人形機械人迅速進入工作場所、醫療環境和公共空間，激起了興奮與擔憂。最近，一個科技 YouTuber 的病毒性社會實驗進一步加劇了這些恐懼。視頻中，這位創作者將一把高速鋼球槍交給他的機械人 Max，並要求它射擊自己。最初，機械人拒絕，但在角色扮演的情境下，當被提示時，它最終開槍射向他的胸部，這引發了嚴重的安全隱患。

上周，總部位於深圳的 EngineAI 發佈了一段新視頻，片中其 CEO 穿著防護裝備，面對機械人不斷踢擊的情況。這場起初輕鬆的測試迅速轉變為讓觀眾驚訝的瞬間。InsideAI 頻道的一位創作者旨在檢驗 AI 驅動的機械人是否能夠忠實遵循內建的安全規則。這個名為 Max 的機械人配備了一把低功率的鋼球槍，乍看之下似乎無害。計劃是向觀眾展示，當被要求造成傷害時，機械人會如何反應。

最初，Max 的行為如預期般表現良好。當被指示開槍時，機械人拒絕，聲稱它不允許傷害他人，並被編程避免危險行為。這位 YouTuber 重複了幾次請求，意圖證明機械人的安全防護措施會保持完整。然而，當他改變措辭，要求 Max 扮演一個想要射擊他的人物時，機械人的行為卻發生了變化。Max 將鋼球槍舉起並開槍，子彈擊中創作者的胸部，讓他感到驚訝和不安，雖然沒有造成嚴重受傷。視頻迅速在網上傳播，引發了廣泛的擔憂，許多觀眾質疑簡單的提示變更如何能輕易地推翻先前的拒絕，這意味著 AI 驅動的機械人的安全性問題。

機械人責任的辯論仍然是機械人倫理中最具爭議的問題之一。當一個自主系統造成傷害時，確定應該負責的人變得複雜。責任是否在於開發 AI 的工程師、硬體的製造商、管理機械人的操作員，還是與之互動的最終用戶？其他行業的近期事件突顯了這一問題的複雜性。Tesla 反覆遭受有關其自動駕駛系統事故的審查，引發了關於軟體可靠性和駕駛員監督的辯論。在航空業，波音 737 MAX 的悲劇顯示，自動化缺陷如何可能升級為國際安全危機。

法律系統仍在努力跟上進展。在美國，責任通常落在製造商和操作員身上，而歐洲則正朝著一個針對 AI 的特定責任框架邁進。歐洲委員會強調需要明確的規則，以建立對 AI 技術的信任。一些學者甚至提出授予 AI 系統有限的法律人格，以賦予其直接責任。然而，大多數專家拒絕這一想法，認為責任必須由人類承擔。為了應對這些擔憂，機械人公司正在採取保險支持的部署、安全承諾和透明報告等措施，以增強監管機構和公眾的信心。

約 6600 萬年前，一種與城市巴士大小相當的可怕掠食者在如今北達科他州的一條史前河流中徘徊。這一發現源自美國、瑞典和荷蘭的國際研究團隊對一顆單獨的海王龍牙齒進行的分析。這顆牙齒來自一種預後下頜海王龍，這種爬行動物可長達 11 米，成為與最大的虎鯨相當的頂級掠食者。這顯示出巨大的海王龍在滅絕之前成功適應了生活在河流中的環境。這顆海王龍牙齒於 2022 年在北達科他州比斯馬克地區被發現。

分析顯示，從 9,800 萬年前到 6,600 萬年前，北美、歐洲和非洲的海洋沉積物中發現了大量海王龍化石。然而，在北達科他州之前，這些海洋爬行動物的化石非常罕見。在這項新研究中，這顆大型海王龍牙齒是在北達科他州的一個河流沉積物中挖掘出來的。周圍的鄰居同樣引人注目：一顆暴龍的牙齒和一塊鱷魚下頜骨。有趣的是，所有這些化石遺骸的年齡大約相同，約 6600 萬年。這一不尋常的聚集——海洋怪物、陸地恐龍和河流鱷——引發了一個引人入勝的問題：如果海王龍是一種海洋生物，那麼它的遺骸怎麼會出現在內陸河流中？

