XiaoMi-AI文件搜索系统
World File Search System重温
重温物联网 - 前沿
物联网 (IoT) 是一种概念范式，它将数十亿台支持互联网的设备连接起来，使它们彼此之间以及与周围环境交换数据，从而实现智能交互并将物理基础设施连接到数字系统。物联网代表了一种革命性的范式，它开始以许多积极的方式影响我们的生活。物联网一词于 1999 年由 Kevien Ashton（Ashton，2009）首次提出，最初设计用于支持 RFID 技术。然而，如今物联网已经远远超出了其设计者的设想，并因其在医疗保健、智能交通、公共安全、家庭自动化、智慧城市、资产监控、工业自动化等许多重要领域开辟的新应用而广受欢迎。物联网的发展实现了人们期待已久的无处不在的数据访问的承诺，人们希望能够随时随地访问实时数据。尽管还有许多其他相关范例/模型与物联网的目的相交叉（例如，M2M：机器对机器）、物联网、万物互联（IoE）、普适计算等），但它们与物联网之间存在根本区别。物联网的核心价值在于承诺帮助企业提高生产力，增强对资产的控制，并根据从周围环境获取的大量原始数据融合处理得出的推论做出明智的业务决策，即
通过迪士尼重温经济学原理
摘要 本文的目的是重新审视在原理层面上教授的经济学原理。许多 ECON 101 学生最终都信奉市场原教旨主义或经济主义的教条。大规模的惯性阻碍了 ECON 101 的彻底改革。主流和非正统经济学家都拒绝接受其他观点，并且教学方法也过于简单。因此，本文的重点是比较新古典主义和非正统观点，并通过迪士尼视频片段来说明经济学原理。这种策略可以激发学生的兴趣，因为它们熟悉并能与童年记忆联系起来，有助于在信息过载的时代回忆。此外，这种方法对教师的准备时间和技术要求都很低。总体而言，通过多元视角和迪士尼视频片段，可以实现维护细微差别和保持学生兴趣的双重目标。关键词：ECON 101；迪士尼；非正统经济学；十大原则 JEL 代码：A22 披露声明：没有需要声明的利益冲突。 1. 简介 在加拿大经济学会第 56 届年会上，Hill (2022) 重点讨论了在教授微观经济学原理时选择教科书的问题。在 Hill 和 Myatt (2021) 合著的书中，他提出了“多元主义”观点作为批判性对应。在这样做的过程中，他们似乎采用了多元主义的视角，向学生介绍新古典主义和非正统的观点。这种方法与 Lee (2010) 的方法相似，他认为本科生应该接触不同的经济理论，以便他们能够自己做出决定，对各种理论有深刻的理解很重要，必须研究新古典经济学才能了解标准教科书理论的历史发展。虽然有些教师希望使用非正统教科书，彻底改变 ECON 101 的教学方式，但 Colander (2015) 提醒我们存在大规模的惯性，因为许多教师在新古典范式中投入了大量的人力资本。我自己的取向是保持与新古典范式的对话，而不是彻底改革 ECON 101 的教学。这部分是由于机构要求在不同教师教授的 ECON 101 部分之间保持一定的同质性，部分是由于我的理解，应该帮助学生自己决定解决经济问题。我对非正统经济学的发现也刚刚开始。然而，我已经开始介绍
重温创意产业的诞生
本报告对这份已被证明是现代文化政策最具影响力和影响最深远的干预措施之一的文件进行了新的阐释。《重访创意产业的诞生》由乔纳森·格罗斯撰写，汇集了许多直接参与制定《规划文件》的人员的回忆。它基于一系列一对一访谈以及见证人研讨会——伦敦国王学院采用这种形式来探索关键的政治、社会或文化事件和机构，捕捉参与者的重要观点，并带我们走进近期的重要时刻。在这次活动中，新工党创意产业工作组的成员齐聚一堂，在一群学者和行业专家面前讨论《规划文件》的起源，根据他们的亲身经历，制作出一段原本不会存在的口述历史。创意产业发明背后的原因和方式将宏观（政治和经济变革）和微观（一小群但最终具有影响力的人的想法、能量和行动）结合在一起。格罗斯博士以多种尺度讲述了 1998 年《创意产业规划文件》的故事，以及它们如何并不总是整齐划一，揭示了宝贵的经验教训，有助于理解政策的制定方式以及政治变革为何会发生（并且往往不会发生）。二十多年过去了，人们普遍认为创意产业在英国的经济和文化生活中发挥着重要作用，同时也为我们在全球舞台上的成功做出了贡献。然而，可以说，政策制定者可以做更多的事情来创造条件，让创意产业继续蓬勃发展。我希望，重温文化政策的这一关键时刻，不仅能让人们对这一迷人的历史时刻产生新的兴趣，还能让人们对它能给我们的未来带来什么启发产生新的兴趣。
重温英语课堂中的人工智能
