XiaoMi-AI文件搜索系统
World File Search System主观性
独特的机遇和挑战
人工智能 (AI) 技术在医学成像中的应用最近引起了极大的轰动，由于当前深度学习技术与过去的机器学习方法相比的技术实力、数字医学图像的广泛可用性以及计算硬件功能的增强，AI 正在进入临床实践 [1 - 4]。正如本期特刊的重点评论文章 [5 - 8] 中详细讨论的那样，AI 已被尝试用于各种器官和系统的超声检查，例如甲状腺、肌肉骨骼系统、乳房和腹部，尽管其应用范围不如胸部 X 光片 [9] 等其他一些放射成像方式那么广泛。人工智能有望发挥以下潜在作用：提高超声图像的质量，提供各种形式的诊断支持（例如，自动表征超声图像上的发现；从超声图像中提取定量或预测信息，这对于人类检查者而言难以仅凭视觉观察完成；以及自动检测或分割超声图像上的各种结构），并提高工作流程效率 [10]。未来，人工智能在超声检查中的具体应用预计还会不断增加。人工智能算法可以提高超声检查者的诊断准确性和能力，有望对经验不足的检查者特别有帮助 [11 - 15]。超声检查在临床实践中的应用比计算机断层扫描 (CT) 或磁共振成像 (MRI) 更为广泛，并且由更多具有不同专业水平的医疗专业人员进行，其中一些人的表现优于其他人。通常，一名检查者会在检查过程中即时解释发现并做出决定。因此，与 CT 或 MRI 相比，超声检查对操作员的依赖性和主观性更强，这是众所周知的问题。因此，在超声检查中应用人工智能最令人期待的好处之一是减少检查者之间的差异。在这方面，人工智能可能提供一个独特的机会，通过消除检查者之间的差异来提高超声检查的性能。不过，应该注意的是，超声检查的本质也对超声检查人工智能的开发和临床实施提出了挑战。首先，超声检查对操作员的依赖性和主观性引入了额外的差异
优化的机器学习模型，以准确检测念珠菌属。在革兰氏染色的显微镜图像中
摘要：图像解释对于临床微生物诊断至关重要。革兰氏阴性幻灯片的手动阅读是时间耗尽和复杂的。基于机器学习（ML）模型的人工视觉系统的使用可以加快感兴趣的微生物的检测，从而确保丢弃无关的图像，并考虑与诊断相关的图像。这种自动诊断过程大大减轻了微生物学家及其主观性的负担。可以通过鉴定酵母样细胞或指示念珠菌属的丝状结构来自动化晶体染色样品的形态学研究。已经实施了几种多类机器学习模型（XGBoost，人工神经网络和K-Nearest邻居），从图像中采取了相关的形态特征。使用目标函数对酵母和菌丝的特定检测，使用创新的元启发式算法优化了数据集维度。最佳优化模型的精度为0.821，精度宏为0.827，召回宏为0.790，F1宏的宏为0.806。
系统文献综述：人工智能 (IA) 复杂性在促进员工招聘流程中的实施
本研究旨在分析复杂人工智能 (AI) 在促进员工招聘过程中的应用。使用的研究方法是系统文献综述 (SLR)。研究人员从 Google Scholar 和其他研究期刊文章提供商处获得了 6 年（即 2019-2024 年）的研究数据。获得了 73 种期刊，然后根据几个标准（即纳入和排除标准）对数据进行了缩减，获得了 10 种期刊进行审查。这项研究的结果表明，复杂的人工智能从招聘过程开始就简化了员工招聘流程，因为它可以在成本、时间和精力方面更有效率，并且可以减少人工评估的主观性。但是，最终的招聘过程仍然需要人力资源的干预。这是因为人工智能不太能够适应文化和语言，这会导致决策偏差。公司经常使用的促进员工招聘流程的 AI 软件是 Job Agrigator Software 和 Candidate Assessmant Software。
ajceu0113024.pdf
摘要：深度学习和神经网络的进步使临床医生能够了解人工智能 (AI) 对改善临床结果和资源支出的影响。在泌尿生殖系统 (GU) 癌症领域，AI 在改善前列腺癌、肾癌和膀胱癌的诊断和治疗方面取得了特别的成功。许多研究已经开发出利用神经网络自动进行预后预测、治疗计划优化和患者教育的方法。此外，许多团体还探索了其他技术，包括数字病理学和专家 3D 建模系统。与既定方法相比，几乎所有研究都显示出一定程度的改进，有证据表明 AI 流程可以降低 GU 恶性肿瘤诊断和管理的主观性。然而，尽管在泌尿肿瘤学中使用 AI 有很多潜在的好处，但在处理真实世界数据集时，AI 也存在一些明显的局限性。因此，开展更多前瞻性研究至关重要，以便更好地了解人工智能对癌症患者和泌尿科医生的益处。
人工智能用于可持续金融：为什么它可能……
