依意思最接近的 12 筆
Meta 公布一套由人類主導的健康科學研究框架，由 Muse Spark 1.3 與 Muse Wonder 驅動，可訪問 500 萬份回顧性去標識化電子健康記錄及公開資料。一組醫學專家用該系統開展原創研究，加速假設生成、程式碼執行與論文撰寫，科學決策權仍完全由人類掌握。Meta 同時公開了由此產出的 10 篇研究論文，覆蓋心臟病學、腫瘤學、傳染病、急診醫學等領域。
清華 AIR 孵化的紫荊智康發布醫學多分身智慧體協同技術，並升級紫荊 AI 醫院，讓不同專科的 AI 醫生分身參與同一位患者的診療。系統支援按需提醒和會診兩種協同模式，分身意見不一致時會高亮分歧供醫生判斷，而非強行統一。截至 2026 年 7 月，系統已建置 54 位 AI 醫生和數百萬超擬真 AI 患者，覆蓋數千種疾病；北京清華長庚醫院 18 個臨床科室開展門診測試，40 餘名醫生常態化使用，診療效率提升 30%，AI 醫生在 MedQA 準確率超 96%。
一位即將迎來第一個孩子的程式設計師在 AGI 時代重讀 Neil Postman 1995 年的《教育的終結》，追問該教孩子什麼、為了什麼。他承認自己 2013 年預測 MOOC 顛覆教育落空，並借林迪效應指出學校歷經廣播、電影與網際網路仍存續，因為教育的目的會隨時代替換。他曾把教育目的濃縮為「善用資源」，但這一能力如今正被 AI agent 的工具迴圈所實現。隨著 AI 同時動搖「謀生」和「貢獻」兩條路徑，他主張讓孩子一起參與擬定教育的目的。
Google 與貝斯以色列女執事醫療中心（BIDMC）主導的研究首次登上《柳葉刀》主刊：98 名患者在門診就診前使用 Google 研究級診斷 AI 聊天機器人 AMIE，全程由醫生即時監控，沒有一輪對話因安全問題被中斷。臨床醫生反饋，75% 的場景下 AI 生成的摘要幫他們提前做好接診準備，超過半數案例中 AI 輸出改變了診療思路；AMIE 的鑑別診斷與醫生最終確診吻合度達 90%。研究團隊表示，面向患者端大規模落地仍需更大規模臨床試驗。
數學教授 Álvaro Lozano-Robledo 在客座文章中回應學生的職業焦慮：LLM 的進展正衝擊數學研究與教育，他最擔心的是學界因此失去一整代數學家。不少原本準備讀數學博士的學生正在改換方向，他們追問 AI 是否會超越人類做純數學研究、數學家是否還有用、現在該不該讀博。作者強調目前沒人知道答案，並提醒對高調預測未來的人保持警惕，同時啟動 Human Mathematicians in the Age of AI 訪談專案收集多元意見。
《大西洋月刊》播客《The Permanent Questions》10 月 4 日發布一期對談，社會心理學家、《焦慮的一代》作者 Jonathan Haidt 在與 David Brooks 的對話中稱 AI 是「教育的中子彈」。該期節目在上月 Atlantic Festival 現場錄製，全長約 40 分鐘，話題還包括情緒在道德決策中的作用、如何設計出更少令人厭惡的精英階層等。影片發布於 The Atlantic 的 YouTube 頻道，目前約 2.8 萬次觀看。
猶他州推出全美首個由 AI 獨立完成問診與開藥的試點專案，無需醫生直接監督。患者訂閱 Nolla Health 每月 4.99 美元的應用並掃描面部，AI 結合病史與個人資訊給出痤瘡嚴重度評分，從八種獲批外用藥物中推薦方案。試點為期一年，僅限輕中度痤瘡：前 100 張處方由醫生稽核，隨後 400 張改由 AI 直接提交藥房、醫生每週回溯，最終階段每月抽查至少 10% 的處方。
Astral Codex Ten 發布文章《Our AI Midwife》，記錄在分娩過程中使用 AI 的經歷。該文在 Hacker News 獲得 32 分、5 條評論，討論集中在 AI 在醫療場景中的實際作用與邊界。
愛爾蘭一所公立繼續教育學院的教師發帖，稱已獲得資金建成一個小型 AI 實驗室，硬體配置尚可，目標是讓學生學到使用 ChatGPT 之外的實用技能，因此向社群徵集教學方向建議。帖子未透露具體硬體型號、課程安排或學生人數。
微軟稱其 AI 工具診斷疾病的準確率最高可達人類醫生的四倍，相關結果於週四發表在期刊 Science 上。測試用醫學病例報告與急診科資料構成場景，讓微軟 AI 系統與人類醫生逐項對比，這些案例被微軟整理成自家基準。微軟 AI 負責人 Mustafa Suleyman 稱，AI 改善醫療「終於到來了」。結論出自微軟自建基準與公司自述，規模與細節需看完整論文。
10 月 17 日，哲源科技發布 WHIRLPO 計算醫學平台，用異構算力、多組學生命資料、模型矩陣與智慧 Agent 搭建支撐生命世界模型訓練及溼實驗閉環驗證的底座。該平台不做單一生物大模型，而是整合基因、細胞、組織到人體多尺度建模所需的工程鏈路。行業層面，Biohub 聯合美國能源部、NIH、Meta、DeepMind 等的生命預測模型專案已承諾投入 18 億美元；國內計算醫學在 9 月首次與 AI、量子計算、超算並列寫入醫藥工業「十五五」規劃。
微軟多智慧體診斷系統 MAI-DxO 在《Science》發表的模擬研究中，對《新英格蘭醫學雜誌》複雜病例的診斷準確率為 83%，而單獨作答的全科醫生為 36%。該系統讓多個 AI agent 分別提問、開檢查並辯論診斷，搭配 OpenAI GPT-5.5 時準確率從 72% 升至近 87%、成本略降；GPT-5 單獨每題約 8400 美元，DxO 省約 3000 美元但只提升約 4 個百分點。研究也顯示，DxO 對複雜病例和較弱模型幫助更大，急診病例無明顯改善；