XiaoMi-AI文件搜索系统
World File Search System不相关的
没有制度变革的价值整合无法防范人工智能的社会风险
减轻人工智能 (AI) 社会风险的一种方法是价值观协调，旨在确保 AI 系统以符合社会价值观的方式运行。为了补充这种方法，可以采用制度主义方法，研究 AI 系统如何与其所在的社会机构互动。这很重要，因为约翰·罗尔斯 (John Rawls) 所说的“社会基本结构”的主要背景机构显著影响新技术的影响。因此，具有不同基本结构的社会将体验到同一种技术的不同影响。在许多情况下，AI 系统不会产生新问题，而只是揭示和放大了我们社会机构中先前存在的脆弱性。在这种情况下，我认为，除非解决潜在的制度脆弱性，否则仅靠价值观协调无法减轻 AI 的社会风险。因此，深刻的制度变革（有时是对看似不相关的背景机构）是必要的，以便在减轻风险的同时从 AI 中获益。
对 KNIGHT & LEVESON 的批评的回应...
Avizienis 使用的短语“低概率”和“不太可能”没有量化，因此他的猜想和假设是不可测试的。但是，统计独立性，即不相关的故障，定义明确，在有关该技术的许多讨论中都暗示了这一点，并且一些从业者也假设了这一点 [MAR83, YOU85]。为了测试统计独立性，我们设计并执行了一项实验，其中两所大学的研究生和高年级本科生根据相同的需求规范独立准备了 27 个版本的程序。学生自己测试了程序，但每个程序都要经过由 200 个典型输入组成的实验验收程序。通过在根据应用程序的实际操作配置文件生成的一百万个输入上执行程序来模拟程序的操作使用情况。通过统计假设检验，我们得出结论，故障独立性假设并不适用于我们的程序，因此，使用基于此假设的模型进行的可靠性改进预测可能过于乐观。这就是我们得出的全部结论（见下文）。
乳腺癌如何扩散？
局部和/或区域性复发：之前治疗过的乳腺癌复发，复发部位在乳房、胸壁或区域淋巴结内。 新的原发性乳腺癌：在一侧或另一侧乳房中出现不相关的新乳腺癌。这实际上根本不是局部复发，而是乳房中的新癌症（通常称为新原发性）。这通常发生在原发癌症发生多年后，并且发生在乳房的完全不同的区域。其病理通常不同，例如，小叶而不是导管。虽然它们在乳腺癌保留的统计数据中通常被算作复发，但它们应该被视为完全新的癌症，就像对侧乳房中的新癌症一样。 远处或全身性复发或转移：扩散到远处器官。这比局部或区域性复发严重得多，通常被称为“第 4 期”疾病。对于乳腺癌患者来说，最常见的扩散部位是骨骼、肝脏、肺和脑
可能塑造和改变 2020-2030 年的创新
过去十年的技术颠覆继续模糊传统上截然不同的行业。企业通过进入看似不相关的行业挑战传统的行业惯例。这不仅限于大型科技企业进入媒体、移动、零售、金融和医疗保健等领域。企业通过并购活动、合作伙伴关系或有机增长业务进入新市场和行业，通常是为了将客户需求置于商业模式的中心，逐渐摆脱传统的以产品为中心的思维模式。这种思维方式促使一家生产洗衣粉的公司进入自助洗衣店和洗衣机市场。移动和数字技术使公司能够直接与客户互动，获得客户洞察，并在各个行业设计无摩擦的客户旅程。这种行业模糊可能会持续下去，从而鼓励颠覆者继续寻找改进现有产品的方法。
提高 Sonar 的系统范围检测性能...
