Ang Dakilang Pagsasanib: Paano Kinokonekta ng AI ang Bawat Hangganan

Ang Artificial Intelligence (AI) ay nagpasiklab sa mundo sa potensyal nito na mapabuti ang kahusayan, magbawas ng gastos, at magpataas ng produktibidad.

Habang para sa marami, ang AI ay nauugnay sa mga chatbot, salamat sa madaling pag-access at kasikatan ng mga generative AI tool tulad ng ChatGPT, ang teknolohiya ay mas malawak pa, na ang mga benepisyo ay umaabot sa medisina, pagmamanupaktura, robotics, pangangalagang pangkalusugan, edukasyon, agham ng klima, pananalapi, batas, cybersecurity, at iba pa.

Sa pamamagitan ng paggaya sa mga kognitibong pag-andar ng tao tulad ng paglutas ng problema at paggawa ng desisyon, nangangako ang AI na baguhin ang mga batayang sistema ng mga industriyang ito, kung saan dumarami ang mga organisasyon na aktibong nagsusuri ng kakayahan ng AI.

Isang kamakailang pagsisiyasat ng McKinsey ang nagpakita ng pagtaas ng paggamit ng AI, hindi lamang sa sektor ng teknolohiya, kung saan ito ay umabot na sa higit 90%, kundi halos sa bawat industriya.

Siyam sa sampung sumagot ang nagsabi na regular na ginagamit ng kanilang mga organisasyon ang AI, kahit na ito ay nasa yugto pa ng eksperimento. Sa kabila ng pagiging pilot phase, iniulat ng mga sumagot ang mga benepisyo sa gastos at kita, kung saan 64% ang nagsabing pinapahintulutan sila ng AI na mag-innovate.

Ipinapakita ng lumalaking pag-aampon na kahit sa maagang yugto pa lamang, ang AI ay nagiging pangunahing tagapagpadali ng digital transformation.

Sa makabagong global na konektado at kompetitibong tanawin, pinapayagan ng AI ang mga negosyo na gamitin ang kapangyarihan ng iba’t ibang digital na teknolohiya, tulad ng big data, cloud computing, at Internet of Things. Sa katunayan, kumikilos ito bilang isang nagtatagpo na teknolohiya, na nagpapabilis sa pag-unlad at integrasyon ng iba pang teknolohiya upang ang pinagsamang epekto ay mas malaki kaysa sa kabuuan ng mga bahagi nito.

Sa ganitong konteksto, tingnan natin ang ilang kamangha-manghang pag-unlad ng AI sa iba’t ibang sektor, na bawat isa ay nagpapakita kung paano nito binabago ang mundo.

Sa ibaba ay isang mabilis na sulyap sa tatlong domain kung saan ang pagsasanib ng AI ay nasusukat na.

Mag-swipe para mag-scroll →

AI Maps the Gut Microbiome to Human Health (and CAD Risk)

Sa tulong ng AI, nakapag-decode na ngayon ang mga siyentipiko ng masalimuot na ekosistema ng bakterya sa bituka at ang kanilang mga kemikal na signal, na nagbubukas ng mga nakatagong ugnayan sa pagitan ng bakterya at kalusugan ng tao. Higit pa rito, ang bagong advanced na AI system ay talagang mas mahusay sa mga pag-aaral ng kanser, labis na katabaan, at mga disorder sa pagtulog kaysa sa mga tradisyonal na modelo, at nagpapakita ng napakalaking potensyal sa pag-customize ng mga paggamot base sa microbial makeup ng bawat tao upang baguhin ang personalized na medisina.

Ang kakayahan ng AI na magbunyag ng mga nakatagong pattern ay kapansin-pansing kamangha-mangha, tulad ng sa pag-aaral mula sa University of Waterloo¹, kung saan ang AI-powered na pagsusuri ng rutin na mga blood test ay nakadetect ng mga pattern na maaaring magbigay ng mga panghabang-buhay na prediksyon na abot-kaya at madaling ma-access.

