XiaoMi-AI文件搜索系统
World File Search System混为一谈
草稿同样安全的送货计划2024-2026
在制定交付计划期间，我们听到了由于缺乏基于荣誉的虐待（HBA）的明确定义而引起的挑战。一些理解将HBA与肇事者（在HBA的情况下包括家庭和社区的成员）和动机（对家庭或社区羞耻的惩罚）区分开了家庭虐待。一些方法将两者混为一谈。这可能导致缺乏一致的风险评估和有效的干预来支持受害者幸存者。证据还表明，居住在大家庭的一些少数族裔妇女（尤其是南亚妇女）可能会经历其伴侣和/或家庭中的其他家庭成员（通常是丈夫的家人）进行的虐待。我们听说，大家庭虐待并不完全符合对家庭虐待的主流理解，该理解的重点是伴侣和前伴侣的虐待。了解HBA，大家庭虐待和家庭虐待之间的关系以及在不同种族群体中表现出来的关系以及家庭安排如何有助于为更有效的政策制定和服务提供。我们还从利益相关者那里听到了有关遭受VAWG面孔的移民妇女的复杂障碍，例如肇事者对移民身份的武器化，或者缺乏解释其法律权利和权利的无障碍信息。我们将与网络合作，以减轻这些挑战，在权力下放的能力内，同时我们继续关注保留庇护，移民和与英国政府无关的公共基金政策。针对少数民族族裔妇女和女孩网络的暴力行为汇集了第三个，法定和学术部门的一系列合作伙伴，以考虑并告知苏格兰政府对少数民族妇女和女孩的暴力行为。利用了网络的宝贵生活经验和专业知识，我们将扩展我们对这些形式的VAWG的理解，以应对周围的独特挑战。
（2024-12-23）Howard Lutnick商务部卫星冲突研究
摘要：当选总统特朗普已选定亿万富翁霍华德·卢特尼克（Howard Lutnick）担任美国商务部部长，卢特尼克目前担任特朗普过渡期的联席主席，此前他为特朗普 2024 年竞选筹集了 7500 万美元。商务部是一个“庞大”的内阁部门，负责监管专利、国家气象局、太空卫星、科学标准、贸易限制、经济数据和一系列其他事务。卢特尼克是金融服务“巨头”坎托·菲茨杰拉德的董事长兼首席执行官，他已经被指控“将其商业利益与”特朗普的第二次过渡期混为一谈，如果他被任命，他可能会在制定“一系列经济政策”的角色中引发进一步的冲突。例如，卢特尼克已经申请了 1,000 多项专利，他将负责监管商务部的美国专利商标局。尽管 Lutnick 声称将撤资自己的商业帝国，但他与 Cantor Fitzgerald 的关系却十分密切，他似乎准备与 Cantor 保持密切的业务往来，他的儿子曾为 Cantor 的主要加密货币公司客户 Tether 工作，并将于 2024 年 12 月担任 Cantor 最新空白支票公司的首席执行官。现在，Accountable.US 的审查发现，Lutnick 和 Cantor Fitzgerald 在商业航天行业的利益可能会与 Lutnick 领导商务部的潜在角色产生具体冲突，同时也会使他的“亲密”盟友和亿万富翁埃隆·马斯克受益：
社论：经济冲击对人类行为、精神生活和环境的影响：对后新冠疫情时代的影响
COVID-19 大流行给社会带来了根本性的经济冲击。事实上，COVID-19 大流行对个人健康和生存构成了威胁。它的爆发会在短期和长期内改变人类的行为。这个问题可能会导致人类行为的变化并影响精神生活。COVID-19 大流行期间的生活方式改变也增加了抑郁和自杀。COVID-19 大流行需要政府、机构、组织和社区的综合努力来应对这场健康危机。“CoVesity”问题将肥胖率的上升与各种措施（例如封锁、宵禁、社交疏远）混为一谈，这些措施显著减少了人类的活动、流动性，从而减少了锻炼（Zakka 等人，2021 年；Ertz 和 Le Bouhart，2022 年）。此外，一些研究试图进一步详细说明如何利用大流行来实现更可持续的社会。接下来，一个研究小组使用了几个理论框架来提出一个三层（系统性）的向更可持续社会转变的趋势：（1）随着时间的推移而得到资助的积极政治（决策者）；（2）敏捷且对社会负责的组织；（3）有行动力和被赋予权力的公民（消费者）（Trespeuch 等人，2021 年）。在这场全球大流行之后，世界各地的企业性质也在发生变化；例如，越来越多的公司希望降低固定成本并最大限度地降低组织风险，因此越来越多地采用在家在线办公。网络和社交互动也将发生重大变化。这些问题会影响工人的情绪、精神疲劳和压力。此外，在社会层面，人们对彼此的态度可能会发生变化，例如志愿团体为支持弱势社区成员而发展起来。例如，睦邻友好和利他主义对政府和企业的变革施加了压力，尤其是在自由市场经济体中，经济考虑
