人工智能冲击下，传统教育体系会走向终结吗？
上海交大人工智能学院一份内部PPT近期在网上流传，其中四条尖锐反思引发关注。最刺痛的一点是：在人工智能领域，好奇心旺盛的学生通过开源平台和网络课程掌握的知识，可能比多年未更新知识储备的教师更新、更前沿。PPT中还有一句更犀利的——人工智能首先颠覆的，就是人工智能教育本身。学生领先教师，课堂追赶不上技术迭代。这个现象本身已足以说明问题。但更值得深思的不是交大面临的窘境，而是一个更根本的疑问：这次变革和以往的根本区别在哪里？1工业革命时期，牛津与剑桥仍固守学术殿堂。1850年之前的重大科学发现，多数并非诞生于
好书分享｜面向艺术领域的全新人工智能素养读本
书名：新一代人工智能通识（艺术）书号：978-7-5760-7333-1出版年月：2026.08定价：49.00人工智能正以惊人的速度渗透到艺术领域之中。它能在短短几秒内产出图像、谱写乐曲、绘制分镜、构思海报，甚至介入舞台调度与互动体验的设计环节。与此同时，一个愈发迫切的疑问也摆在了艺术教育者和学习者面前：身处AI浪潮之中，艺术专业的学生究竟该掌握哪些本领？是熟记几款主流工具？是精通提示词编写？还是仅仅把AI当作提升效率的"辅助插件"？若学习仅停留在工具表层，学生极易陷入"软件一更新，知识便落伍"的怪圈；
NUS新设AI交叉硕士首招！社科背景可申，雅思仅需6.0
新加坡国立大学正式推出全新硕士项目——社会分析与人工智能理学硕士（MSc in Social Analytics and Artificial Intelligence），首届学生将于2027年8月入学。该项目由三个学院联合培养，不限本科专业，是社科与人文领域学子迈入AI交叉学科的理想通道。（图源：NUS官网）01项目核心概况DeFen Education三院联合培养：人文与社会科学学院、计算机学院及继续与终身教育学院共同授课。研究方向：社会科学、AI伦理与治理、计算社会科学、政策分析、社会数据挖掘。申请
周江洪：AI时代科研组织模式的转型路径
人工智能对哲学社会科学的全方位赋能，正推动科学研究从单纯依赖人类思辨，演进为人机协作的认知共生模式。这种转变不仅表现为工具层面的嵌入，更体现在AI深度介入知识创造、理论拓展与研究范式重塑之中，使其在整个研究链条中充当认知协作者，而不仅仅局限于辅助分析或资料查询。基于此，应当从科研人员个体、学科体系以及高校三个维度着手，分级打造人机协同的新型科研生态。就科研人员个体而言，应着力塑造人机协同创作的新式学术主体，在坚守人文价值思辨的前提下，全面增强个体运用数字化科研工具的能力。具体而言，需倡导教师及其团队借助大
清华347丨心理学与AI跨界融合：前沿交叉学科的未来图景
你是否曾思考过——人工智能不仅擅长下棋、创作诗歌，还能够捕捉你的情绪波动、预判你的心理走向？心理学的范畴远不止于探究"人类自身"，它还能反哺AI系统，使其更加安全可靠？这两门看似毫无交集的学科，正经历着深层次的交汇融合，孕育出一个极具发展潜力的新兴领域：AI与心理学的交叉融合。该领域的精髓可凝练为两个关键词：相互赋能。一方面，借助心理学理论优化AI系统；另一方面，运用AI技术拓展心理学的边界。三条核心研究路径，必有一条契合你的兴趣路径一：赋予AI类人"心智"这条路径聚焦于AI的"心智能力"，致力于让机器智
清华大学东南亚中心举办“AI与人类：塑造未来”国际学术会议
2026年8月15日至16日，由清华大学心理与认知科学系牵头，联合香港大学社会科学院“人工智能、社会与社会动态”研究组、心理学系及地理系共同承办的“AI与人类：塑造未来”国际学术研讨会在清华大学东南亚中心顺利召开。汇聚了来自中国大陆、中国香港、印尼等地的众多学者，围绕人工智能与人类发展、认知心理、教育、人机交互、计算社会科学、社会动力学、地理与心理健康等交叉学科前沿议题展开深入探讨。出席人员依次为：蒋黛兰致辞、本杰明・贝克尔致辞、迈克尔・图奥里致辞、张丹主持开幕式上，清华大学心理与认知科学系教授蒋黛兰（S
跨专业申请AI硕士：避开纯技术赛道，交叉学科才是关键
点击蓝字 关注我们这两年，人工智能成了考研申硕的热门，是大家规划时绕不开的重点。申请者不仅有计算机专业的，还有商科、传媒、教育、法律、艺术等文科社科背景。很多非理工科的同学担心：如果不接触AI，自己的专业竞争力会下降。辅导时发现，很多人选纯AI项目后会头疼：这类项目门槛高，算法、数学、编程全是硬骨头，学起来很吃力。这让大家很纠结：基础不够读不了纯AI，但放弃本专业又学不到核心技术。其实，跨专业申请的路径很多，交叉方向是个好选择。一、AI交叉项目：技术+领域的复合型方向现在很多学校都在搞跨界，把AI和商业、
AI走进手术室，保研方向该如何抉择？热门赛道深度解析
