本期《政策论坛》（Policy Forum）的作者指出，面对生成式人工智能（GenAI）带来的日益严峻的学术诚信挑战，高等教育必须重新审视其进行评估的方法。他们分析了美国 20 所主要公立研究型大学的学生使用该技术的数据。关于 GenAI 对高等教育的影响引发了激烈辩论。在许多方面，这项技术正使得考试、项目或学期论文等常见的评估形式在衡量学生能力方面变得不那么可靠。这凸显了我们需要更好地了解 GenAI 在哪些领域使用最为普遍，以及哪些环节最可能出现滥用。Igor Chirikov 和同事分析了 2023-2024 学年期间美国 20 所研究型大学逾 9 万 5000 名学生的调查数据。他们的研究结果显示，GenAI 已在学生中普遍使用：约三分之二的学生报告曾使用过该技术，其中 37% 的学生会经常使用 GenAI 。然而，GenAI 的使用模式在不同学科之间存在显著差异，其中 STEM（科学、技术、工程和数学）领域的采用率较高。例如，62% 的计算机科学专业的学生表示，他们会经常使用 GenAI，而艺术专业的学生中的这一比例则仅为 24%。值得注意的是，部分社会科学学科（如商业和经济学）也显示出较高的 GenAI 采用率。GenAI 辅助作弊的模式在不同学科之间也呈现差异。据估计，非 STEM 领域的滥用率普遍较高，其中经济学（17%）和新闻学（16%）的滥用率相对突出，而生物学（5%）则位于滥用率最低之列。该研究还发现，GenAI 的使用存在显著的人口统计学差异：男性、白人和亚裔学生的使用率高于女性和代表性不足的少数族裔学生。尽管与社会经济地位和残疾相关的差异较小，但作者认为，这些发现引发了人们对 AI 工具获取机会和 AI 素养不平等的担忧。Chirikov 等人提出了若干条发展路径。他们指出，不存在单一的、能够“抵御 AI 影响”的评估模式；他们建议根据不同学科制定相应的改革措施。他们侧重于培养学生在专业情境中如何负责任地使用 AI。

一项对德国墓葬遗址的基因组研究显示，尽管存在明显的考古学差异，但西部漏斗颈陶杯文化（Western Funnel Beaker culture）人群与邻近的瓦特伯格社群（Wartberg communities）之间的亲缘关系比以往所认为的要更为密切。研究结果揭示了出人意料的远距离家族纽带关系（其中包括一对埋葬地点相隔 200 多公里的父子），表明血缘关系、人口流动和社会交流将相隔遥远的巨石文化人群联系在了一起。在新石器时代晚期（约公元前 4500 至公元前 2800 年），巨石遗迹（即大型石质建筑结构）在欧洲各地出现。这些建筑作品既反映了当地的传统，同时也暗示了相隔遥远的人群之间存在着影响深远的社会、文化或祖源联系。欧洲中北部的一个巨石文化社会——即“西部漏斗颈陶杯文化”（TRB-West）——以其精心建造的石砌墓室和其他独特的文化传统闻名。然而，目前几乎没有基因证据可帮助阐明 TRB-West 人群与邻近巨石社群之间存在亲缘关系。迄今为止，唯一发现的人类遗骸保存完好的 TRB-West 遗址是位于如今德国境内的索尔苏姆（Sorsum）。该遗址的巨石文化特征与邻近的瓦特贝格文化（Wartberg culture，或 WBC）相似。 为探究这些考古学上的相似性是否也反映了这些群体之间存在亲缘关系，Nicolas Antonio da Silva 和同事对来自索尔苏姆遗址和五个 WBC 遗址的 203 个个体（包括 129 个新测序的基因组）的基因组数据进行了分析。结果显示，尽管两者的考古学标签不同，但埋葬在索尔苏姆的人群在基因上与 WBC 群体的关系远比与其他 TRB-West 群体的关系要更为密切。