AI新聞

在聯邦法院提起的一項集體訴訟指控OpenAI違反隱私法，透過非法從網路抓取大量個人資訊來訓練其人工智慧模型（包括ChatGPT）。訴狀指控OpenAI在未獲得所需同意或提供通知的情況下，收集了包括兒童在內的數百萬個人的資料，違反了《兒童線上隱私保護法》（COPPA）和州隱私法規。原告聲稱該公司將快速商業化置於使用者隱私之上，並正尋求禁令救濟以停止未經授權的資料抓取，同時為受影響的個人爭取經濟賠償。

開源先驅埃里克·S·雷蒙德（Eric S. Raymond）認為，在人工智慧快速發展的推動下，專有軟體保密的時代即將結束。隨著人工智慧驅動的工具越來越擅長反編譯二進位執行檔並重建清晰、可讀的原始碼，隱藏軟體實作細節將變得幾乎不可能。雷蒙德認為這一轉變是開源運動的決定性勝利，這意味著技術公司必須適應這一趨勢，圍繞服務、整合和持續支援構建商業模式，而不是依賴秘密的閉源程式碼庫。

Flock Safety的執行長公開堅持表示，該公司的Raven音訊感測器僅偵測槍聲，以保護公眾隱私。然而，Flock官方網站上的產品文件和宣傳資料表明，這些麥克風能夠擷取和處理更廣泛的聲學訊號，例如車禍、玻璃破碎聲和人類求救聲。這一矛盾凸顯了隱私研究人員和社群對自動化音訊監控系統在實際操作中如何運作的日益嚴格之審查，以及背景音訊監控可能超出其既定執法目的之風險。

CedarDB 是一家源自慕尼黑工業大學的資料庫新創公司，目前正在開發一套統一引擎，旨在單一資料庫內同時執行交易性操作與複雜的分析。傳統的軟體架構依賴透過 ETL 管道連接的獨立資料庫，這會產生延遲與維運開銷。CedarDB 透過提供與 PostgreSQL 的相容性以及高效能查詢編譯來解決此問題。自主 AI 代理的興起——它們需要即時存取即時交易資料與歷史分析資料——提高了對此類混合系統的需求，使 AI 應用程式能在沒有同步延遲的情況下分析並對營運資料做出反應。

JJ Maxwell 為應對癌症診斷提供了實用指南，強調了在現代醫療體系中患者積極進行自我權益倡導的重要性。文章重點介紹了如何在看診前利用 AI 模型將晦澀難懂的病理報告和檢驗結果翻譯成通俗易懂的語言，使患者能在諮詢期間提出具針對性的問題。Maxwell 還強調了在專業癌症中心尋求第二意見、積極處理保險預先授權關卡，以及建立結構化的支持網路以應對情緒壓力與治療後勤支援的重要性。

能夠自主執行多步驟工作流程的代理型 AI 系統，正迫使企業領導者重新思考傳統的治理、安全控制與信任框架。與主要根據輸入輸出效能進行評估的靜態 AI 模型不同，自主代理直接與企業軟體系統互動，需要動態護欄、嚴格的身分與存取管理，以及持續的活動監控。IBM 強調，隨著自主工具在企業營運中的擴展，維持信任需要即時監督、透明的執行追蹤，以及明確界定的代理權限邊界，從而降低營運風險並符合法規遵循要求。

聯想 ThinkPad T14s Gen 6 (AMD) 是一款輕薄型商務筆記型電腦，搭載 AMD Ryzen AI 300 系列處理器，為行動辦公專業人士提供高能效與優異的電池續航力。它採用堅固耐用的機身、聯想標誌性的符合人體工學鍵盤、企業級安全性功能以及包含 Wi-Fi 7 在內的現代化連接選項。該筆記型電腦配備高達 50 TOPS 算力的整合式神經處理單元（NPU），支援本機 AI 工作負載與 Microsoft Copilot+ 功能。儘管高端螢幕配置與較高的定價增加了整體成本，但其結合了效能、攜帶性與可靠性，使其成為企業部署的強大選擇。

美國喬治亞州一名居民向法院提起聯邦訴訟，起訴自動車牌辨識（ALPR）供應商 Flock Safety 及當地警長辦公室，指控執法人員濫用該監視網路追蹤其行蹤並對他進行報復。起訴書指出，副警長們在 Flock 系統中設定了自訂警報——該系統利用電腦視覺技術來辨識車牌、車型及顯著的視覺特徵——以監控原告的車輛並多次實施藉口性交通攔檢。該訴訟突顯了大眾對廣泛應用的 AI 驅動型執法追蹤系統缺乏嚴格存取控制和獨立審計的公民自由疑慮。