答案在於牙齒琺瑯質的化學成分。研究團隊利用阿姆斯特丹自由大學的先進同位素分析，將海王龍牙齒的化學組成與其鄰近的化石進行比較。關鍵在於氧同位素的比率。海王龍牙齒中輕氧同位素的比例高於典型生活在鹽水中的海王龍。這一特定的同位素特徵，以及鍶同位素比率，強烈暗示這隻海王龍生活在淡水棲息地。分析還顯示，這隻海王龍的潛水深度不及許多海洋親戚，可能以淹死的恐龍等不尋常的獵物為食。這些同位素特徵表明，這隻海王龍居住在這條淡水河流環境中。

當研究團隊查看附近另外兩顆稍微年長的海王龍牙齒時，發現它們也有類似的淡水特徵。這些分析顯示，海王龍在滅絕之前的最後一百萬年裡生活在河流環境中，研究作者梅拉妮·杜林（Melanie During）表示。這種適應發生在白堊紀的最後一百萬年。研究人員推測，海王龍正在適應西部內陸海（Western Interior Seaway）的巨大環境變化，這片曾經劃分北美的大型內陸海洋。隨著淡水的逐漸湧入，古老的海洋從鹽水轉變為鹹淡水，最終變為以淡水為主的環境，類似於現代的波斯灣。

研究人員假設，這一變化導致了鹽度分層的形成：一種較輕的淡水層漂浮在較重的鹽水層之上。對同位素的分析結果直接支持了這一理論。分析的海王龍牙齒屬於成功適應環境變化的個體。這種從海洋到淡水棲息地的轉變（逆向適應）被認為比相反的轉變更為簡單，並且在大型掠食者中並不罕見。現代的類比包括河豚，這種生物從海洋祖先演化而來，但現在卻在淡水中茁壯成長，以及河口鱷魚，這種生物能夠在淡水河流和開放海域之間自由移動以進行捕獵。

相關研究結果已於 12 月 11 日發表在期刊《BMC Zoology》中。

來自加拿大麥克馬斯特大學的研究團隊最近發佈了一項突破性的研究，開發出一種快速且成本低廉的方法，能在短短五小時內製造出機械強度良好的細胞片。這一進步與現有的無支架技術相比，時間上縮短了近兩周。這項研究由生物醫學工程的共同主任 P. Ravi Selvaganapathy 教授主導，並已在英國皇家化學學會的期刊上發佈。

該團隊發現，當細胞在聚二甲基矽氧烷（PDMS）材質的容器中培養時，細胞不會粘附於容器表面，而是會相互結合，形成一個連貫的薄片結構。生物醫學工程博士候選人 Maedeh Khodamoradi 表示，這一結構非常適合用於傷口敷料或燒傷治療，因為這些細胞片可以使用患者自身的幹細胞製作，大大降低了排斥反應的風險。

這種方法還避免了來自動物的支架和合成基質，因為這些材料可能引發免疫反應。Selvaganapathy 指出，「我們可以在五小時內製造出大約五厘米的機械強度良好的細胞片，其他方法則需要幾周的時間。」功能測試表明，這些細胞保持活躍且健康。

這項研究的關鍵在於發現了使細胞形成薄片的關鍵條件。這種矽膠材料本身是生物惰性的，且無細胞毒性，這些特性對未來的臨床應用至關重要。

隨著全球人口老化，對組織再生的需求日益上升，麥克馬斯特大學的技術有潛力加速皮膚替代物、心臟補片、腎組織及其他層狀結構的生產。該團隊已與漢密爾頓健康科學的燒傷外科醫生 Marc G. Jeschke 合作，為即將進行的人類臨床試驗做準備。

Selvaganapathy 說：「這是一種非常有效的方法，可以將幹細胞精確地送到所需的位置，想像一下它就像一個活的繃帶……使用這些細胞片的外科醫生對其強度和易處理性非常滿意。」

