XiaoMi-AI文件搜索系统
World File Search System排斥的
超越不兼容：在机器学习中相互排斥的公平标准与法律可解释的生成AI（genxai）
生成的AI（Genai）标志着AI从能够“识别”到AI的转变，可以“生成”各种任务的解决方案。随着生成的解决方案和应用变得越来越复杂和多方面，新颖的需求，目标和可能性已出现以解释性（XAI）。在这项工作中，我们阐述了Xai为何在Genai的兴起及其在解释性研究中的挑战中变得重要。我们还揭露了解释应该实现的小说和新兴的逃避者，例如验证能力，互动性，安全性和成本方面。为此，我们专注于调查现有作品。此外，我们提供了相关维度的分类法，使我们能够更好地表征Genai的现有XAI机制和方法。我们讨论了不同的途径，以确保XAI，从培训数据到提示。我们的论文为非技术读者提供了Genai的简短而简洁的技术背景，重点介绍了文本和图像，以更好地了解Genai的新颖或改编的XAI技术。但是，由于Genai的大量作品，我们决定放弃与解释的评估和使用相关的XAI的详细方面。因此，手稿既利益，都以技术为导向的人和其他学科，例如社会科学家和信息系统研究人员。我们的研究路线图为未来的研究提供了十个以上的方向。
紧张活跃的主神经元在两个时间尺度上调节相互排斥的运动状态
行为的连续性要求动物在相互排斥的行为状态之间平稳过渡。控制这些转变的神经原理尚不清楚。秀丽隐杆线虫自发地在两个相反的运动状态（向前和向后运动）之间切换，这种现象被认为反映了中间神经元 AVB 和 AVA 之间的相互抑制。在这里，我们报告说，自发运动及其相应的运动回路不是单独控制的。AVA 和 AVB 既不是功能等效的，也不是严格相互抑制的。AVA 而不是 AVB 保持去极化的膜电位。虽然 AVA 在快速时间尺度上阶段性地抑制了正向促进中间神经元 AVB，但它在较长的时间尺度上保持了对 AVB 的紧张性、突触外兴奋。我们提出，AVA 在不同时间尺度上具有相反极性的紧张性和阶段性活动，充当主神经元，打破了底层正向和反向运动回路之间的对称性。该主神经元模型为由互斥的运动状态组成的持续运动提供了一种简约的解决方案。
人工智能和大数据的相互排斥的优势和挑战
里贾纳 V. 雷加拉多，马萨诸塞州Erica V. Montecillo、Moises A. Dorado、Leo Neil T. Viado、Concepcion L. Khan、Aldrin Joseph J. Hao、Artemio M. Salazar 和 Maria
高能量负担的持续性：对美国脆弱性、贫困和排斥的文献计量分析
本文使用文献计量方法来研究美国低收入家庭长期存在的高能源负担问题，重点关注脆弱性、贫困和排斥问题。该领域的文献范围广泛，涵盖了广泛的主题和话题。然而，研究往往侧重于孤立的问题，没有研究影响家庭能源负担的不同领域和政策之间的相互联系。我们利用系统文献综述和可视化的最新方法来弥补这一差距。我们从整体上看待美国的能源负担状况。本文介绍了能源获取的生态系统，分析了不同研究主题之间的相互联系以及不同领域研究的时间演变。我们首先确定这个领域中的关键参与者和利益相关者。接下来，我们确定过去十年文献中的主导主题以及它们与公平和正义方面的联系。
FinRegLab：研讨会——“人工智能与经济：为负责任和包容的人工智能规划道路”联合活动，邀请著名政策制定者参加，重点关注金融服务领域的负责任人工智能。华盛顿特区，2022 年 4 月 22 日——FinRegLab 将与美国商务部、美国国家标准与技术研究所 (NIST) 和斯坦福以人为本人工智能研究所 (HAI) 合作，于 2022 年 4 月 27 日举办一场研讨会，汇集政府、行业、民间社会和学术界的领导人，探讨人工智能和机器学习在不同经济部门部署带来的潜在机遇和挑战，特别关注金融服务和医疗保健。