索尔苏姆和 WBC 个体还共同拥有异常高比例的西部狩猎-采集者的祖源成分（在父系血统中尤为显著），表明他们之间存在着深厚且持续的生物学关联。值得注意的是，de Silva 等人发现存在远距离亲缘关系网络的有力证据，其中包括一对父子分别被埋葬在相隔 225 公里的两个遗址中：分别为 WBC 的尼德蒂芬巴赫（Niedertiefenbach）遗址和索尔苏姆遗址。在索尔苏姆与遥远的 WBC 遗址之间还发现其他二级生物学亲缘关系，表明当时存在着偶尔的跨越大范围地理区域的人口流动、通婚或文化交流。然而，这两个地区与更遥远的、位于不列颠群岛或北部斯堪的纳维亚的巨石文化人群缺乏密切的基因学纽带关系。这表明巨石传统很可能是通过文化（而非通过生物学网络）传播的。作者认为，尽管在物质文化上存在某些显著差异，但索尔苏姆和 WBC 社群构成了一个基因上连续的群体。索尔苏姆可能代表了 WBC 世界的一个北方分支，该分支吸纳了某些 TRB-West 传统，但它在生物学和社会层面仍与邻近的 WBC 群体保持着联系。 关注科研诚信问题的记者请注意，本研究的共同作者 Ben Krause-Kyora 评论道：“在古 DNA 研究中，人们越来越重视鉴定标准、可重复性、数据开放共享以及污染控制。整个研究界对透明的生物信息学流程和结果可独立复制的采纳已显著增强了人们接受研究结果的信心。展望未来，加大对长期数据可及性、标准化元数据报告以及跨学科验证方法的支持力度，将进一步提升整个领域的科研诚信水平。”

一篇新的《观点》重点介绍了顶尖研究人员与行业专家之间的一场辩论：到 2050 年时，人形机器人是否会取代人类工作者。随着技术进步和人工智能（AI）发展的加速，人形机器人正变得更有能力且日益逼真。Hesheng Wang 和同事在此讨论了在 2025 年 IEEE/RSJ 国际智能机器人与系统大会（IROS）的一场全体辩论中提出的核心观点。会议期间，小组成员就“25 年内机器人能否取得足够进展以取消人类工作”这一说法展开了正反两方面的论证。大多数专家同意，在机器人能够达到人类进行精细操作的灵巧水平之前，仍需开展大量的研究工作。然而，有关先进的人形机器人未来将扮演什么样的角色，各方仍有歧义。部分小组成员表达了这样的观点：机器人价格昂贵，且缺乏人类的社交技能和适应能力。他们认为，人形机器人将促进协作并提高生产力，而非取代人类劳动力。另有专家提出，机器人是就业的创造者，自动化的提升将开辟人与人形设备一同工作的机会。其他一些人则不同意人形机器人需要模仿人类能力的这一前提假设；他们假定：经 AI 增强的机器人将来会接管大多数与劳动相关的任务，从而把人类解放出来以从事更有意义的活动。 在相关的一篇《焦点》中，Stefano Puntoni 探讨了那些会将影响消费者接受机器人的心理因素。人类倾向于抵制那些会剥夺个人身份认同感的设备（例如，面包师可能会避免使用面包烘焙机），或者那些会消除服务中具象征意义的设备（例如，人们往往更倾向于选择人类纹身师，而非机器人）。Puntoni 总结道：“有时，我们真正应该提出的问题并非‘我们能把这个过程自动化吗？’，而是‘我们应该这样做吗？’”