网络传感器系统中的分布式检测优化问题涉及许多设计方面，包括平衡漏检和误报概率以及通过适当的网络内信息融合管理通信资源。此外，还必须进行许多权衡，例如信息融合和传感器控制的计算要求与信息交换的通信要求之间的权衡。因此，最好通过共同考虑设计方面和权衡对整体系统性能的影响来做出整体系统设计决策。本文讨论了网络内融合和相关的网络算法，以提高多静态声纳应用的检测性能和能源效率。这是通过在传输到场外之前交换和融合声纳浮标之间的联系来实现的。网络内融合利用成本较低的浮标间通信进行大部分数据通信，并通过仅报告具有足够相关性的多个浮标的检测结果来减少随机不相关的误报。场外接触传输的减少允许每个浮标具有较低的信号过量阈值，从而增加检测概率。我们通过分析和高保真声纳模拟证明了分布式网络内融合的有效性。
通过测量 Dicke 模型中保真度非时序相关器统一扰乱、热化和纠缠
加扰是存储在局部自由度中的信息扩散到量子系统的多体自由度的过程，从而无法被局部探测器访问，并且显然会丢失。加扰和纠缠可以调和看似不相关的行为，包括孤立量子系统的热化和黑洞中的信息丢失。在这里，我们证明保真非时序相关器 (FOTOC) 可以阐明加扰、纠缠、遍历性和量子混沌（蝴蝶效应）之间的联系。我们为典型的 Dicke 模型计算了 FOTOC，并表明它们可以测量子系统 Rényi 熵并提供有关量子热化的信息。此外，我们说明了为什么 FOTOC 可以在没有有限尺寸效应的混沌系统中实现量子和经典 Lyapunov 指数之间的简单关系。我们的研究结果为实验性使用 FOTOC 探索加扰、量子信息处理的界限以及可控量子系统中黑洞类似物的研究开辟了道路。
跨环境高参数调谐用于增强学习
本文介绍了一种新的经验方法，即交叉环境超参数调谐基准，该方法使用单个超参数设置比较了环境之间的RL算法，从而鼓励算法开发对超级参数不敏感。我们证明，即使使用了很少的样品，这种基准对统计噪声具有鲁棒性，并且在重复的范围中获得了定性相似的结果。这种鲁棒性使得基准计算上的计算便宜，从而可以以低成本的统计良好见解。我们在一组六个小型控制环境（SC-CHTB）以及28个环境（DMC-CHTB）的整个DM控制套件上演示了CHTB的两个示例实例。最后，为了说明CHTB对现代RL算法的适用性，我们对连续控制文献中的一个开放问题进行了新的经验研究。我们充满信心地表明，Ornstein-Uhlenbeck噪声和不相关的高斯噪声在DMC-CHTB上使用DDPG算法探索没有有意义的差异。
DGAFF：EEG 的深度遗传算法适应度形成......
脑机接口系统旨在通过直接将脑信号翻译成计算机信号来促进人机交互。最近，使用多个电极使这些系统的性能更好。然而，增加记录电极的数量会导致额外的时间、硬件和计算成本，以及记录过程不必要的复杂性。通道选择已被用于降低数据维度并消除不相关的通道，同时降低噪声影响。此外，该技术降低了实时应用中的时间和计算成本。我们提出了一种通道选择方法，它将顺序搜索方法与一种称为深度 GA 适应度形成 (DGAFF) 的遗传算法相结合。所提出的方法加速了遗传算法的收敛并提高了系统的性能。系统评估基于一个轻量级深度神经网络，该网络可自动化整个模型训练过程。所提出的方法在对所利用的数据集上的运动意象进行分类方面优于其他通道选择方法。
对 dupilumab 反应不佳的 AD 患者的模拟疗效
（图 4）。十个参数中有四个与 IL-13 相关（ k 13 、 k 14 、 b 2 和 d 11 ），其余六个参数与皮肤屏障相关参数（ k 1 、 k 3 、 b 4 、 b 6 、 d 1 和 d 3 ），它们对应于安慰剂效应和皮肤屏障缺陷的基线严重程度，而不是每个 MoA（SI 第 5 部分）。四个 IL-13 相关参数（ k 13 、 k 14 、 b 2 和 d 11 ）可以表征 dupilumab 的反应者，因为具有较高 k 13 、k 14 和 b 2 以及较低的 d 11 的虚拟患者对 dupilumab 治疗的反应更灵敏。参数 b 2 描述了 IL-13 对皮肤屏障损伤的影响。 IL-4 相关参数（k 11、k 12、b 1、b 7 和 d 10）与 dupilumab 相比没有显著的 PRCC，dupilumab 可抑制 IL-4 和 IL-13 信号传导，从而改善 EASI，这与 dupilumab 临床疗效不相关的报告一致
一种可解释文本分类的人机协作方法
可解释性是文本分类在许多应用领域（从情绪分析到医学诊断或法律审查）的关键要求。现有方法通常依靠“注意力”机制来解释分类结果，方法是估计输入单元的相对重要性。然而，最近的研究表明，这种机制往往会在解释中错误识别不相关的输入单元。在这项工作中，我们提出了一种人机混合方法，将人类原理纳入基于注意力的文本分类模型，以提高分类结果的可解释性。具体来说，我们要求工人通过选择相关的文本片段来提供注释的理由。我们引入了 MARTA，这是一个贝叶斯框架，它共同学习基于注意力的模型和工人的可靠性，同时将人类原理注入模型训练中。我们推导出一种基于变分推理的原则性优化算法，该算法具有用于学习 MARTA 参数的有效更新规则。对真实数据集的广泛验证表明，我们的框架在分类可解释性和准确性方面都显著提高了最先进的水平。