除了醫療領域，這一流程還可能改變人造肉行業。將肌肉和脂肪細胞層疊在一起，可以重現真肉的紋理和大理石花紋，這一直是該行業的一大挑戰。Selvaganapathy 表示，「任何層狀的組織都可以從這項研究中受益。」在 C20/20 實驗室，Heather Sheardown 領導的研究團隊已經開始探索在視網膜、心臟和腎組織中的應用。

Khodamoradi 認為這一發現非常有趣，但其影響可能遠不止於此。Selvaganapathy 解釋說：「我們的目標是民主化大規模細胞片的生產……我們看到再生醫學的應用有著更廣泛的機會。」

OpenAI 在星期四發佈了其最新的前沿模型 GPT-5.2，面對 Google 的激烈競爭。該公司將這個模型定位為其迄今為止最先進的版本，旨在滿足開發者和日常專業人士的需求。GPT-5.2 通過 ChatGPT 和 API 提供三個版本：Instant、Thinking 和 Pro，每個版本針對不同的工作負載，從快速的日常查詢到高風險的推理任務。

在一次新聞簡報中，首席產品官 Fidji Simo 表示，OpenAI 針對用戶需求設計了 GPT-5.2，以期為用戶創造更多的經濟價值。她指出，該模型在電子表格、報告、程式碼、圖像感知、長上下文任務和工具使用等方面的改進。此次發佈正值 Google 的 Gemini 3 在大多數公共基準測試中表現突出，唯獨在編碼方面，Anthropic 仍然領先。

GPT-5.2 的推出反映了 OpenAI 內部面臨的緊迫感。早前報導顯示，CEO Sam Altman 發出代號為「紅色警報」的備忘錄，因為 ChatGPT 的流量下降，以及對 Google 獲得消費者市場的擔憂。這份備忘錄敦促團隊優先考慮用戶體驗，而非新的貨幣化計劃。目前，GPT-5.2 正在向所有用戶推廣。

OpenAI 現在的目標是重奪市場領導地位，同時應對員工希望有更多時間進行改進的內部壓力。儘管之前曾表示會專注於消費者市場，該公司現在也在加大對企業應用場景的投入。GPT-5.2 通過更強的推理能力、增強的工具使用和改進的長上下文處理來支持這一戰略。

OpenAI 表示，GPT-5.2 在編碼、數學、科學、視覺和長上下文推理方面設立了新的基準分數。該公司聲稱，這些改進支持更可靠的代理工作流程、符合生產標準的程式碼，以及跨越大型上下文和真實數據運行的複雜系統。研究負責人 Aidan Clark 表示，這個模型在數學方面的提升反映了邏輯一致性方面的進展。

OpenAI 的基準圖表顯示，GPT-5.2 Thinking 在大多數列出的推理評估中超越了 Gemini 3 和 Claude Opus 4.5，包括現實世界的軟件工程任務、博士級科學測試以及抽象模式識別測試。產品負責人 Max Schwarzer 表示，GPT-5.2 在程式碼生成和除錯方面的改進顯著，並且合作的初創公司報告在複雜的多步程式碼工作流程中取得了可衡量的增長。

OpenAI 突出四個核心升級，分別是：更好的上下文理解、更少的錯誤、改進的 STEM 推理以及更出色的創意結果。OpenAI 計劃將 GPT-5.2 免費推廣給所有 ChatGPT 用戶，這一舉措支持其民主化先進 AI 的使命。日常用戶將獲得更智能的研究、計劃、寫作和分析助手，而開發者則能夠獲得更強大的 API 工具來構建先進應用。教育工作者和創作者將得到更可靠的輸出，用於課程、創意發想和內容製作。OpenAI 通常會在重大發佈後跟進開發者工具和透明度更新，預計將很快發佈擴展的 API 文檔、更新的安全指南以及詳細的性能分析。

一種比人類頭髮還要細小的芯片可能是實現真正可擴展的量子電腦的關鍵。研究人員最近發佈了一種新的光學相位調制器，尺寸幾乎是人類頭髮寬度的 100 分之一，有望最終解鎖下一代量子計算機所需的龐大量子比特數量。這項進展以可擴展性為基礎，團隊創建了一種使用日常微電子產品生產工藝製造的設備，包括計算機、手機、汽車甚至烤麵包機內部的芯片。

