人工智能初创公司포티투마루宣布参与由政府主导的K-AI专利战略协作体，旨在确保国内AI技术的知识产权并应对全球专利竞争。 포티투마루于16日表示，将参与由知识产权局和韩国专利战略开发院成立的“K-AI专利战略协作体”，通过协作体的活动应对全球AI专利竞争，并为国内独立AI生态系统提供支持。 K-AI专利战略协作体是在美国和中国等主要国家加强独立AI培养政策的背景下成立的，旨在制定国家层面的前瞻性专利战略。 该协作体包括知识产权局、韩国专利战略开发院、포티투마루、LG AI研究院、SK电信、KT、Kakao、Upstage、Rebellion、Nota AI、韩国科学技术院(KAIST)、韩国电子通信研究院(ETRI)等约20家引领国内AI技术开发和生态系统的产学研及相关机构。 当天的启动仪式上，포티투마루首席技术官(CTO)金汉洙及参与机构的技术和知识产权负责人出席。活动中介绍了协作体的运营方向及计划于2027年推进的“主权AI全球专利强化支持”新项目。 포티투마루一直致力于基于独立AI核心技术的国内外专利获取。目前已申请国内外专利共122件，其中50件属于生成型AI领域。 포티투마루拥有搜索增强生成(RAG42)、人工智能阅读理解(MRC42)、领域特化轻量化语言模型(LLM42)等主要技术。基于此，正在开发减少超大规模AI所指的幻觉现象的技术，并在自主设计和执行复杂工作流程的代理AI领域扩展业务。 포티투마루代表金东焕表示：“随着全球AI霸权竞争的加剧，核心原始技术和知识产权的专利竞争也在加速。”他进一步指出：“通过协作体的活动，我们将主动应对对海外大型科技公司的技术依赖和专利争端风险。”并表示：“我们将积极贡献于加强韩国主权AI的专利主权和全球技术竞争力。”※ 本报道经人工智能（AI）系统翻译与编辑。

Bank Salad开发了一项技术，用于验证和控制人工智能（AI）代理在金融交易过程中可能出现的错误。 Bank Salad于15日表示，已申请与金融AI代理的判断和执行控制相关的三项专利。 该技术的重点是阻止AI代理在为消费者提供金融服务时可能出现的潜在风险。 特别是为了防止AI生成与事实不符的信息的“幻觉”现象，开发了包括执行对象判断、数值验证和执行控制在内的三项技术。 首先，在贷款预审过程中，分析信用状况等信息，以筛选出能够以低于市场利率获得贷款的客户。这是通过将实际贷款审核结果输入AI预测模型来提高判断准确性。 此外，还开发了一项技术，以确保AI在分析金融产品信息和个性化优惠时不会发生错误。该技术利用总负债偿还比率（DSR）、抵押贷款价值比率（LTV）等金融规定的计算公式，对AI生成的数值进行交叉验证。 还包含了暂停执行对客户不利的金融交易的功能。AI代理在执行金融服务之前，会检查输入信息和数值的准确性，如果发现错误，则控制交易不予进行。 Bank Salad相关人士表示：“Bank Salad将金融AI代理为客户提供财务利益，同时验证和控制错误，以确保安全使用服务作为重要原则。”并表示：“我们将通过此举，打造让客户安心使用的高可信度金融AI服务。”※ 本报道经人工智能（AI）系统翻译与编辑。

过去，使用汽车共享服务时，用户需要打开地图，逐个点击租赁地点来寻找所需车辆，过程繁琐。乐天租车的子公司绿车推出的汽车共享服务“乐天租车G Car”则通过简单的对话方式改变了这一过程。使用“G Car AI预约”后，客户只需说明所需车辆或使用目的，即可获得符合条件的车辆推荐并完成预约。 负责该服务开发的徐志宇和崔承彪经理在最近的采访中表示：“从开发阶段开始，我们一直在强调，我们所创造的不是AI服务，而是‘更便捷的预约服务’。AI只是为了让预约变得更方便而存在的技术。” 