XiaoMi-AI文件搜索系统
World File Search System推荐引擎
加利福尼亚州用于采购、使用和培训的生成式 AI 工具包
1. 传统人工智能——传统人工智能有时被称为“机器学习”或“数据科学”，它是为程序员确定的少数特定任务而构建的数据模型和计算机编程。它可以完成预定义的任务或分析模式。它不会产生全新的内容，只能分析给定的数据。传统人工智能已广泛应用于政府和社会的产品中。一些例子包括机器人流程自动化、欺诈检测工具、图像分类系统、推荐引擎和交互式语音助手。2. 生成式人工智能 (GenAI)——可以生成图像、视频、音频、文本和派生合成内容的预训练人工智能模型。GenAI 通过分析输入数据的结构和特征来生成与原始数据相似的新合成内容。决策支持、机器学习、自然语言处理/翻译服务、计算机视觉和聊天机器人技术或活动支持或可能与 GenAI 相关，但它们本身并不是 GenAI。
批发分销中的人工智能
• 电子商务平均订单价值提高 10% 以上：一家大型草坪和花园部件经销商实施了 AI 功能来提高电子商务销售，推动每位客户平均收入提高 21%，并使该经销商有望以三位数的投资回报率每年获得超过 1000 万美元的收入。• 入站渠道增长 15% 以上：一家大型工业经销商的客户服务团队使用追加销售和交叉销售计划，有望为每位销售代表创造 115,000 美元的年度增量收入。这家经销商拥有丰富的产品目录，但销售代表的能力有限，因为他们无法记住每种产品的详细信息。现在，当销售代表通过电话或电子邮件与买家互动时，推荐引擎会即时扫描目录和客户信息，以确定哪些商品可能会售出。销售代表无需经过强化培训或更改协议，就从订单接受者转变为订单下达者。
人工智能、音乐推荐和策展......
得益于人工智能 (AI) 的最新发展，我们获取所珍视和喜爱的媒体（从音乐到电影到书籍等）的方式正在发生根本性变化。从在制作过程中使用人工智能（有可以生成“照片”的机器人和已签署“唱片交易”的算法）到为我们提供个性化电影或电视推荐的人工智能驱动的推荐引擎，人工智能正在成为文化产业的关键流行语和技术。音乐、书籍和视频等媒体和文化产品传统上通过广播电台、电视台、电影院、公共图书馆和零售店分发，现在在 Spotify、iTunes、Pandora、YouTube 和 Netflix 等数字平台和服务上流通，其中各种人工智能驱动的技术塑造了这些文化内容的包装、呈现和发现方式。这些创新似乎只是一种接收我们一直喜欢的同类媒体的新方式。但这些人工智能和算法驱动的发展对文化的生产、流通和消费产生了影响，因此，关于这些发展对文化和社会的影响，仍有许多研究有待完成。
人工智能、音乐推荐和文化策展：白皮书
得益于人工智能 (AI) 的最新发展，我们获取所珍视和喜爱的媒体（从音乐到电影到书籍等）的方式正在发生根本性变化。从在制作过程中使用人工智能（有可以生成“照片”的机器人和已签署“唱片交易”的算法）到为我们提供个性化电影或电视推荐的人工智能驱动推荐引擎，人工智能正在成为文化产业的关键流行语和技术。音乐、书籍和视频等媒体和文化产品传统上通过广播电台、电视台、电影院、公共图书馆和零售店分发，现在在 Spotify、iTunes、Pandora、YouTube 和 Netflix 等数字平台和服务上流通，其中各种人工智能驱动的技术塑造了这些文化内容的包装、呈现和发现方式。这些创新似乎只是一种接收我们一直喜欢的同类媒体的新方式。但这些人工智能和算法驱动的发展对文化的生产、流通和消费产生了影响，因此，关于这些发展对文化和社会的影响，仍有许多研究有待完成。
揭秘 AI IO 性能
简介 硬件和软件技术来来去去，但工作负载除了速度越来越快之外，并没有发生太大变化——直到人工智能深度学习 (DL) 流行起来。如果有一种新的工作负载正在改变企业 IT，那就是 DL。DL 和支撑它的神经网络从研究实验室中诞生，并迅速跃居过去 30 多年来不断发展的其他人工智能功能的前沿。毫不奇怪，企业组织打算采用 DL 技术来解决以前无法解决的业务问题。生产环境中 DL 的主要领域是计算机视觉、推荐引擎和自然语言处理。然而，生命科学中的许多特定问题（例如）也是使用神经网络解决的。尽管如今人们对 AI DL 训练和推理有了很好的理解，但执行 DL 所需的 IO 活动或带宽仍存在许多误解。本文试图揭开 DL IO 的神秘面纱。在这里，我们将回顾训练和推理的 DL 存储 IO 需求，包括并行处理要求，并将展示一些 DL 训练和推理 IO 示例。
