一群未經授權的用戶據報已成功存取 Anthropic 最近公布的網絡安全工具 Mythos。Anthropic 形容這款專為企業安全設計的 AI 產品威力強大，若落入錯誤之手，可能轉化為強效駭客工具。Bloomberg 報道，一個成員身份未公開的私人線上論壇，透過第三方供應商獲取了該工具的存取權。 Anthropic 發言人向 TechCrunch 表示：「我們正調查一宗聲稱透過第三方供應商環境未經授權存取 Claude Mythos Preview 的報告。

」公司指，至今未發現相關活動影響其系統。

存取過程與證據

該群組嘗試多種策略入侵模型，包括利用一名接受 Bloomberg 訪問者的「存取權」。該人現於 Anthropic 的第三方承包商任職。報道指出，群組成員屬於一個 Discord 頻道，專門搜尋未發佈 AI 模型的資訊。他們自獲取存取權後，已定期使用 Mythos，並向 Bloomberg 提供截圖及軟件現場示範作為證據。 Bloomberg 稱，該群組在 Mythos 公開公布當天，即憑藉對 Anthropic 其他模型格式的了解，推測其線上位置，從而成功存取。

他們的動機僅為「試玩新模型，而非製造破壞」，消息來源向媒體透露。 Mythos 透過名為 Project Glasswing 的計劃，限量發佈予特定供應商，包括 Apple 等大廠，旨在防止惡意人士濫用。公司強調，此工具若被武器化，可能反過來攻擊企業安全，而非強化之。Anthropic 獨家限量發佈，正是為回應企業對安全的憂慮。若事件屬實，將為公司帶來嚴重後果。

Brenda Schafer Kennedy，MIT 生物學碩士（SM ’93），深信有時最好的良藥擁有四條腿和一身毛髮。她現任加州全國性組織 Canine Companions 的首席獸醫及研究官，該機構免費為殘疾兒童、退伍軍人及成人提供輔助犬。「需求極大：美國每四人中就有一人有殘疾障礙，許多人能從這些犬隻中受益，」Kennedy 表示。 雖然輔助犬最廣為人知的是引導盲人，但 Canine Companions 訓練犬隻執行諸多任務，例如為輪椅使用者開門，或提醒聾人注意門鈴、火警及其他重要聲響

。其精神健康輔助犬協助患有創傷後壓力症候群（PTSD）的退伍軍人，例如從惡夢中喚醒他們。目前為止，機構已配對逾 7,000 隻犬隻予有需要人士。

科技創新提升輔助效能

確保每隻配對輔助犬健康至關重要，Kennedy 作為獸醫主管機構育種工作。「我們不會配對可能有縮短壽命或需人管理的重大醫療問題的犬隻，」她說。她亦領導開發支援 Canine Companions 的科技，是專利裝置 CanineAlert 的共同發明人。此裝置向犬隻頸圈發送信號，讓犬隻在主人心率急升時中斷惡夢。該技術或將擴展至應對日間焦慮發作。「這些犬隻不僅能轉變生活、賦予獨立性，更具關鍵及救命作用，」她指出。

自幼熱愛動物，Kennedy 先於 Northwestern University 取得學士學位，後赴 MIT 攻讀生物學碩士。「我在 MIT 找到出色導師，」她提及特別享受與 Hazel Sive 教授合作，其實驗室研究非洲爪蟾。研究雖引人入勝，但她渴望從事實務醫學，遂於 Tufts University 獲取獸醫學位，之後在私人診所執業 16 年。如今她在 Canine Companions 結合動物護理與研究。

「我熱衷使命導向工作，透過人犬紐帶幫助他人。」此外，犬隻提供無條件之愛，支持情感及精神健康，並成為通往社群的橋樑。

如果你曾到眼科醫生處檢查，並拍攝眼球內部影像，很可能使用了光學相干斷層掃描（OCT）技術。這項技術由臨床科學家David Huang（MIT 電機工程學士 ’85、碩士 ’89、博士 ’93）發明，目前每年應用於全球 4,000 萬次程序。OCT 是一種非侵入性方法，能產生複雜生物組織的詳細影像，例如視網膜或冠狀動脈內積聚的斑塊。它透過測量光波從組織反射回來的飛行時間，繪製出高解析度的內部結構圖像。

