任务工程 (ME) 是一个跨学科过程,涵盖分析、设计和整合当前和新兴的运营需求和能力以实现预期任务结果的整个技术工作。1 本风格指南旨在帮助任务架构师应用基于模型的系统工程 (MBSE) 方法和国防部研究与工程副部长办公室 (OUSD(R&E)) 任务工程指南第 2 版中概述的原则。0 (MEG 2.0) 创建任务架构,为国防部 (DoD) 的决策提供信息。任务架构通过图形表示以系统的方式协调任务结果、要求和能力,从而增强利益相关者对任务空间和相关问题领域的理解。构建工件是为了使利益相关者能够利用已完成的研究,进行额外的游览,或扩展研究以解决更大的范围。
摘要:随着人工智能 (AI) 在现代生活中蓬勃发展和传播,一个关键问题是,如何将人类纳入未来的人工智能?尽管人类参与了从构思、设计到实施的每个生产过程阶段,但现代人工智能仍因其“黑箱”特性而经常受到批评。有时,我们不知道内部到底发生了什么,也不知道某些结论是如何以及为什么得出的。未来的人工智能将面临许多其创造者无法预见的困境和道德问题,而不仅仅是那些常见的问题(例如,电车难题及其变体),而这些问题的解决方案无法硬编码,而且往往仍有待商榷。鉴于此类社会和道德困境的敏感性及其对整个人类社会的影响,当我们的人工智能做出“错误”选择时,我们需要了解它们是如何导致的,以便进行纠正并防止再次发生。在涉及人类生计(例如,健康、福祉、财务、法律)或做出重大个人或家庭决定的情况下尤其如此。要做到这一点,就需要打开人工智能的“黑匣子”;尤其是它们在人类世界中的行为、互动和适应,以及它们如何与这个世界上的其他人工智能互动。在本文中,我们主张将认知架构应用于道德人工智能。特别是,它们可能对人工智能的透明度、可解释性和可问责性做出贡献。我们需要了解我们的人工智能如何得到它们所做的解决方案,我们应该在更深层次上寻求这一点,从动机、态度、价值观等机器等价物的角度来理解。未来人工智能的道路漫长而曲折,但它可能比我们想象的更快到来。为了利用人工智能对人类和社会的积极潜在结果(并避免负面影响),我们首先需要更全面地了解人工智能,我们希望这同时也有助于更好地了解人类同行。
过去,网络攻击尚未出现在我们的世界中。控制系统的故障仅被视为机械设备故障。客户的安全很少受到黑客通过远程访问网络渠道的威胁。如今,电子控制系统容易受到不同类型的攻击。例如,汽车可以通过各种攻击媒介被黑客操纵[1]-[4]。在本文中,我们希望在恶意攻击者试图接管它时找到正确的操作员。以前,汽车、机器人等控制系统仅由现场人工操作员处理。逐渐地,控制权被授予工业自主控制系统,然后通过网络通信渠道授予远程访问网络系统。这种范式
摘要 — 无人驾驶飞行器 (UAV) 或无人机的航空电子系统是机载关键电子元件,用于调节、导航和控制无人机飞行,同时确保公共安全。现代无人机航空电子设备共同协作,通过实现稳定的通信、安全的识别协议、新颖的能源解决方案、多传感器精确感知和自主导航、精确的路径规划来促进无人机任务的成功,从而保证避免碰撞、可靠的轨迹控制和无人机系统内的高效数据传输。此外,必须特别考虑电子战威胁的预防、检测和缓解,以及与无人机操作相关的监管框架。本综述介绍了每种无人机航空电子系统的作用和分类,同时介绍了每种系统中可用替代方案的缺点和优点。调查了无人机通信系统、天线和位置通信跟踪。介绍了响应空对空或空对地询问信号的识别系统。讨论了无人机经典和更创新的电源。感知系统的快速发展提高了无人机的自主导航和控制能力。本文回顾了常见的感知系统、导航技术、路径规划方法、避障方法和跟踪控制。现代电子战使用先进技术,必须采用同样先进的方法来应对,以保证公众安全。因此,本文详细介绍了常见的电子战威胁以及最先进的对抗措施和防御措施。此外,本文还在国家监管框架和认证流程的背景下分析了无人机安全事件。最后,本文回顾了无人机的数据总线通信和标准,因为它们能够实现高效、快速的实时数据传输。
NVIDIA DOCA™框架可以在Bluefield网络平台上快速创建和管理应用程序和服务,利用行业标准API。使用DOCA,开发人员可以通过利用Nvidia的Bluefield数据处理单元(DPU)和SuperNIC的功能来提供突破性的网络,安全性和存储性能。在主机上安装DOCA提供了管理Nvidia®Bluefield®和NVIDIA®Conleindx®设备的所有必要驱动程序和工具。