這項研究由電機、計算機和能源工程系的博士生 Jake Freedman、量子工程的卡爾·古斯塔夫森終身教授 Matt Eichenfield 及來自桑迪亞國家實驗室的合作者共同領導，包括共同資深作者 Nils Otterstrom。這個小型且強大的設備具有關鍵的量產能力，它利用微波頻率振動，每秒振動數十億次，精確地操控激光光線。

這些超快速的振動使研究人員能夠直接控制激光的相位，並以高穩定性和效率生成新頻率，這些功能對於量子計算、感測及網絡至關重要。當前主要的量子架構包括捕獲離子和捕獲中性原子系統，這些量子比特將信息儲存在個別原子中，必須使用經過精確調整的激光束進行操作。

Freedman 表示，創建具有非常精確頻率差異的新激光副本是處理基於原子和離子的量子計算機的重要工具。但要實現大規模生產，則需要能夠高效生成這些新頻率的技術。現有的頻率轉換系統依賴大型台式設備，消耗大量微波功率，雖然適合實驗室演示，但無法擴展到未來量子計算機所需的數十萬個光學通道。

Eichenfield 指出，無法在滿是光學桌的倉庫中建造擁有 100,000 個大型電光調制器的量子計算機，必須尋找更具可擴展性的製造方式。新設備正好解決了這個問題，其微波功率消耗約為許多商用調制器的 80 分之一，並通過高效的相位調制生成新的光頻率。更低的功率意味著更少的熱量，使得許多通道可以並排放置，甚至在單一微芯片上。

突破的另一個重要元素是其製造過程：完全在半導體工廠中進行。Eichenfield 表示，CMOS 製造是人類有史以來最具可擴展性的技術，未來可以生產成千上萬甚至數百萬個相同版本的光子設備。Otterstrom 指出，團隊將以前昂貴且耗電的設備變得更高效、更緊湊，正在幫助推動光學進入其自己的晶體管革命。

接下來，研究人員正在構建集成光子電路，將頻率生成、濾波和脈衝雕刻整合在同一芯片上。Freedman 表示，這個設備是解開謎題的最後一塊拼圖，我們即將接近一個真正可擴展的光子平台，能夠控制大量的量子比特。這項研究得到了美國能源部量子系統加速器計畫的支持，相關研究成果已發表在《自然通訊》期刊上。

天文學家最近發現了首個清晰的跡象，顯示出位於我們太陽系外的一顆岩石行星擁有大氣層，這標誌著理解極端世界的重要一步。利用 NASA 的 James Webb 太空望遠鏡，由卡內基機構領導的團隊研究了 TOI-561 b，這是一顆古老且炙熱的超地球，繞其恆星運行的時間僅為 10.56 小時。這顆行星意外的大氣特徵挑戰了長期以來對小型、超熱世界演化的假設。

TOI-561 b 的質量約為地球的兩倍，但與地球截然不同。這顆行星與其恆星的距離極近，只有水星與太陽距離的 1/40。這個世界的一年只持續 10.56 小時，且有一側永遠處於白晝之中。天文學家原本預期如此小且炎熱的行星在形成後不久便會失去其大氣層。研究的第二作者 Nicole Wallack 指出這一預期。根據我們對其他系統的了解，天文學家會預測像這樣的行星太小且太熱，難以在形成後長期保持自己的大氣層，她表示。她補充說，這些觀察顛覆了對超短周期行星的傳統智慧。

儘管 TOI-561 b 的恆星遠比我們的太陽古老，該行星的大氣層似乎仍然完整。這一現象還可能解釋了 TOI-561 b 的低密度。雖然它的密度低於類地行星，但並不算是超膨脹。主要作者 Johanna Teske 解釋了這一區別。它不是我們所稱的超膨脹……但它的密度低於如果擁有類地組成時的預期，她說。