运动序列学习涉及更好地预测运动轨迹的下一个动作和优化
学习新的顺序运动是许多动物的基本技能。尽管序列学习的行为表现很明确，但基本机制仍然很少理解。运动序列学习可能来自三个不同的过程：（1）改善独立于顺序上下文的单个运动的执行； （2）接下来应该执行对“什么”运动的增强期望，从而更快地启动； （3）应在序列中最佳地执行编码“如何”运动的摩托序列特定表示。但是，许多现有的范式将学习的组成部分混为一谈，因为参与者经常获得序列内容（做什么）及其执行（如何做）。这种重叠掩盖了每种机制对运动序列学习的不同贡献。在这项研究中，我们使用连续的任务解散了这些机制。将训练序列中的性能与随机序列进行比较，以排除仅归因于孤立运动执行的改进。还通过改变了几个即将到来的目标，我们评估了预期在学习中的作用。当参与者只能看到一个未来的目标时，改进主要是由于他们学习了下一个目标。当他们看到未来的四个目标时，参与者立即证明了快速的运动时间并增加了运动平滑度，在一个目标条件下超过了晚期性能。至关重要的是，即使对未来目标的全面可见性，参与者也表现出进一步的序列特异性学习，这是由于运动轨迹的连续优化而引起的。随访实验表明，学到的序列表示是效应器特异性和编码四个运动或更长的上下文信息。我们的范式可以在运动序列学习的“什么”和“如何”组成部分之间进行明显的解离，并为效应特异性序列表示的开发提供了令人信服的证据，从而指导最佳运动执行。
零信任在微电子领域的重要性
零信任在微电子领域的重要性 Lisa J. Porter 博士 LogiQ, Inc. 弗吉尼亚州阿灵顿市 Lisa.Porter@LogiQ-inc.com (703)627-5671 关键词：零信任、供应链、安全、弹性 最近，供应链的脆弱性以及大规模的网络安全漏洞引发了人们对重新思考整个全球微电子价值链的必要性的合理担忧。然而，对于如何应对这一挑战存在很大困惑，不幸的是，最近政府提供的大量补贴刺激了劣质解决方案的推广。必须关注的是弹性，而不是完全安全的系统。虽然这两个概念经常被混为一谈，但事实上它们是截然不同的。后一个目标不仅不可能实现，而且还会导致存在严重缺陷的解决方案，其中对信任的追求（例如，可信供应商、可信网络）成为开发安全系统的代理。例如，美国国防部专注于“安全可信”的微电子技术，这导致其依赖可信代工厂，但具有讽刺意味的是，这却降低了其安全态势，这不仅是因为可信代工厂所依赖的周边防御方法存在固有缺陷，还因为它们迫使国防部依赖较旧的技术，从而削弱了国防部在全球舞台上的竞争力，并且更容易受到假冒产品的侵害。相比之下，国际系统工程理事会 (INCOSE) 将弹性定义为“在逆境中提供所需能力的能力” [1]。追求复杂系统的弹性承认了故障（无论是否恶意）会发生的现实，目标应该是将其对运营的影响降至最低。当今全球分布且相互交织的微电子价值链已经发展为针对效率和创新而不是弹性进行优化，当前的事件凸显了解决这一缺点的必要性。零信任 (ZT) 理念可以设计和实施弹性系统，而不会产生追求“安全可信”系统的负面后果。它假设任何复杂系统（例如网络、代工厂、供应链）都已经或将要受到损害，并且追求对系统任何部分的信任
行为只是运动，但如何解释它？转化神经科学中的问题和陷阱——40 年的经验
行为神经科学的转化研究遵循精神病学临床研究的指导，在动物身上寻找人类心理健康问题的原因和治疗方法。这项工作面临几个问题，因为科学家必须阅读和解释动物的动作来代表人类的感知、情绪和记忆过程。然而，目前仍不清楚哺乳动物的大脑如何将所有这些过程捆绑成脑干和脊髓中高度压缩的运动输出，但如果没有这些知识，转化研究将毫无意义。本文基于该领域四十年的经验，确定了解释问题的来源并说明了典型的转化陷阱。（1）老鼠的感官世界不同。嗅觉、听觉和触觉胡须感觉在啮齿动物中占主导地位，而视觉输入相对较小。在人类中，这种关系正好相反。（2）老鼠和人类的大脑被不恰当地等同起来：联合皮层占人类新皮层的很大一部分，而啮齿动物的联合皮层相对较小。