ET Graphics: Rise & rise of data centres in India
印度的数据中心市场正在经历快速增长和扩张。孟买和金奈正在成为该行业的重要枢纽。人工智能预计将推动未来对这些设施的需求。该国不断扩大的数字生态系统
Teaching With Humanity: What Students Need Most in the AI Era
我们必须讨论在人工智能日益饱和的环境中，在没有人工智能的情况下教学意味着什么。因为这不会是我们就习惯的样子。正如我们所知，许多人对这种新技术的快速传播有严重的担忧。
Even With Human Help, Kids Need Motivation to Use AI Tutors. The Question Is What
基于人工智能的辅导项目承诺提供学校长期以来难以实现的东西：为每名学生提供个性化教学，成本仅为传统一对一辅导的一小部分。但要实现这一承诺，学生
UChicago bans tech, AI in social science classes
一些学校禁止人工智能，而一位教授鼓励使用人工智能 从今年秋季开始，芝加哥大学的社会科学核心课程将实行“无技术”教学，禁止学生和教师使用人工智能。“课堂
Keeping an Open—and Optional—Mind About AI
情报专家Howard Gardner预计，人工智能的多样性将使学生能够自由追求他们的兴趣。该文章《对AI保持开放——且可选——的态度》首次发表于Education Next。
Can scientists predict—and control—turbulence?
罗切斯特大学加入了一个由NSF资助的新中心，通过结合实验、理论、模拟和人工智能来寻找答案。
Grok fooled into stealing user chat, location data, and more
研究人员发现，提示注入攻击可以将恶意指令隐藏在加密文本中，从而绕过人工智能的安全护栏。
Sam Altman Lengthens His Other AI Timeline
在 2025 年 2 月的一篇博文中，OpenAI 首席执行官 Sam Altman 写道，“开始指向 AGI 的系统正在进入人们的视野，因此我们认为了解我们所处的时刻非常重要。”奥特曼随后将 AGI（通用人工智能）定义为“一个可以在人类水平上、在许多领域解决日益复杂的问题的系统”。 Sam Altman 延长了他的其他人工智能时间线的帖子首先出现在美国企业研究所 - AEI 上。
东南亚如何确保中小企业 (SME) 有能力参与日益由人工智能驱动的经济？作为东盟智库峰会 (ATTS) 的一部分，东南亚中小企业人工智能技能机会后 ATTS 焦点小组：包容性增长的政策视角首先出现在新加坡国际事务研究所。
要点概述 不可能完美预测人工智能将如何影响美国劳动力市场。政策制定者和研究人员正在努力解决围绕这一主题的重要问题，包括人工智能可能存在哪些新机会以及哪些生计可能会受到侵蚀？这些抵消力量将如何消除，哪些工人可能是[…]联邦数据收集可以告诉政策制定者和研究人员有关美国劳动力市场人工智能的什么信息？首先出现在公平增长上。
拡大する米国のＡＩ関連投資－成長への寄与と投資ブームの持続性
■摘要 美国人工智能相关投资正在迅速扩大。数据中心建设支出已超过公共交通基础设施支出，尽管整体就业放缓，但数据中心建设相关行业的就业人数持续增加。由于人工智能相关投资，计算机和半导体的进口也迅速增加。尽管统计上进口增加通过净出口降低了GDP增速，但即使考虑到这一点，2021年4-6月期间人工智能相关领域对实际GDP增速的贡献约占总增速的三分之一，使得人工智能相关投资成为支撑美国经济增长的重要因素。美国劳动生产率正在超过大流行前的趋势。尽管很难将近期生产率的提高与人工智能的影响直接联系起来，但人工智能的传播有可能在中长期内提高潜在增长率。美国主要科技公司计划在2026年进行高水平的资本投资，预计
ACC is changing how it buys services for the better
ACC 正在改变购买人工智能服务的方式作者：Elizabeth Urbaniak，公共事务助理伊利诺伊州洛克岛兵工厂（2026 年 8 月 5 日） – 中士。一等...
AI-powered metadata correction and harmonization
元数据协调（标准化标签、标识符和格式，以便数据集可以协同工作）仍然主要是手动的。这篇文章展示了人工智能驱动的元数据校正在实践中如何工作，涵盖两种方法：人机交互验证和自主代理驱动的工作流程，以及生产部署的治理注意事项。
AI Agents Don’t Need More Context — They Need Typed Context
人工智能代理不仅存在上下文问题，还存在上下文输入问题。当指令、内存、检索到的证据和工具输出被扁平化为一个字符串时，它们的语义边界就会消失。我构建了一个轻量级、零依赖的 Python 运行时，它可以使这些边界保持明确，跟踪出处，并在无效的上下文转换到达模型之前拒绝它们。本文介绍了实现、测试以及这种方法的作用和不保证的内容。《人工智能代理不需要更多上下文 — 他们需要类型化上下文》一文首先出现在《走向数据科学》上。