为发现未来 10 年期患癌风险最高人群，研究人员利用人工智能技术开发出一种基于数字乳腺 X 光摄影图像的乳腺癌风险预测模型。该模型在 10 年期乳腺癌风险预测上的表现优于当前的标准临床风险评估工具，并能根据临床指南识别出 40% 的乳腺癌病例，表明该模型可被整合到现有的乳腺癌筛查方案中以增强一级预防工作。随着全球乳腺癌发病率的上升，临床医生在很大程度上依赖于通过调整生活方式以及用乳腺 X 线摄影等筛查工具来进行疾病预防。在针对肿瘤发病风险最高的女性时，这些被称为“一级预防”的策略效果最好。临床医生通常会用 Tyrer-Cuzick-v8 等生活方式模型来发现这些患者，但新出现的基于 AI 的模型的性能可能会更胜一筹。然而，这些 AI 模型设计的主要目的是预测短期罹癌风险。为满足对长期罹癌风险评估工具的需求，Mikael Eriksson 和同事开发出了一个评估浸润性和原位乳腺癌的10 年期风险的基于 AI 的模型。他们收集了 2010 年至 2020 年间美国和瑞典两个大型队列中共计 8696 人的数字化乳腺 X 线摄影数据，其中包括 1633 名乳腺癌患者。据该模型计算，这两个队列的 10 年期总体罹癌风险分别为 3.83% 和 3.14%，其在评估浸润性肿瘤的 10 年期风险方面展现了良好的性能。此外，在预测风险最高的前 10% 人群中的癌症发病方面，该模型的表现优于 Tyrer-Cuzick-v8 模型以及一款名为 Mirai 的 5 年期 AI 风险模型。Eriksson 等人告诫说，他们研究中的大多数参与者具有欧洲血统。他们写道：“这强调了在考虑将该模型用于临床之前，有必要针对不同人群及其预定用途对其做进一步的评估。” 关注研究趋势的记者请注意，5 月 20 日发表在《科学-进展》上的一项研究提出了一种基于AI 的乳腺癌乳腺 X 线摄影风险评分系统，该评分系统利用来自超过 22.6 万名不同血统女性的数据进行训练，使其能克服源于种族或族裔的偏见。请参阅本周 VancePak 以获取“禁止提前发布”信息；该论文发表后，可在以下链接获取全文：https://www.science.org/doi/10.1126/sciadv.ady3905 此外，4 月 30 日发表在《科学》上的一项研究表明，大型语言模型 OpenAI o1 在临床推理以及对急诊患者的诊断和评估等任务上的表现已超越大批人类医生：https://www.science.org/doi/10.1126/science.adz4433

在评估乳腺癌风险时，为现有模型提供数据支持的数据集大多来自白人女性，这给将此类模型应用于非白人患者群体带来了不利后果。研究人员如今显示，一种对不同人口统计学特征人群进行训练后的新型人工智能（AI）预测工具可以不受患者种族或族裔背景的影响而准确评估罹患乳腺癌的风险。他们通过让该预测模型评估来自 22.6 万多名具有不同人口统计学背景女性的乳腺 X 线摄影图像而对其风险评估的准确性进行了检测。乳腺癌是女性中最常被诊断的癌症之一。风险模型可以预测病人罹患该病的可能性，从而有助于早期发现，但现有模型背后的大多数数据集均来自白人群体。因此，这些模型对非欧洲裔人群的乳腺癌风险预测效果并不理想。然而，Shu Jiang 和同事写道：“近期的关于使用乳腺 X 线摄影风险评分（MRS）的研究展现了巨大的应用前景；该评分是根据多元化种族人群开发的一种基于 AI 的乳腺 X 线摄影图像纹理特征汇总。”如今，他们已在北美的两个大型队列中进一步评估了这一工具的性能。研究所用数据来自 22.6 万多名 40 至 74 岁女性的常规乳腺 X 线摄影筛查，这些女性所涉及的群体包括了东亚裔、南亚裔、原住民、非西语裔白人和非西语裔黑人。风险评分数值来自基于 AI 的对乳腺组织纹理和特征的分析。这些涵盖了 5 年期罹癌风险的评分与乳腺癌风险显著相关，并与每个种族和族裔亚群的结果高度吻合。Jiang 等人断言：“这项研究表明，该 MRS 并不依赖于自我报告的种族和族裔，这使得个体化风险评估的实施能够在临床上普遍适用。”