3月13日，B站联合6位UP主发起了一场名为《龙虾代替人类》的直播实验，探索AI在真实任务中的表现。首场直播中，UP主“AI进化论-花生”让AI开发了一款iOS小猫补光灯App升级版，虽然过程有翻车和卡顿，但AI最终完成了任务，展现了潜力与局限性。接下来的直播将更加丰富：3月14日晚，导演小策和Jack-cui将测试AI在视频创作中的能力；UP主程泓宁_宇宙ebike挑战用AI一天卖出100万；3月16日，籽岷等UP主将测试AI游戏代打能力；3月20日，秋芝2046将尝试用AI管理公司。此外，周鸿祎将以神秘嘉宾身份参与。这场系列实验通过真实场景展示AI的能力与不足，为未来工作方式提供了实践参考。

近日，加拿大一名男子化名Hudzah在家中利用AI技术成功实现了核聚变，仅花费3000美元。他通过AI筛选项目文档和调试指令，解决了电路布线和组装中的难题。Hudzah使用公开指南和低成本设备，如120美元的真空泵和60美元的电容器，建造了一个能够维持极低气压的真空室。实验中，他通过购买儿童燃料电池汽车提取质子交换膜，将氘氧化物转化为重氢。最终，经过9小时的组装和调试，他们成功实现家庭核聚变。Hudzah提醒，该设备产生的中子和X射线有致癌风险，需用铅屏蔽保护。AI在调试和信息处理中发挥了重要作用。

神经网络在实践中展现出惊人的灵活性，其拟合数据的能力受到多种因素影响。研究者们探讨了数据集特性（如MNIST到ImageNet）、模型架构（如MLP、CNN、ViT）、优化器（如SGD、Adam等）和正则化对有效模型复杂性（EMC）的影响。实验发现，数据类型影响网络容量，如表格数据比图像数据有更强的拟合能力；输入标签和分类数量也会影响EMC，且神经网络倾向于拟合语义标签，而非随机标签。模型架构，尤其是CNN，因其对空间结构的利用，即使在噪声输入下也能展现优越的泛化能力。此外，优化器的选择，如SGD，不仅影响收敛速度，还能影响数据拟合的数量。这些研究揭示了神经网络在实际应用中的适应性和优化策略的重要性。