2025 CSAIL Alliances Annual Meeting已於 4月28 ~ 30 日順利舉行，發表 CSAIL 最新技術研究，包含 Agentic AI、Software Performance Engineering、Future of Data、Leverage AI for ROI、AI on Cybersecurity Strategy、Gaming & the Nexus of AI 等主題。今年共有 225 人實體參與年會，提供 CSAIL 會員企業與教授、新創公司和學生深度交流的機會，歡迎您參閱 2025 年會重點整理。同時，CSAIL 今年新增 11 家會員企業及 9 家新創會員，請參考 CSAIL 最新會員名單。如期望聯繫特定企業或新創，CSAIL 非常樂意引介。 若您對 CSAIL專案計畫有任何疑問，請逕洽財團法人聯合工商教育基金會陳小姐(02-33933821/ mail@lienho.org.tw)。

MIT CSAIL 研究焦點、近期活動及線上課程謹羅列如下：

 【MIT 新聞】
News | AI & ML
Making AI models more trustworthy for high-stakes settings
MIT CSAIL兩位教授 John Guttag 和 Dugald C. Jackson 與其研究團隊，改良 conformal classification 方法，將預測選項集減少高達 30%，以提升 AI 模型於高風險應用場景（如醫學影像診斷）的可靠度與實用性。研究團隊結合測試增強技術（test-time augmentation, TTA），針對同一張影像進行多種增強處理，再以電腦視覺模型分析每個影像版本，以提高預測選項集的準確度，並有效降低選項數量。這將有助醫師在處理如 X 光等模糊影像時，更迅速且準確地判斷病因。本研究於 Conference on Computer Vision and Pattern Recognition發表，由緯創資助。

News | AI & ML
Novel AI model inspired by neural dynamics from the brain
MIT CSAIL主任 Daniela Rus 與研究團隊，開發名為 LinOSS (linear oscillatory state-space models) 的人工智慧模型，解決 AI 模型在處理長序列資料時的不穩定及效率問題。LinOSS 模型具有通用近似能力（Universal Approximation Capability），在長序列任務中表現優於現有 Mamba 模型近兩倍。此模型可應用於醫療分析、氣候科學、自動駕駛和財務金融預測。本研究被選為 International Conference on Learning Representations (ICLR) 的口頭簡報論文，並由瑞士國家科學基金會、Schmidt AI 2050計畫與美國空軍 AI 加速器所資助。

News | AI & ML
Making AI-generated code more accurate in any language
MIT 大腦暨認知科學系首席研究科學家 Vikash Mansinghka的研究團隊，與 Yale University、John Hopkins University 及 McGill University，共同開發結合語意及語法的大型語言模型架構，運用序列蒙地卡羅技術 (Sequential Monte Carlo) 引導大型語言模型，同時生成結構正確且與語意無誤的程式碼；更可結合自動資料建模系統及查詢資料庫產生模型，更廣泛地協助非技術使用者，實現機器輔助數據分析系統，準確模擬數據含意與使用者提問。此研究發表於 International Conference on Learning Representations (ICLR)，並獲得加拿大 CIFAR AI 計畫 (Canada CIFAR AI Chairs program)及 Siegel 家族基金會所資助。

News | AI & ML
Hybrid AI model crafts smooth, high-quality videos in seconds
MIT CSAIL 教授 Bill Freeman 與 Frédo Durand 與研究團隊攜手 Adobe Research，研發出名為 CausVid 的混合影片生成模型。CausVid 藉由全序列擴散模型（full-sequence diffusion model）訓練自回歸系統（autoregressive system），快速預測下一幀，同時生成高品質和一致性影片。本研究發表於Conference on Computer Vision and Pattern Recognition，由 Amazon Science Hub、光州科學技術學院、Adobe、Google、美國空軍研究實驗室及美國空軍 AI 加速器等資助。

News | AI & ML
At the Venice Biennale, design through flexible thinking
MIT 建築與規劃學院教授 Carlo Ratti 擔任 2025 年第19 屆威尼斯建築雙年展策展人，主題為「Intelligens」，帶領觀展者超越人類及AI 智慧，去探索體驗建築應對自然變化的各種反饋智慧。Ratti 教授將今年雙年展定調為 living lab，並邀請 MIT 多位學者參與，包括 CSAIL 主任 Daniela Rus 教授運用機器人修復古建築及網路發明人 Tim Berners-Lee 參與活動。展覽自5月10日至11月23日在威尼斯展出。

News | Algorithms & Theory
“Periodic table of machine learning” could fuel AI discovery
MIT CSAIL 教授 William Freeman 的研究團隊與 Google 和 Microsoft，共同建立名為 Information Contrastive Learning ( I-Con) 的新架構，展示如何透過統一方程式來審視各種演算法，進而創建「機器學習元素週期表」（periodic table of machine learning），展示多達20 多種經典機器學習演算法之間的連結。研究人員成功結合兩種不同演算法元素，來創建新的圖像分類演算法，其性能比目前最先進的技術高出8%。本研究發表於 International Conference on Learning Representations (ICLR)，並由廣達電腦、美國空軍 AI 加速器、美國國家科學基金會AI研究所資助。

News | Algorithms & Theory
Study shows vision-language models can’t handle queries with negation words
MIT CSAIL 副教授 Marzyeh Ghassemi 與助理教授 Yoon Kim 的研究團隊，與 Oxford University 及 OpenAI，發現視覺語言模型（Vision Language Model）難以理解否定語句。為改善此問題，他們開發具否定語意的新圖文資料集來訓練視覺語言模型，顯著提升圖像檢索與選擇題解答能力，分別提高 10% 影像檢索能力和 30%回答選擇題問題的表現。此技術對醫療等需要高準確性的應用具重大潛力，可避免誤判。本研究發表於 Conference on Computer Vision and Pattern Recognition。