负责服务开发和验证的AX部门从一开始就强调，关注的不是“使用AI的体验”，而是“更轻松的车辆预约体验”。徐经理指出：“如果客户感到‘体验了技术’，那就是我们的规划失败。客户应该感受到的体验是‘更轻松、更快速地租到车’。” 他们认为，汽车共享的方式与在实体店向员工说明所需商品并获得推荐的过程相似。客户只需说明需求，员工便会为其找到符合条件的商品。因此，应用程序也设计成客户可以用自然语言描述需求，而无需逐一操作搜索条件。 崔经理回忆道：“客户的需求往往很明确，比如‘需要一辆混合动力车’或‘想试试最近到店的BMW迷你’，但将这些需求转化为屏幕操作的任务一直由客户承担。我们的目标是将这种在租车店中，客户只需说明使用目的和需求的体验转移到应用程序中。” 最棘手的挑战是减少“幻觉”（Hallucination）现象。徐经理表示：“我们建立了一个验证系统来重新检查AI生成的回答，追踪错误发生的方式和类型，并基于此改善回答质量。AI会再次验证其回答的准确性，并分析错误的类型和模式，以提高回答质量。” G Car计划通过AI开发提升个性化服务。长期目标是使客户无需每次都说明条件，系统能够根据客户的使用模式推荐所需车辆。崔经理表示：“最终的目标是将服务从‘租车服务’转变为‘出行设计服务’，G Car AI预约是朝这个方向迈出的第一步。”

“在一个新的人工智能（AI）模型将在一个月内超越现职员工的时代，完美接受AI教育并能迅速解决问题的人才在企业中并不存在。大学应专注的教育不应仅是技术的获取，而是要培养在实际工作中‘发现和定义真正问题的能力’。” 在21日于首尔中区韩国新闻中心举行的教育部与(社)韩国公学校教育认证院(ABEEK)共同主办的‘2026产业界大学教育创新论坛’上，来自AI产业界的专家对此发出了警示，准确指出了在快速变化的技术霸权时代，大学与企业之间存在的严重“就业与教育不匹配”的本质。 此次论坛旨在汇聚政府、大学及产业界的专家，共同探讨在迅速发展的AI生态系统中，大学的工程教育课程应如何改善和应对。特别是，讨论的焦点是大学是否在培养能够主导控制和验证AI的“实用型人才”，而不仅仅是表面处理最新AI工具的教育。 金泰成韩国工科大学院校长协会会长：“过度使用AI可能抑制思维能力……需思考教育水平与接触点的设定” 当天的综合讨论由金泰成韩国工科大学院校长协会会长（成均馆大学机械工程系教授）主持，他从教育学的角度提出了大学AI教育的根本困境。 金会长表示：“全国工科大学的院长们也在不断思考AI教育的方向。目前大学在AI基础教育体系上已有所建立，但如何将各专业（领域）知识与AI技术有机结合仍处于思考阶段。” 他进一步指出：“教育学上，个人知识的获取是通过激烈和不断的学习，将短期记忆转化为长期记忆的过程，只有实现长期记忆，批判性思维和创造力才能得以展现。鼓励学生使用AI工具是好的，但过度依赖可能会妨碍完整的知识积累。学界应在AI能够自主判断、行动和设计的时代，决定允许和控制学生使用AI的程度和标准。” 产业界：“聊天机器人公司开始招聘心理学专业……‘问题定义’与‘监管、现场控制能力’更为重要” 参与讨论的产业界专家们毫不掩饰地传达了企业感受到的范式变化。 金裕锡㈜Sistran代表（韩国信息工程技术协会会长）表示：“仅仅十年前，聊天机器人开发公司自然会招聘计算机科学专业的毕业生，但现在更倾向于招聘能够使用AI工具的心理学专业毕业生，通过Vibe编码解决问题。”他指出：“技术的发展速度已经超越了大学和企业的教育与适应速度。” 金代表还提到：“过去工程的制约条件是资源或成本，而现在极端的‘加速’本身成为了制约。”他认为：“在计算机科学等主专业以外的领域，必须教授发现日常工作流程中的问题并在其上叠加AI的融合能力，而数学和统计学专业则应集中于支撑AI基础技术的基础科学教育，而不是追逐最新技术潮流。” 