Sa pagbabalik sa bakterya sa bituka, may mahalagang papel ang mga ito sa ating kalusugan, hindi lamang sa pagtunaw at pag-iwas sa sakit kundi pati na rin sa immunity at kahit sa ating mood. Natuklasan ng bagong pananaliksik na ang microbiome ng ating bituka² ay maaaring makaapekto rin sa pag-unlad ng coronary artery disease, na pumapatay ng halos 20 milyong tao bawat taon.

Klarong kamangha-mangha ang bituka ng tao, ngunit ito rin ay isang komplikadong ekosistema ng trilyong mikroorganismo. Bukod sa napakaraming species ng bakterya na naroroon, ang kanilang mga interaksyon sa kimika ng tao ay nagpapahirap sa mga siyentipiko na maunawaan ang kanilang mga epekto.

Ngunit sa isang makasaysayang hakbang, lumapit ang mga mananaliksik mula sa University of Tokyo sa AI upang harapin ang isyung ito.

Nilikha nila ang isang AI system upang mas maunawaan kung aling bakterya ang gumagawa ng aling metabolites, mga maliliit na molekula na kumikilos bilang mga kemikal na mensahero at umiikot sa ating katawan, na nakakaapekto sa metabolismo, immunity, at pag-andar ng utak, at kung paano nagbabago ang relasyon ng bakterya at metabolites sa iba’t ibang sakit.

“Sa pamamagitan ng tumpak na pagma-map ng mga ugnayang bakterya‑kemikal na ito, maaari tayong makabuo ng mga personalized na paggamot. Isipin na makapagpalago tayo ng isang tiyak na bakterya upang mag-produce ng kapaki-pakinabang na human metabolites o magdisenyo ng mga target na therapy na nagbabago ng mga metabolites upang gamutin ang mga sakit.”

– Project Researcher Tung Dang mula sa Tsunoda lab sa Department of Biological Sciences

Ang modelo na kanilang nabuo³, isang Bayesian neural network na tinatawag na VBayesMM, ay tumutugon sa hamon ng pagtukoy ng makabuluhang pattern mula sa komplikadong interaksyon ng trilyong bakterya at metabolites.

Gumagamit ito ng Bayesian na pamamaraan upang tukuyin kung aling mga grupong bakterya ang pinakamalaking nakakaimpluwensya sa partikular na metabolites. Bukod pa rito, sinusukat nito ang kawalan ng katiyakan sa mga prediksyon upang maiwasan ang maling konklusyon, na nagbibigay sa mga siyentipiko ng mas tumpak at mapagkakatiwalaang insight.

Sa paggamit ng variational Bayesian microbiome multiomics (VBayesMM) na pamamaraan, nagawa ng koponan na mabilis at tumpak na matukoy ang mga susi na microbial species, na nagreresulta sa mas eksaktong estimasyon. Ang implementasyon ng variational inference, sa kabilang banda, ay nag-alis ng mga computational bottleneck, na nagbigay-daan sa scalable na pagsusuri ng napakalaking dataset.

Susunod na tututukan ng koponan ang mas komprehensibong chemical datasets upang masakop ang buong hanay ng mga produktong bakterya at malampasan ang problema ng pagbaba ng katumpakan kapag mas malawak ang data ng metabolites kaysa sa data ng bakterya.

“Layunin din naming gawing mas matibay ang VBayesMM kapag sinusuri ang iba’t ibang populasyon ng pasyente, isasama ang ‘family tree’ ng bakterya upang makagawa ng mas mahusay na prediksyon, at higit pang bawasan ang oras ng computation na kailangan para sa pagsusuri,” sabi ni Dang. “Para sa klinikal na aplikasyon, ang panghuling layunin ay tukuyin ang mga tiyak na target na bakterya para sa mga paggamot o dietary interventions na tunay na makakatulong sa mga pasyente, mula sa panimulang pananaliksik patungo sa praktikal na medikal na aplikasyon.”

Investable Angle: Precision Medicine with Tempus AI

Sa kapanapanabik at komplikadong mundo ng life sciences, namumukod-tangi ang Tempus AI (TEM ) sa pag-aalok ng AI-enabled na precision medicine solutions para sa personalized na pangangalaga sa pasyente.