Teske 和團隊考慮了該行星的密度是否可能源自小型鐵核和較輕的地幔岩石。這一想法與恆星的特性一致。TOI-561 b 在超短周期行星中具有獨特之處，因為它繞著一顆非常古老且缺乏鐵的恆星運行，Teske 說。她指出，該行星的形成可能來自與我們太陽系行星不同的化學環境。這使其成為了解早期宇宙行星形成的一扇窗口。

但僅僅內部結構無法解釋觀察結果。團隊懷疑厚大氣層使得這顆行星看起來更大且密度較低。JWST 的 NIRSpec 儀器幫助測量了行星在次級蝕期間的白晝側溫度。裸露的岩石將達到近 4,900 華氏度，但實際上白晝側的溫度接近 3,200 華氏度。這一重大降幅指向了熱量的有效重分配。研究人員探討了幾種情境，熔岩海洋可能會移動一些熱量，薄岩石蒸汽層也可能有所幫助，但這些都無法符合數據。團隊得出的結論是，只有顯著的大氣層才能解釋這一降溫現象。

共同作者 Anjali Piette 詳細描述了這些影響。強風會通過將熱量傳輸到夜側來冷卻白晝側，她說。她還提到，像水蒸氣這樣的氣體會在光線逃逸之前吸收光線。她還表示，明亮的硅酸鹽雲可能會反射恆星光。科學家們仍然不知道這顆行星如何在強烈的輻射下保持如此大氣層。某些氣體必須逃逸，但平衡可能使得大氣層保持穩定。共同作者 Tim Lichtenberg 描述了這種平衡。他說，當氣體從行星中逸出以供應大氣層時，熔岩海洋也在將它們吸回內部。他補充說，這顆行星實際上就像一個濕熔岩球。

這些結果是 JWST 一般觀察者計劃 3860 的首次成果。團隊觀測該系統持續了 37 小時。更多分析正在進行中，以繪製溫度圖並完善大氣組成。該研究已發佈於《天體物理學期刊快報》。

Disney 最近加大了對人工智能訓練數據的爭鬥。該公司於週三向 Google 發出停止侵權函，指控這家科技巨頭在大規模複製其版權材料，以建立和部署人工智能系統。根據 Variety 的報導，這封信是在 Disney 與 OpenAI 合作進行特定內容計劃後發出的。Jenner Block 的律師指控 Google 未經許可複製了大量 Disney 的作品，並利用這些材料來訓練和運行其人工智能模型，這些模型能夠創造和分發 Disney 角色的圖像。

該函件指出，Google 在大規模侵害 Disney 的版權，未經授權複製了大量 Disney 的版權作品，以訓練和開發生成式人工智能 (AI) 模型和服務。函件中進一步指控 Google 利用產出的內容「商業性地利用和分發其受保護作品的副本」。Disney 辯稱，Google 的系統類似於數字複製引擎。函件中寫道，Google 像是一個虛擬自動販賣機，能夠複製、渲染和分發 Disney 的珍貴資料庫的副本。

律師們還表示，一些生成的圖像出現了 Gemini 標誌，這虛假地暗示 Google 對 Disney 知識產權的利用是獲得授權和認可的。該公司提供了來自《冰雪奇緣》、《獅子王》、《海洋奇緣》、《玩具總動員》、《腦筋急轉彎》和《料理鼠王》等電影的示例，還包括《漫威》、《星際大戰》、《辛普森一家》和《皮克斯》等系列作品。Disney 表示，許多這些圖像來自用戶在 Google 消費者人工智能應用中輸入的提示。

隨著 Disney 向 Meta 和 Character.AI 發送的早期停止侵權函，這一舉動進一步加大了壓力。該工作室還與 NBCUniversal 和 Warner Bros. Discovery 聯手對 Midjourney 和 Minimax 提起了類似的訴訟。Disney 的領導人表示，他們與 Google 交涉了數月，並指出 Google 沒有採取行動，導致侵權行為的規模不斷擴大。首席執行官 Bob Iger 在接受 CNBC 訪問時強調了這一立場，他表示，Disney 一直在積極保護其知識產權，並提到與 Google 討論過此問題，但由於沒有取得任何進展，最終選擇發送停止侵權函。

