XiaoMi-AI文件搜索系统
World File Search System开发算法
意图一致的人工智能系统会削弱人类的能动性
人工智能 (AI) 系统的快速发展表明，通用人工智能 (AGI) 系统可能很快就会到来。许多研究人员担心 AI 和 AGI 会通过故意滥用 (AI-misuse) 或意外事故 (AI-accidents) 伤害人类。关于 AI-accidents，人们越来越致力于开发算法和范例，以确保 AI 系统与人类的意图保持一致，例如，AI 系统产生的行动或建议可能被人类判断为与他们的意图和目标一致。在这里，我们认为，与人类意图保持一致不足以保证 AI 系统的安全，而长期保护人类的能动性可能是一个更强大的标准，需要在优化过程中明确和先验地将其分开。我们认为 AI 系统可以重塑人类的意图，并讨论了保护人类免于失去能动性的生物和心理机制的缺乏。我们提供了第一个保护能动性的 AI-人类互动的正式定义，该定义侧重于前瞻性的能动性评估，并认为 AI 系统（而不是人类）必须越来越多地承担这些评估的任务。我们展示了在包含嵌入式代理的简单环境中如何发生代理丧失，这些代理使用时间差分学习来提出行动建议。最后，我们提出了一个名为“代理基础”的新研究领域，并提出了四个旨在提高我们对人工智能与人类互动中代理的理解的初始主题：仁慈博弈论、人权的算法基础、神经网络中代理表示的机械可解释性和从内部状态进行强化学习。
信任与医疗 AI：我们面临的挑战以及克服这些挑战所需的专业知识
信任是医疗体系成功的基础 [1]。人工智能 (AI) 既能为医学带来巨大好处，也会带来新的风险。医疗 AI 的失败可能会削弱公众对医疗保健的信任 [2]。这种失败可能以多种方式发生。例如，AI 中的偏见可能导致错误的医疗评估 [3]，而蓄意的“对抗性”攻击可能会破坏 AI，除非被明确的算法防御检测到 [4]。AI 还会放大现有的网络安全风险，可能威胁患者的隐私和机密性。因此，成功设计和实施 AI 需要强有力的治理和管理机制 [5]。新 AI 系统的令人满意的治理应该涵盖从设计和实施到重新利用和退役的整个时期 [5]。2019 年，麦肯锡公司审查了管理银行业算法风险所需的变革 [6]。其建议取决于 AI 的复杂性：正如算法的开发需要对机器学习有深入的技术知识一样，降低其风险也需要这样做。麦肯锡公司讨论了需要三个专家组参与的必要性：（1）开发算法的小组，（2）验证者小组，和（3）运营人员。医疗保健领域也需要这些小组来克服人工智能的以下三个关键挑战：（1）提出人工智能可以解决的问题的概念挑战，（2）实施人工智能解决方案的技术挑战，和（3）关于人工智能的社会和伦理影响的人文挑战。本文简要描述了这些挑战，并讨论了如何让专家组做好准备来克服这些挑战。认识到这些挑战并让这些专家做好准备将使医疗行业能够适应不断变化的技术格局，并安全地将人工智能转化为医疗保健。相反，如果不解决这些挑战，可能会削弱公众对医疗人工智能的信任，进而可能破坏对医疗机构本身的信任（见图 1）。
电力转换系统操作以降低电力储能系统的电力购买成本
摘要：制定了一种操作电力转换系统（PC）的策略，以最大程度地降低存储系统（ESS）的电量。考虑电源管理系统（PMS）确定ESS操作方法。主要功能包括峰值切割，峰转移和频率调节，通常与电率有关。因此，当价格低和高时，电池将被充电和放电，从而使电池货币化。但是，ESS为电池和PC造成了高昂的成本。因此，正在积极开发重复使用电动汽车（EV）电池的ESS。许多研究人员试图通过开发算法来通过对电力消费者进行电力负载分析来计算最佳ESS容量来最大化ESS的利用。基于此计算选择的ESS可以通过PM进行操作。此ESS可以使用电池状态（SOC），范围从10–90％，使用净现值进行可行性分析，该值反映当前的电力速率。考虑到ESS的初始投资成本与从ESS的发电中获得的效果之间的差异，进行了此可行性分析。在韩国，已经实施了许多政策，以鼓励安装ESS。ESS促进政策一直在2020年实施，以降低电力率，包括电池的合同能力。但是，自2021年以来，该政策已转变以根据每日最大发电量降低电量。因此，增加电池容量的常规方法是不合适的，并且应使用有限的电池来增加利用能力。对于ESS，可以使用由单个和并行结构组成的PCS。安装大容量ESS时，采用使用硅（SI）的PC来降低PC的单位成本。碳化硅（SIC）设备的单位价格最近显着下降。因此，在这项研究中，开发了使用此SIC设备的PC。此外，制定了一种算法，以最大程度地降低ESS的电量，并证明了基于该算法的模块化PC的操作。
