XiaoMi-AI文件搜索系统
World File Search System浪潮
接近造纸浪潮
1.3 在沿海和岛屿发展中国家，小规模渔业和其他海洋部门支持了大量就业和生计机会。依赖海洋谋生的 30 亿人中，大多数居住在发展中国家（联合国，2015 年）。全球 40% 的鱼类捕捞和生产来自小规模渔业，全球 90% 以上的渔民和渔业工人从事小规模生产（粮农组织，2022 年）。因此，全球约有 5 亿人依靠小规模渔业维持生计和营养。大多数渔民和养鱼户生活在亚洲（80%），其次是非洲和拉丁美洲及加勒比地区（分别为 10% 和 4%；粮农组织，2022 年）。海洋和沿海旅游业也是发展中国家就业和生计的重要来源。在旅游业工作的 3 亿人中，超过 80% 生活在发展中国家（WTTC，2022 年）。
在令人担忧的中和抗性变异病毒浪潮中，疫苗诱导的保护作用与老年人和体弱者预防致命的 COVID-19 相关
保留所有权利。未经许可不得重复使用。永久。预印本（未经同行评审认证）是作者/资助者，他已授予 medRxiv 许可，可以在此版本中显示预印本。版权所有者于 2023 年 2 月 23 日发布此版本。；https://doi.org/10.1101/2023.02.16.23286009 doi: medRxiv preprint
在 SARS-CoV-2 大流行的 Omicron 浪潮期间，接受英夫利昔单抗治疗的 IBD 患者出现疫苗逃逸、突破和再感染增加
摘要 目的 抗肿瘤坏死因子 (TNF) 药物会削弱接种 SARS-CoV-2 疫苗后的血清学反应。我们试图评估第三剂信使 RNA (mRNA) 疫苗是否能显著增强接受英夫利昔单抗治疗的 IBD 患者的抗 SARS-CoV-2 抗体反应和保护性免疫。设计 在生物疗法对 SARS-CoV-2 感染和免疫的影响 (CLARITY) IBD 研究中，比较了接受英夫利昔单抗治疗的 IBD 患者中第三剂疫苗诱导的抗 SARS-CoV-2 刺突 (抗 S) 受体结合域 (RBD) 抗体反应、突破性 SARS-CoV-2 感染、再感染和持续性口咽携带者与接受维多珠单抗治疗的参考队列。结果 接种第三剂 mRNA 疫苗后，两组的抗 S RBD 抗体浓度几何平均数 (SD) 均增加。然而，无论前两剂基础疫苗是 ChAdOx1 nCoV-19（1856 U/mL (5.2) vs 10 728 U/mL (3.1), p<0.0001）还是 BNT162b2 疫苗（2164 U/mL (4.1) vs 15 116 U/mL (3.4), p<0.0001），接受英夫利昔单抗治疗的患者的抗体浓度均低于接受维多珠单抗治疗的患者的抗体浓度。然而，无论接受何种基础疫苗组合，在第三剂和第四剂 mRNA 疫苗接种后，抗 S RBD 抗体浓度均无差异。接种第三剂疫苗后，接受英夫利昔单抗治疗的患者的抗 S RBD 抗体半衰期估计值短于接受维多珠单抗治疗的患者（37.0 天（95% CI 35.6 至 38.6）vs 52.0 天（95% CI 49.0 至 55.4），p<0.0001）。与接受维多珠单抗治疗的患者相比，接受英夫利昔单抗治疗的患者更有可能出现 SARS-CoV-2 突破性感染（HR 2.23（95% CI 1.46 至 3.38），p=0.00018）和再感染（HR 2.10（95% CI 1.31 至 3.35），p=0.0019），但这种影响与第三剂疫苗抗 S RBD 抗体浓度无关。再感染主要发生在 Omicron 浪潮期间，并由 SARS-CoV-2
马萨诸塞州各邮政编码地区 COVID-19 疫苗和加强剂覆盖率不平等：2021/22 年 Omicron 浪潮之后仍然存在巨大差距