在严格的监管环境下，金融IT领域也出现了类似的诊断。李云敎韩国金融IT董事表示：“金融行业的AI引入主要分为风险管理、内部生产力提升和客户便利性提供等三个方面，但由于严格的金融监管和安全原因，许多封闭网络环境无法随意使用外部商业LLM（如Gemini、ChatGPT等）。”他指出：“在这样的环境中，理解监管环境并能够处理内部数据的扎实AI专业人才反而更具优势。” 李董事还表示：“过去金融行业专注于数据的获取，而最近则转向‘如何使用AI’和‘解决哪些实际问题’的‘以人为本和问题为中心’的方式，大学教育也应引导学生自主发现问题，并在现实监管中获得解决知识。” 大学界：“为验证AI编码强化‘基本功’……产学合作转向‘质的深度’而非‘项目数量’” 教授们在讲台上表达了现场应用的困难，但也表示在AI时代，教育方向正转向基础能力和扎实的项目中心教育。 郑俊浩东国大学计算机·AI学部教授指出：“随着AI编码自动化的普及，最终人类仍需检测代码的错误并进行细节修正。”他表示：“东国大学计划从明年开始，在低年级的环境中加强实时编码和实践，强化基础计算教育的能力。” 郑教授还谈到了产学合作的结构性局限和改进方案：“过去通过一年期项目（如ICIP等）接受企业的任务并与实习相结合，但由于企业负担加重和学生偏好不一致，持续性面临限制。”他提到：“第一学期设计原型，第二学期基于此进行实际创业或与研究室结合加深技术深度，正在立体化项目结构。希望企业能更加信任大学作为合作伙伴，使学生的闪亮创意能够转化为实际价值。” 专科学校的现实困境也被分享。吴浩镇延性大学计算机软件系教授表示：“专科学校以实务中心的就业能力为强项，延性大学也利用大学创新支持项目和ANCHOR（原RISE项目）等，迅速为全校学生引入AI素养教育。”但他也坦言：“对于80多个不同的异质学科（如艺术、航空等）的需求，单一的AI教育几乎是不可能的。” 吴教授表示：“目前我校通过新兴产业领域特化引导专科学校支持项目，将‘云计算’作为特化领域，迅速与大数据·AI融合，形成‘哈尼斯工程’等实务最新技术的课程。”但他也坦言：“产业界的技术速度远远领先，而学术改革周期和教师的适应速度难以跟上。” 对此，金裕锡代表强调了修正产学合作轨道的必要性：“应摆脱企业抛出任务、学科解决的封闭方式，转向多学科融合的黑客松方式，快速实现和验证前沿技术。”他指出：“现在项目的‘数量’不是关键，而是‘质量’的完成度才是企业招聘和评估的核心标准。”同时，他建议：“如果将KT的Able School（AICE）等行业认证课程与现职技术人员的指导结合到大学教育中，学生将能够向产业界明确证明他们在实际成本效率或基础能力方面的掌握。” 金范洙PWC董事：“AI不仅是‘简单工具’，更是‘运营体系’……需要具备物理AI与自执行控制的人才” 金范洙PWC咨询董事（前KT）在综合讨论前的开幕演讲中，明确指出了AI技术生态系统的范式转变和大学教育的发展方向。 金董事表示：“AI现在不仅是简单的工作生产力辅助工具，更是企业的运营体系（OS），并逐渐成为替代和执行的主体。”他指出：“企业执行的四大技术趋势是‘自执行型AI’、‘物理AI（Physical AI）’、‘边缘AI（Edge AI）’和‘Vibe Security’。” 他特别强调：“自执行型AI的核心在于将现场的隐性知识形式化，设计工作知识和预测·控制结构，以优化巨大的‘代币成本’。在制造现场投入的物理AI同样需要事先通过数字双胞胎验证的扩展准备数据，因此大学应培养能够逻辑上有效指挥AI、控制AI并将现场行为数据化的工程师。” 与此同时，论坛上还获得好评的专业会议回顾了各行业的前沿趋势。