通过离散时间量子行走传送任意量子态的量子通信方案
纠缠和贝尔态来投射到最大纠缠态的量子系统上。量子隐形传态作为基于测量的量子计算，在量子计算中起着至关重要的作用。安全量子隐形传态可用于量子密码学，如量子密钥分发 [ 10 ]。它扩展了纠缠在传输量子信息方面的实际应用，这在经典物理中是没有的，并且带来了纠缠作为一种物理现象的实验实现。在过去的十年中，量子行走已成为在设计的网络中传输量子态的重要工具。量子行走能够模拟量子演化并在基于图的结构上从物理方面实验纠缠。这些特性使量子行走成为量子隐形传态协议的有力候选者。人们可以看到大量与 DTQW 相关的工作，它们作为状态转移的重要媒介，并在 [ 1 ]-[ 9 ]、[ 20 ]、[ 23 ]、[ 36 ] 中开发算法。 DTQW 中的多币算子为行走演化带来了更复杂、更详细的见解，详见 [29]-[33]。与连续时间量子行走理论相关的工作可参见 [16]、[21]、[22]、[26]、[27]。一般来说，当我们讨论量子隐形传态时，我们将发送者称为 Alice，将接收者称为 Bob，我们的目标是将 Alice 的未知量子态成功传输给 Bob。该通信协议利用了量子纠缠和测量等量子力学事件。经典通信也被用作加密代码，使通信保密且防泄漏。混合模式使通信更加私密和安全。在量子行走中，节点充当量子位，行走演化促进状态转移。有关通过量子行走进行隐形传态的工作可参见 [11]-[19]。量子行走作为量子隐形传态手段的主要优势如下：
机器学习的挑战：关键评论
摘要：学习概念具有多种解释，从获得知识或技能到构建意义和社会发展。机器学习（ML）被认为是人工智能（AI）的分支，并开发算法可以通过利用主要统计方法来从数据中学习并将其判断概括为新观察。新千年已经看到了人工神经网络（ANN）的扩散，这是一种形式主义，能够在复杂问题（例如计算机视觉和自然语言识别）中取得非凡的成就。尤其是设计师声称，这种形式主义与生物神经元的运作方式非常相似。这项工作认为，尽管ML具有数学/统计基础，但至少从方法论的角度来看，它不能严格视为一门科学。主要原因是ML算法具有显着的预测能力，尽管它们不一定会对所实现的预测提供因果关系的解释。例如，可以在大量的消费者财务信息数据集中对ANN进行培训，以预测信誉。该模型考虑了各种因素，例如收入，信用记录，债务，支出模式等。然后输出信用评分或信用批准的决定。但是，神经网络的复杂和多层性质几乎无法理解该模型所用来的因素的哪些特定因素或组合来制定其决策。学习过程要复杂得多，因为它需要对学习能力或技能的充分理解。缺乏透明度可能会出现问题，特别是如果该模型拒绝信贷并且申请人想知道拒绝的具体原因。该模型的“黑匣子”性质意味着它无法对其在决策过程中如何权衡各种因素提供明确的解释或分解。其次，这项工作拒绝了这样的信念，即仅通过应用统计方法，机器就可以通过监督或无监督模式从数据中学习。从这个意义上讲，进一步的ML进步，例如加强学习和模仿学习表示鼓励与人类学习中使用的类似认知技能的相似之处。
人工智能 (AI) 在企业中的潜在应用
摘要：人工智能 (AI) 是计算机科学的一部分，旨在创建和开发智能机器。要使人工智能发挥作用并发挥作用，就需要开发算法和模型，使计算机能够从数据中学习、识别模式并做出预测。研究表明，人工智能可以提高私营企业的产出、决策能力和效率。人工智能可以快速准确地分析大量数据，并识别模式和趋势 (Marr, 2018)。这使得人工智能非常适合需要数据处理和分析的职业，例如数据输入、分析和客户服务 (Sharma, 2019)。人工智能还可用于自动化流程和任务 (Sharma, 2019)。研究表明人工智能将影响就业 (WEF, 2018)。这可能涉及为个人提供培训，以提高他们的技能和知识，为他们从事涉及人工智能技术的职业做好准备，以及制定法规和流程，以确保以公平、透明和负责任的方式使用人工智能 (WEF, 2018)。评估人工智能的局限性并确保预测数据准确可靠（Marr，2018）。考虑人工智能系统中存在偏见的可能性并采取预防措施也至关重要（WEF，2018）。此外，人工智能带来了许多好处，但也带来了问题，包括失业的可能性、人工智能算法中存在偏见的可能性、隐私、安全和道德问题（WEF，2018）。通过确定企业如何利用人工智能，在企业运营中实施人工智能的影响是什么，它如何影响企业的效率、生产力和整体绩效。这项探索性研究从深入了解人工智能开始，探讨人工智能是如何被利用和实施到企业中的，道德和社会考虑因素，以及企业可能面临的潜在利益和挑战。对使用人工智能的行业领先专家进行十次采访，随后进行焦点小组讨论，产生了信息、意见和关键见解。通过利用 Nvivo 软件，这项定量研究提出了关键主题和内容发现，以帮助在人工智能决策和实施阶段教育企业人员。