已确认的发言人包括商务部副部长 Don Graves；参议员 Joni Ernst；代理货币监理署署长 Michael Hsu；万事达卡执行副总裁兼首席数据官 JoAnn Stonier；富国银行执行副总裁兼模型风险主管 Agus Sudjianto、斯坦福大学商学院教授兼 HAI 副主任 Susan Athey 博士、布鲁金斯学会技术创新中心主任 Nicol Turner Lee 博士以及哈佛大学计算与社会研究中心博士后研究员 Manish Raghavan 博士。演讲者和小组成员将讨论研究、政策建议和新兴行业实践。FinRegLab 首席执行官兼主任 Melissa Koide 表示：“人工智能与新型数据相结合，为改善金融包容性和平等性提供了巨大的潜力。然而，也存在加剧偏见和排斥的巨大风险。认真、有针对性地研究消费者受到的影响对于制定正确的规则至关重要。” FinRegLab 还将于 4 月 28 日举办一场虚拟会议，详细介绍该组织和斯坦福大学商学院 Laura Blattner 教授和 Jann Spiess 教授就机器学习在信用承保中的应用开展的研究，特别关注机器学习模型对可解释性和公平性的潜在影响。这项研究对当前可用工具的性能和功能进行了实证评估，这些工具旨在帮助贷方开发、监控和管理机器学习承保模型。媒体成员如有兴趣亲临或以虚拟方式参加研讨会或寻求评论，请联系 Alex Bloomfield，邮箱地址为 alex.bloomfield@finreglab.org。有关研讨会的更多信息，包括所有演讲者和小组讨论，请访问此处的活动页面。
FinRegLab：研讨会——“人工智能与经济：为负责任和包容的人工智能规划道路”联合活动，邀请著名政策制定者参加，重点关注金融服务领域的负责任人工智能。华盛顿特区，2022 年 4 月 22 日——FinRegLab 将与美国商务部、美国国家标准与技术研究所 (NIST) 和斯坦福以人为本人工智能研究所 (HAI) 合作，于 2022 年 4 月 27 日举办一场研讨会，汇集政府、行业、民间社会和学术界的领导人，探讨人工智能和机器学习在不同经济部门部署带来的潜在机遇和挑战，特别关注金融服务和医疗保健。已确认的发言人包括商务部副部长 Don Graves；参议员 Joni Ernst；代理货币监理署署长 Michael Hsu；万事达卡执行副总裁兼首席数据官 JoAnn Stonier；富国银行执行副总裁兼模型风险主管 Agus Sudjianto、斯坦福大学商学院教授兼 HAI 副主任 Susan Athey 博士、布鲁金斯学会技术创新中心主任 Nicol Turner Lee 博士以及哈佛大学计算与社会研究中心博士后研究员 Manish Raghavan 博士。演讲者和小组成员将讨论研究、政策建议和新兴行业实践。FinRegLab 首席执行官兼主任 Melissa Koide 表示：“人工智能与新型数据相结合，为改善金融包容性和平等性提供了巨大的潜力。然而，也存在加剧偏见和排斥的巨大风险。认真、有针对性地研究消费者受到的影响对于制定正确的规则至关重要。” FinRegLab 还将于 4 月 28 日举办一场虚拟会议，详细介绍该组织和斯坦福大学商学院 Laura Blattner 教授和 Jann Spiess 教授就机器学习在信用承保中的应用开展的研究，特别关注机器学习模型对可解释性和公平性的潜在影响。这项研究对当前可用工具的性能和功能进行了实证评估，这些工具旨在帮助贷方开发、监控和管理机器学习承保模型。媒体成员如有兴趣亲临或以虚拟方式参加研讨会或寻求评论，请联系 Alex Bloomfield，邮箱地址为 alex.bloomfield@finreglab.org。有关研讨会的更多信息，包括所有演讲者和小组讨论，请访问此处的活动页面。