XiaoMi-AI文件搜索系统
World File Search System范式
具有基于图的加密算法的新范式
在当代技术景观中，确保机密性是通过各种技能提出的最高关注点。密码学是一种科学方法，可以保护沟通免于未经授权的访问。在密码学领域内，已经开发了许多加密算法来增强数据安全性。认识到非标准加密算法应对传统攻击的必要性，本文提出了新颖的加密技术。这些方法利用特殊的电晕图，星形图和完整的两分图，并结合了某些代数属性来增强消息的安全传输。引入这些提议的加密计划旨在提高机密通信的安全级别，这些方案的某些应用程序在后面的部分中给出。
朝着气候科学的新理论范式
IPCC气候模型反复显示在过去40年来繁殖地球气候的全球和区域特征方面缺乏技巧。这些包括无法预测自1980年以来的全球变暖模式。因此，IPCC模型在热带地区投射了更高的变暖速率，而在北极和南极洲上的变暖和类似的变暖。然而，卫星观察结果显示，在过去的40年中，热带地区仅表现出适度的变暖，在过去40年中，北极地区的变暖率最高，几乎没有变暖。模型还无法预测1998年至2013年之间由表面和卫星监测系统测量的“变暖暂停”。最近，施密特（2024）承认，气候模型无法解释2023年异常的全球热异常现象，这使气候科学置于未知的领域。
人工智能与 FDA 监管范式转变
版权所有 © 2022 Catherine M. Sharkey 和 Kevin MK Fodouop。† 纽约大学法学院 Segal Family 监管法律和政策教授。Sharkey 教授是《算法政府：联邦行政机构中的人工智能》一书的主要作者之一，该书是美国行政会议 (ACUS) 委托撰写的 2020 年报告，也是即将发布的 2023 年 ACUS 人工智能回顾报告的作者。†† 纽约大学法学院 2023 年法学博士候选人。我们感谢《杜克法律杂志》2022 年行政法研讨会“行政国家自动化”的组织者和参与者，Sharkey 教授在会上对 Marks 教授的文章草稿“FDA 监管自动化”发表了评论。我们还要感谢 Nicholson Price 和 Rachel Sachs 的进一步有益评论。1. Megan Molteni，《医学正在走向数字化》。 FDA 正在奋力追赶，WIRED（2017 年 5 月 22 日），https://www.wired.com/2017/05/medicine-going-digital-fda-racing-catch [https://perma.cc/V2LE-UY4Z]。Batel 博士在 FDA 工作了 13 年后于 2022 年加入谷歌。参见 Casey Ross，谷歌任命 FDA 前数字健康主管担任全球战略职务，STATNEWS（2022 年 5 月 16 日），https://www.statnews.com/2022/05/16/bakul-patel-google-global-strategy-role [https://perma.cc/UR6C-VHME]。 2. 参见《人工智能和机器人不再是科幻小说》 (PWC，2017 年 4 月 11 日)，https://www.pwc.com/gx/en/industries/healthcare/publications/ai-robotics-new- health/transforming-healthcare.html [https://perma.cc/BFR8-YNQR]（描述人工智能在医疗健康领域的进步）
我们是否需要“新战略范式”？不需要
摘要 Bansal 等人的观点文章《战略的生态谬误：战略学者如何导致生态危机以及我们能做些什么》呼吁改革战略领域，将重点放在自然环境、生态循环以及自然和社会层面之间的相互联系上，为“尊重自然环境的明确生态系统”创造价值。我们怀疑这些新的基础是否必要或有用。我们认为 Bansal 等人误解了战略思维的演变和内容；低估了现有工具在处理他们关注的问题方面的实用性；忽视了他们所偏爱的政策所鼓励的衡量、集体行动、政府失灵和裙带关系等问题；接受了不必要的危言耸听的世界观；低估了他们所批评的市场机构的社会效益。我们认为，建立在明确界定的产权、根据稀缺性自由调整的价格、以及鼓励创业和创新的制度环境基础上的市场体系，仍然是保护自然环境的一个未被充分重视的手段，它比集中化和监管性的替代方案更为有效。
用于评估可解释的人机交互范式...
摘要。本文旨在提出一个框架和相应的范式，用于评估可解释人工智能 (XAI) 提供的解释。本文主张需要评估范式——不同的人在不同背景下执行不同的任务会对不同的解释做出不同的反应。它回顾了以前评估 XAI 解释的研究，同时也确定了这项工作的主要贡献——研究人员可以使用灵活的范式来评估 XAI 模型，而不是一系列因素。然后，本文概述了一个框架，该框架提供了五个关键因素之间的因果关系——心理模型、概率估计、信任、知识和绩效。然后，它概述了一个由训练、测试和评估阶段组成的范式。本文讨论了预测模型、XAI 开发人员指南和自适应可解释人工智能——一种能够预测特定领域专家对特定任务的首选解释是什么的推荐系统。
人工智能：科学研究的强大范式
人工智能 (AI) 与计算机科学中众所周知的有前景的机器学习 (ML) 技术相结合，正在广泛影响各个领域的许多方面，包括科学技术、工业甚至我们的日常生活。ML 技术已被开发用于分析高通量数据，以期获得有用的见解，以新颖的方式进行分类、预测和做出基于证据的决策，这将促进新应用的增长并推动人工智能的可持续蓬勃发展。本文对人工智能在基础科学不同方面的发展和应用进行了全面的调查，包括信息科学、数学、医学、材料科学、地球科学、生命科学、物理学和化学。详细讨论了每个科学学科面临的挑战以及人工智能技术应对这些挑战的潜力。此外，我们还阐明了将人工智能融入每个科学学科的新研究趋势。本文的目的是为可能融入人工智能的基础科学提供广泛的研究指导，帮助激励研究人员深入了解基于人工智能的基础科学的最新应用，从而帮助促进这些基础科学的不断发展。
后云计算范式：调查与比较
2016年网络计算营收达到122亿美元[2] 。微软预测，到2018年，其云计算业务营收将达到200亿美元[3] 。近年来，计算机和通信技术的蓬勃发展，促进了云计算的发展。然而，这种发展也暴露出云计算固有的一些缺陷和不足，促使人们去思考和审视后云计算时代的网络计算范式。首先，随着智能设备技术的快速发展，各种新型智能设备应运而生并得到广泛应用。以智能移动设备（如智能手机）为例，自2011年以来，全球智能移动设备的出货量已经超过个人电脑（PC）。2016年，全球移动用户数达到70亿[4]，中国移动互联网用户数达到9亿[5] 。按照摩尔定律，