车煥周韩国信息工程技术协会副会长（现SK）发布了“产业界视角下大学AI教育课程现状分析结果”，诊断出大学课程未能准确反映产业界职务流动的错配现象，并提出了“学校·教授·企业·政府的团队合作（One-Team）体系”和学生的三大生存战略（基础能力强化、领域融合、信任·伦理）。 金炳益㈜모두솔루션董事介绍了电梯设计图纸自动生成AI的研究案例，强调：“现在企业需要的不再是简单的编码人员，而是能够在机械·建筑等传统工程领域知识基础上，直接协调RAG（检索增强生成）和代理的融合人才，以及基于实际产业数据的实践。” 赵淑香㈜未来爱恩科技董事通过星巴克现场手册整合LLM代理构建案例指出：“要过滤人工智能幻觉（AI hallucination）并优化复杂的企业环境，必须具备资料结构·内存管理等软件基础能力，以及金融·物流等扎实的产业领域知识，才能在现场生存。” 金宇胜韩国公学校教育认证院长：“需通过工程认证实现‘质量管理’，如卡内基梅隆大学……李珠熙教育部大学支持官：“全力支持大学与产业界的紧密沟通与制度化定制支持” 金宇胜韩国公学校教育认证院长在开幕致辞中提到全球名校的创新案例，强调大学AI教育的严格“质量管理”和“工程教育认证”制度的重要性。 金院长表示：“全球首个开设AI本科专业的美国卡内基梅隆大学（CMU）在1950年代以来积累的计算机工程遗产上，计算机科学系的学生总数为735人，但在二年级时，30~35人被选入AI本科专业，二、三、四年级总共有约100人参与AI学位项目，实施严格的‘质量控制’。” 他还指出：“在国内大学吸引30万名留学生的目标等量的扩张加速的情况下，为了培养企业信任并能招聘的合格人才，必须通过工程认证体系来保证教育质量，并希望将此积极建议给教育部的高等教育政策方向。” 在致辞中，李珠熙教育部大学支持官表示：“在超智能时代，政府正在实施以‘五极三特’战略产业为中心的区域定制政策，核心是及时培养产业界所需的人才，实现大学教育的重大转型。”她承诺：“将不遗余力地支持大学与产业界的紧密沟通，建立产学合作治理和财政·制度支持。” 在论坛结束时，尤希珍教育部产学合作创业支持科长表示：“AI和尖端技术是高等教育和区域创新生态系统的必备基础设施。”她表示：“将通过9月30日在킨텍스举行的产学研合作博览会等多元化沟通渠道，持续扩展大学与企业能够感受到的融合政策。”

OpenAI的GPT-6阿斯特拉（Astra）是否具备AGI（通用人工智能）的特征？AGI是否能够革新商业并将经济推向新的高度？AGI究竟是什么？人类的智能又是什么？ 人类的智能在于同时定义和解决问题。AGI则是解决给定问题的能力。目前的AGI能够在未曾经历的陌生环境中，无需特定知识，自主寻找解决方案，但仅限于数字环境。由于尚未理解物理世界，它无法有效介入实际环境中的问题。 人类以20瓦特的能量点亮一盏灯，而当前的AGI则需要数百兆瓦的能量和大型系统。人类由于能量的限制，无法计算所有可能性，而是依靠经验和直觉进行跳跃；而AGI则通过数万次的重复，得出人类从未想象过的优化答案。 最终结果由人类负责。搭载AGI的代理之间可以使用加密的神经语言（Neuralese）进行高效沟通，但人类则通过共情和发明看不见的虚构叙事来进行合作。为了控制AGI，必须掌握解读其信息的技术，同时避免其干扰。尽管定义AGI和人类智能并不容易，但二者的差异可以清晰地阐述。 我们能否否认阿斯特拉不是AGI？在日常使用的操作系统和网页浏览器中，其屏幕识别能力（ScreenSpot-Pro基准测试）达到了92.7%，而在需要通过鼠标和键盘完成复杂任务的数字操作系统控制基准（OSWorld 2.0）中，平均在40分钟内达到了72.6%。 