AI Highlights — 全景 — 2026-10-23（周五）每日新闻

巴克莱银行计划裁减约5,000个岗位,主要集中在支持部门,并将AI列为原因之一。大约同一时间,Axios报道称,一个未经调查的AI代理正在访问美国的银行账户,而Google的教育AI则因对儿童心理健康的担忧而受到参议院的审查。在是否引入AI还没有展开讨论之前,AI就已经渗入了人们的工作、账户和儿童的生活。对于实施方宣称的产品安全且有效,读者无法自行验证。各州法律和国家之间的竞争也没有跟上这一速度。从这半天的动向中可以看出,我们需要改变的与其说是对引入利弊的判断,不如说是由谁来完成事前检查、由谁来核查引入后的结果。

AI导致的人员削减与人的再学习

巴克莱银行计划裁减约5,000个岗位,主要集中在支持部门(Business + IT)。The New York Times将此报道为AI驱动的成本削减所导致的裁员(The New York Times)。AI被列为裁员的理由,裁员人数也以具体数字呈现。读者在此看到的是,引入的成果已开始以裁减了多少人来衡量。既然如此,对于评估引入效果的人来说,仅看裁员数量是不够的。还需要追问:被裁减岗位的负责人将去向何处。

在再学习方面，负责相关工作的各方并不一致。印度理工学院马德拉斯分校发布了一份涵盖 AI 就业、全球标准和技能再培训的白皮书（The Economic Times）。在美国，圣丹斯和科罗拉多大学博尔德分校将为电影人设立一个 AI 教育中心（Longmont Times-Call）。在日本，凤凰高中通过一堂特别课程让学生学习 AI，学生们制作了向家人表达“谢谢”的视频（南日本新闻）。在大学、电影行业组织和高中学习的人，其年龄和职业各不相同。另一方面，仅从这篇文章来看，尚不清楚像巴克莱银行那样被列为裁减对象的人是否能够接受此类教育。提供再培训是一回事，让需要的人能够获得再培训则是另一回事。

负担并不仅限于就业。前纽约联邦储备银行行长Dudley认为，AI投资将把美联储推入利率可能大幅上下波动的局面（BigGo Finance）。由此来看，对AI的巨额投资所波及的，不仅是正在裁员的企业内部，还通过利率延伸到借贷和储蓄的人。无论是就业方面还是资金方面的成本，都会流向实施企业之外。

企业会用数字来展示引进的效益。然而，仅凭企业自行申报，无法确定由谁承担成本以及承担多少。接下来的问题是，由谁来负责测量和检查。

AI agent that enters areas beyond the reach of inspection and A for children

据 Axios 独家报道，一个未经调查的 AI 智能体正在访问美国的银行账户。这一标题传达的是：一个未经任何事前调查的智能体，已经来到了你的账户——通往你资金的大门。大约同一时间，《纽约邮报》报道称，Google 的教育类 AI 正受到参议院的追查，引发了对儿童心理健康的担忧。账户和儿童都是用户难以自行识别风险的领域。即使实施 AI 的一方说它“安全”，读者也无法自行核实其依据。这两起事件表明，在讨论是否引入该系统之前，我们应该先问：引入前的调查是由谁完成的。

同样的问题也出现在州和国家层面。据 StateScoop 报道,OpenAI 已请求州长加强加利福尼亚州的 AI 安全法律。这意味着受监管的企业要求制定更严格的规则。然而,仅看标题无法判断这一请求意味着什么。在确认细节之前,它可以被解读为企业立场的表达,或是对规则制定的参与。The New York Times 认为,A.I. 也对中期选举构成风险。Geopolitical Monitor 指出,中国正在设定美国对 AI 风险的容忍度。其论点是,无论是在选举中,还是在中美竞争中,需要接受多大程度的风险,都可能在用户不知情的情况下被决定。

从这里开始,读者应当做出的判断如下。这些案例各不相同:Axios 讨论的是银行,New York Post 讨论的是学校,StateScoop 讨论的是州法律,The New York Times 讨论的是选举,Geopolitical Monitor 讨论的是国家之间的竞争。然而,它们的共同点在于,决定风险容忍度的人与承担风险的人并不是同一批人。企业的自我报告可能有利于决策,州法律仅限于一个州,而国家之间的竞争可能导致容忍度提高。因此,在评估某项 AI 服务时,与其看功能或价格,不如确认第三方检查了什么、何时检查的。如果检查的对象不可见,那么引入该服务就意味着用户会在不知不觉中接受这一容忍度水平。

如果没有人决心进行检查，只有在损害发生之后才会追究责任。接下来需要关注的是，由谁来承担检查的成本和责任。

AI 在一线的应用正扩展到诊断和监测

AI 开始承担诊断和监测领域的特定任务。Google Research 介绍了一项通过 AI 辅助超声检查来加强一线孕产妇护理的举措（Google Research）。在远程医疗方面，PomDoctor 利用 AI 和可穿戴设备（FinancialContent）。在医疗之外，Citri&Co 与 ORTH 合作，为水果企业提供 AI 农艺服务（GlobeNewswire）。三者的共同点是，都用于在贴近现场的地方提供决策材料。读者应关注的与其说是 AI 展示了什么，不如说是谁能在现场验证这些结果。