「相較於眼底攝影的強烈閃光，OCT 使用幾乎不可見的紅外光，提供更高解析度且立體（而非平面）的資訊。」Huang 表示。這項發明讓他與共同發明者於 2025 年入選國家發明家名人堂，並在 2023 年獲頒 Lasker 獎及國家科技與創新獎章。

OCT 的發明歷程

Huang 在 MIT 攻讀電機工程時，並未預料會改變眼科影像範式，但他希望以工程思維貢獻醫學進展，以追隨父親作為家庭醫生的腳步。OCT 源自他在 Harvard-MIT 健康科學與技術計劃的 MD-PhD 研究。在 James Fujimoto（電機工程 Elihu Thomson 教授，學士 ’79、碩士 ’81、博士 ’84）指導下，Huang 研究超快雷射，用於改善眼科任務，如測量角膜與視網膜厚度。

他採用干涉測量法，能精準至一象兆分之一秒，從而實現微米級解析度。 Huang 的實驗顯示，此技術能偵測視網膜內部微弱信號來自細微結構。Fujimoto 與 Huang 意識到其成像潛力，邀請 Lincoln Laboratory 的 Eric Swanson（碩士 ’84，原用干涉測量於衛星間通訊）合作，開發適用生物的 OCT 機器。Huang 透過 Harvard 醫學院測試多種組織，發現其在視網膜與冠狀動脈樣本特別出色。

他們於 1991 年在《Science》雜誌發表初步成果，建立 OCT 作為全新成像模式。 「我們能與醫生合作，加上 Lincoln Lab 與 MIT 的先進技術，讓這項成像技術迅速起飛，而其他同期研究者未能展現成果。」Huang 說。發明後，他完成眼科醫師訓練，Fujimoto 與 Swanson 則創立新創公司，將設備推向醫療機構。 數十年來，Huang 持續優化 OCT 應用。

目前在 Oregon Health and Science University 的 Casey Eye Institute 擔任研究主任，他領導團隊探索 OCT 血管成像（至毛細血管血流）及 OCT 光視網膜圖（視網膜光感受器反應）。他同時診治病患，並共同創辦 GoCheck Kids 兒童眼科篩檢數位平台。Huang 歸功其創新於跨領域視野：「純醫師或雷射工程師難以察覺臨床問題的發明機會，但雙重知識讓這變得容易。

」

如果你曾到眼科醫生處檢查，並拍攝眼球內部影像，很可能使用了光學相干斷層掃描（OCT）技術。這項技術由臨床科學家 David Huang（MIT 電機工程學士 ’85、碩士 ’89、博士 ’93）發明，目前每年應用於全球 4000 萬次程序。OCT 是一種非侵入性方法，能產生複雜生物組織的詳細影像，例如視網膜或冠狀動脈中積聚的斑塊。它透過測量光波從組織反射回來的飛行時間，繪製出高解析度的內部結構圖像。

David Huang 表示：「OCT 使用紅外光，幾乎不可見，相比傳統眼底攝影的強光閃爍，它提供更多資訊——三維而非二維影像，且解析度更高。」這項發明讓他與共同發明者於 2025 年入選國家發明家名人堂，並在 2023 年獲頒 Lasker 獎及國家科技與創新獎章。

OCT 的發明歷程

David Huang 在 MIT 攻讀電機工程本科時，並未預料會改變眼科影像範式，但他希望以工程思維貢獻醫學進展，以追隨父親作為家庭醫生的腳步。OCT 源自他在 Harvard-MIT 健康科學與技術計劃的 MD-PhD 研究期間。在 James Fujimoto（電機工程 Elihu Thomson 教授，MIT ’79、SM ’81、PhD ’84）指導下研究超快雷射時，他被要求應用雷射改善眼科任務，如測量角膜與視網膜厚度。

David Huang 認為干涉測量法（interferometry）可將飛行時間精準至一象兆分之一秒，從而實現微米級厚度測量。他的實驗顯示，此技術能偵測視網膜內部微弱信號來自細微結構。Fujimoto 與 David Huang 意識到其影像潛力，便邀請 Lincoln Laboratory 的 Eric Swanson（SM ’84，原從事衛星間干涉通訊）合作，開發適用生物的 OCT 機器。

David Huang 透過 Harvard Medical School 測試多種組織，發現其在視網膜及冠狀動脈樣本影像上特別成功。他們於 1991 年在《Science》雜誌發表初步成果，建立 OCT 作為新型影像模式。「由於我們能與醫生合作，並利用 Lincoln Lab 與 MIT 的先進技術，其他同期探索者未能展現類似影像成果，我們讓這技術迅速起飛。