News | Computational Biology
A visual pathway in the brain may do more than recognize objects
MIT CSAIL 暨大腦與認知科學系教授 Joshua Tenenbaum， 與 MIT Quest for Intelligence 主任 James DiCarlo 的研究團隊，挑戰人類大腦中擁有兩種視覺系統，分別負責物體識別及空間訊息的雙流假說（two-streams hypothesis）。透過中心核對齊 (Centered Kernel Alignment, CKA)，分析測量不同卷積神經網路（Convolutional Neural Networks, CNN）模型中表徵之間的相似度，發現物體識別訓練和空間特徵訓練，皆與人腦腹側路徑（ventral stream）的神經活動高度一致，顯示腹側流可能並非僅為物體辨識進行最佳化，同時也可為空間任務優化。此研究發表於 International Conference on Learning Representations (ICLR)，並由半導體研究公司與美國 DARPA 所資助。

News | Graphics & Vision
3D modeling you can feel
MIT CSAIL 副教授 Stefanie Mueller 與研究團隊，開發名為 TactStyle 的工具，能讓單一圖片同時生成有視覺與觸覺特性的 3D 模型。TactStyle 利用名為「 Style2Fab 」的方法，研發出結合視覺色彩風格化與幾何結構轉換，運用變分自動編碼器 (variational autoencoder) 與擴散模型（diffusion model）從圖片生成「高度圖（heightfield）」，實現觸覺紋理仿真。此技術將應用於個人化物件設計、產品原型開發及觸覺教具等領域。

News | Robotics
System lets robots identify an object’s properties through handling
MIT CSAIL 主任 Daniela Rus、Wojciech Matusik 教授，與 Amazon Robotics 及英屬哥倫比亞大學研究團隊，開發無需攝影機或外部感測器，即可估算物體重量、柔軟度的機器人系統。研究團隊運用 NVIDIA Warp 架構，進行可微分模擬 (differentiable simulation)，從單一動作軌跡反推物體物理屬性。此方法成本低且數據高效 (data-efficient approach)，特別適用於光線不足或災後搜救等場景。本研究發表於 International Conference on Robotics and Automation (ICRA)，由 Amazon 與 GIST-CSAIL Research Program資助。

【合作案例】
Case Study | Robotics
Acumino
Acumino 由Patrick Jarvis、Tom White 與 Dr. Minas Liarokapis 共同創立，專注開發能夠精確抓取和操控的機器人模型。Acumino 開發出無需編碼，透過單次訓練即可教導模型的訓練工具，且無需額外加增硬體設備。目前與德國汽車製造商和日本船用引擎生產商進行試驗。此技術可在標準硬體上部署，具備高隱私與在地控制等特性。Acumino 為 CSAIL Alliances新創成員，未來更計畫應用其技術於老年照護，應對全球高齡化與勞力短缺問題。

【研究焦點】
PI Spotlight | Computational Biology
Applying Lessons from Neurobiology to Make Smarter AI with MIT CSAIL Professor Nir Shavit
MIT CSAIL 教授 Nir Shavit 為電腦科學與神經生物學的跨領域專家。2004年，Shavit 教授以運用代數拓樸 (algebraic topology) 計算共享記憶體建模，榮獲哥德爾獎 (Gödel Prize) 。Shavit 教授目前的研究分為三大面向，包含優化神經資料收集方法、研究神經連結，以及改進人工智慧模型。近期，Shavit 教授創立的新創公司 Neural Magic， 被 IBM 旗下的軟體公司 Red Hat 收購。歡迎參閱教授個人網站 (https://people.csail.mit.edu/shanir/)。

Student Spotlight | ML
Sharut Gupta
MIT CSAIL 博士生 Sharut Gupta，指導教授為 Stefanie Jegelka，專注於對比學習（contrastive learning）領域。Gupta 提出Contextual Self-Supervised Learning (ContextSS) 和 In-Context Risk Minimization (ICRM) 兩種機器學習系統，能根據任務靈活地適應不同的屬性和資料分佈。Gupta 認為未來的機器不僅僅是人類的複製品，更是能夠增強人類能力的機器，更期許可以從事將研究成果轉化為造福社會的工作。歡迎參閱 Gupta 的個人網站 (https://openreview.net/pdf?id=etPAH4xSUn) 。

【影片/播客】
Podcast | AI
Driving Behavior by Design: MIT CSAIL Professor Sam Madden on the Science of Safer Roads with AI
MIT SystemsThatLearn@CSAIL 計畫共同主持人 Sam Madden 教授，為 CSAIL 衍生公司 Cambridge Mobile Telematics (CMT) 共同創辦人。在 Podcast 訪談中，Madden 教授分享 CMT 創立故事，探討演算法與行為獎勵機制如何改善駕駛行為。同時，說明汽車科技進步但事故率卻未下降的原因，以及智慧型手機如何成為降低道路風險的關鍵工具。他亦談及生成式AI對軟體開發、教育與程式設計技能的影響，並指出在 AI 應用於敏感產業時，信任與隱私仍是核心問題。

【課程資訊】
October 1, 2025 | Online Course 
Human-Computer Interaction for User Experience Design

• 活動時間 : 2025/10/1，為期6週
• 活動內容 :本課程將提供人機互動趨勢以及整合應用方法，為未來的技術發展搶得先機
• 費用: $2,860 USD  ，CSAIL會員企業輸入優惠碼「CSAIL30」可享有7折優惠 (報名連結)