Tempus ay isang technology company na nagpapaunlad ng precision medicine pati na rin nagpapadali ng pagtuklas at pag-develop ng optimal therapeutics. Mayroon itong tatlong linya ng produkto:

• Genomics: Nagbibigay ng next-generation sequencing (NGS) diagnostics, profiling, molecular genotyping, at iba pang testing.
• Data: Nagsasangkot ng pag-structure at de-identifying ng data na nalikha sa kanilang laboratoryo bago ito i-komersyalisa.
• AI Applications: Nagbibigay ng diagnostics, nagpapatupad ng bagong software bilang medical device, at nagde-deploy ng clinical decision support tools.

Sa taong ito, nakamit ng Tempus ang ilang mahahalagang regulatory milestones, kabilang ang pagtanggap ng FDA clearance para sa Tempus xR IVD device upang suportahan ang drug development sa pamamagitan ng advanced RNA sequencing. Bilang resulta, maaaring gamitin ng mga partner ng Tempus ang kanilang RNA assay upang “mas tumpak na matukoy kung aling mga pasyente ang pinakamalaking posibilidad na tumugon sa tiyak na therapy at magdisenyo ng mas epektibong clinical trials.”

Ang kanilang updated AI-powered cardiac image analysis platform, Tempus Pixel, at AI software Tempus ECG-Low EF ay nakuha rin ang FDA 510(k) approvals, na nagpapalakas sa posisyon ng kumpanya sa AI-driven diagnostics.

Ang kumpanya na may market cap na $12.73 bilyon ay kasalukuyang nagte-trade sa $72.52, tumaas halos 112% ngayong taon. Noong nakaraang buwan, ang mga share ng TEM ay lumagpas sa $100.

Sa usapin ng kanilang pinansyal na kalagayan, kamakailan lamang iniulat ng Tempus ang 84.7% YoY na pagtaas ng revenue sa Q3 2025 na umabot sa $334.2 milyon, habang ang gross profit ay tumaas ng 98.4% sa $209.9 milyon. Ang net loss para sa quarter ay $80 milyon. Nagtapos ang quarter na may $764.3 milyon na cash at marketable securities.

“Not only are we growing at an incredible rate, reaching positive adjusted EBITDA marks an important milestone and reflects the strength of our underlying business,” said Tempus founder and CEO Eric Lefkofsky. “One of the hardest things to do, and a sign of business model endurance, is being able to slow down the rate of reinvesting back into the business and still maintain growth, which is exactly what we achieved this quarter.”

Click here for a list of top biotech big data companies.

AI Forecasts Solar Storms Days Ahead—Protecting Power Grids & Satellites

Isang AI model ang binuo upang mahulaan ang solar wind nang maaga nang may mas mataas na katumpakan kaysa sa umiiral na mga pamamaraan, na tumutulong protektahan ang power grids, satellites, at navigation systems mula sa mapang-abalang space events at pinapalakas ang resiliency ng ating kritikal na imprastruktura.

Ang solar wind ay ang patuloy na agos ng mga charged particle na inilalabas ng Araw. Nangyayari ito kapag ang twisted magnetic fields ng Araw ay nagiging contorted at stretched, na humahantong sa snap bago mag-reconnect, kung saan naglalabas sila ng malaking enerhiya.

Kapag ang mga particle na ito ay kumilos nang mabilis, maaari nilang guluhin ang atmospera ng Earth. Hindi lamang nila naaapektuhan ang power grids, kundi maaari rin nilang hilahin ang mga satellite palabas sa orbit, tulad ng nangyari noong 2022, nang nawala ng SpaceX hanggang 40 ng kanilang Starlink satellites (SPCX ).

Ang solar storms, sa kabilang banda, ay mas malalakas pang pangyayari, kung saan binabomba ng araw ang enerhiya, mga particle, at magnetic fields sa kalawakan. Kapag ito ay tumutok patungo sa Earth, maaari itong lumikha ng malaking kaguluhan sa magnetic field nito, na tinatawag na geomagnetic storm. Ito ang nagdudulot ng magagandang aurora borealis display, ngunit nagdudulot din ng power outages.