」David Huang 說。 發明後，David Huang 完成眼科醫師訓練，Fujimoto 與 Swanson 則創立初創公司，將設備推向診所。數十年來，他持續優化 OCT 應用。目前作為 Oregon Health and Science University Casey Eye Institute 研究主任，他領導團隊探索 OCT 血管造影（影像毛細血管血流）及 OCT 視網膜光電圖（映射視網膜光感受器反應）。

他同時診治病患，並共同創辦 GoCheck Kids 兒童眼科篩查數位平台。 David Huang 歸功其創新於跨領域知識。「純醫生或純雷射工程師難以察覺發明解決臨床問題的機會，但兩者兼備就容易多了。」

麻省理工學院（MIT）幾乎每個實驗室的研究員都深入探討人工智能（AI）。他們開發和部署的工具已大幅提升現有方法，並開闢全新發現途徑。AI 在 MIT 無所不在，研究員幾乎無意間便涉足其中。以機械工程副教授 Sili Deng 為例，她表示若非新冠疫情，她未必會全力投入 AI。她於 2019 年加入教職員，正籌備實驗室研究燃燒動力學、排放減少及能源材料火焰合成時，疫情導致實驗室翻新停擺。

她於是挑戰自己及博士後團隊嘗試機器學習，利用燃燒領域的基礎知識，探索機器學習可填補的空白。在她的領導下，Deng 的能源與奈米科技小組利用 AI 開發「數位孿生」模型，模擬能源/流體裝置的性能，為物理系統的數位複製品。最終，此模型可即時預測及控制燃料燃燒系統運作。 與 Deng 不同，航空航天副教授 Zachary Cordero 是因同事引介而接觸 AI。

2024 年，機械工程系主任 John Hart 建議 Cordero——專攻新興航空航天應用材料的開發——與機械工程副教授 Faez Ahmed 會面，後者擅長工程設計的機器學習及優化。Cordero 表示此前並無 AI 相關研究：「這對我完全是新領域。」他們在美國國防高等研究計劃署（DARPA）資助項目中合作，開發 AI 工具優化「blisk」（渦輪葉盤）的材料組成，此為噴射及火箭渦輪引擎關鍵部件。

該工作旨在提升引擎性能及壽命，或促成更可靠的重型發射載具可重用火箭引擎。Cordero 指 AI 系統強化人類直覺，甚至在「幾乎不可能憑直覺解決」的問題上亦然。

AI 革新多學科研究

生物工程查爾斯 W. 及詹妮弗 C. 強森教授 Angela Koehler 表示：「我們每個小組會議都討論這些工具。」她的團隊利用 AI 模型開發針對先前視為「不可成藥」分子目標（如轉錄因子、RNA 結合蛋白或細胞因子）的藥物候選。她指自己參與的 90% 論文委員會均涉及重大 AI 成分，五年前絕非如此。MIT 研究副總裁 Ian Waitz 表示：「AI 遍佈校園。

任何高度複雜領域均受益，包括生命科學、材料科學及影像分析。我不知 MIT 有哪個研究領域未受 AI 影響。」 機械工程及材料科學與工程教授 Ju Li 認為，若賦予 AI 實驗自主權，讓其嘗試、失敗並學習，它可演化成類似人類智能。李於 1995 年獨立活動期（IAP）修讀神經網絡課程，當時僅數層，並用作回歸工具擬合曲線。如今神經網絡可逾千層，受強大晶片運算力及數據中心激增推動，AI 活動全球爆發。

MIT 自 1954 年 Belmont G. Farley 及 Wesley A. Clark 首創神經網絡電腦模擬以來，便持續投入。 工程學院 AI 及健康傑出教授 Regina Barzilay 自 2003 年加入 MIT 便從事 AI。她領導 Abdul Latif Jameel 機器學習健康診所，其實驗室工具廣泛應用於製藥業，帶來重大影響。其中 Boltz 系列模型受 DeepMind AlphaFold2（其開發者 Demis Hassabis 及 John Jumper 獲 20