末日滚动和学生大脑
摘要：本研究探讨了高校学生的“厄运滚动”行为（即在社交媒体上消费负面内容的倾向）如何影响他们的心理和学业。定制推荐引擎的使用增加增加了他们看到情绪化新闻的可能性，这加剧了“厄运滚动”行为，即过度使用社交媒体消费负面新闻。基于提出的假设，研究问题包括“厄运滚动”如何影响心理健康，以及导致学术参与度降低和表现下降。该研究基于 2019 年至 2024 年期间发表的 50 篇学术文章，结果表明，“厄运滚动”行为的增加与压力增加有关。长时间“厄运滚动”的学生往往压力水平高、睡眠周期紊乱、情绪倦怠。这些挑战反映在学生对课堂的态度上，因为他们变得不太愿意参与课堂活动，注意力和记忆力下降，整体表现下降。推荐算法是造成压力和随后学习成绩不佳的恶性循环的罪魁祸首之一。这些发现表明，有必要找到解决滚动屏幕问题的办法。建议包括实施旨在更健康地使用屏幕的数字素养计划。
超越人工智能、区块链系统和数字平台
经济和社会的不断数字化开辟了新的机遇，特别是对于提供服务的组织而言。我们正处于服务业的转型之中，这种转型甚至可以与20世纪40年代大规模生产的出现相媲美。基于人工智能、数字平台和区块链系统的最新进展和发展，我们正在见证新的数字化现象的出现，例如元个人系统、人工智能平台和元组织。无论是现在还是在不久的将来，这些数字现象正在共同塑造世界各地组织的服务运营。它们实现了大规模超个性化服务和大规模服务化，即新型高度多样化和大容量的服务流程。搜索和推荐引擎等人工智能应用以及谷歌地图、Chat GPT、BloombergGPT和Stable Diffusion等人工智能平台可以看作是这一持续变革的早期表现。此类应用和平台已经可以运用在很多服务处理任务中，实现每个人的个性化服务体验。大规模超个性化和大规模服务化不仅增加了服务产品的价值，还可能提高服务运营和整个服务业的生产力，特别是作为知识密集型工作的一部分。本文根据我们目前的研究，反映并提供了数字化、服务转型和研究方向的关键新兴概念的最新摘要。
Alpaca：用于 Web 应用程序的 AR 图形扩展
在本文中，我们提出了一个框架来简化为 Web 应用程序创建增强现实 (AR) 扩展的过程，而无需修改原始 Web 应用程序。我们在一个名为 Alpaca 的开源包中实现了该框架。使用 Alpaca 开发的 AR 扩展作为 Web 浏览器扩展出现，并自动将 Web 的文档对象模型 (DOM) 与 AR 的 SceneGraph 模型桥接起来。为了将 Web 应用程序转换为多设备、混合空间的 Web 应用程序，我们设计了一个限制性和最小化的跨设备事件处理界面。我们使用三个示例演示了我们开发混合空间应用程序的方法。这些应用程序分别用于探索 Google 图书、探索美国国家公园管理局托管的生物多样性分布以及探索 YouTube 的推荐引擎。前两个案例展示了第三方开发人员如何在不对原始 Web 应用程序进行任何修改的情况下创建 AR 扩展。最后一个案例是开发人员从头开始创建 Web 应用程序时如何创建 AR 扩展的示例。 Alpaca 适用于 iPhone X、Google Pixel 和 Microsoft HoloLens。
探索生成AI在构建具有医学环境的药物适应症的知识图中的作用
摘要药物指示的医学环境提供了有关如何在实践中使用该药物的重要信息。但是，从药物适应症中提取医疗环境仍然受到探讨，因为大多数研究都集中在识别药物和相关疾病上。的确，大多数数据库编目的药物指示都不包含其医疗环境，以机器可读的格式。本文提出了使用大型语言模型来构建钻石-KG，这是药物适应症及其医学环境的知识图。研究1）检查在为语言模型提供其他指导时的准确性和精度变化，2）估计药物适应症中医疗环境的普遍性； 3）评估钻石-KG对Neurodkg的质量，而Neurodkg是一个小型手动策划的知识图。结果表明，更多的详细提示提高了医疗环境提取的质量； 71％的迹象至少具有一种医疗背景； 63.52％的提取的医学环境对应于Neurodkg中鉴定的医疗环境。本文展示了使用大型语言模型进行专业知识提取的实用性，特别着眼于提取药物适应症及其医学背景。我们提供钻石 - 作为由本体支持的公平RDF图。公开访问，钻石kg可能对下游任务，例如语义查询回答，推荐引擎和药物重新定位研究。