空军部（DAF）正在努力开发和部署用于任务区和支持职能的人工智能和机器学习系统，包括人力资源管理。最近的发展改善了组织对数据和分析工具的访问，为他们提供了一系列可能的ML项目
在过去的几十年里，美国各地越来越多地使用绿色雨水基础设施。在一些地方，城市在这类基础设施上投入了大量资金，以减少城市洪水并管理水质。与传统的灰色基础设施相比，绿色雨水基础设施还为周围社区提供了各种共同利益。这些共同的好处包括减少城市热岛效应、改善水质和增强美观性。本报告介绍了对美国五个城市的绿色雨水基础设施资产数据进行的基于机器学习的探索性分析结果。在每个城市中，作者根据周围地区的人口和土地利用特征评估了已安装的绿色雨水基础设施的位置。该分析的目的是了解当地围绕绿色雨水基础设施投资的情况。这项评估可以帮助城市了解这些投资目前的共同利益潜力，以及未来规划如何提高绿色雨水基础设施的共同利益
根据Gartner，股份有限公司软件工程炒作周期，2023年，变革技术，包括人工智能增强软件工程（AIASE）、人工智能编码助理和平台工程，将在2-5年内进入主流。
兰德公司高级行为和社会科学家、Pardee RAND研究生院教授William Marcelino讨论了人工智能的快速扩展范围，它可能给社会和决策者带来的挑战，以及研究界准备如何提供帮助。
人工智能（AI）和生物技术的融合虽然处于起步阶段，但带来了重大的机遇和风险，需要积极的政策来管理这些新兴技术。尽管人工智能继续具有重大和广泛的影响，但当与其他新兴技术相结合时，其相关性和复杂性会放大。机器学习（ML）是人工智能的一个子集，尤其是与基因编辑（GE）的融合，可以带来巨大的好处，也可以带来从道德到国家安全的巨大风险。这些复杂的技术对多个部门都有影响，从农业和医学到经济竞争和国家安全。考虑到不同地理区域的技术进步和政策，以及多个组织的参与，进一步混淆了这种复杂性。随着ML和GE影响的扩大，需要前瞻性政策来降低风险和利用机遇。因此，本研究探讨了ML和GE交叉的技术和政策影响，重点关注美国、英国、中国和欧盟。对一段时间以来技术和政策发展的分析以及对其现状的评估为政策建议提供了依据，这些建议有助于管理技术进步的有益利用及其融合，并可应用于其他部门。本报告旨在促使决策者思考如何最好地实现这两种技术的融合。技术从业者也可能发现，作为一种资源，考虑利益相关者参与的信息和政策类型是很有价值的
世界可能还记得2022年是生成人工智能（AI）年：这一年，大型语言模型（如OpenAI的GPT-3）和文本到图像模型（如稳定扩散）标志着社交媒体操纵潜力的巨大变化。经过对话优化的LLM（如ChatGPT）可以大规模生成自然的、听起来像人的文本内容，而开源的文本到图像模型可以生成任何东西（真实或想象）的真实图像，并且可以大规模生成。利用现有技术，美国的对手可以建立数字基础设施，制造真实但不真实的（虚假）内容，这些内容可能会助长类似的真实但不虚假的网络人物形象：推特、Reddit或脸书上的账户，这些账户看起来是真实的，但却是合成的，由生成的人工智能和为这些政府利益服务的先进叙事推动。
