重症监护住院的需要，并支持大脑健康监测在MRI机器稀缺的偏远或欠发达地区。Orakl Oncology（法国）- 重塑癌症药物开发全球癌症负担正在稳步上升。2022年，全球有大约2000万新癌症病例和970万癌症死亡病例。到2025年，预计将上升到3300万病例和1820万死亡病例。尽管如此，肿瘤学领域的药物开发却以其缓慢和昂贵而闻名，约97%的新药物在临床试验中失败。Orakl Oncology，一家由Fanny Jaulin领导的巴黎“科技生物”公司，希望改变这一现状——通过将人工智能与活体肿瘤化身结合起来。这些化身是实验室中生长的真实患者肿瘤的生物模型，配备了深入的临床和遗传数据。Orakl的平台使用这些化身来模拟不同患者可能如何对新癌症药物做出反应，远在药物进入临床试验之前。因此，制药公司可以更好地预测临床结果，例如有多少患者可能对治疗有反应。他们的两款旗舰工具——O-Predict和O-Validate——使用人工智能来预测患者反应并验证生物目标，可能加速从实验室到救命治疗的路径。制造业制造业目前正处于一个很有趣的位置。一方面，它正在获得大量投资和创新。另一方面，它面临着一些严重的挑战——尤其是在找到和留住人才方面。在美国 alone，制造业可能会在2030年之前缺乏210万名工人。考虑到这一点，人们正在推动制造业中自动化程度的提高，以满足日益增长的消费者需求，而不至于让现有的员工不堪重负。让我们来看看两家WEF科技先锋公司，它们正在将工厂带入未来。Allie（墨西哥）- 用人工智能联合体改造制造业由Alex Sandoval创立的墨西哥初创公司Allie正在将工厂转变为一个更像活着、思考的有机体，而不是一堆机器。他们的技术将工厂所有的机器连接到一个智能的人工智能平台，实时跟踪、学习和行动。他们系统的核心是FactoryGPT™，有点像工厂的聊天机器人，但更智能。工厂经理可以像与同事聊天一样与其交谈，它会报告工厂的当前状态和产出，并提出改进建议，甚至采取行动——将决策时间从几个小时缩短到几秒钟。Allie已经与食品和饮料行业的多家知名公司合作，包括Heineken和Pepsi。在供应链压力日益增长的背景下，Allie正在帮助制造商减少浪费和低效率。CynLr（印度）- 工厂机器人可以看到印度初创公司CynLr，由Nikhil Ramaswamy创立，正在解决一个完全不同的挑战：机器人视觉。目前，大多数机器人需要几周的预编程才能“学习”处理每个对象或任务。任何新对象或任务都需要另一个集中的编程周期。CynLr希望改变这一点——使用可以像人类一样“看到”和处理物体的机器人，无论其形状、大小或方向如何。他们的秘密武器是一种称为CyRo的视觉智能系统，它允许机器人臂识别和拾取几乎任何物体——即使它以前从未见过这个物体。与将多个不同类型的传感器缝合在一起相比，CynLr使用一个单一的统一系统，模仿人类看世界的方式，因为它同时捕捉运动、深度和颜色。CynLr的技术可以在工厂中实现更大的灵活性，帮助制造商在不耗尽资源的情况下跟上不断变化的消费者需求。金融金融业正在经历一些重大全球变化。虽然该行业比以往任何时候都更加相互连接和数字化，但它仍然在努力应对较慢的经济增长和日益增长的地缘政治不确定性。根据世界经济论坛的说法，金融碎片化可能会使全球经济损失高达5%的GDP。考虑到这一点，人们正在推动加强和简化跨境金融——这样，企业和个人就可以在全球范围内安全、高效地转移资金。以下是两家正在实现这一目标的科技先锋公司。Prometeo（乌拉圭）-真正的无边界银行Prometeo正在建设连接金融机构的管道——并以快速和安全的方式进行。由Ximena Aleman和Rodrigo Tumaián共同创立的该平台为公司提供了一个单一的API，用于跨11个国家和1200多家金融机构访问银行服务，而无需经过多个环节。但真正让他们与众不同的是所谓的代理银行基础设施。它允许人工智能代理登录真实的银行账户，验证所有权，发送付款并跟踪活动。所有这些都具有严格的权限和无敏感数据暴露。这是一种全新的可编程金融层——为规模和安全而设计。通过24/7监控，Prometeo正在帮助企业成为防欺诈和真正的全球企业。Thndr（埃及）- 包容性的数字投资平台Thndr的使命是让任何人都能投资——无论其背景、收入或地点如何。他们正在建设一个直观的数字投资平台，适用于MENA地区的初次投资者。在埃及，他们已经成为该国最大的零售券商，占股市所有零售交易的11%。但他们才刚刚开始。凭借3700万美元以上的资金，他们正在扩展到阿联酋和沙特阿拉伯，旨在将他们的一体化投资应用程序带给更多的人。他们的目标是通过一个包容、易用的平台，在该地区创建领先的投资优先的钱包应用程序，让人们可以按照自己的方式建立财富。他们的40%的用户来自主要城市以外，女性参与度增长了4倍。