Colossal Biosciences 推出了一款專用的人工智慧平台，旨在加速去滅絕與生物多樣性保育工作。該系統利用機器學習模型和計算生物學工具來分析古 DNA，識別關鍵的功能性基因變異，並指導針對長毛象和袋狼等目標物種的多重基因編輯策略。透過實現複雜基因組序列分析和性狀選擇的自動化，該軟體旨在簡化研究流程，使科學家能夠設計出更精確的基因改造方案，並加快在替代物種中恢復已滅絕特徵的進程。

僅將人工智慧策略局限於自動化現有任務，忽視了其增強人類認知和創造全新能力的潛力。組織不應主要將人工智慧用於削減成本或替代任務，而應將其部署導向增強決策制定、啟用全新工作流程以及解決以前難以處理的複雜問題。從注重基本效率的心態轉向賦能心態，需要領導者圍繞人機協作重新設計組織流程。透過優先考慮認知增強而非自動化替代，企業可以釋放更廣泛的創新能力與長期戰略價值。

像 DeepSeek 這樣新興的開放權重模型正在重塑生成式 AI 的格局，它們以同類專有模型一小部分的訓練成本提供了具備競爭力的效能。DeepSeek 的迅速普及凸顯出開發者對開放、易用模型的興趣日益濃厚，這些模型在運作時受到的限制性護欄少於既有 AI 實驗室所建置的模型。在這些發展的同時，像 Muse 這樣新的支援模型表明，專用工具正持續在各種工作流程中擴展創意與技術能力。總結來說，這些發布的模型反映了向更具成本效益、更易於取得和去中心化的人工智慧解決方案轉變的持續趨勢。

研究人員證實，人工智慧模型可以設計出新型蛋白酶——即從零開始構建的、專門用於標靶和切割特定蛋白質的酶。雖然天然蛋白酶能夠調節關鍵的細胞過程，但由於催化活性需要複雜的分子幾何結構，客製化設計蛋白酶在歷史上一直面臨巨大挑戰。透過利用生成式人工智慧繪製原子結構和活性位點，科學家現在可以創建專為分解特定目標分子而定制的合成酶。這種能力為標靶治療提供了潛在的應用前景，使選擇性降解傳統藥物難以中和的疾病相關蛋白質成為可能。

TimeTeller 正在開發一個個人化醫療平台，該平台利用機器學習和轉錄組學分析，透過簡單的唾液樣本追蹤個人的晝夜節律。透過繪製患者的內部生物鐘，該技術實現了時間療法——精準把握給藥時間，以最大程度地提高治療效果並減少副作用，特別是在腫瘤學領域。了解代謝高峰期使臨床醫生能夠根據個人獨特的生物學特徵客製化用藥時間表，將晝夜節律科學轉化為可操作的臨床決策，從而改善治療效果。

對自主 AI 代理引發安全漏洞的擔憂，通常集中在 AI 失控脫軌這種科幻情節上，但主要威脅實際上源於 AI 開發人員忽視了基礎的網路安全規範。AI 代理部署中的安全風險通常源自標準軟體漏洞，例如提示詞注入、代理權限過大、輸入驗證不足以及已連線 API 的存取控制脆弱。透過將 AI 代理視為具有特權的軟體應用程式而非不可預測的實體，企業可以透過實施傳統安全控制措施（包括最小權限原則、沙盒化和強大的身分管理）來規避大部分風險。

英偉達（Nvidia）報告指出，AI 資料中心用於實際 AI 工作負載的總電力通常低至 60%，揭示了大規模計算環境中顯著的能源浪費。系統開銷、資料傳輸、冷卻與空閒時間佔了大部分耗損電力，而在龐大的 GPU 集群進行大規模訓練期間，硬體故障與任務重啟消耗了約 10% 的總能源。隨著 AI 模型規模擴大，這些低效現象增加了營運成本與能源需求。英偉達主張進行硬體與軟體最佳化，例如彈性檢查點（resilient checkpointing）與先進的互連技術，以最大限度地減少停機時間、回收浪費的電力並提升整體集群效率。