在研究方面，结果也朝着同一方向出现。CircumSpectrum 是一个将基因表达谱转换为基于通量的代谢指纹的计算框架，已发表于 Communications Medicine。PeerJ 上有一篇论文，探讨了基于衰老相关分泌表型（SASP）相关基因的肺腺癌机器学习预后特征，及其与肿瘤免疫微环境的关联（PeerJ）。Radiology Artificial Intelligence 发表了一项研究，内容是使用大语言模型和卷积神经网络的多智能体系统对 BT-RADS 进行自动分类。Nature Communications 的目录中包括 HRDPath，这是一种基于患者的、可解释的深度学习架构，可从全切片图像预测同源重组缺陷。AI 可以做出范围广泛的判断，从估计预后到对图像进行分类，再到估计与治疗策略相关的缺陷。

不过,即便在该论文标题所涵盖的范围内,各项研究的分量也有所不同。Advanced Science的膀胱癌研究针对一个从细胞学图像预测淋巴结转移和无病生存期的多任务深度学习模型,开展了多中心研究以及多种癌症的细胞学验证(Advanced Science)。仅在一家医院、一种癌症上得到的结果,与跨机构、跨疾病得到确认的结果,其可供该领域依赖的程度并不相同。HRDPath的“可解释”设计,也可以被解读为一种尝试,帮助使用结果的医生追溯证据。

决定引入 AI 利弊的,并不在于是否使用了 AI,而在于其结果在多大程度上经过外部视角的验证。依赖自我报告的引入方式(我们在上一节中已经看到)与需要反复验证的医学研究之间,检查的水平存在差距。在下一节中,我们将探讨由谁来负责弥合这一差距。

围绕情感、创造力和意识划定界线

目前，从语音中读取情绪的AI研究正处于接受学术界评估的阶段。据报道，韩国的Pyler有两篇关于语音情绪识别AI的论文被NeurIPS收录（《首尔经济日报》）。机器推断情绪已经是一个重要的研究课题。与此同时，在创作方面，问题在于用心创作的AI艺术能否与AI劣质内容（AI slop）竞争。创作者所面临的矛盾也在讨论之中（The Conversation）。此外，一个题为“2026年新手AI女友推荐”的页面正以北陆地方整备局的名义流传。虽然我未能确认其正文内容，但仅从标题就可以看出，出售类人回应的产品已出现在一般搜索结果中。读者应当看到的是，读取情绪的技术与看似会回应情绪的产品，其机制不同，责任也不同。

关于意识的说法同样存在分歧。据称，Swami Sarvapuryananda在NDTV世界峰会上表示，AI可以有智能而没有意识。其观点是，高度智能与具有意识是两回事。对此，IEEE Spectrum报道称，研究人员对于是否应关心AI模型的福祉存在分歧（IEEE Spectrum）。无论是从智能与意识相分离的角度，还是从关注福祉的角度，对于应该给予AI多大程度的考量，目前都没有确立的标准。AI的行为像人这一事实，与是否应像对待人一样对待AI，读者不必在同一阶段做出判断。

也有研究对待遇上的偏见进行了衡量。西班牙 UC3M(马德里卡洛斯三世大学)的一项研究显示,西班牙媒体对 AI 的报道中存在性别差异(Newswise)。如果在谁来谈论 AI、谁被谈论的问题上存在偏见,那么关于是否应将 AI 视为接近人类的存在的讨论,就有可能被带有偏见的声音所左右。关于情绪推测的论文、AI 艺术、意识之争、福利之争以及带有偏见的报道,都在追问人类与 AI 之间的界线应划在何处。应由谁、依据什么来确认这条界线,这一问题将在下一节中进一步展开。

应对人员削减的产品、账户访问、面向儿童的教育 AI、诊断和监测场所，以及解读情绪的研究。虽然涉及的领域各不相同，但各个部分的共同点是，讲述 AI 运作方式的主体与确认其运作方式的主体是同一个。企业就其成果和安全性发声，在某些情况下，受监管的 OpenAI 还呼吁制定更严格的州法律。再学习的努力在各地区分别推进，而没有人被确定负责在现场验证成果。在决定引入系统之前，要问的重要问题与其说是性能或成本，不如说是由谁在哪个阶段进行独立检查。只有明确了检查负责人身份的引入，才能为用户做出决策提供依据。

Q1：您是否已确定在现场检查所引入AI输出结果的人员和流程？ Q2：实施前的调查和实施后的检查是否独立于AI提供商进行？ Q3：您能否以第三方可以确认的方式展示AI带来的成果和削减数据？

最后，三个问题

- 是否已确定在现场检查所引入 AI 输出结果的人员和流程？ Q2：引入前的调查和引入后的检查是否独立于 AI 供应商进行？ Q3：能否以第三方可以确认的方式展示 AI 带来的成果和削减数据？ - 引入前的调查和引入后的检查是否独立于 AI 供应商进行？ Q3：能否以第三方可以确认的方式展示 AI 带来的成果和削减数据？ - AI 实现的成果和削减数据是否以第三方可以确认的形式展示？