其他AI模型的任务执行时间平均在75分钟内，完成率大约在60%到70%之间。人类的完成率也在72.3%左右。这是阿斯特拉通过高效机制解决问题的推理阶段的重复结果。在博士级推理基准（GPQA Diamond）中，阿斯特拉的成功率约为96%。其他AI模型在70%到90%之间遇到幻觉现象，而专业领域的博士级专家在思考时的平均完成率为65%到74%。 在陌生环境中无先验知识解决问题的基准（ARC-AGI）中，阿斯特拉首次达到了99.9%的成功率。其他AI模型在数年间徘徊在30%到40%的瓶颈，而人类的平均完成率为48%。 AGI能否带来经济收益？AGI能否使国家实现可持续增长？在不断雇佣人类并改善系统的时代，明天是否还能看到收入的增长？我们是否应该反问，哪些领域不需要AGI的计算能力？是否是提问能力、多代理管理能力以及AGI成果的验证能力？ 如果AGI的自主推理应用成为主流，那么竞争力是否在于解决问题的结果，而非软件销售、使用权或人力成本等过程？这是否暗示着向代理即服务（AaaS）的快速转变？如果不打破今天的收益模型公式，未来是否还有希望？ 独占护城河（Moat）是否是通过为单一客户提供前瞻性服务，获取封闭的本地数据，并增强AGI的控制力（Alignment）？在这一时代，人类正以秒为单位挑战难题，彻底抛弃以往的工作常规。 将AGI全面融入制造和服务业，将被困于数字空间的代理与机器人结合，扩展为物理人工智能（Physical AI），并建立支持这一切的千兆瓦级基础设施，是否是未来的方向？我们是否能通过培养与AGI对话的范式设计者，开辟出没有答案的道路，从而实现理想的生活？※ 本报道经人工智能（AI）系统翻译与编辑。

中国大型科技公司阿里巴巴集团的金融子公司蚂蚁集团与美国信用卡公司Visa和MasterCard合作，着手制定AI代理支付的新标准。 根据9月10日中国经济媒体赫讯网的报道，蚂蚁集团的海外业务部门蚂蚁国际当天宣布签署了相关的合作协议。 此次合作的核心是根据“了解你的代理（Know Your Agent）”的原则，制定新的支付标准。这意味着，像人们在银行或信用卡公司进行身份验证一样，AI代理也能够确认其程序的开发公司及其可信度。 特别是，AI代理并不总是做出准确的判断，因为AI可能会产生将虚假信息呈现为真实的“幻觉（hallucination）”现象。 蚂蚁国际首席创新官张景明提到AI代理的幻觉可能性，强调让用户感到安全的重要性。 为此，三家公司计划制定一个共同标准，以便每个AI代理能够与实际存在的企业或服务相连接，并建立评估AI代理行为的体系。这样可以提高不同支付系统之间AI代理的互操作性。张CIO表示：“如果代理在蚂蚁注册，就不需要再次在Visa或MasterCard注册。” Visa、MasterCard和蚂蚁国际在过去一年中，各自公开了确保AI代理安全支付的技术和规则，即“协议”。此次合作可以看作是为了使各自独立开发的系统能够互联互通而制定的共同标准。 MasterCard首席数字官帕布罗·普雷斯也表示：“要实现AI代理的商业交易大规模普及，不同的‘代理身份验证’体系必须相互兼容。”他强调，商家和支付公司需要能够根据相同的标准判断哪些AI代理是可信的。 随着AI代理在商品订购或服务使用中的“代理基础商业”市场预计将快速增长，这一举措被解读为确保信任和安全的努力。全球咨询公司麦肯锡预测，到2030年，AI代理将在全球消费者交易中处理3万亿至5万亿美元（约6692万亿人民币）的交易。 特别是，全球知名信用卡公司Visa和MasterCard与蚂蚁金融的合作，原因在于大多数新兴国家更常使用电子钱包而非信用卡进行支付。全球支付服务公司Worldpay的数据显示，去年电子钱包占全球在线购物支付额的56%和线下商店支付额的33%。整体支付规模已超过13万亿美元。 蚂蚁国际通过与电子钱包的连接，扩大了全球支付网络。其母公司蚂蚁集团在中国运营移动支付服务支付宝，蚂蚁国际则通过“支付宝+”与50多家电子钱包建立了合作关系。 最近，支付宝也在扩大基于AI的支付服务。支付宝在9日推出了利用AI功能定期订购星巴克饮品或定期叫车的服务。用户只需在支付宝中请求：“每天上午10点给我买一杯星巴克冰美式”，AI便会在指定时间下单，并随后向用户请求付款。