锂离子电池在储存条件下的高效电化学健康状态模型
摘要：电池容量衰减会对电池组的使用寿命以及电动汽车的剩余价值产生负面影响。开发一种用于预测存储条件下健康状态 (SOH) 的衰减模型是开发算法以最大限度延长这些系统剩余使用寿命的关键方面。众所周知，与更多经验或数据驱动的模型相比，电化学衰减模型具有更出色的预测能力，但这些模型在计算效率方面仍需改进。因此，在这项工作中，我们引入了一种简单的降阶锂离子电池电化学衰减模型。该模型考虑了三种关键的老化机制，能够预测各种日历老化条件下的 SOH。集中模型结果与基于单个粒子的衰减模型进行了验证，结果显示出接近的一致性，即使模拟时间减少了 2 个数量级。这表明在实际应用中，考虑和纠正存储对电池性能和寿命的影响具有巨大的潜力。 ■ 简介 近年来，通过最大限度地提高电池利用率来最大限度地节约能源和减少排放已成为电动汽车 (EV) 行业关注的话题。此外，随着可再生能源发电和能源生产的增加，研究储存这种能源的方法和技术变得更加重要。锂离子电池因其更高的功率和能量密度、安全性和可靠性，在电动交通和储能解决方案领域发挥着关键作用。尽管锂离子电池表现出优于其他电化学系统的可靠性，但性能下降是不可避免的。电池性能的不可逆衰减将影响整个系统的剩余价值。因此，锂离子电池的健康状态 (SOH) 一直是电池管理系统的一个关键主题。1 SOH 本质上表示电池的当前性能与新电池测得的标称值之比。电池的容量、功率能力和阻抗都决定了电池的 SOH。为了保证系统寿命的延长，有必要开发能够在考虑各种老化过程的同时操作电池的电池管理系统。对于锂离子电池，老化过程可分为两种模式，即日历老化和循环老化。当施加外部电流时，电池会经历循环老化过程
神经技术和未来战争-Dr -ntu
经颅电刺激技术的形式。例如，有各种各样的军事应用与士兵的情绪障碍有关，并增加了对压力和其他影响其在战场行为的情绪的韧性。美国国防高级研究项目局（DARPA）还正在进行研究，以治疗患有抑郁症和创伤后应激障碍的士兵和退伍军人。也在研究中绘制与浓度和同理心相关的大脑活动，以开发算法以刺激这些特定条件。DARPA还一直在进行针对有针对性的神经塑性训练的研究，以加快服务人员和其他国防官员的学习过程。第二类包括用于欺骗检测和审讯的神经技术系统，能够响应刺激而访问隐藏信息。医学诊断技术，例如功能磁共振（fMRI）和脑电图（EEG），也可以用作监视和询问工具。在这些情况下，基于大脑的谎言检测技术将说话的句子或精神状态的真实价值与大脑活动的特定模式相关联。第三类还提供了最广泛的军事应用程序，包括通过大脑和外部设备通过脑部计算机界面（BCIS）建立直接连接的系统。换句话说，BCI可以在人脑和机器之间进行相互作用，从而使用户能够仅具有思维力量与计算机/机器进行交互。a BCI是一种测量中枢神经系统（CNS）活性的系统，并将其转换为人工输出，替代，恢复，增强，补充或改善自然中枢神经系统的输出，从而改变CNS及其外部或内部环境之间的持续相互作用。bcis可以通过各种方式使用。假体系统可用于认知和记忆增强。合成心灵感应和“脑部黑客”在2017年11月，南加州大学进行了一项实验，其中首次通过将工作记忆增加25％，短期记忆提高了15％，从而首次有效地改善了人类记忆力。DARPA还一直在测试增强记忆力的植入物作为大脑倡议的一部分，从而显着改善了短期记忆的35％。其他与DARPA内存增强相关的项目包括恢复活性内存，植入物将有助于形成新的内存和检索现有记忆。bcis还可以从大脑中提取信息，并直接通过界面（也称为合成心灵感应）进行通信。实验表明，可以检测到的预期和秘密语音，然后由BCI
USCIS 收件人：I-140 2501 S. State Highway 121 Business Suite 400 Lewisville, TX 75067 20XX 年 12 月 X 日 事由：Pe 先生的 I-140 移民申请