当我坐在电动轮椅上时，研究人员把一个带有电子导体的头盔戴在我的头上，这些导体深入我的头皮。他们进行了调整，直到连接头盔的笔记本电脑开始接收我的大脑信号。为了检测最微弱的大脑波并通过人工智能（AI）识别其模式以进行预测，我首先被指示练习 想象 运动，通过仅用我的思维控制屏幕上的一个角色，这将成为控制轮椅的基础。经过一些练习，我最终能够仅通过思考左手使角色移动。即使我犯了错误——例如，将角色移动到障碍物附近而不是远离它——研究人员解释说，指令被人工智能预测和估计技术覆盖，该技术此时已经识别出我的大脑波模式，可以帮助它准确预测角色未来的指令。 一旦该仪器被我的大脑波训练后，我尝试使用我的思维控制电动轮椅。我闭上眼睛，专注于左手的感觉，我的左手静止地放在腿上。当我想象左手握拳时，轮椅开始向左移动——我的期望方向！ 尽管我在日常生活中不需要使用轮椅，但使用思维（辅助人工智能）来控制车辆的体验令人振奋，尤其是考虑到它对那些患有严重脊髓损伤或神经疾病（如多发性硬化症、脑瘫或吉兰-巴雷综合征）的人的潜在影响。 这些疾病通常会使患者卧床不起或依赖护士或家人来帮助他们移动。 多年来，科学家们一直努力开发技术来帮助这些疾病患者恢复部分行动和身体自主权。2009年，丰田 宣布 了一种可以使用脑电图（EEG）信号控制的轮椅；2023年，意大利帕多瓦大学的研究人员 开发 了脑机接口技术，允许完全瘫痪的个体仅使用脑波控制电动轮椅；其他脑波驱动的轮椅研究 结合 了增强现实、计算机视觉和离线校准技术。虽然这些创新已经极大地帮助我们缩小了行动能力差距，尤其是对于那些患有严重脊髓和神经疾病的人，但NTT研究人员告诉我，仍然存在许多限制，特别是考虑到大脑波并不相同，不同的人也不相同，甚至个人一生中也不相同。 在他们最近的升级2025年会议上，NTT研究展示了他们声称可以预测和完成中断大脑波信号的人工智能技术，从而使患有严重神经疾病的患者能够控制电动轮椅。 “众所周知，大脑波会由于各种因素而变化。然而，我们的技术旨在为每个个体优化人工智能，因此我们相信它在这种变化的情况下仍然有效，” Okitsu，一位曾参与该项目的研究人员告诉我。 大脑的电活动记录在α、β、γ、δ和θ波中，它们的功能意义仍在被 争论 。 β 和 μ 节律，范围从12到30赫兹和8到10赫兹，分别与运动有关，表明计划和指示的运动。 然而，大脑波在人群中并不一致。患有认知障碍的个体，如 痴呆 和...
当父母教导他们的孩子如何与世界互动时，他们通过联想和模式识别来教导。例如，字母 S。父母向孩子展示足够多的字母 S 的例子，过一段时间，孩子就能在没有指导的情况下识别出其他例子；学校、书籍、广告牌。许多新兴的人工智能（AI）技术也是这样被教导的。研究人员向系统提供了他们希望它识别的正确例子，并且像一个年幼的孩子一样，AI 开始识别模式并将这种知识推广到以前从未经历过的背景中，形成了自己的“神经网络”用于分类。然而，和人类智慧一样，专家们无法追踪到 AI 决策的输入。 因此，AI 的“黑盒子问题”出现了，因为我们无法完全理解 AI 系统如何建立联系，也不知道哪些变量影响了它的决策。这个问题在改进系统的可靠性和安全性以及建立 AI 采用的治理方面尤其重要。 从 AI 驾驶的车辆未能及时制动并伤害行人，到 AI 支持的医疗设备帮助医生诊断患者，以及 AI 招聘筛选过程中表现出的偏见，AI 系统的复杂性导致了一个新领域的研究：人工智能物理学，它旨在进一步建立 AI 作为人类工具以实现更深入的理解。 现在，一个新的独立研究小组将通过将物理学、心理学、哲学和神经科学领域整合起来，探索 AI 的奥秘。...