2021年去世的后藤雅子在63年的生命中，经历了约38年的精神分裂症症状。她在20多岁时首次发病，当时正专心于医学院的学业，直到因肺癌去世，精神分裂症一直伴随她。 从小就看到幻觉的草间弥生，不仅将这些幻觉展现出来，还通过艺术活动无限扩展。作为拍卖会上最畅销的艺术家之一，草间于2026年8月14日以97岁高龄去世。 从世俗的标准来看，这两位女性的生活截然不同。雅子在家中几乎被囚禁，过着隐居生活，而草间则在纽约和日本之间往返，将她所见的幻觉转化为艺术，成为全球知名的艺术家。 这两位女性所处的世界究竟是怎样的，以至于如此不同？我们该如何看待她们所看到和听到的，普通人无法理解的世界？ 导演后藤智明制作的纪录片《该如何做》中，他是雅子的弟弟，曾患有精神分裂症。十几岁时，温柔的姐姐的变化让他选择离开家。 多年后，手持摄像机的智明再次回到家中，记录了20多年的家庭生活。期间，姐姐雅子的病情逐渐加重，但作为弟弟的他没有法律权利采取任何措施。这段漫长岁月的记录虽然无力，却默默延续。智明在整理家庭记录时，最终为影片命名为《该如何做》。 影片《该如何做》更像是记录一个家庭的生活，而非单纯讲述一位精神分裂症女性的生平。雅子和智明兄妹在一位曾在80年代赴德国留学的优秀医生父亲和母亲的家庭中度过了富足的童年。聪明能干的雅子也跟随父母进入医学院，但在解剖实习开始时出现了异常症状，家庭的困境由此开始。接下来的40多年，直到雅子去世，这个家庭的历史默默展开。经过100多分钟的观看，首先浮现出的词是“该如何做”。 最初症状发作时，雅子曾乘救护车前往精神科，但父亲没有接受任何医疗处方，便将雅子带回家，之后整整25年没有治疗。对于为何拒绝医院治疗，可能有几个原因，比如80年代精神病院的现实较为严酷，或精神分裂症治疗药物并不完美等。 但在父母的世界里，女儿的精神病似乎是一个无法成立的现象。这可能是因为他们已经接受了雅子不正常的生活，或者相信这并没有错。无论如何，在父母所处的世界中，雅子依然是一个热爱研究的聪明女儿。 那么，雅子的世界又是怎样的呢？我努力通过她的奇怪回答、喃喃自语和突发行为去揣测，但却无法理解。雅子对占星术的兴趣，或许使她的世界与太阳、月亮和星星相连。虽然处于未知领域，但对雅子而言，这个世界确实存在。如果无法理解，那么接下来的步骤就是接受。 在做出无法理解的决定后，默默维持家庭20多年的父母的世界同样值得认可。因此，看完这部电影后，我们无法得出这个家庭该如何做的明确答案。我们只能目睹他们在各自的世界中活出了一生。 看完这部电影不久后，草间弥生的讣告传来。虽然第一次听到这个名字，但她的作品却很熟悉。对于不懂艺术的我来说，熟悉到足以证明她是一位世界级的艺术家。各大外媒和国内媒体都报道了她的去世，并重新审视了她的生平。 草间从小就看到幻觉，并患有精神疾病。传闻她的父母对她施加了虐待，导致她未能接受适当的治疗。草间在看到红色圆点连续出现的幻影后，将这些形象画了出来，创造了黄色点缀的“南瓜”，以及“无尽的镜子房”、“消失的房间”和“无尽的网”。草间作品的共同点是无限的繁殖。她称这种状态为“自我消亡”，并无限表达内心的状态。幸运的是，人们爱上了草间看似怪异的形象，并为之欢呼。草间的世界被人们接受。 