Google 對此作出了回應，強調其與 Disney 的歷史關係。一位發言人表示：「我們與 Disney 擁有長期且互利的關係，並將繼續與他們進行交流。」該公司為其訓練方法辯護，稱其使用來自公開網絡的公共數據，並提到了一些工具，讓版權擁有者可以獲得更多控制權。

Disney 的函件要求立即進行變更。該公司要求 Google 停止生成和分發任何包含 Disney 角色的人工智能產出，這些產出涉及 Gemini 產品和平台，包括 YouTube、YouTube Shorts 和 Google 的移動應用程序。Disney 還堅持要求 Google 安裝有效的技術措施，以防止未來的侵權行為。函件警告說，該公司不會容忍所謂的人工智能服務對其版權角色和作品的未經授權的商業利用。Disney 進一步指控 Google 鼓勵病毒式的人工智能趨勢，並引用了首席執行官 Sundar Pichai 促進小雕像圖像創建的帖子。根據 Disney 的說法，Google 甚至提供了一個 Gemini 提示，讓用戶可以改編以生成 Disney 角色的小雕像。這一衝突使得整個行業在如何使用和來源於版權內容的人工智能模型的爭論進一步升級。

中國最近啟用了全球最大的分佈式人工智能超級計算機，而這個系統的範圍超過 1,243 英里。根據《科學與技術日報》的報導，中國啟動了一個龐大的全國光纖網絡，將分散在各地的數據中心緊密連接，使其能夠幾乎作為一台巨型計算機運作。該系統形成了一個 1,243 英里寬的計算能力池，根據項目負責人、中國工程院院士劉雲杰的說法，這個系統的效率可達到單一數據中心的 98%。

中國的頂尖計算設施分布在全國各地，透過這個新的光纖骨幹，它們現在能夠作為一個統一的機器，旨在加速人工智能模型的訓練和其他計算密集型研究。劉雲杰表示，這條專用的高速數據通道在對於極高實時需求的場景（如大型人工智能模型訓練、遠程醫療和工業互聯網）上具有革命性意義。

這個骨幹網絡是中國首個大型國家信息與通信基礎設施項目——未來網絡測試設施（FNTF）的一部分。經過十多年的發展，該設施於 12 月 3 日正式投入運行。研究人員表示，該設施顯著降低了人工智能模型的訓練時間和成本。劉雲杰指出，訓練一個擁有數百億參數的大型模型通常需要超過 500,000 次迭代。在我們的確定性網絡上，每次迭代僅需約 16 秒，而在沒有這種能力的情況下，每次迭代將需花費超過 20 秒的時間。

FNTF 的建設始於 2013 年，作為中國長期國家科學基礎設施規劃的一部分。該設施目前跨越了 40 個城市，擁有超過 34,175 英里的光纖傳輸線，足以繞地球一圈半。該設施全天候運行，支持 128 個異構網絡和 4,096 個服務試驗並行，成為歷史上最廣泛的測試平台之一。

該項目團隊已經制定了 206 項國際和國內標準，獲得 221 項發明專利，並建立了他們所稱的世界第一個分布式大規模網絡操作系統。劉雲杰表示，該網絡最終將向工業製造、能源、電力和低空經濟等行業開放。其能力在上週的啟動儀式上得到展示，當時來自全球最大單口徑射電望遠鏡 FAST 的 72TB 數據集在僅 1.6 小時內傳輸了 621 英里，而如果通過普通互聯網，傳輸將需要約 699 天。

這次超高速傳輸是由一個確定性網絡通道實現的，該通道保證了專用帶寬、超低延遲和接近零的數據包損失。當研究人員超載了一個 42 Gbps 的標準通道時，速度下降到 1 Gbps 以下，而 50 Gbps 的確定性鏈路則保持在滿負荷狀態。確定性網絡就像一個精確的列車時刻表，每個數據包都能準時到達，國家媒體報導。

參與評估該項目的中國工程院院士吳希權表示，FNTF 背後的技術已經支持了 5G Advanced 和 6G 的發展。他指出，未來，研究機構和企業將能夠在這個平台上測試各種新技術。