Ang pinakabagong systemic-risk scenario ng Lloyd’s tinatantiya na ang isang matinding solar storm ay maaaring magdulot ng halos $2.4 trilyon na pagkalugi sa pandaigdigang ekonomiya sa loob ng limang taon, na may tinatayang pagkalugi na humigit-kumulang $17 bilyon ngayon.

Ipinapakita nito ang agarang pangangailangan para sa mas mahusay na forecasting ng mga pangyayaring ito. Kaya, ang mga mananaliksik sa NYU Abu Dhabi (NYUAD) ay nagsagawa nito, sa tulong ng AI.

Nag-build ng AI model na maaaring mag-predict ng solar wind⁴ hanggang apat na araw bago maganap ang event, na mas tumpak kaysa sa kasalukuyang mga pamamaraan. Ang modelo ay sinanay gamit ang mga historikal na rekord ng solar wind at ultraviolet images mula sa NASA’s Solar Dynamics Observatory (SDO).

Sa pamamagitan ng pagsusuri ng mga imahe ng Araw upang matukoy ang mga pattern na may kaugnayan sa pagbabago ng solar wind, nagawa ng NYUAD team na makamit ang 45% na pagbuti sa kanilang forecast accuracy kumpara sa kasalukuyang operational models. Bukod pa rito, nakamit nila ang 20% na pagbuti kumpara sa mga naunang AI-based na pamamaraan.

“Ito ay isang malaking hakbang pasulong sa pagprotekta sa mga satellite, navigation systems, at power infrastructure na kinadependehan ng modernong buhay,” sabi ng lead author ng pag-aaral, Dattaraj Dhuri. “Sa pagsasama ng advanced AI sa solar observations, maaari tayong magbigay ng maagang babala na makakatulong protektahan ang kritikal na teknolohiya sa Earth at sa kalawakan.”

Investable Angle: Space-Weather AI with IBM 

Ang $293.24 bilyong market cap na IBM ay isang global provider ng hybrid cloud at AI services upang matulungan ang digital transformation sa data, applications, at mga environment kung saan sila nag-ooperate.

Ilang buwan na ang nakalipas, inilabas ng IBM ang kanilang open-source AI model, ‘Surya’, sa pakikipagtulungan sa NASA, upang mas maunawaan ang data na nakolekta mula sa solar observations at hulaan kung paano nakakaapekto ang solar activity sa space technology at Earth. Sa Surya, inilalapat ng kumpanya ang AI sa pananaliksik sa space weather forecasting at nagbibigay ng tool upang protektahan ang telecommunications, power grids, at GPS navigation mula sa mga pagkaantala na dulot ng pagbabago ng Araw.

Sa pagsulat nito, ang mga share ng IBM ay nagte-trade sa $319, tumaas ng 42.7% YTD. Mayroon itong EPS (TTM) na 8.07 at P/E (TTM) na 38.87. Nagbabayad ang IBM ng dividend yield na 2.14%.

Para sa kanilang kamakailang quarter, 3Q25, iniulat ng kumpanya ang 9% na pagtaas ng revenue sa $16.3 bilyon. Ang GAAP gross profit margin ay 57.3% at ang non-GAAP operating profit ay 58.7%. Ang net cash mula sa operating activities, sa kabilang banda, ay $9.2 bilyon year to date, at $7.2 bilyon ang naiulat sa free cash flow.

“Clients globally continue to leverage our technology and domain expertise to drive productivity in their operations and deliver real business value with AI.”

– CEO Arvind Krishna

Binanggit din niya na ang AI book of business ng IBM ay lumagpas sa $9.5 bilyon, tumaas mula $7.5 bilyon noong nakaraang quarter.

Where AI Outperforms Experts: Medicine, Neuroscience & Education

Natuklasan ng mga mananaliksik na patuloy na nalalampasan ng AI ang mga eksperto sa iba’t ibang larangan.