24 年諾貝爾化學獎啟發）影響。Boltz-1（2024 年 11 月發佈）預測蛋白質及其他生物分子 3D 結構；Boltz-2 額外預測親和力；2025 年 10 月發佈的 BoltzGen 為生成式 AI，可設計自訂蛋白質結合廣泛生物分子目標，考慮每個原子，提供更高準確度。CSAIL 博士生 Hannes Stärk 花七個月開發 BoltzGen，每天工作逾 12 小時，指模型從訓練數據推斷並產生新穎想法。

其他領域亦見 AI 應用。Giovanni Traverso 實驗室用 AI 設計奈米粒子，提升 RNA 疫苗及其他療法傳輸效率；Jameel 診所模型預測年度最佳流感疫苗；EECS、CSAIL 及 Mass General Hospital 聯手推出 MultiverSeg，快速註釋醫學影像興趣區域；Priya Donti 開發 AI 優化電網調度，應對太陽能及風能變異；Sara Beery 用 AI 分析遙感數據，預測物種及生態變化；Connor Coley 設計「基因」演算法優化聚合物混

合，用於電池電解質及藥物傳輸，其自主機器人系統每日測試 700 種新混合，找出性能提升 18% 者；Alexander Siemenn 建構全自主 AI 機器人實驗室，24 小時發現太陽能板可持續高性能材料。 儘管 AI 帶來諸多成果，研究員亦遇挑戰。Barzilay 指 AI 未在理解阿茲海默症等神經退化疾病分子機制上帶來「重大轉變」。材料科學副教授 Rafael Gómez-Bombarelli 表示，AI 模擬雖成功，但轉化為物理材料時常失敗，因未捕捉長時尺度及複雜物理，且規模化生產具風險

。腦與認知科學教授 Ila Fiete 建構 AI 模型擴展腦部神經連接知識，反過來改善 AI 架構。Faez Ahmed 指物理世界受 AI 影響較少，MIT 正於此交匯處推動進展。機械工程教授 John Hart 認為 MIT 具備提問及應用工具的專業，能駕馭 AI 潛力與陷阱。

優先技術：確保美國安全與共同繁榮

《Priority Technologies: Ensuring US Security and Shared Prosperity》由埃莉莎白·B·雷諾茲（Elisabeth B. Reynolds）編輯，該書探討了如何透過技術維護國家安全和促進經濟增長。雷諾茲教授曾擔任麻省理工學院（MIT）未來工作任務小組的執行主任，這本書預計於2026年出版，定價24.

95美元。 《The Shape of Wonder: How Scientists Think, Work, and Live》由艾倫·萊特曼（Alan Lightman）及馬丁·里斯（Martin Rees）合著，深入探討科學家的思維與生活，定價28美元，將於2025年推出。另一部重要著作《Spheres of Injustice: The Ethical Promise of Minority Presence》，由法國研究與語言教授布魯諾·佩雷奧（Bruno Perreau）撰寫，於20

25年出版，定價34美元，探討少數族裔在社會中的道德承諾。 《The Analytics Edge in Healthcare》由迪米特里斯·伯茨馬斯（Dimitris Bertsimas）及其團隊撰寫，這本書將於2025年出版，定價110美元，專注於醫療領域的數據分析。最後，《The Art of Monetary Policy: Lessons from Sun Tzu for Central Banks》由克里斯汀·J·福布斯（Kristin J.

Forbes）撰寫，將於2026年發行，定價30美元，分享孫子兵法在中央銀行貨幣政策中的應用。 以上書籍將為讀者提供豐富的知識與見解，對於關心科技、經濟及社會議題的人士而言，這些作品無疑是值得期待的。

麻省理工學院（MIT）研究人員發現，一種名為「逆溫」（inversion）的氣象現象決定了熱浪的嚴重程度及持續時間，而這種現象在美國部分地區正變得愈發普遍。熱帶地區常見的悶熱持續期後接強烈雷暴模式，如今在中緯度地區如美國中西部亦日益頻繁。MIT 地球、大氣及行星科學系（EAPS）博士後研究員李福寧（Funing Li）及助理教授塔莉亞·塔馬林-布羅德斯基（Talia Tamarin-Brodsky）最近的研究指出，逆溫是關鍵因素：暖空氣層覆蓋在較冷空氣上方，形成氣氛「毯子」，不僅困鎖地面污染物，

