XiaoMi-AI文件搜索系统
World File Search System相遇
神经科学与人工智能相遇 NIH 拨款支持开发...
CSB 的跨学科仿生视觉实验室正肩负着一项使命。他们的目标是什么？揭示仿生技术背后的科学原理，以便有朝一日为无法治愈的失明患者恢复有用的视力。“一种想法是在眼睛或大脑中植入芯片，并用电流刺激幸存的神经元，”实验室首席研究员、助理教授迈克尔·贝耶勒解释说。“如果这样做，其他神经元就无法分辨它们是被电极人工激活的还是自然激活的。”虽然该领域尚处于起步阶段，但此类假体设备已经存在。它们被称为“仿生眼”。贝耶勒的兴趣在于将它们提升到一个新的水平并开发智能仿生眼。在目前的状态下，这些设备的用户所看到的基本上是闪光。“这就是人们所描述的，”贝耶勒说。“就像看烟花一样。
人工智能与 IS 相遇研究人员：它能取代我们吗？
鉴于我们生活在一个数字化加速和人工智能 (AI) 快速发展的时代，AI 最终可能会使更多的工作任务自动化。然而，研究人员几乎没有批判性地分析过 AI 将如何自动化这些任务，以及它将比其他职业更多地自动化哪些职业。一些研究表明，AI 无法执行高度创造性和知识密集型的任务。然而，AI 算法已经生成了创意艺术作品，甚至艺术评论家也无法将其与人类绘制的画作区分开来。作为 IS（和大多数其他）研究人员，我们为自己工作的稀缺性、新颖性和创造性感到自豪。在此背景下，我们报道了第 40 届国际信息系统大会的一个小组，该小组讨论了 AI 是否能够并且将取代我们的主要活动、IS 研究，甚至 IS 研究人员本身。
太空与石油和天然气工业相遇：用例和……
预测显示，2023 年全球石油需求将增加 220 万桶/日 (mb/d)，达到创纪录的 102.1 mb/d1。尽管石油需求在 2023 年至 2028 年期间应会继续攀升，主要原因是石化原料和航空旅行增加，但随着绿色能源转型的进展，增长速度预计将明显放缓2。与石油相比，天然气被认为是一种更清洁的能源，预计将在从石油和煤炭向可再生能源解决方案的转变中发挥关键作用。尽管天然气需求在 2022 年有所下降，但预计将在 2023 年趋于稳定，然后在 2024 年恢复到 2% 的较温和增长3。总体而言，石油和天然气市场持续增长，但价格剧烈波动和与地缘政治事件相关的不确定性飙升抑制了增长。
软件工程与人工智能相遇
摘要：随着人工智能在传统软件系统中的应用越来越广泛，两个以前彼此陌生的世界正变得越来越接近，即成熟的软件工程学科和人工智能世界。一方面，数据科学家试图使用各种工具、极大的自由和创造力从数据中提取尽可能多的见解。另一方面，软件工程师经过多年和几十年的学习，已经学会了提供尽可能高质量的软件并管理发布状态。在开发包含人工智能组件的软件系统时，这两个世界会发生碰撞。本文将展示哪些方面会在这里发挥作用，哪些问题可能会出现，以及这些问题的解决方案可能是什么样子。除此之外，软件工程本身也可以从使用人工智能方法中受益。因此，我们还将研究软件工程的新兴研究领域人工智能。
法律专业知识与人工智能相遇：对大型语言模型作为智能辅助技术的批判性分析
摘要 本演讲探讨了一种智能辅助 (IA) 方法，通过解决与未经检查的人工智能 (AI) 应用相关的风险，在法律领域利用大型语言模型 (LLM)。我们强调理解人工智能和 IA 之间的区别的重要性，后者涉及人在环的决策过程，这有助于降低风险并确保负责任地使用这种快速发展的技术。以 ChatGPT 和 GPT-4 为主要示例，我们展示了它作为人工智能和 IA 应用程序的双重角色，展示了它在各种法律任务中的多功能性。我们特别关注最近报道的探索，特别是在使用 LLM 解决多项选择题回答、法律推理、案件结果预测和总结等任务方面。我们认为，要完全实现“增强智能”，需要一个推理和知识库组件，使 IA 系统能够有效地支持人类用户的决策过程。
AR 与 AI 相遇 - aec-music.eu
塞巴斯蒂安·特朗普 纽伦堡音乐大学 Sebastian.trump@hfm-nuernberg.de 塞巴斯蒂安·特朗普在纽伦堡音乐大学学习爵士萨克斯和古典萨克斯，并在柏林艺术大学学习声音研究。他的数字乐器 Orphion 引起了全世界的关注，并在卡尔斯鲁厄 ZKM 媒体博物馆（2012 年）和渥太华加拿大科学技术博物馆（2013 年）等地展出。自 2009 年以来，他一直在纽伦堡音乐大学教授音乐和数字媒体，自 2015 年以来在纽伦堡理工学院教授音乐和数字媒体。他的研究重点是技术与表演之间的接口。凭借 STAEDTLER 基金会的奖学金，他于 2019 年获得了音乐即兴创作进化算法的博士学位。他是纽伦堡大学的助理教授
人工智能与数据库相遇：AI4DB 和 DB4AI
数据库和人工智能 (AI) 可以相互受益。一方面，AI 可以使数据库更加智能 (AI4DB)。例如，传统的经验数据库优化技术（例如，成本估算、连接顺序选择、旋钮调整、索引和视图顾问）无法满足大规模数据库实例、各种应用程序和多样化用户的高性能要求，尤其是在云端。幸运的是，基于学习的技术可以缓解这个问题。另一方面，数据库技术可以优化 AI 模型 (DB4AI)。例如，AI 很难部署，因为它需要开发人员编写复杂的代码并训练复杂的模型。数据库技术可用于降低使用 AI 模型的复杂性，加速 AI 算法并在数据库内提供 AI 功能。DB4AI 和 AI4DB 最近得到了广泛的研究。在本教程中，我们回顾了有关 AI4DB 和 DB4AI 的现有研究。对于 AI4DB，我们回顾了基于学习的数据库配置、优化、设计、监控和安全技术。对于 DB4AI，我们回顾了面向 AI 的声明性语言、数据治理、训练加速和推理加速。最后，我们提供了 AI4DB 和 DB4AI 的研究挑战和未来方向。
QLA 与 QIT II 相遇海报 - 普渡大学数学
几十年来，各种数学家、计算机科学家、物理学家和工程师在定量线性代数 (QLA) 和量子信息理论 (QIT) 之间建立了惊人的联系和联系。定量线性代数位于差异理论、谱图理论、随机矩阵、几何群论、遍历理论和冯·诺依曼代数等主题的交叉点。特别是，特别强调了无限维分析中出现的问题与有限维中定量出现的问题之间的联系。
TwinOps：数字孪生与 DevOps 相遇 - DTIC
本报告总结了 TwinOps 项目的贡献，该项目由软件工程研究所资助，为期一年，于 20 财年执行。这项研究的贡献有两个方面。首先，它引入了 ModDevOps，作为一种创新方法，使用 DevOps 概念和从模型生成代码来连接基于模型的工程和软件工程。ModDevOps 平滑了从模型级验证和确认 (V&V) 到软件生产的过渡。其次，该研究开发了 TwinOps，这是一种特定的 ModDevOps 管道，通过在构建模型工件时对其进行精心组合，为系统工程师提供新的分析能力。