1 – 波士顿大学公共卫生学院全球卫生系，马萨诸塞州波士顿 2 – 波士顿大学公共卫生学院流行病学系，马萨诸塞州波士顿 3 – 波士顿大学医学院传染病科，马萨诸塞州波士顿 4 – 波士顿医疗中心，马萨诸塞州波士顿 5 – 波士顿大学公共卫生学院环境卫生系，马萨诸塞州波士顿 6 – 波士顿大学公共卫生学院卫生法、政策和管理系，马萨诸塞州波士顿 7 – 波士顿市波士顿公共卫生委员会，马萨诸塞州波士顿 摘要背景。COVID-19 疫苗覆盖率的不平等可能会导致马萨诸塞州 (MA) 社区之间未来发病率和死亡率的差异。方法。我们从马萨诸塞州公共卫生部获取了按邮政编码（以及按年龄组：5-19、20-39、40-64、65+）接种疫苗和加强针的居民的公共使用数据。我们通过汇总 2015-2019 年美国社区调查中的人口普查区人口估计值，构建了邮政编码的人口分母。我们排除了非住宅邮政编码和包含该州 1% 人口的最小邮政编码。我们绘制了邮政编码级别初级系列疫苗和加强针覆盖率的变化，并使用回归模型评估了这些指标与邮政编码级别社会经济和人口统计特征之间的关联。由于年龄与 COVID-19 严重程度和疫苗接种/吸收密切相关，我们评估了在调整年龄结构后观察到的社会经济和种族不平等是否仍然存在，并按邮政编码特征的十分位数绘制了特定年龄的疫苗和加强针覆盖率。
我们正处于经济发展的第四波浪潮中吗？
摘要：各州以及社区对经济增长和发展政策的处理方式随着时间的推移而变化，经历了不同的阶段或浪潮。我们已经经历了三个这样的阶段或浪潮的想法已被学术界和实践者广泛讨论和研究。在这篇演讲中，我提出了一系列论点，表明我们已经进入了社区处理经济增长和发展的第四阶段或浪潮。具体来说，社区正在将注意力从促进商业发展转移到让社区对人们更具吸引力上。有时被称为“场所营造”，其理念是，如果我们让社区尽可能地吸引人们，人们就会愿意住在社区并创造商业机会。这种从关注人而不是关注企业的转变对于社区如何看待经济增长和发展至关重要。关键词：经济发展、政策、场所营造 JEL 代码：O10、R11、R28
人工智能：准备好迎接浪潮了吗？
1. MIT-BCG 2020 人工智能全球高管研究项目；2. 过去 18 个月，人工智能采用率飙升，《哈佛商业评论》，哈里斯民意调查 3. 在实施人工智能后效率和决策质量均有所提高的团队中（约占 58%）；《人工智能在企业中的文化效益》，BCG-MIT，2021 年 11 月；4. 根据 2020 年春季的一项全球调查，共吸引了来自 29 个行业和 112 个国家的 3,000 多名受访者；我们对“显著财务效益”的评估使用了根据组织规模而变化的阈值。对于我们样本中收入超过 100 亿美元的最大组织，通过这一门槛需要每年通过使用人工智能带来超过 1 亿美元的收入和/或成本改善。对于规模较小的组织，门槛较低：收入在 5 亿至 100 亿美元之间的组织，改进费用为 2000 万美元；收入在 1 亿至 5 亿美元之间的组织（或非营利组织），改进费用为 1000 万美元；收入低于 1 亿美元的组织，改进费用为 500 万美元；5. 公民对政府使用人工智能的看法，波士顿咨询集团
新自然经济：亚洲的下一波浪潮
大自然正在以前所未有的速度衰退，而且速度还在不断加快。由于人类活动，近一百万个物种面临灭绝的危险。生物多样性和生态系统服务政府间小组（IPBES）的 2019 年全球评估报告是迄今为止最全面的研究，它紧急引起了人们对地球危急状况的关注。1 亚太地区拥有地球上其他任何地方都找不到的丰富特有生物多样性，其生态系统多样化，包括从东南亚的热带森林到太平洋的珊瑚礁。然而，该地区也是生物多样性和自然丧失的中心。亚太地区是世界上自然资本枯竭热点最集中的地区 2 ，并且在过去几年中一直是全球受威胁物种数量最多的地区。3 仅在东南亚，预计到 2100 年将有 13% 至 42% 的物种灭绝，其中约一半将导致全球灭绝。 4 地球系统科学家警告称，太平洋的珊瑚礁正迅速接近不可逆转的临界点，这可能会引发生物群落的快速变化，对海洋生物多样性和蓝碳封存产生深远影响。5 链接