Isa sa mga larangang ito ay medisina, kung saan “ang glaucoma ay isa sa mga pinakakaraniwang sanhi ng pagkawala ng paningin na hindi na maaaring maayos sa buong mundo,” na napakamahal ang screening. Ngunit maaaring maging solusyon ang AI, ayon kay Dr. Anthony Khawaja, propesor sa University College London Institute of Ophthalmology at lead researcher ng bagong pag-aaral, na iniulat na ang isang sinanay na AI program ay tama ang pagkakakilanlan ng mga pasyenteng may glaucoma halos 90% ng oras, kumpara sa 81% para sa mga human grader.

Sa pag-aaral na ito, parehong sinuri ng mga human expert at ng AI program ang mahigit 6,300 na kalahok, kung saan halos 700 ang may glaucoma sa hindi bababa sa isang mata.

Ang glaucoma ay resulta ng pinsala sa optic nerve, kadalasang dulot ng pressure na nag-iipon sa loob ng mata, na maaaring magdulot ng ganap na pagkabulag. Ang mga human expert at ang AI ay nag-grado ng risk ng glaucoma ng mga kalahok batay sa vertical cup-disk ratio, isang susi na sukat ng disorder na ito, na sumusubaybay sa mga pagbabago sa estruktura ng mata dulot ng pressure buildup.

Ayon sa mga resulta ng pag-aaral, 11% lamang ng mga mata ng kalahok ang pinaghihinalaang may glaucoma, na tumutugma sa proporsyon na inaasahan sa rutin na screening. Ang katumpakan, ayon sa mga mananaliksik, ay maaaring higit pang mapabuti sa pamamagitan ng pagsasama ng iba pang risk factor, tulad ng intraocular pressure.

Sa isa pang pag-aaral⁵, ang mga large language model (LLM) ay mas tumpak sa paghula ng mga kinalabasan ng mga iminungkahing neuroscience study kaysa sa mga human expert, na nagtatampok ng potensyal ng AI na pabilisin ang pananaliksik.

Sa halip na magpokus sa kakayahan ng LLM sa pagtugon sa mga tanong, sinuri ng pag-aaral kung kaya ng mga modelo na magsintesis ng kaalaman upang hulaan ang mga hinaharap na kinalabasan.

Kaya, sinubukan nila ang 15 iba’t ibang general-purpose LLM at 171 na human neuroscience expert at natuklasan na lahat ng LLM ay nalalampasan ang mga neuroscientist. Habang ang mga LLM ay may average na 81% na katumpakan, ang mga tao ay may average na 63%, na tumaas lamang sa 66% sa pinakamataas na antas ng human expertise. Samantala, ang pagsasanay ng LLM sa neuroscience literature ay nagtaas ng katumpakan nito sa 86%.

“Sa tingin namin ay hindi magtatagal bago gamitin ng mga siyentipiko ang AI tools upang magdisenyo ng pinakaepektibong eksperimento para sa kanilang tanong. Habang nakatuon ang aming pag-aaral sa neuroscience, ang aming pamamaraan ay universal at dapat matagumpay na mailapat sa buong agham.”

– Senior author Bradley Love, isang propesor sa UCL Psychology & Language Sciences

Ayon sa mga mananaliksik ng Cambridge, may malinaw na kalamangan ang AI pagdating sa predictive modelling at data analysis. Kapag binigyan ng napapanahong data sa dami, iba’t ibang uri, at katotohanan, maaari nitong i-optimize ang gastos at supply chain, magdisenyo ng mataas na performance na produkto nang mas mabilis, at tumugon sa pag-ikot ng merkado sa real time.

“Ang pagwawalang-bahala sa generative AI sa corporate strategy ay hindi na maaaring gawin,” sabi ng mga co-author ng pag-aaral.

Ito ay paunang bahagi lamang ng iceberg, dahil natuklasan ng iba pang pag-aaral na ang AI ay nag-eexcel pa sa mga pangunahing mekaniks ng wika⁶ ngunit kulang sa thematic consistency pagdating sa assay evaluation, nalalampasan ang mga human expert sa pagkilala ng sakit sa tupa⁷ gamit ang parehong visual na impormasyon, at nakakatugma o mas mahusay pa sa mga dermatologist⁸ sa diagnosis ng balat batay sa imahe.