USCIS 收件人：I-140 2501 S. State Highway 121 Business Suite 400 Lewisville, TX 75067 20XX 年 12 月 X 日 事由：Peter Buckminster 先生的 I-140 移民申请，寻求就业第二优先分类，作为一名具有杰出能力的高级学位专业外国人，为国家利益提供服务 亲爱的主任， 随函附上上述新西兰国民的 I-140 申请，他正在寻求 EB-2 分类，作为一名具有高级学位的专业外国人，为美国的国家利益提供服务。 Buckminster 先生过去、现在和未来的领导角色是一名计算机科学家，他专门开发用于数据密集型、大规模科学模拟的新算法。 Buckminster 先生在开发算法方面的专业知识极大地帮助了从事复杂神经系统映射和模拟的研究人员，尤其是作为欧盟人脑计划的关键成员 [附件 8B]。 Buckminster 先生是否符合国家利益豁免资格取决于《移民和国籍法》第 203(b)(2) 条的明确规定，该条规定“应向符合条件的移民提供签证，这些移民因其在科学、艺术或商业方面的杰出能力，将极大地造福于美国的国民经济、文化或教育利益或福利。”Buckminster 先生拥有新西兰伊丽莎白镇 GGLGLG 大学的硕士学位，这使他具备高级专业人员的资格，因此无需根据 INA 第 203(b)(2)(B) 条和 1991 年杂项和技术移民和归化修正案证明其杰出能力。目前，Buckminster 先生正在瑞士 VVV WWW XXXX 大学 (UVWX) 攻读博士学位。尽管如此，他杰出的研究历史和专业认可记录最终表明，可以期望他继续比其他训练有素的计算机科学家在更大程度上服务于美国的国家利益。Buckminster 先生根据 8 CFR 202(b) (2) 获得国家利益豁免的资格，是基于他作为一名计算机科学家所展示的才能，他创造了新颖的算法，这些算法利用通常被称为“大数据”的海量数据，用于先进的大规模科学模拟，例如欧盟的人脑计划。如随附的六封信件 [附件 3A-3F] 中所示，神经病学、数学、统计学、计算机科学和信息科学领域的行业和学术界的领导者相信，Buckminster 先生的贡献将继续被那些负责创建和管理“大数据”应用中使用的海量数据集的人所利用。
信息论在计算生物学和生物信息学中的应用进展和机遇
本社论旨在简要介绍信息论在计算生物学和生物信息学领域的应用历史；简洁地总结相关研究的现状和面临的挑战；并描述本期《熵》杂志特刊以“计算生物学中的信息论”为主题的特刊所邀请内容的范围。信息论作为一个研究领域，始于 1948 年克劳德·香农 (Claude Shannon) 的开创性专著《通信的数学理论》的出版[ 1 ]。这项工作引入了包括信息熵、互信息（后来由罗伯特·M·法诺 (Roberto M. Fano) [ 2 ] 创造的一个术语）和将信息表示为二进制数字（位，这个术语归功于约翰·图基 (John Tukey)）[ 3 ] 等概念。香农的工作超越了哈里·奈奎斯特和拉尔夫·哈特利在 20 世纪 20 年代以及阿兰·图灵和诺伯特·维纳在 20 世纪 40 年代的相关工作 [ 4, 5 ]，描述了数据传输和压缩的基本定律 [ 6 ] 以及在噪声信道上通信效率的理论极限 [ 7 ]。作为一个与概率、统计学和计算机科学 [ 6 ] 等许多学科相交叉的统一理论，信息论被用于研究各种系统中信息的提取、传输、处理和使用。香农的概念以及受其启发的概念构成了现代数字信息技术的基础 [ 5 ]。 20 世纪 60 年代，晶体学等实验方法的改进以及分子生物学方法在生物学分支学科的迅速扩展，使生物学家能够加深对各种现象的理解 [8]，包括 RNA 密码的特征 [9]、蛋白质的结构 [10,11] 以及基因和蛋白质的进化 [10,12–14]。分子生物学的中心法则 [15] 是在 RNA 转录和翻译过程的基础性发现之后发展起来的。随着 20 世纪 60 年代计算机科学理论的出现和现代计算时代的到来，应用计算策略解决生物学问题，开创了计算生物学领域 [16]。计算方法在生物学问题上的早期应用包括进化的计算研究[17]和蛋白质结构[18]，以及第一个序列比对算法的开发[19,20]。我们注意到，计算生物学有时与生物信息学[21-23]互换使用，尽管这些学科也经常以各种方式区分。我们做出以下区分：生物信息学致力于开发算法、数据库、软件工具和其他计算资源，以便对生物数据进行深入分析，包括其获取、存储、量化、注释、视觉探索和其他形式的处理 [ 23 ]。生物信息学项目的单个基于软件的产品通常可以广泛应用于解决各种生物学问题。作为对生物信息学范围的补充，计算生物学旨在