2024年11月28日,海得拉巴IBS校园数字化转型卓越中心(CEDT),ICFAI高等教育基金会(IFHE)(IFHE)和弗里德里希·埃伯特·斯蒂夫特(FRIEDRICH-EBERT-STIFTUNG(FES),共同组织了一日一日在数字化开发方面进行数字化求解:延伸数字化的求职者: 2024年11月28日在IBS Hyderabad校园中的农业,商业,教育和健康背景推动包容性开发,以数字公共基础设施印度迈向数字授权和知识驱动的经济的旅程,这是数字公共基础设施的战略实施(Mishra,R.D.,2023年)的标志。这种创新的方法旨在将国家转变为参与性,透明和响应式的系统,以确保通过增强的在线基础设施和提高互联网连接使公民轻松获得政府服务(Mishra,R.D.,2023年)。基础数字公共基础设施,即印度堆栈,有可能支持印度经济的转变并推动包容性增长。通过利用独特的数字识别,付款系统和数据交换层,印度能够促进创新,扩大市场和金融包容性的紧密差距。这一变革性旅程的一个关键方面在于数字公共基础设施的潜力,可以使公平的市场访问,安全付款和开放网络,为企业和个人提供新的机会。dpi作为包容性增长的催化剂,数字公共基础设施已成为包容性发展的催化剂,增强了各种社会经济阶层的公民权力。政府,民间社会组织和科技行业之间建立的合作伙伴关系在确保所有公民的数字素养和可访问性方面发挥了作用,使他们能够无缝访问政府服务,政策和计划(Kanjilal等人,2022年)。在DPI框架内开发的开源平台和可互操作的生态系统在民主化技术创新方面发挥了关键作用。通过培养协作和共同创造的文化,这些平台使包括边缘化社区在内的各种利益相关者能够参与针对其特定需求量身定制的解决方案的开发。强调通过数字公共基础设施的公平市场获取和安全付款,这证明了印度对包容和可持续增长的承诺。由政府支持的倡议的开放式数字商务网络旨在通过为各种规模的企业提供公平的竞争环境来使电子商务民主化,从而确保即使是最小的企业也可以参与数字经济(Hanedar等,2023年)。
网络安全性和基础设施安全局(CISA),国家安全局(NSA),联邦调查局(FBI)(FBI),澳大利亚信号局(ASD)澳大利亚网络安全中心(ACSC),加拿大网络安全中心,加拿大网络安全中心(CCCS)和新西兰国家 /地区的国家网络安全中心(PRC PRODSSSC) - NC SESC-NC PESICS-NC PESICS-NC PESICENS WARIL ZIL PESICENS(NCIL PESICENS)妥协了全球主要电信提供商网络,以进行广泛而重要的网络间谍活动。授权机构正在发布本指南,以强调这一威胁,并为网络工程师和通信基础设施的捍卫者提供最佳实践,以增强其可见性,并使他们的网络设备不受PRC隶属关系和其他恶意网络参与者进行的成功剥削。尽管针对网络辩护者和通信基础设施的工程师量身定制,但本指南也可能适用于具有本地企业设备的组织。创作机构鼓励电信和其他关键基础设施组织在本指南中运用最佳实践。
第 1 章 未来英特尔® 架构指令扩展和特性 1.1 关于本文档. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1-1 1.2 未来处理器的 DisplayFamily 和 DisplayModel . . . . . . . . . . . . . . . . . . . . . . . . . . 1-1 1.3 Intel® 64 和 IA-32 处理器中的指令集扩展和特性介绍 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1-4 1.5 EVEX 中的压缩位移(disp8*N)支持 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1-55 1.6 bfloat16 浮点格式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ................. ... 1-57 1.7.2 浮点舍入、非规范处理、NaN/Inf/溢出处理和浮点异常 . . 1-57
虽然异构架构在高性能计算系统中越来越受欢迎,但其有效性取决于调度程序将工作负载分配到合适的计算设备上的效率,以及通信和计算如何重叠。随着不同类型的资源集成到一个系统中,调度程序的复杂性也相应增加。此外,对于在不同异构资源上具有不同问题规模的应用程序,最佳调度方法可能会有所不同。因此,我们引入了一种基于配置文件的人工智能辅助动态调度方法,以动态和自适应地调整工作负载并有效利用异构资源。它结合在线调度、应用程序配置文件信息、硬件数学建模和离线机器学习估计模型,实现异构架构的自动应用设备特定调度。硬件数学模型提供粗粒度计算资源选择,而配置文件信息和离线机器学习模型估计细粒度工作负载的性能,在线调度方法动态自适应地分配工作负载。我们的调度方法在事件驱动的运行时系统中对控制规则应用程序、2D 和 3D Stencil 内核(基于 Jacobi 算法)和数据不规则应用程序稀疏矩阵向量乘法 (SpMV) 进行了测试。实验结果表明,PDAWL 的表现与产生最佳结果的 CPU 或 GPU 相当或远远优于后者。关键词:异构多核计算、工作负载平衡、自适应建模、机器学习辅助调度、并行计算
