环球科学：Claude要求部分用户上传身份证件；首次将完整...

lameihua

　　· 人工智能 ·

　　Claude要求部分用户上传身份证件

　　推出大语言模型（LLM）Claude的美国人工智能公司Anthropic近期发布公告称，为了负责任地使用技术，了解谁在使用它，该公司正在针对一些使用场景推出身份验证，以防止滥用、执行使用政策并履行法律义务。

　　Anthropic表示，一些用户可能会在访问某些功能时看到验证提示，这是例行平台完整性检查或其他安全和合规措施的一部分。在身份验证过程中，用户需要提交政府颁发的带照片的身份证件和一张实时自拍照才能使用Claude的某些功能。该验证由第三方身份提供商Persona管理，Anthropic则作为数据控制者。Anthropic表示仅使用用户的验证数据来确认身份，不用于任何其他目的。（Anthropic）

　　· 量子计算 ·

　　科学家首次将完整基因组载入量子计算机

　　自21世纪初人类基因组测序取得里程碑式突破以来，DNA 测序技术呈现爆发式增长。传统计算机难以应对海量数据和激增的处理需求，这也推动着替代性解决方案的探索。近日，英国威康桑格研究所（Wellcome Sanger Institute）及其合作者发布报告称，他们首次把一个完整生物基因组载入量子计算机，还发表预印本论文，阐述了可用于编码泛基因组数据的量子算法。

　　研究对象是丁型肝炎病毒，这种病毒会这种导致肝脏疾病，拥有约1700个RNA碱基，是目前已知基因组最小的人类病毒。研究团队先将它的遗传信息编码到117个量子比特中，然后将它送入IBM的量子处理器中完成演示，后者拥有156个量子比特。研究人员从此证明了量子计算机现在能够开始处理真实世界基因组数据，并证实了在基因组学中存在一种替代传统计算机的方法。此次成果为未来在传染病追踪、遗传病突变筛查和大规模基因组分析中引入量子方案，迈出了可验证的第一步。（Science NEWS）

　　· 物理学 ·

　　“悟空”号揭示正负电子福布斯下降行为新特征

　　“悟空”号卫星观测的2021年11月4日福布斯下降事件4个能段正负电子流量随时间的变化（蓝点），与“悟空”号卫星无触发计数率（绿点），以及中子探测器数据（红点）的比较。图片来源：紫金山天文台

　　太阳离地球有1.5亿公里远，但仍能影响地球附近的空间环境，日冕物质抛射的等离子体扫过地球时，会扰动相对平静的磁环境，让来自深空的宇宙线粒子流量突然下降，直到几天甚至几周后才恢复到正常水平。这种先降后升的现象被称为福布斯下降，是研究太阳活动与宇宙线传播关系的重要手段。过去相关研究主要依赖地面中子探测器，更擅长监测质子和原子核；而我国“悟空”号卫星具备较强的粒子鉴别和能量分辨能力，能够更精细地观测正负电子。近日，“悟空”号国际合作组在《物理评论快报》（Physical Review Letters）上发表论文，利用“悟空”号卫星2016年至2024年的连续观测数据，发现了正负电子福布斯下降行为新特征。

　　研究人员从连续观测数据中，识别出8次正负电子福布斯下降事件，并首次从统计意义上揭示了电子流量在骤降和恢复阶段的多样行为。研究发现，在2到20GeV能段内，不同事件的最大降幅约为15%到30%，且能量越高，降幅通常越小。更关键的是，有些事件的恢复时间明显依赖能量，有些却几乎不依赖。团队进一步把这种差异与日冕物质抛射的速度、角宽度及相对地球的喷发方向联系起来，并借助数值模拟验证了这一关联，为理解太阳活动如何调制宇宙线传播、改进空间天气预警提供了新的观测约束。（紫金山天文台）

　　· 纳米技术 ·

　　科学家打印出神经元，能与活的脑细胞进行交流

　　让人工智能（AI）更智能的方法是用越来越多的数据训练它，但这种数据密集型训练会导致巨大的能耗问题，必须研发出更高效的硬件来处理大数据。在一项最近发表于《自然·纳米技术》（Nature Nanotechnology）的研究中，研究人员展示了一种柔性、低成本的人工神经元装置，它们不仅能模仿大脑，还能与大脑进行对话。

　　研究团队用纳米级二硫化钼薄片和石墨烯配制了电子墨水，并用气溶胶喷射打印技术，将这些墨水沉积到柔性聚合物基底上。此前有研究人员认为油墨中的稳定聚合物会干扰电流，因此在印刷完电路后会将其烧掉，但研究团队却利用这一微小的缺陷，为设备赋予了类似大脑的功能。他们没有完全去除聚合物，而是将其部分分解，并在电流通过装置时进一步分解聚合物。由此形成的不均匀导电细丝，使所有电流都被限制在一个狭窄的空间区域内，产生类似神经元的突发性电反应。与产生简单的、一次性脉冲不同，这种新型人工神经元能产生更复杂的信号模式，包括单次脉冲、连续放电和爆发式放电等，与真实神经元的通讯方式非常相似。研究团队将人工神经元发出的电信号施加到小鼠小脑切片上，发现其能够可靠地触发真实神经元的活动，以类似自然信号的方式激活神经回路。这项研究标志着电子技术向能够直接与神经系统通信的方向迈出了一步，其潜在应用包括脑机接口和神经假体，例如用于辅助听觉、视觉和运动的植入物。（Northwestern University）

　　· 人工智能 ·

　　大语言模型的特征可通过数据中的隐含信号渗入其他模型

　　大语言模型（LLM）可通过一种名为“蒸馏”的过程生成用于训练其他模型的数据集，但目前尚不清楚“老师”模型的哪些特性会被传递给“学生”模型。最近《自然》（Nature）发表的一项研究显示，LLM可能会将某些不需要的特征传授给其他算法，即使在训练数据中清除原始特征后，这些特征仍可能持续存在。

　　作者使用GPT-4.1进行了实验：先让该模型具备与核心任务无关的特征（例如偏爱猫头鹰或特定树种），再用其训练一个仅输出数值数据且不包含该特征的“学生”模型。随后对该学生模型进行提示时，其超过60%的输出提到了老师模型最喜欢的动物或树木，而由没有特定偏好的老师模型训练出的学生模型中，这一比例仅为12%。当学生模型基于包含代码而非数字的老师模型输出进行训练时，同样观察到了这一现象。此外，若学生模型基于与老师模型语义不对齐的数字序列进行训练，则会继承这种不对齐性，从而产生有害输出——即便这些数字已经过过滤以剔除任何具有负面联想的内容。研究人员发现，这种潜意识学习主要发生在老师和学生均为同一模型的情况下。但数据传递的具体机制尚不明确，还需进一步研究。这项研究的局限在于所选特征过于简单，需要进一步研究以确定更复杂的特征如何被潜意识地学习。作者表示，为了确保先进AI系统的安全性，需要进行更严格的安全测试，例如监控LLM的内部机制。

　　撰文：王昱、不周