mit-research

MIT教授谢莉·特克尔的新书《Artificial Intimacy》探讨了聊天机器人如何提供人工共情，这可能会通过模糊机器与人类之间的界限，对人类发展和社会连接性产生负面影响。

本文探讨了将LLM用作机器人控制代理的新兴趋势，类似于计算机使用代理，并研究了通过云人工智能在机器人生态系统中快速扩散智能的潜力。

MIT研究表明，到2030年，AI超大规模企业需实现2.7倍生产力提升以证明1.1万亿美元基础设施支出的合理性，否则将面临资本错配风险。

MIT Senseable City Lab的研究人员在一本新书中讨论了使用视觉AI分析城市环境的方法，强调了其在城市规划中的潜力，同时探讨了隐私和公平性方面的担忧。

文章解释了用于核聚变的Z箍缩技术，其中通过等离子体的巨大电流产生磁场来压缩等离子体，这一技术被应用于MIT的磁等离子体压缩研究。

MIT研究人员追踪了300个真实AI实施案例，发现仅5%的评估最终进入全面生产部署，95%的AI投资未产生可衡量的成果。成功部署聚焦于边界明确的任务，并设有定义明确的成功指标。

麻省理工学院研究人员开发了一种名为 FTTE 的新框架，将隐私保护型联邦学习的速度提升了 81%，使得在智能手表和传感器等资源受限的边缘设备上高效进行 AI 训练成为可能。

来自麻省理工学院（MIT）和 IBM 的研究人员开发了一种快速工具，可在几秒钟内估算 AI 功耗，速度远超传统的模拟方法，有助于优化数据中心的能源效率。

麻省理工学院的研究人员开发了Sandook，这是一种基于软件的系统，通过同时解决SSD的三个变异性来源，将数据中心存储性能提升近一倍，效率远超传统方法。

MIT研究人员推出SEED-SET框架，利用LLM主动评估自主系统在高风险场景（如电力分配）中的伦理一致性，以弥补静态测试方法的不足。

MIT研究人员开发了VisiPrint，一款由AI驱动的预览工具，帮助3D打印用户可视化打印物件的美学效果（颜色、纹理、光泽），从而减少浪费并提升设计准确性。

MIT研究人员开发了名为VibeGen的AI模型，该模型基于蛋白质的动态运动和力学特性进行设计，而非仅依赖静态结构。这种方法能够创造出具有特定振动和弯曲行为的蛋白质，推动了生成式AI在科学领域的发展。

MIT研究人员提出了一种用于医疗领域的“谦逊”AI框架，鼓励系统表达不确定性，并以协作副驾驶而非权威预言者的身份发挥作用。