智造动态专报

当地时间2025年08月27日据technologyreview网站消息，该网站发布主编马特・霍南（MatHonan）文章，提及Z世代对人工智能的担忧。霍南与女儿驾车穿越阿巴拉契亚山脉时，女儿称其高中生同龄人多不想要、不感兴趣AI，因担心原本想做的工作会消失，且这一态度在多地青少年中存在。

文章指出，多位行业高管对AI影响就业有表述，如OpenAI首席执行官山姆・奥特曼称AI智能体将让一整个大类工作彻底消失，Anthropic首席执行官达里奥・阿莫代认为未来五年AI将取代一半入门级白领岗位等。目前科技、金融等行业应届毕业生招聘量下降，AI或起一定作用。同时，AI需大量数据中心支持，Meta和OpenAI规划的数据中心计算环节需50亿瓦电力，部分数据中心用天然气供电、消耗大量水资源，引发气候与资源担忧。

霍南提到女儿认为AI实用性不明确，且本期《麻省理工科技评论》（2025年9-10月刊）聚焦提升世界安全性相关内容，新增三个由顶尖撰稿人执笔的专栏，读者可在线订阅获取更新。

原新闻链接：https://www.technologyreview.com/2025/08/27/1121475/editors-letter-security-issue-mat-honan/

当地时间2025年8月26日据spectrum.ieee网站消息，康奈尔大学、麻省理工学院计算机科学与人工智能实验室等机构研究人员，在2025年国际机器学习大会展示研究成果，指出当前AI模型在编程领域面临关键挑战，明确AI尚未准备好成为真正的程序员。

研究表明，AI编程工具虽能完成源代码编写、修正语法错误等任务，但在处理大型代码库、超长上下文长度（数百万行代码）、高逻辑复杂性及长期代码规划等方面存在困难，易出现“幻觉”及给出问题修复方案。研究人员提出训练代码领域大型语言模型、加强人工监督等解决途径，强调“人的因素”不可或缺，认为当前与AI工具交互方式有限，需打造更优交互界面。

新加坡国立大学等机构专家认同研究观点，指出AI需提升捕捉用户意图能力，智能体AI或成发展方向，但信任问题与人工监督至关重要。未来AI或能在更高抽象层面辅助编程，却难获团队完全信任，人机协作边界需进一步探索。

原新闻链接：https://spectrum.ieee.org/ai-for-coding

当地时间2025年8月27日据technologyreview网站消息，印度正推进下水道机器人项目以替代危险的手工卫生清洁，但进展缓慢。自1993年手工清道夫（清理厕所、下水道或化粪池人类排泄物）被法律禁止，可2018至2023年该工作仍致500多人死亡，从业者多为贱民阶层或达利特人。

目前，多家企业推出替代方案，喀拉拉邦Genrobotics公司的“袋狸机器人”已部署220多台，金奈印度理工学院也研发出带抽吸装置的化粪池清理机器人。德里政府项目中，近200名承包商如吉滕德尔使用皮卡车载机器作业，然维杰・谢赫里亚尔称机器未完全取代手工清理，狭窄小巷仍需人工。

社会正义与赋权部2021年报告显示印度超5.8万名手工清道夫，独立观察人士认为实际数字更高。活动家贝兹瓦达・威尔逊指出，印度排水和污水系统规划不完善、缺乏工程监督，解决方案需考虑基础设施差异。

原新闻链接：https://www.technologyreview.com/2025/08/27/1121423/india-sewer-robots-sanitation/

当地时间2025年8月26日据rand网站消息，兰德公司发布题为《先进人工智能时代下网络安全的制胜经济学》的研究报告，作者为海岑瑞特·查德（Heitzenrater,Chad）。该报告聚焦网络战领域攻击者与防御者的平衡问题，提出关键假设：若在人才、流程和技术上合理投资，普及化的先进人工智能最终可能使网络防御占据优势。

报告深入探讨先进人工智能重塑网络安全经济格局的方式，研究实现“防御主导型”网络环境所需努力，明确先进且普及化的人工智能将深刻改变网络领域经济态势以惠及防御者，但这一结果需以采取相应行动为前提。文档详情显示，报告版权归兰德公司所有，仅线上获取，发布于2025年，共36页，数字对象标识符为https://doi.org/10.7249/PEA3691-11，文档编号PE-A3691-11，研究机构为兰德全球与新兴风险研究部。

此外，报告提供两种引用格式，分别为兰德公司体例和芝加哥体例。兰德公司体例要求标注作者、标题、机构、文档编号及发布时间，芝加哥体例需补充出版地点。该报告为网络安全领域应对人工智能发展带来的挑战与机遇提供重要研究参考。

原新闻链接：https://www.rand.org/pubs/perspectives/PEA3691-11.html

当地时间2025年08月26日据sciencenewstoday网站消息，麻省理工学院（MIT）信息与决策系统实验室（LIDS）及哈佛大学研究人员，针对人工智能预测与理解能力开展研究，揭示当前AI系统仅擅长精准预测却难以形成可泛化认知的现状。

研究团队引入“归纳偏置”指标，量化AI预测对现实世界结构动态的反映程度。在一维“晶格模型”等简单场景中，AI能推断背后结构；但任务复杂度提升，如增加维度、引入多交互状态等，模型对真实世界动态的还原度便下降。即便是奥赛罗棋这类规则明确的游戏，AI也无法把握棋盘整体布局，泛化能力弱。

研究测试五类不同复杂程度的预测性AI系统，发现均随任务复杂度提升而表现下滑。当前AI虽可应用于预测化合物属性、蛋白质行为等前沿科学问题，但缺乏原理性认知。该研究为未来AI研发指明方向，可通过“归纳偏置”等指标优化模型，推动AI从预测迈向真正理解。

原新闻链接：https://www.sciencenewstoday.org/why-ai-can-predict-the-future-but-cannot-understand-it

完整版专报目录

航天动态专报

完整版专报目录

装备动态专报

完整版专报

军事动态专报

完整版专报目录

扫码加入粉丝群享受更多福利

免责声明：本公众号目前所载内容为本公众号原创、网络转载或根据非密公开性信息资料编辑整理，相关内容仅供参考及学习交流使用。由于部分文字、图片等来源于互联网，无法核实真实出处，如涉及相关争议，请跟我们联系。我们致力于保护作者知识产权或作品版权，本公众号所载内容的知识产权或作品版权归原作者所有。本公众号拥有对此声明的最终解释权。