Investable Angle: Gemini Adoption through Alphabet Inc.

Pagdating sa pamumuhunan sa kapangyarihan ng AI, ang Alphabet (GOOG ) ay isang karapat-dapat na opsyon, na nangunguna sa mga AI breakthrough sa pamamagitan ng Google DeepMind at Google Research.

Kamakailan, inilabas ng Google DeepMind at isang AI-powered na educational technology company, Eedi, ang exploratory research⁹ na nagpapakita na ang human-in-the-loop AI tutoring ay nalalampasan ang human-only support.

Ang trial ay isinagawa sa limang UK secondary school classrooms, kung saan ang core instruction ay ibinigay ng LearnLM, ang generative AI model ng Google na fine-tuned para sa pedagogy. Natuklasan nila na ang human‑AI team ay kasing epektibo (93%) sa pagtulong sa mga estudyante na agad itama ang pagkakamali kumpara sa human tutor lamang (91.2%). Ang team ay kasing galing din sa pagtulong sa mga estudyante na lutasin ang kanilang mga maling konsepto.

Sa pagsukat ng “knowledge transfer,” na tumutukoy kung paano nakaaapekto ang tutoring sa isang problema sa kakayahan ng estudyante na lutasin ang bago, ang human tutor lamang ay nagpa‑angat ng pag‑katuto ng 4.5 percentage points, habang ang human‑AI team ay nag‑taas nito ng 10 percentage points.

“Ang mga natuklasan ay nagmamarka ng isang milestone para sa responsableng, ligtas, at epektibong AI sa edukasyon. Ang susunod na hakbang ay i‑scale ito mula sa isang exploratory pilot patungo sa isang large‑scale trial.”

– Irina Jurenka, Research Scientist sa Google DeepMind

Samantala, ang multimodal AI model ng tech giant na Gemini ay nagawa ang ilang mga pag‑unlad, na nakamit ang gold‑medal‑level performance sa 2025 International Collegiate Programming Contest (ICPC) World Finals, kasunod ng gold‑medal win sa International Mathematical Olympiad. Ang flagship AI app ng Google ay ngayon may higit sa 650 milyong buwanang aktibong gumagamit.

Kaya, malalim ang pakikilahok ng Google sa AI innovation, at ito ay nakatulong sa pag‑taas ng kanilang stock halos 54% ngayong taon, ngayon ay nagte‑trade ng bahagya higit sa $293. Ang $3.5 trilyong market cap na kumpanya ay nagbabayad din ng dividend na 0.29%.

Kamakailan, iniulat nila ang revenue na $102.35 bilyon para sa Q3 2025, na pinasigla ng matibay na momentum sa kanilang cloud business, na nakinabang mula sa malakas na demand para sa AI. Plano na ngayong taon ng kumpanya na taasan ang capital expenditure sa pagitan ng $91b‑$93b, matapos itaas ang inaasahan mula $75b patungong $85b mas maaga ngayong taon. Karamihan sa kanilang gastusin ay napupunta sa imprastruktura tulad ng data centers.

Final Thoughts

Ang AI ay sumiklab sa mundo, ngunit hindi na ito isang hiwalay na inobasyon. Sa halip, nagsisilbing connective tissue ito na nag-uugnay sa dumaraming bilang ng mga transformative na teknolohiya. Tulad ng nabanggit kanina, tumutulong ito sa atin na i‑decode ang mga misteryo ng human microbiome, mag‑forecast ng solar storms, at kahit na malalampasan ang mga eksperto sa agham at medisina. Gayunpaman, ang mga breakthrough na ito ay kumakatawan lamang sa maliit na bahagi ng kung gaano kalalim ang impluwensya ng AI sa halos bawat hangganan ng pagsisikap ng tao.

Habang ito ay nagsasanib sa big data, biotechnology, cloud computing, robotics, at quantum science, pinapabilis ng AI ang bilis ng discovery at pinapagana ang mga integrasyon na lumilikha ng mas matatalinong sistema at mas matalinong mundo.