地形罗斯比浪潮在南方中国海
摘要：使用观测值和高分辨率数值模拟研究了深渊南海（SCS）的地形波浪波（TRW）。这些能量波可以占中央SC中深层边界电流和海拔区域中动能（KE）的40％以上。这一比例甚至可以在北部和南部SC的斜坡上达到70％。TRW诱导的电流表现出柱状（即相位）结构，其中速度向下增加。波特性，例如周期（5-60天），波长（100-500 km）和垂直捕获量表（10 2 –10 3 m），根据SC的环境参数的不同。TRW能量沿陡峭的地形传播，相位传播在海上。trws具有高频的攀岩效果比低频的攀爬效果更强，因此可以进一步上坡。对于具有一定频率的TRW，波长和捕获量表以地形β为主导，而组速度对内部Rossby变形半径更敏感。带有水平剪切的背景循环可以改变TRW的波长和方向，如果流速与组速度相当，尤其是在中部，南部和东部SC中。一个案例研究提出了TRW的两个可能的能源：上层的中尺度扰动和深层的大规模背景循环。前者通过压力工作提供KE，而后者通过斜压不稳定性转移了可用的势能（APE）。
人工智能三波浪潮中数据和知识的二元性
我们讨论了在过去 30 到 50 年中，仅关注数据的人工智能 (AI) 系统如何受到阻碍，以及知识在开发更智能、更高效的系统方面如何发挥关键作用。事实上，人工智能的巨大进步可以从 DARPA 确定的三次人工智能浪潮中看出。在第一波浪潮中，手工制作的知识一直处于核心地位，而在第二波浪潮中，数据驱动的方法取代了知识。现在，我们看到知识在第三波人工智能浪潮中发挥了重要作用并实现了重大突破，为未来的智能系统奠定了基础，因为它们试图做出类似人类的决策，并寻求成为人类值得信赖的助手和伙伴。我们发现，从各种来源创建的知识越来越广泛，使用从手动到自动化的方式，既可以通过重新利用，也可以通过提取。将知识与统计学习结合使用正变得越来越不可或缺，有助于使人工智能系统更加透明和可审计。我们将基于认知科学，将其与知识和经验在人类智能中的作用进行比较，并讨论新兴的神经符号或混合人工智能系统，在这些系统中，知识是将数据密集型统计人工智能系统的功能与符号人工智能系统的功能相结合的关键推动因素，从而产生更强大的人工智能系统，支持更像人类的智能。数据和知识在人工智能中的作用 数据和知识在人工智能中的作用已经引起了广泛的争论。知识已经以多种不同的方式从数据中合成，或手动编码以模拟我们使用的语言或我们周围世界的工作方式，从而实现感知、查询、预测和解释。我们认为，获取知识的方法和知识形式应该适合使用和应用的环境，没有一刀切的方法。在 20 世纪 80 年代和 90 年代初期的第一次人工智能浪潮中，能够执行超越数字处理的符号计算被认为是智能的标志。随后，在逻辑中对领域知识进行符号编码并利用其进行数据推理成为主要方法。事实上，对于知识表示和推理，发展出了两个独立的阵营和方法：一种声明性方法，其中知识捕捉世界运作的方式，并与知识的使用方式分开；一种程序性方法，其中知识与知识的使用方式交织在一起。换句话说，在前一种情况下，显性知识的获取可以与其使用方式的多种方式清晰地区分开来，而在后一种情况下，知识是隐性的，是特定于应用程序的代码的组成部分。虽然前者从广泛的重用角度来看是有益的，但后者对于在实践中构建有效的实现变得必不可少，因为实践中使用启发式方法将领域知识开发并整合到应用程序代码中 [Neats & Scruffies]。