2026年8月27日，伦敦大学学院附属医院完成了一例脑肿瘤切除手术，使"AI走进手术室"从设想变为可感知的实践。AI即时解析视频画面、标记危险区域，而运算能力、芯片技术、生物医学工程以及高端装备制造则构成了整条技术链条的底层支撑。不少准备保研的学生仍在担忧招生名额缩水，然而扩招名额正在悄然转移阵地：人工智能、集成电路、生物医药、先进制造及交叉融合方向，正迎来更大力度的政策扶持和产业助力。核心问题已演变为"哪个专业热度高"，还是"哪个领域能在未来十年站稳脚跟"。Part One名额并未减少，而是涌向国家战略
科技激活新文科,人文重塑传统学术脉络
科技激活新文科，人文重塑传统学术脉络前言：AI技术正以惊人速度重新定义世界，传统人文学科教育遭遇前所未有的冲击。当机器能够赋诗作文、撰写报告、解析数据时，人文学科该如何定位自身价值？新文科建设提供答案：并非消极顺应，而是积极革新；并非技术取代，而是价值导向。学科边界消融，跨界融通成趋势教育部2025年度本科专业申报统计显示，239项新申报专业里，AI教育、数字治理、区域国别学等交叉学科尤为亮眼。2018至2023年间，国内新增文科专业共75个，占新增专业比重的40.3%，其中拥抱技术变革的“数字人文”等专
单一AI引擎打通全身五大血管区，东软迈入全球动脉智能评估领先行列
一位患者，经历了多次检查，手中握有多份报告，冠脉、头颈与下肢的病变均被逐一检出，却始终缺少最关键的答案——他全身血管的整体状况究竟如何？这依然是全球血管疾病诊疗领域共同面对的结构性难题：动脉粥样硬化常累及多个血管区域，但临床检查路径与报告体系往往按专科与部位划分。心内科聚焦冠脉，神经科聚焦颅内及头颈血管，血管外科聚焦主动脉与下肢——不同部位分别检查、分别判读、分别出具报告。每一个局部诊断或许都准确，但当这些结论无法有效串联，医生看到的仍是一块块孤立的拼图，而非患者完整的全身血管风险图景。东软Vasis A
AI赋能生信入门：R语言安装与环境配置全攻略
本篇为「AI+生信」专栏开篇之作，将引导读者从零起步搭建生物信息学分析平台，涵盖 R 语言及常用工具的安装、R 包的管理配置，同时讲解如何借助 AI 高效部署 R 环境。面向生物信息学、医学研究及数据分析领域的入门人员，建议收藏以备后用本篇为「AI+生信」专栏开篇之作，将引导读者从零起步搭建生物信息学分析平台，涵盖 R 语言及常用工具的安装、R 包的管理配置，同时讲解如何借助 AI 高效部署 R 环境。面向生物信息学、医学研究及数据分析领域的入门人员，建议收藏以备后用
阿里云将于8月14日在北京举办AI原生科研基础设施与数据峰会
2026 年 8 月 14 日，阿里云计划于北京召开"AI 原生科研基础设施与数据大会"。本届大会以"面向智能体时代的科研服务底座"为核心主题，深入探讨学科研究智能体、AI 原生数据服务与自主科研等热点方向。活动上午安排主论坛，下午则同步开设理工类学科分论坛与文社艺术类学科分论坛，两场分论坛并行举行。时间：2026 年 8 月 14 日（周五）9:30—12:00、14:00—17:00地点：北京中关村皇冠假日酒店三层宴会厅参与对象：高校师生、科研机构及企业研究人员主办方：阿里云活动权益：上午主论坛将围绕
To Design AI丨使命:重新理解设计人工智能的三重含义
2016 年，我在同济大学挂上一块牌子《设计人工智能实验室》。那时候，“设计人工智能”对我而言仅是一个学科的名称——尚无内部结构的偏正复合词，类似于“计算语言学”或“生物物理”，用来标记一片当时鲜有人涉足的交叉领域。我仅明白设计与人工智能应当被并置，却不了解它们之间的语法关联究竟是什么。十年过去，这五个字一个都没有更改。但我渐渐发现，它其实可以被念出三种读法，而每一种读法都映射着实验室的一个时期。第一种读法：设计人工智能。一个学科名称。它标记的是“这两件事应当被并置”这一直觉本身。第二种读法：设计的人工智
AI时代，四层约束与学科重要性
在AI时代，不少人认为数学至关重要，毕竟算法和大型模型都依赖于此；也有人强调物理的重要性，毕竟芯片制造和新能源开发都离不开它。然而现实是，数学与物理同样不可或缺，甚至经济、政治、艺术等人文学科也占据着同等重要的地位。这主要是因为，AI时代存在着四重约束，它们共同限制了产业的边界和社会的发展。第一层：数学——是否可行（Can it work?）数学决定了：算法架构、模型构建、逻辑推理以及学习能力。简而言之：AI是否具备真正的智慧。第二层：物理——能否规模化（Can it scale?）物理决定了：显卡、高带
曹培杰：打开"人工智能+教育"的三把钥匙
教育与技术之间的竞速哈佛大学两位经济学家回顾美国教育发展历程发现，教育和技术之间存在一场持续不懈的竞赛。20世纪80年代以前，美国率先实现高中教育普及和高等教育大众化。教育进步为经济增长提供了充足的高素质劳动力，适应了技术进步带来的社会变革，整体提高国民收入水平并缩小了贫富差距。大约自1980年起，情况出现逆转。技术进步依旧，社会对高素质劳动力的需求也在增长，但美国教育却无法生产出足够的人才。随着教育增速放缓，人群出现分化：一部分人受过良好教育，毕业后进入高端行业，收入迅速提升；另一部分人接受着过时的教育