Click here to learn all about investing in artificial intelligence.

References

1. Mussavi Rizi, M., Fernández, D., Kramer, J. L. K., Saigal, R., DiGiorgio, A. M., Beattie, M. S., Ferguson, A. R., Kyritsis, N., Torres‑Espín, A., & TRACK‑SCI. Pagmomodelo ng mga landas ng rutin na pagsusuri ng dugo bilang dynamic na biomarker para sa kinalabasan sa pinsala sa spinal cord. npj Digital Medicine 8:470 (2025). https://doi.org/10.1038/s41746-025-01782-0
2. Lee, S., Raza, S., Lee, E.-J., Chang, Y., Ryu, S., Kim, H.-L., Kang, S.-H., & Kim, H.-N. Ang mga metagenome‑assembled na genome ay nagbubunyag ng microbial na lagda at metabolic pathways na kaugnay ng coronary artery disease. mSystems e00954-25 (2025). https://doi.org/10.1128/msystems.00954-25
3. Dang, T., Lysenko, A., Boroevich, K. A., & Tsunoda, T. “VBayesMM: variational Bayesian neural network upang bigyang prayoridad ang mahahalagang ugnayan ng high‑dimensional na microbiome multiomics data.” Briefings in Bioinformatics 26(4), bbaf300 (2025). https://doi.org/10.1093/bib/bbaf300
4. Sinha, A., Dhuri, D., Vasanth, R., Hanasoge, S., et al. “Isang Multimodal Encoder–Decoder Neural Network para sa Paghula ng Bilis ng Solar Wind sa L1.” The Astrophysical Journal Supplement Series 258(2): 1–? (2025). https://doi.org/10.3847/1538-4365/adf436
5. Luo, X., Rechardt, A., Sun, G., Nejad, K. K., Yáñez, F., Yilmaz, B., Lee, K., Cohen, A. O., Borghesani, V., Pashkov, A., Marinazzo, D., Nicholas, J., Salatiello, A., Sucholutsky, I., Minervini, P., Razavi, S., Rocca, R., Yusifov, E., Okalova, T., Gu, N., Ferianc, M., Khona, M., Patil, K. R., Lee, P. S., Mata, R., Myers, N. E., Bizley, J. K., Musslick, S., Bilgin, I. P., Niso, G., Ales, J. M., Gaebler, M., Ratan Murty, N. A., Loued‑Khenissi, L., Behler, A., Hall, C. M., Dafflon, J., Bao, S. D. & Love, B. C. Ang malalaking language model ay nalalampasan ang mga human expert sa paghula ng mga resulta ng neuroscience. Nature Human Behaviour 9, 305–315 (2025). https://doi.org/10.1038/s41562-024-02046-9
6. Bouziane, K. & Bouziane, A. M. AI laban sa pagiging epektibo ng tao sa pagsusuri ng sanaysay. Discover Education 3:201 (2024). https://doi.org/10.1007/s44217-024-00320-6
7. Feighelstein M., Luna S.P., Silva N.O., Trindade P.E., Shimshoni I., van der Linden D., & Zamansky A. “Paghahambing sa pagitan ng AI at pagganap ng human expert sa pagsusuri ng matinding sakit sa mga tupa.” Scientific Reports 15(1):626 (2025). https://doi.org/10.1038/s41598-024-83950-y (PubMed)
8. Ma, X., & Li, Z. Artificial intelligence sa dermatology: isang pagsusuri. International Journal of Dermatology and Venereology 7, 227–235 (2025). https://doi.org/10.1097/IJD.0000000000000000
9. Gomes, B., McKee, K. R., Veerubhotla, A. S., Modi, A., Rysbek, A., Huber, A., Wiltshire, S., Gillick, D., et al. “Ang AI tutoring ay maaaring ligtas at epektibong suportahan ang mga estudyante: Isang exploratory RCT sa mga silid‑aralan sa UK.” arXiv pre‑print (Nov 2025). Available at: https://storage.googleapis.com/deepmind-media/LearnLM/learnLM_nov25.pdf