人工智能
核心事实
时间轴 (近 90 天)
美国科技股因市场对人工智能（AI）成本的担忧而出现大幅下跌。
教皇良十四世在周五的教皇讲话中提出，人工智能系统应当被“解除武装”（disarmed）。
教皇良十四世强调，人类有责任引导、改变，并在必要时拒绝AI的应用。
教皇良十四世以“工具”定义AI，重申人类中心的责任框架，强调道德判断和责任归属不能外包给机器。
麻省理工学院土木与环境工程系教授Ali Jadbabaie提出，人工智能、数字化转型、气候变化与复杂地缘政治这四股力量正在同时施压，迫使工程师和政策制定者重新思考基础设施的设计、建造与管理方式。
智能电网的关键技术包括高级量测体系（AMI）、配电自动化（DA）、广域监测系统（WAMS）以及基于人工智能的负荷预测与调度算法。
MLB 近年来持续加码数据分析和人工智能技术，用于理解球迷行为、优化内容推荐。
AI 模型能够整合历史销售数据、社交媒体热度、竞争对手赛程等信号，预测需求曲线并自动调价，从而在最大化收入的同时优化上座率。
职业体育联盟将 AI 应用于个性化票务推荐、动态定价、实时数据可视化、增强现实观赛体验等球迷旅程的各个环节。
职业体育联盟是极具价值的企业客户，他们既有预算，又有明确的增长诉求，还有丰富的数据资产，AI 驱动的球迷增长解决方案可能成为体育科技领域的一个新兴赛道。
还有 40 条时间轴事件
全部知识事实 (20)
Agent概念源于人工智能领域的「智能体」理论，最早可追溯至1990年代的多智能体系统研究
80%已验证AI与过往技术的不同之处在于它具备前所未有的渗透力与自主性，能自主生成决策、生产内容、驱动行为
80%已验证在科研场景中，AI智能体可以自己去检索化合物性质、运行分子动力学模拟、评估合成可行性，而不是等人类把每一步都定义清楚。
75%已验证当前围绕人工智能的争论（通用人工智能是否可行、AI安全紧迫性、机器是否可能产生意识）呈现出类似的分歧格局
75%已验证当前递归自我改进的落地形式包括AI辅助编程、AI辅助研究和自动化训练流程优化
75%已验证对于需要深度判断、复杂推理或高度个性化的工作，AI智能体目前仍只能作为辅助工具而非替代方案
70%已验证工业AIoT的真正价值在于把物联网（IoT）的数据采集能力与人工智能（AI）的分析能力有效结合
65%已验证AI在定理证明中主要作为证明助手推荐下一步策略，或作为自动证明器搜索完整证明路径
65%已验证人工智能、机器学习、深度学习、大语言模型是层层嵌套的关系：人工智能最宽泛，机器学习是其子集，深度学习是机器学习的分支，大语言模型是深度学习的应用方向
65%已验证人工智能作为学科概念已存在数十年，涵盖机器学习、计算机视觉、强化学习、符号推理等广阔领域
65%已验证人工智能在蛋白质结构预测、靶点筛选和临床试验设计上的应用正在压缩新药研发周期
65%已验证机器学习是人工智能的一个分支，其核心思想是让计算机通过数据自动学习规律，而非依赖显式编程
65%已验证主流观点认为AI在可见的未来更可能扮演数学研究协作者而非替代者的角色
65%已验证在数学证明这类严谨领域，AI给出的新思路最终仍须人类专家严格验证
65%已验证人工智能、机器学习、深度学习之间存在递进包含关系：人工智能 > 机器学习 > 深度学习
65%待验证随着人工智能训练与推理需求的爆发式增长，全球数据中心建设正进入前所未有的高峰期
70%待验证为AI改名缺乏技术层面的必要性，人工智能作为术语其定义与内涵已深入产业与公众话语
60%待验证AI恐惧可以拆解为技术失控、就业冲击、伦理治理缺位三重焦虑
60%待验证人工智能的概念最早由约翰·麦卡锡、马文·明斯基等学者在1956年的达特茅斯会议上首次正式提出
60%待验证教皇良十四世强调，人类有责任引导、改变，并在必要时拒绝AI的应用。
50%