非你莫属

《自然》调查：AI热潮中，科学家也FOMO_我的网站

一 |     更重要的是，Caliptra 完全开源，辅以配套的 RTL / 固件。它能够为 SoC 安全配置提供可验证的加密保证，并确保启动代码是可信的。Caliptra 旨在完全集成到 SoC / ASIC 中，以提供与当今单独的信任根解决方案相媲美的集成安全性，同时它围绕现代边缘 / 机密计算场景的需求而设计。有趣的是，Caliptra 的参考实现，使用了 RISC-V 内核。奇怪的是，虽然红（AMD）蓝（NVIDIA）都已官宣支持 Caliptra，但蓝厂（Intel）却在今日的公告中意外缺席。

二 |     原文作者：Mohana Basu          近半数科学家表示，他们对人工智能总体感觉负面，但认为有些工具比别的要好些。至于具有 Caliptra 硅信任根的目标，新规范中是这么描述的：在本质上，Caliptra Silicon RoT 的范围是刻意做到极简的，以推动规范定义的敏捷性、最大限度地提高适用性，并且推动行业对齐、一致性和更快地采用基础设备安全原语。

三 | 一个定义明确的规范，可在最大限度上提升架构的可组合性，跨 CSP、产品和供应商的可重用性，以及开源的可行性。虽然增强功能、高级用例和应用程序超出了本规范的范围，但各方仍可通过硅 RoT 和社区参与的途径，加入到这一开发路线图中。Caliptra 定义了硅内部 RoT 基线的设计标准，满足测量信任根（RTM）角色。

四 | 并且 Caliptra 的开源实现，推动了 RTM 和锚定硬件证明的测量机制的透明度。需要注意的是，Caliptra Silicon RoT 必须启动 SoC、测量其加载的可变代码，以及控制 SoC 中非易失性配置位的突变。最后，Caliptra Silicon RoT 使用基于独特的“每资产加密熵”的签名证明来报告这些测量结果，因而能够作为 SoC 身份的信任根。         许多研究人员使用AI来协助科研，尽管他们感觉用AI对科研的影响是负面的。来源：Oscar Wong/Getty          许多科学家对于AI正感受到“错失恐惧症”（FOMO）。感兴趣的朋友，可移步至 OpenCompute.org 官网了解完全开放的 Caliptra 规范。《自然》的一项调研询问了超过1900名研究者，显示出人们对AI负面影响的担忧，也揭示了许多人担心落后而不得不采用这些技术的压力。至于更多技术细节，还请留意本周的 OCP（开放计算项目）活动。                   近半受访者表示对AI总体上持负面看法，其中63%的人说，使用大语言模型（LLM）等工具分析数据和科学文献的风险大于收益。尽管如此，仍有近60%的人感到不用AI辅助工作就会落后。调研结果发表在《自然》网站、社交媒体和自然简报邮件中。                   “要想不出局，你别无选择，只能使用某些工具——特别是LLM——来跟上其他使用者的步伐。

五 | ”澳大利亚昆士兰科技大学研究临床预测模型的博士生Alexander Gibson说。                   Gibson说，他感觉到自己受“被动驱使”着去使用AI工具，因为这些工具承诺让一切变得更高效。但他感到，尽管AI模型能更快产出结果，但质量未必优于人类，有时还更糟。例如，Gibson说他用LLM提取PDF文章中的数据以开展研究。这让他的研究可行，因为手动提取数据实在太困难了。但LLM犯了不少错。“工作质量并没有得到提升。

六 | ”          对AI的看法          《自然》询问了研究人员对AI的看法、AI模型是否对科学有着广泛的正面或负面影响，以及他们使用这些工具的频率。收到的回复来自75个国家，较大比例来自美国（38%）。

七 | 在回复的1907名科学家中，近48%的人说他们对AI的感受是负面的。有30%的回复说他们总体上感觉是积极的，22%为中性。                   只有23%的回复者认为AI对研究产生了积极影响，有31%认为该技术对科学的影响是负面的。近半研究者认为，使用AI造成的影响取决于其使用方式。涉及用于特定科学任务的模型往往比一般用途（如OpenAI 的ChatGPT聊天机器人）的大语言模型要更受欢迎。                   尽管存在疑虑，大多数受访者仍表示自己在研究中使用了某种形式的AI工具，25%的人每天都会用；26%的人每周使用AI，15%的人每月使用，还有34%的人说自己从来不用。                   这与2023年《自然》读者调研的结果相似，这项早些时候的调查询问了人们对科学领域早期采用AI的看法。该调研发现，研究者担心AI传播错误信息、加剧数据偏见和造成失业率上升。                   美国卡内基梅隆大学的计算生物学家Irene Kaplow说，研究者对AI所持的怀疑态度还不够，他们往往在没有充分理解其局限的情况下已经用上了这些工具。

八 |                    例如，Kaplow说，她用AI识别基因转录调控元件（控制基因表达时间、位置和程度的特定DNA序列）。

九 | 在研究中，她经常使用Google DeepMind 的AlphaGenome软件，它能预测遗传变异如何影响生物。但这个模型仅以人类和小鼠数据进行训练，在其他物种中的表现不够理想。

十 | 尽管如此，Kaplow知道有些同事仍然在将该模型应用于适用范围以外的生物。                   有些同事用AI模型来协助写作文献综述，这也让她感到忧虑。尽管这些工具能加速过程，但它们会产生“幻觉”：引用不存在的文献、错误阐释研究发现，有时候会提出和原始论文南辕北辙的结论。不过Kaplow表示，在负责任地使用时，AI工具能为研究带来巨大益处。

十一 |          语言辅助          与《自然》对话的研究者们通常对现有的生成式人工智能（如ChatGPT）持更多怀疑态度，相比之下，他们更欣赏为解决特定问题而开发的模型。

十二 |                    科学家们认为大有裨益的一个AI使用领域是克服语言壁垒。整合AI的语法校对工具，例如科技公司Superhuman旗下的写作辅助软件Grammarly，对于非英语母语的研究者们特别有用，澳大利亚新南威尔士大学研究食品安全的博士生Debayanti Bhowmick说。

十三 |                    同样的，她表示，在田野调查中协助准备访谈记录的AI转录工具，只要能以保护个人数据的方式使用，就能节省大量时间。Bhowmick说，归根结底，AI工具的风险和益处还是取决于其使用方式。

十四 |          原文以Scientists have a bad case of AI FOMO, Nature poll reveals标题发表在2026年6月9日《自然》的新闻版块上                    ©nature          Doi：10.1038/d41586-026-01690-7。

Current article:http://www.zongchaeiwengshuabaisisuofu.sbs/3ibeh/20260826/2175160.pptx

Published on:13:01:00