新研究表明，人工智能最具价值的应用在于强化人类思考与决策，而不是完全替代人类。通过将AI的运算能力与人类的创造力和判断力结合，可在多领域显著提升知识创造与传播效果。

EPFL 团队提出“运动学智能”控制框架，将人类示范转化为通用运动策略，并自动适配不同机器人结构，使三种截然不同的商业机器人安全完成同一任务序列。

机器学习专家 Vivienne Ming 认为，应对人工智能负面影响的关键，不是和机器“拼算力”，而是持续投资于人类独有的能力，并以主动探究的方式使用人工智能，而非被动依赖。

研究人员正在开发硬件和算法，促进潜水员与自主水下航行器在海事任务中的协同作业。

在人工智能快速渗透各行各业的背景下，业内人士指出，机器在“中间环节”大幅提升效率的同时，人类在端到端决策和判断上的价值正被重新凸显。

随着生成式人工智能在各行业快速普及，内容生产成本大幅下降、产量激增，但由此带来的“中间产物”也凸显出人类判断与端到端决策的独特价值。

研究团队提出“意图对齐模仿学习”（IAIL）方法，用自然语言描述的高层意图来对齐不同形态机器人的行为，使它们能够跨平台共享技能并协作。

Anthropic 公布《Anthropic Education Report: The AI Fluency Index》，提出用“AI 流畅性指数”来衡量人们是否能安全、有效地与 AI 协作，而不仅仅是是否在使用 AI。研究基于 Claude.ai 上近万条多轮对话，提炼出 24 项行为指标，并以其中 11 项可观测行为建立基线。结果显示：反复迭代与改进是高流畅性对话的核心特征，而在生成代码、文档等成果物时，用户更重视指示与委托，却往往忽视事实核查与推理验证。

在部分创作者眼中，人工智能不仅是提升效率的工具，更可能成为具有“他者性”的合作者，被用来激发非典型输出与新的叙事形式。