XiaoMi-AI文件搜索系统
World File Search System七家
州简介：密歇根州
州简介：密歇根州背景密歇根州的发电结构由煤炭、核能和天然气资源提供，每种资源平均占该结构约三分之一。该州拥有全国最大的地下天然气储存容量，虽然燃煤发电仍然是密歇根州净发电量的重要来源，但美国能源信息署 (EIA) 报告称，过去十年中，已有十多家燃煤电厂的发电机组退役。没有计划建设新的燃煤设施。2021 年，可再生能源资源提供了该州约 11% 的发电量。五大湖州的海岸线比除阿拉斯加以外的任何其他州都要长，使海上风电成为一种非常可行的能源生产选择。密歇根州是全美风电装机容量和发电量排名前 15 位的州之一。 2022 年，太阳能产业协会 (SEIA) 将密歇根州在太阳能装机容量（927 兆瓦 (MW)）方面排在全美第 24 位，在未来五年的预计增长（2,290 MW）方面排在全美第 14 位。2022 年美国能源和就业报告发现，密歇根州有 393,207 名能源工人（占全州就业总人数的 9.5%），其中包括 74,624 名从事能源效率工作的工人。2021 年，密歇根州在清洁能源就业岗位方面在全国排名第 6，有 113,456 名密歇根州人受雇于该行业。1 由三名成员组成的密歇根州公共服务委员会 (MPSC) 负责监管该州的八家投资者所有的电力公司 (IOU) 和七家天然气公司。同一政党最多可以有两名委员代表。三名委员均由 2019 年 1 月上任的民主党州长 Gretchen Whitmer 任命。共和党多数派控制着州议会的两院。政策优势和机遇 美国国家可再生能源实验室 (NREL) 提出了“政策叠加”2 的概念，这是决策者需要考虑的重要框架。政策叠加的基本思想是，国家政策之间存在相互依赖性和顺序性，如果有效实施，可以产生更大的市场确定性、私营部门投资和实现既定公共政策目标的可能性。在理论上，但在实践中并不总是如此，清洁能源政策可以分为政策叠加的三个层级之一。第一层是市场准备政策，它消除了技术、法律、监管和基础设施相关的障碍，使清洁能源政策能够更好地发挥作用。
修订并延长 2018 年长期技术计划...
尊敬的立法机构成员和德克萨斯州公民：在德克萨斯州的教育史上，没有哪个时期比今天技术更重要。在过去三年中，自德克萨斯州教育局 (TEA) 发布其 2018-2023 年技术长期计划以来，我们对技术在教育中的作用的看法发生了转变：教育技术本身的定义和范围已经从根本上永远改变了。出于这个原因，为了履行我们在五年内定期重新评估和修订该计划的承诺，TEA 重新召集了最初的 2018-2023 年技术长期计划 (LRPT) 咨询委员会以及几位其他主题专家 (SME)，以评估、修订和扩展 2018 年计划，以准确反映当今地方教育机构 (LEA) 的需求。为了开始这个 LRPT 重新评估过程，TEA 调查了八名原始工作组成员和七家其他 SME。随后，我们与每位调查对象进行了一对一访谈，并为所有扩大的咨询委员会参与者举行了虚拟工作组会议。我们首先听到的是，LRPT 既需要是一个参与过程，也需要是一个文件。它不仅要作为执法机构最佳实践的指南，还要作为一个参与过程，支持执法机构确定如何在其所在地区最好地使用 LRPT。我们还从扩大的咨询委员会那里听说，LRPT 涵盖的内容需要扩展和重新确定优先次序。这尤其适用于确保个性化学习包括虚拟学习，公平的获取既反映了虚拟学习，又支持所有执法机构（包括小地区和农村地区）的特定需求，对地区技术系统的讨论包括增加设备更新频率和扩大现在所需的工具范围，尤其是网络安全工具，最后，确保修订后的 LRPT 的格式是动态的、互动的，并支持地区独特的努力和需求。所有这些建议都在本修订的长期技术计划中进行了详细介绍。最后，为了响应 LRPT 不仅要提供最佳实践指导，还要支持各个地区的独特需求的呼吁，修订计划发布后将举行全州网络研讨会，不仅要回答 LEA 的问题，还要支持各个地区的个人需求。本次 LRPT 网络研讨会将由战略项目总监/信息技术办公室参谋长 Julia Schacherl 和技术副专员/首席信息官 Melody Parrish 主持。我代表 TEA 和我们专门的咨询委员会，自豪地介绍修订和延长的 2018-2025 年长期技术计划。诚挚的，