财务外评级机构提供的数据至关重要，但在使用方面引发了一些问题。基于公司报告，辅以人工分析，每个评级机构在选择相关 ESG 标准及其权重时都具有一定的主观性。不同机构选择的方法不同，导致这些评级彼此之间相关性较弱（见图 1）1。此外，评级审查频率不高，有时根据公司不同，审查时间也不同，而且评级往往会朝着与财务业绩相关性更强的方向进行修改（Berg 等人，2020 年）。最后，ESG 分析师处理缺失数据的归因方法不同，这可能导致使用不同填补空白方法的提供商之间出现巨大的“差异”。有趣的是，ESG 数据提供商之间的差异不仅很大，而且实际上会随着公开信息数量的增加而增加。提供更多 ESG 披露的公司往往其 ESG 评级具有更大的变化（Christensen 等人，2022 年）。
对人类交流情感方面的影响
人工智能的情感计算方法使机器不仅能够像人类一样思考、行为和交流，还能像人类一样表达情感。人工智能的这一维度正在取代人类的能力，因为它在生活的方方面面都有所裨益。虽然有很多研究比较人工智能和人类智能在认知能力方面的差异，但很少有研究关注情感方面。因此，本研究通过回顾实证研究，利用二手数据来研究人工智能对人类交流情感方面的影响。本研究以基本情感理论和技术决定论为基础，阐明了情感人工智能的基本原理及其影响。本文认为，人工智能缺乏天生的情感和理解抽象的能力，因此无法充分复制人类智力和情感的复杂性和主观性。它建议用户掌握媒体素养技能，并为设计人工智能的科技公司提供道德指导，以确保人工智能对人类和社会的危害较小。
重新构建人机协作以生成自由文本解释
大型语言模型越来越能够在相对较少的任务特定监督下生成流畅的文本。但这些模型能准确地解释分类决策吗？我们考虑使用人工编写的示例以少量方式生成自由文本解释的任务。我们发现 (1) 编写更高质量的提示会产生更高质量的生成； (2) 令人惊讶的是，在面对面的比较中，众包工作者通常更喜欢 GPT-3 生成的解释，而不是现有数据集中的众包解释。然而，我们的人类研究还表明，虽然模型通常会产生事实、语法和充分的解释，但它们在提供新信息和支持标签等方面还有改进空间。我们创建了一个管道，将 GPT-3 与一个监督过滤器相结合，该过滤器将来自人类的二元可接受性判断纳入循环中。尽管可接受性判断具有内在的主观性，但我们证明可接受性与解释的各种细粒度属性部分相关。我们的方法能够一致地过滤 GPT-3 生成的被人类认为可以接受的解释。
Pierre Huyghe 阈限
“Liminal” 是皮埃尔·于热与策展人安妮·斯坦内密切合作举办的展览，除了展出近十年来的重要新创作，尤其是来自皮诺收藏的作品。皮埃尔·于热长期以来一直在质疑人类与非人类的关系，并将其作品视为思辨性的虚构，从中诞生了其他世界形态。对他来说，虚构是“访问可能或不可能——可能或不可能的东西的工具”。通过“Liminal”，皮埃尔·于热将海关大楼变成了一个不断发展的动态、敏感的环境。展览是人类和非人类生物居住的短暂状态，成为不断学习、变化和混合的主观性的形成场所。他们的记忆随着从贯穿整个展览的可感知和不可感知的事件中捕捉到的信息而不断扩展。对于皮埃尔·于热来说，展览是一场不可预测的仪式，新的可能性在这里产生并共存，没有等级制度或决定论。通过《Liminal》，他质疑我们对现实的看法，仿佛我们正从非人类的角度对自己变得陌生。
统一经济学的诞生
算法框架理论的简介摘要：本文概述了原始思维理论及其对经济学的应用。作者将经济学的缺陷和分歧归因于一个人的想法缺乏适当的理论。人类的思想将是实体，思维将是以时空为特征的行为。模拟计算机，人类思维可以是智慧和双重解释为计算操作的，这意味着指令是天生和一般思维工具，过程信息或数据，有选择地，串行和“循环”和“回旋”。通过运营速度，时间，空间和计算经济进行调节，该体系结构合理地导致知识库存，组合爆炸，主观性，多元性，冲突，创新，创新，发展，“半内部化”，“汇聚，差异，差异，差异，高级一致性”等的依据，以及依靠机构的困惑，并将其结合起来，金钱，资本，无形的手，商业周期，危机，权力，政府等。这个爆炸性的框架可能是一种决定性的突破，也是主流均衡范式的解构，因此是宏伟的综合或统一，以及新的经济学综合研究计划。
关于 COVID-19 对个人影响的考虑 - ...
自 2020 年 3 月世界卫生组织 (WHO) 宣布 COVID-19 为全球大流行以来，我们正面临着百年来前所未有的健康危机。虽然寻找疫苗代表着战胜疫情的希望，但人们已经制定了措施，通过个人和集体的卫生和身体距离行动来控制疾病的传播。基于人们对新疫苗的普遍呼声，这篇批判性文章讨论了 COVID-19 背景下个人与社会关系的悖论和矛盾，将疫苗犹豫视为一种历史和社会现象。我们还认为，接种疫苗或遵守 COVID-19 控制和预防措施的决定受到社会归属感的影响，并受到往往会加剧的不平等的影响。围绕信息流行病和疫苗犹豫的 COVID-19 反映了科学验证风险和自我感知风险之间的紧张关系，此外还受到对科学的信心危机的影响。感知风险和遵守预防措施可以推断出主观性和理性，并反映出受政治、经济和社会文化因素影响的价值观和信条。关键词：冠状病毒感染；疫苗；社会行为；预防和缓解。