啮齿类动物最主要的联想皮层是海马体本身，它主要协调来自次级感觉运动区域的输入，并产生物种典型的运动模式，这些模式不易与假定的人类海马功能相协调。（3）对记忆或情绪研究的翻译解释往往忽略了小鼠的生态学，小鼠是一种极小的物种，靠不需要太多认知处理的冻结或飞行反应生存。（4）进一步的误解源于将神经元特性与系统特性混为一谈，以及僵化的机械思维，没有意识到许多实验引起的大脑变化确实部分反映了不可预测的补偿性可塑性。（5）基于对室内和室外小鼠海马病变影响的观察，本文提供了一个与下丘脑输入和输出相关的海马功能的简单通用模型，将下丘脑和脊髓上运动系统置于大脑层级的顶端。 （6）通过将简单的物种典型行为作为可比的终点，可以避免许多翻译问题
对 USPTO 关于专利人工智能信息请求的回应
Kate Gaudry 1 1.利用人工智能的发明以及由人工智能开发的发明通常被称为“人工智能发明”。人工智能发明的要素是什么？例如：要解决的问题（例如，人工智能的应用）；人工智能将在其上进行训练和操作的数据库结构；算法在数据上的训练；算法本身；通过自动化过程的人工智能发明的结果；应用于影响结果结果的数据的策略/权重；和/或其他元素。重要的是不要将人工智能与机器学习混为一谈。并非所有人工智能技术都使用机器学习技术。机器学习技术使用数据来学习底层算法的部分（例如，学习一组参数的值）。一些 AI 技术不使用深度学习，而是可能依赖于（例如）复杂的查询、逻辑和/或知识库。例如，深蓝在 1997 年的国际象棋比赛中使用符号 AI（或“老式人工智能”）击败了 Garry Kasparov。深蓝通常被认为对应于 AI 系统，即使这种技术仅涉及比较（大量）潜在序列，这并不等同于“学习”。美国专利商标局似乎之前已经意识到 AI 比机器学习更广泛，因为 706 类有一个机器学习子类和一个知识处理系统子类。因此，AI 实际上是相当宽泛的术语。我建议避免设立需要具体描述单个专利申请是否与 AI 相关的计划或其他计划。目前，分类过程中使用了与 AI 相关的定义，但众所周知，专利申请可能涉及多个类别。因此，不期望 AI 类别会包含所有 AI 专利申请，也不期望分配给 AI 类别的所有类别实际上都与 AI 相关。此外，有些人认为整个领域都是 AI 领域的一部分。例如，可以说整个计算机视觉、语音检测和自然语言处理领域都是 AI 领域的子领域。因此，我再次建议谨慎制定“AI 发明”的定义，该定义将用于与其他专利申请相比对 AI 发明专利申请进行差异化处理。2.自然人可以通过哪些不同的方式为人工智能发明的构思做出贡献并有资格成为指定发明人？例如：设计算法和/或加权适应性；构建算法运行的数据；在数据上运行人工智能算法并获得结果。开发机器学习工具可以包括各种步骤，例如：
可靠性数据库：最新进展和展望
可靠性理论的基础工作为根据部件可靠性知识计算复杂系统可靠性的评估以及从相对不可靠的部件构建可靠系统建立了数学基础。如今，可靠性和安全性分析已成为每个技术系统设计或调查过程的重要组成部分。要解决的问题可分为两大类：1. 危险工厂的可靠性和安全性分析，比较其可靠性和安全性参数的值，提高工厂的安全水平等； 2. 预测即将建造的新工厂的可靠性和安全性参数值。因此，有必要获得有关设备功能、事故及其后果、维护操作及其成本的完整而准确的数据，这些数据可用于解决上述分类中第一类问题。最好的情况是，这些信息是从同一台设备（特定故障数据）或类似条件下的类似设备收集的。对于第二组问题，我们必须使用计划实施的设备信息，结合专家对新设备可靠性参数的判断，或者使用标准值或标准可靠性模型（例如MIL-217 或 Bellcore）。因此，需要从安装和操作的现场记录中收集与所有类型组件相关的可靠性数据，以便我们分析、比较或预测复杂系统的可靠性水平。我们可以定义至少三类可靠性数据库用户 [1]： - 风险和可靠性分析师，用于分析和预测复杂系统的可靠性； - 维护工程师，用于测量和优化维护性能； - 组件设计人员，用于分析和优化组件性能。所有这些专家都需要不同类型的数据。风险分析师需要计算系统可用性或任务成功或失败的概率。为此，他需要了解组件的可用性和故障率。如果停机时间已正确包含在数据库中，则可以根据按需故障估计可用性。维护工程师需要测量维护性能。操作数据将维护的影响和组件的固有可靠性混为一谈。他还想知道，如果不进行维护，组件的故障行为会是怎样的。组件设计人员主要对揭示设计弱点的故障机制感兴趣。因此，他有兴趣根据故障机制区分故障模式。如果无法做到这一点，则使用工程知识从其他信息中推断故障机制。