NSB-2020-5，人工智能商业化
人工智能 (AI) 的商业化正在四个不同的领域发生：互联网、商业、感知和自主 (Lee 2018)。互联网 AI 主要是使用 AI 算法作为推荐引擎——根据我们的个人偏好推荐内容的 AI 系统 (Lee 2018:107)。例如，Netflix 根据观看者的历史记录推荐电影和电视节目，Facebook 根据用户的活动（包括他们的帖子、新闻和与其他用户的互动）向用户投放广告。第二个领域，商业 AI，挖掘公司和组织的数据库，开发与人类匹敌或超越人类的算法 (Lee 2018:110-11)。例如，金融行业已经开发了根据申请人的信用记录、收入和其他特征批准抵押贷款的算法。美国的研究人员已经展示了根据图像诊断特定疾病的算法，其水平与医生相当 (Lee 2018:113)。这两个领域已经得到广泛实施，并开始产生重大的经济影响。第三个领域是感知人工智能，它通过传感器和智能设备的普及将物理环境数字化。这些设备将物理世界转化为数字数据，可以通过人工智能算法进行分析和优化。第四个领域是自主人工智能，包括自动驾驶汽车和无人机、智能机器人以及其他将取代或补充人类劳动力（如卡车司机）的设备和硬件。与其他三个领域相比，该领域的技术通常仍处于开发阶段或尚未广泛商业化（Lee 2018:106）。例如，谷歌和其他公司正在测试自动驾驶汽车，以进一步完善和开发该技术。中国和美国的人工智能技术商业化主要发生在大型高科技公司和初创公司。根据李开复（2018:83）的“人工智能时代七巨头”，总部位于美国的四家公司——Alphabet（谷歌的母公司）、Facebook、亚马逊和微软——以及中国三家公司——百度、阿里巴巴和腾讯——在人工智能研发和人才招聘方面投入了大量资金。从这七家公司的研发总额数据来看，它们在人工智能方面的研发支出一直在大幅增加。这四家美国公司的研发支出从 2012 年的 180 亿美元增长了两倍多，达到 2018 年的 590 亿美元（图 6-J）。2018 年，亚马逊和 Alphabet 分别成为全球企业研发支出排名第一和第二的公司（Jaruzelski、Chwalik 和 Goehle，2018 年）。三家中国公司的研发支出也增长迅速，从合计 10 亿美元增长了 8 倍，达到 80 亿美元。2018 年，阿里巴巴、腾讯和百度分别是中国公司研发支出的第一、第二和第四大企业。这些中美大型企业的战略大型企业一直在构建私人控制的计算网络，将人工智能技术广泛应用于整个经济，类似于公用事业公司在电网中分配能源 (Lee 2018:83)。例如，亚马逊正在销售人工智能服务，包括自然语言处理、语音合成、图像分析和视频识别，目的是为那些想要人工智能而无需前期成本的大型和小型开发商提供服务 (CB Insights 2018:27)。阿里巴巴正在与杭州市合作，利用先进的物体识别和预测交通算法优化交通流量并向紧急服务部门发出交通事故警报 (Lee 2018:94)。与大型企业的一般人工智能网格方法相比，人工智能初创公司正在构建高度具体的“电池供电”人工智能产品，这些产品是独立的应用程序。电池供电的人工智能产品用于特定任务，包括医疗诊断、抵押贷款和自主无人机 (Lee 2018:95)。