雅子和草间的生活差异，或许并不在于她们所处世界的形态或个人态度，而在于她们的世界是否能够与外界相遇。如果雅子的世界早一点被揭示。她的弟弟智明在推出这部电影时表示：“最终，隐藏问题的方式只会延迟解决，而不是最佳方法。” 有些世界迟迟未能走出家门，最终才向世人展现，而有些世界则早早向外界表达，吸引了人们的目光。并不是要讨论哪种更好或更坏，而是思考我们在面对他人世界时应持有何种态度。 看不见的某人的世界，包含了周围环境和人物的物理世界，以及他脑海和内心中发生的精神和心理世界。我们常常将后者视为不存在，或者轻易地认为个人能够完全控制并社会化。 不幸正是由此而来。要完全理解他人的世界，甚至无法理解时也要承认精神世界的确存在。即使无法理解，也不否认其存在。这是回答“该如何做”这一问题的最有用的答案。※ 本报道经人工智能（AI）系统翻译与编辑。

日本著名的现代艺术家草间弥生去世，享年97岁。 根据27日的共同社和草间弥生美术馆的报道，草间弥生于14日在东京的一家医院因多脏器衰竭去世。 草间弥生美术馆和草间弥生纪念艺术基金会在当天发表声明称：“草间弥生将一生奉献给艺术，涵盖表演、小说、诗歌等多个领域，作为先锋艺术家在国际上积极活动。”并表示：“她直到离开前都没有放下画笔，始终坚持‘通过爱拯救世界’的信念。” 草间弥生于1929年出生于日本长野县，以水滴图案、南瓜雕塑和利用镜子的‘无限镜屋’等强烈而重复的图像构建了独特的艺术世界。在超过60年的时间里，她跨越绘画、雕塑、装置艺术、表演、时尚、小说和诗歌等多个领域进行创作。 从小经历幻觉的她，将自己周围的空间描绘成被点和网状图案覆盖的体验转化为作品。重复的水滴图案和网状图案成为了草间弥生的标志性艺术语言。 她在京都市立艺术学校学习绘画，并于1952年举办了首次个人展览。1957年，在与前辈艺术家乔治亚·欧姬芙的书信交流下，她前往美国纽约，在美国先锋艺术界崭露头角。她还通过大胆的表演作品传达了反对越南战争等社会信息。 1973年返回日本后，她继续创作。草间弥生不仅在大众中享有盛名，其作品在艺术市场上的价格也持续飙升，成为最成功的在世艺术家。2016年，她被《时代》杂志评选为“全球最具影响力的100人”之一，并于2017年在东京新宿开设了草间弥生美术馆。 草间弥生美术馆和基金会表示：“我们将继承她的遗志，通过艺术向全世界传递希望和未来的力量。”目前美术馆正在举办的展览‘KUSAMA’s POP’将按计划持续到30日。※ 本报道经人工智能（AI）系统翻译与编辑。

“数据越快被确认和响应，最终受益的就是游戏用户。”金道均，NEOWIZ数据服务部工程团队的团队长，如此阐述了公司对数据基础设施转型的必要性。 游戏公司们正在建立环境，以有效管理和利用日益增加的游戏数据。这是为了将用户的游戏记录、物品购买、货币使用、流失阶段等实时生成的大量数据与实际业务相结合。 分析的速度直接影响到更新、难度和奖励设计等，因此游戏公司的数据管理能力变得愈发重要。 NEOWIZ也为了应对数据和分析需求的增加，进行了数据环境的重组。金道均团队长与申哲圭经理最近接受了《亚洲经济》的采访，介绍了基础设施转型后的变化和未来的应用方向。 NEOWIZ数据服务部工程团队负责收集和管理游戏服务中产生的数据以及外部营销等大量资料，并为业务和规划等实务部门提供可用的基础数据。 随着新作发布和大规模更新，数据处理量增加，实时分析需求上升，NEOWIZ于去年引入了雪花的服务。在2025年第一季度，针对5个领域和34个场景进行了概念验证（PoC），目前已在实际工作中应用。 最大的变化在于数据的使用方式。金道均团队长表示：“以前各部门需要请求所需数据并传递，之后再请求额外分析的过程，现在只需赋予部门访问权限和政策，负责人就可以直接使用所需数据。” NEOWIZ还引入了基于人工智能（AI）的分析方式。