为什么 C4I 软件难以开发？ - 第 1 轨
面向服务架构 (SOA) 有望改变 C4I 软件的设计、开发和部署，预示着先进灵活的作战能力将迎来一场革命……但这不会发生，至少在未来 10-15 年内不会发生。传统的 C4I 软件（如全球指挥和控制系统 (GCCS)）将在此期间继续繁荣发展，最明显的“SOA 革命”包括将点对点 Web 服务与传统功能相结合……但不要将这一进展与 SOA 的承诺混为一谈。SOA 技术已经问世约 5 年了——这个时间范围超过了 GCCS 下一版本的耐心阈值——但可行的基于 SOA 的 C4I 系统仍然难以捉摸。那么问题是什么？问题在于，C4I 的真正难题尚未得到解决，其中最突出的是 C4I 特有的复杂业务逻辑。打个比方，为什么很难为股票市场投资者编写软件来选择赢家并避免输家？开发 C4I 软件比开发股票市场软件困难得多，因为业务逻辑要复杂得多。这种复杂性及其相关影响是本白皮书的重点。§1 简介 多年前，Ada 被宣传为可以驯服 C4I 软件野兽的灵丹妙药编程语言 - 但并没有发生。然后 Java 凭借其可移植性、移动性和灵活性来征服 C4I 软件 - 但并没有发生。当时，浏览器被视为通往成功的捷径，它以简单的点击访问方式提供复杂的 C4I 功能 - 它仍在进行中，经过 12 多年的密集开发，只有少数成功。过去争夺银弹技术奖的其他竞争者包括 C++、通用对象请求代理体系结构 (CORBA)、计算机辅助软件工程 (CASE) 工具和集成开发环境 (IDE)。最近，基于 Web 服务的面向服务架构 (SOA) 构造被指定为 C4I 的下一个技术银弹。SOA 治理正在制度化，成为成功的关键组织/社会组成部分，并由能力成熟度模型® 集成 CMMI ()、六西格玛和 DoD 架构框架 (DODAF) 中的工件生成流程补充。所有这些努力确实创造了价值，但它们并未解决 C4I 软件设计和开发的核心挑战，即“业务逻辑”在 C4I 中的作用。特别是，C4I 需求流程（通过组织治理定义和管理）长期未能为开发人员提供足够的特异性以交付满足用户期望的软件。
www.mito.org.au 线粒体捐赠：事实
最近的一些评论似乎将线粒体捐赠与一系列术语（如生殖系基因改造/改变和生殖系基因编辑）混为一谈。这是不正确且具有误导性的。国际上已暂停生殖系基因编辑。该技术涉及切割核 DNA 或线粒体 DNA，当应用于非生殖系组织时，有望治疗某些遗传疾病。但是，目前该技术还不够成熟且效率低下，不能被视为安全有效的生殖系疗法。线粒体捐赠与基因编辑和其他形式的生殖系基因改造截然不同，因为它不会切割或修改 DNA，而是在不改变其所含线粒体 DNA 的情况下替换整个线粒体。在英国，人类受精与胚胎学管理局在一系列四次科学审查以及纳菲尔德生物伦理委员会的一次审查中考虑了这些区别。英国议会得出结论，线粒体捐赠不是种系基因改造，并于 2015 年修改了立法，允许向有高风险传播线粒体 DNA 疾病的父母提供线粒体捐赠。这项工作以严格的监管方式进行。在美国等一些国家，线粒体捐赠被称为线粒体替代疗法 (MRT)。美国国立卫生研究院 (NIH) 委托医学研究所进行了一项题为《线粒体替代技术：伦理、社会和政策考虑》的审查。该审查特别考虑了线粒体捐赠是否应被视为种系基因改造，并指出了线粒体 DNA 改造和核 DNA 在技术、性状和增强潜力方面的重大区别。他们在 2016 年的报告中得出结论：“这些区别可以独立于有关核 DNA 可遗传基因改造的决定，为 MRT 提供依据”。 2021 年，国际干细胞研究学会 (ISSCR) 发布了干细胞研究和临床转化的新指南。ISSCR 指南不建议进行可遗传基因组编辑（即切割和修复单个核或线粒体 DNA 基因），但该学会代表在最近参议院对 2021 年线粒体捐赠法改革（梅芙法）法案的调查中明确表示，他们支持在适当情况下使用线粒体捐赠，并且梅芙法中设想和概述的监督和用途与他们的指南一致。例如，ISSCR 指南包括：