更會鎖住熱量及濕氣。

逆溫如何放大熱浪及雷暴

逆溫持續越久，地區累積的熱量及濕度就越多，從而引發更嚴峻、延續更長的悶熱浪。當逆溫最終減弱時，便可能爆發劇烈雷暴及豪雨。在正常情況下，大氣層隨高度升高而變冷，地面熱浪會引發對流：暖空氣上升，冷空氣下沉，暖空氣遇冷凝結成雨滴落下，常帶來降溫效果。但李福寧及塔馬林-布羅德斯基發現，若暖輕空氣覆蓋在冷重地面空氣上，空氣「團塊」需更多熱量及濕度才能突破逆溫層上升。其上限取決於逆溫穩定度。

若暖空氣層長時間停留，熱濕累積加劇，後續風暴亦更猛烈。 逆溫多在夜晚形成，日間受熱表面向太空輻射熱量，使接觸空氣變冷變密；或因冷海空氣內陸滑入暖陸空氣下方。有時陽光曝曬山區的熱空氣移至低窪區亦可造成持久逆溫。李福寧指出，美國大平原及中西部歷史上逆溫頻繁，多源於洛磯山脈影響。但全球暖化或令效應加劇。「我們的分析顯示，美國東部及中西部、東亞地區可能成為悶熱新熱點」，他說。

塔馬林-布羅德斯基補充，氣候暖化令大氣持水能力增強，逆溫加劇，中緯度新區域恐面臨前所未有悶熱壓力，其理論有助理解未來熱浪及雷暴熱點的極限。

利用電子裝置自身產生的熱能，微米級矽結構有望實現更節能的熱感測與訊號處理。電子裝置運作時產生的熱量通常被視為問題，但麻省理工學院（MIT）士兵奈米科技研究所的研究科學家 Giuseppe Romano 領導的團隊，開發出一種不依賴電力的資料處理方法。此方法屬於類比運算，將輸入資料編碼為基於裝置內既有廢熱的溫度集合。透過團隊開發的基於物理優化演算法設計的微小矽結構，熱流的傳遞與分佈形成運算基礎，而輸出則由另一端收集的功率表示。

研究團隊利用這些結構執行矩陣向量乘法，這是大型語言模型等機器學習模型處理資訊與預測的核心數學技術。在多數情況下，結果準確率超過 99%。

挑戰與應用潛力

要將此運算方法擴展至現代深度學習模型，研究人員仍需克服諸多障礙，例如將數百萬個此類結構拼合的挑戰。隨著矩陣複雜度增加，準確率會下降，尤其在輸入與輸出端之間距離較大時。不過，此技術可立即應用於偵測電子產品中的問題熱源，並測量溫度變化，而無需額外耗能。這也能省去晶片上多個溫度感測器所佔空間。「電子裝置執行運算時，熱量多為廢棄產物，」物理系本科生兼論文主要作者 Caio Silva 表示。

「人們通常盡量排除熱量，但我們反其道而行，將熱量本身視為資訊形式。」

一項新研究顯示，有氧呼吸早在地球大氣層氧氣充裕之前數億年已開始。大約 23 億年前的大氧化事件（Great Oxidation Event），標誌著地球氧氣呼吸生命演化的關鍵轉折。但麻省理工學院（MIT）地球生物學家及其團隊發現，一些早期生命形式已在數億年前演化出利用氧氣的能力。 研究人員將數千種現代生物的酵素序列，映射至生命演化樹上，追蹤一種使生物能利用氧氣的酵素起源至中元古宙（Mesoarchean），即 32 億至 28 億年前。

這項發現或能解釋地球歷史長久謎團：首批產生氧氣的微生物（如藍細菌）可能在中元古宙前已出現，為何大氣氧氣需數億年後才累積？研究推測，鄰近這些微生物的生物演化出關鍵酵素後，即迅速消耗其產生少量氧氣。

研究顛覆有氧呼吸起源觀念

「這徹底改變了有氧呼吸的故事，」MIT 地球、大氣與行星科學系（EAPS）研究科學家 Fatima Husain（SM ’18, PhD ’25）表示，她與地球生物學副教授 Gregory Fournier 合著相關論文。「它顯示生命在地球歷史各時期皆極具創新性。」 研究透過酵素演化分析，證實有氧代謝早在氧氣大規模出現前已存在，挑戰傳統地球化學模型。團隊認為，早期的氧氣「饕客」生物有效抑制了大氣氧濃度上升，直至藍細菌數量爆發才打破平衡。

這不僅重塑生命起源時間線，也為理解早期地球環境提供新視角。