即使不是数据分析团队，也可以用自然语言询问所需数据并查看结果。结果是，实务中使用的数据范围扩大，使用方式也多样化。一些数据分析工作的时间从原来的1-2周缩短至约10分钟。 申哲圭经理表示：“为了减少AI的错误分析（幻觉），我们在事先定义数据之间的关系和标准，努力创造可以信任和使用的数据。” 随着数据使用主体扩展到实务部门，数据服务工程团队的角色也发生了重大变化。重复的数据提取和基础设施管理工作减少，转而专注于成本管理和新作数据收集及分析环境的构建等更高级的工作。 申经理表示：“现在我们更关注如何管理和利用已经获得的数据，而不是准备数据。可以说工作内容已经完全变成一种全新的职业。” NEOWIZ将新的分析体系应用于《皮毛》等网页游戏，以及《布朗德斯特2》、《猫与汤》等实时服务游戏，快速响应实时数据分析。在《P的谎言》等主机游戏和下一作中，也准备从规划和开发初期开始应用。 未来，NEOWIZ计划利用AI分析用户的异常行为或遇到困难的阶段，以支持游戏运营者的判断。如果用户在特定阶段持续受阻，将分析产生障碍的原因，以判断是否需要调整难度。 金团队长指出：“例如，在打牌或扑克等游戏中，如果某个用户持续失去货币，我们可以分析原因并反映在补偿方式或更新方向上，从而减少用户流失。数据利用的目的就是为了更好地制作游戏，让用户更愉快地进行游戏。”

韩国科学技术信息通信部（科技部）将启动针对网络安全领域的专用基础模型的培养，继通用人工智能（AI）模型之后，旨在增强国内AI模型的安全专业性并多样化模型生态系统。 然而，在通用模型也需要大规模投资的情况下，投入额外的计算资源，证明专用模型的性能和效率成为关键。 根据科技部的消息，网络安全领域的“专用AI基础模型开发（特派模型）”项目的申请于26日截止。SK电信（SKT）和Naver Cloud分别组建了财团以支持该项目。 科技部将在评估后选定最终的承包商，并在10个月内提供256台英伟达图形处理器（GPU）B200的支持。计划基于国内独立的AI技术和模型开发专注于网络安全的基础模型，也可以在现有国内基础模型的基础上增强安全专业性。 SKT计划基于其在独立AI基础模型（独派模型）项目中开发的自有模型，推进安全专用模型的开发。Naver Cloud尚未公开具体的基础模型和开发方式。 科技部启动安全专用模型开发是因为认为仅靠通用的大型语言模型（LLM）在恶意软件分析和威胁检测等专业安全工作中存在局限性。通过学习安全数据和专业知识，旨在提升国内安全产业的AI应用能力。 不过，特派模型的开发方式在所需成本和开发难度上存在显著差异。 延世大学计算机工程系教授赵成培表示：“从头开始创建基础模型的方式虽然可以按照期望方向设计，但需要大量的数据、时间和成本。”他指出：“用256台B200在10个月内创建基础模型的时间可能有些紧张。”他还表示：“从现实角度来看，利用开放权重或开源资源进行安全专用方向的调整可能性更高。” 确保特派模型的性能也是一项挑战。韩国科学技术院（KAIST）指定座教授崔在植表示：“专用模型相较于通用模型数据相对不足，且需要加入专业知识。”他解释道：“在实证中要求更高的水平，并且必须产生准确的结果而不产生幻觉。” 尽管特派模型的开发难度较大，但从长远来看，同时培养通用模型和领域专用模型有助于增强国内AI生态系统的竞争力。 国会立法调查处立法调查员郑俊华分析称：“集中支持少数精英团队是否适合在紧急情况下提升国家整体AI恢复力，需要重新审视。”他表示：“不仅要考虑从基础模型衍生服务的自上而下的方法，还应考虑自下而上培养领域专用小型AI模型的可能性。”※ 本报道经人工智能（AI）系统翻译与编辑。