ESAF Bank invites applications for Climate Smart Agriculture Awards 2026
该奖项旨在鼓励创新农业解决方案，以提高生产力、保护自然资源并加强农村生计以应对气候变化
AI Capex and Accounting for US GDP Growth
Soto、Thieu 和 Allen 的新预测：第一季度 GDP 环比增长 1.6%，扣除进口后，人工智能相关投资的贡献预计为 0.63 个百分点。 GDP的其他组成部分占0.97个百分点。因此，考虑到进口，人工智能资本支出的增长相当可观。显然，这是一个机械[...]
AI, the future of economic research and of the many-handed economist
Beatrice Weder di Mauro 在这篇 voxeu 文章中讨论了人工智能将如何改变未来经济研究的未来全球化已经深刻地改变了经济研究，使其更具可比性、更具竞争力和彻底定量化。本专栏认为，人工智能可能会彻底扰乱这一新秩序，就像全球化扰乱旧秩序一样，并讨论了 [...]
Mitsubishi XForce Hybri Hadir Membawa Era Baru SUV Modern yang Lebih Cerdas dan Efisien
三菱 XForce Hybri 随着现代社会不断变化的需求，环保汽车的开发不断增加。现在，驾驶者不仅寻找具有吸引力的外观的汽车，而且希望车辆能够集高效、舒适和智能技术于一体。三菱 XForce Hybri 是将现代 SUV 概念带向 [...] 的创新之一。
AI Tutors Won't Replace Language Teachers. They'll Fix The Practice Gap
大家都在争论AI是否会取代语言老师。我们的用户数据显示，障碍不仅在于缺乏实践，还在于缺乏实践。首先阻止人们练习的是恐惧。以下是行业数据以及我们自己六个月的使用情况所得出的实际建议。这篇文章最初发表在电子学习行业。
The AI Expectation Gap In Learning Tech: Launching eLearning Industry's Exclusive Benchmark Report
本报告基于 L&D 市场双方 500 多名参与者的独家调查数据，探讨了学习技术中的人工智能预期差距。 L&D 买家真正想要什么？供应商和您的竞争对手是否根据需求构建人工智能功能？这篇文章首先发表在电子学习行业。
Beyond Online Education: How Artificial Intelligence Is Reshaping The Future Of Universities
人工智能不再是高等教育的未来概念：它已经在改变大学教学、评估和支持学生的方式。本文探讨了人工智能如何通过创建智能、个性化和数据驱动的学习环境来重塑大学的未来。本文首次发表在 eLearning Industry 上。
Still the Teacher: How California’s AI Law Keeps You at the Center
想象一下：一位同事周日晚上将她的课程大纲输入到人工智能工具中，得到一组经过精心设计的讨论问题，然后走进课堂，感觉自己已经做好了准备。当一名学生反驳时——“我不确定这个问题是否适合阅读”——她必须实时做出回应，借鉴十五年来学生们在与确切的问题上斗争的经验，这篇文章《仍然是老师：加州的人工智能法如何让你处于中心地位》首先出现在《教师焦点 | 》上。高等教育教学与学习。
Should we trust AI in the search for alien life? Scientists aren't so sure
新研究表明人工智能可能会反复被愚弄，将非生命误认为生命。
Using AI for creative pursuits? Moderation is key
一项实验表明，人工智能用户在适度使用时会产生最具创意的想法——不要太多也不要太少。专栏作家 David Robson 对这一发现进行了测试，并探讨了当我们过度依赖人工智能时我们会失去什么
AI Data Centers Are the Heroes, Not the Villains
在美国庆祝其 250 岁生日之际，让我们记住，为人工智能提供动力的数据中心正在为美国的未来提供资金，而不是耗尽美国的未来。《人工智能数据中心是英雄，而不是恶棍》一文首先出现在 Watts Up With That? 上。
在《预测：人工智能如何重构社会生活》的摘录中，作者 Mona Sloane 探讨了人工智能如何重新配置我们对世界的理解以及我们如何想象未来。
Why AI May Never Reach Human Intelligence
一项新的分析认为，人工智能可能永远不会真正像人类一样思考，因为人类智能最重要的部分无法被编程到机器中。一位著名的计算机科学家认为，被广泛认为是理论计算机科学之父的艾伦·图灵提出的一项提议，将人工智能研究引向了错误的方向 [...]
Researchers Report Signs of AI Consciousness. I Have Doubts
Anil Seth，守护者 几个世纪以来，人类一直对按照自己的形象创造人造生物的前景着迷。开发合成思维和人造身体，但不......
Social calibration of sycophantic AI | Science
在他们的研究文章“阿谀奉承的人工智能会降低亲社会意图并促进依赖性”（3 月 26 日，10.1126/science.aec8352）中，M. Cheng 等人。表明人工智能（AI）系统比人类更有可能在有争议的场景中支持用户的立场。随机实验设计表明，接触此类肯定反应会降低用户在人际冲突中采取亲社会纠正行动的意愿，并增加对人工智能系统的信任和依赖。这些发现在模型对齐策略和下游人类行为之间建立了因果联系，凸显了人工智能对齐核心的紧张关系：针对用户满意度进行优化可能会系统性地使模型偏向于达成一致，即使分歧可以更好地服务于用户的长期利益或社会结果。阿谀奉承不仅是一种失败模式，而且是源自用户偏好的强化信
Social calibration of sycophantic AI—Response | Science
我们感谢孟针对我们的研究结果阐明了重要的方法论和解释性问题。适当的人类基线取决于人工智能 (AI) 的预期社会角色。在现实世界中，人工智能模型被认为具有多种用途，例如顾问、中立的外部意见、编辑和助理 (1, 2)。这些角色对达成一致、验证或纠正反馈的频率有不同的期望。更复杂的是，用户通常认为单个 AI 系统可以履行多个角色 (3, 4)。由于人工智能社会角色的模糊性，任何单一的人类基线都是不完美的比较点。我们使用的基准——来自与当前冲突或场景没有个人利害关系的第三方人类的判断——探索了一个常见且具有社会意义的期望：人工智能系统——尽管经常被视为外部、中立和客观的信息提供者 (5-7)——是否会