maryjoysienes08@gmail.com 摘要。科学技术的出现给人类带来了变化。在学术界，“台上圣人”的时代已被“旁边的人工智能”务实地取代。技术，尤其是人工智能，可以模拟人脑，有时甚至比人脑工作得更快、更准确，促进了英语学习和习得的进步。然而，它也给学生、教师和教学过程带来了职业和道德威胁。同时，了解和评估学校与人工智能相关的 ESL 教学过程的现状也很重要。在一项对 84 名 ESL 学生进行的调查中，结果显示大多数学生在家写作时使用人工智能应用程序，如谷歌翻译、语音转文本翻译和 Quillbot 等释义应用程序。另一项对 ESL 教师的调查是通过谷歌表单进行的，后续问题和澄清通过访谈进行传达。通过采用主题内容分析 (TCA)，对学生和教师的回答进行编码，并按主题分类。这些主题用于识别和讨论最佳实践以及人工智能在 ESL 课堂中的作用和限制。通过这种方式，希望这项研究的结果能够引发对话，重新审视在课堂上使用技术和人工智能的实践和政策。关键词：人工智能、AI 可行性、伦理考量
重温“三巨头”——海军陆战队大学
Yagil Henkin 博士在以色列国防军 (IDF) 指挥参谋学院教授军事史。他的著作包括《要么胜利，要么灭亡：第一次车臣战争史，1994-1996》；《如林中鱼：战争中的罗得西亚，1965-1980》（均为希伯来语）；以及《1956 年苏伊士战争与中东新世界秩序：逆转的出埃及记》。Henkin 博士还是以色列国防军历史系的预备役军官，指挥以色列国防军北方司令部的历史团队。
重温 CP Snow 的假新闻时代两种文化
本文旨在从信息技术的文化主导地位角度重新审视 CP Snow 的“两种文化”讲座。信息时代的传播危机，无论是虚假新闻、政治两极分化还是科学否定，都是因为科学和文学文化在寻求一个没有熵的世界时，无意中发现了一个毫无意义的世界。为了解释这种情况是如何发生的，本文首先探讨了 Snow 面临的挑战：描述热力学第二定律。然后，本文对熵进行了中性的描述，这种描述与热力学和信息无关，而不仅仅是对无序、不确定性、混乱、扩散、复杂性或涌现等更直观事物的度量。最后，本文认为，Snow 建议每个人都应该能够描述第二定律，这是现在的及时做法，因为熵是信息与现实之间的桥梁，也是科学与科幻小说之间的区别。
标题：重温重复代码演讲者：马修·费舍尔...
摘要：“CCS 码的最佳容错纠错阈值传统上是通过映射到经典统计力学模型获得的，例如，受位翻转噪声和错误测量影响的 1d 重复码的 2d 随机键 Ising 模型。在这里，我们重新审视 1d 重复码，并在反复的（非相干和相干）噪声和错误稳定器测量下开发全时间演化密度矩阵的精确“稳定器扩展”。这种扩展能够计算相干信息，指示编码信息是否在噪声动态下保留，并生成（复制的）2d 随机键 Ising 模型的对偶表示。然而，在具有相干噪声和弱测量的完全通用情况下，稳定器扩展会失效（就像规范的 2d 随机键 Ising 模型映射一样）。如果丢弃测量结果，所有编码信息都会在很长时间内丢失，但向平凡稳态的演化揭示了在过和过之间的量子跃迁的特征在阻尼状态下。将提及对其他 CCS 代码中的一般噪声动力学的影响，包括未解决的问题。”
重温旧事：向初创企业发放药品许可、创新成功和效率 ∗
3 研发成本为 I 期试验 400 万至 800 万美元，II 期试验 1300 万至 8000 万美元（Adams & Brantner，2006；Sertkaya、Birkenbach、Berlind & Eyraud，2014）。从药物发现到 FDA 批准的平均时间为 5 至 8 年（Garfinkel & Hammoudeh，2020）。平均而言，只有 10% 进入 I 期、16% 进入 II 期和 50% 进入 III 期的项目能够获得 FDA 批准（Hay、Thomas、Craighead、Economides & Rosenthal，2014）。 4 其中一个例子是 2017 年日本大型制药公司明治制果将抗生素 SPR994 授权给初创公司 Spero，其具体目标就是“启动 SPR994 的 I 期研究，然后直接进入针对社区获得性尿路感染的关键 III 期研究”。2 Spero 在许可活动之前的一轮融资中筹集了 5170 万美元，其主要风险投资人包括 Atlas、SR One 和 Google Ventures。资料来源：https://endpts.com/shooting-for-phiii-spero-tees-up-a-new-lead-antibiotic-in-licensed-cheap-as-it-lines-up-86m-ipo/。
计算机现在能做什么？人工智能第三次浪潮下重温德雷福斯
近年来，人工智能 (AI) 取得了重大进展，甚至超出了人们的乐观预测。利用数据驱动的人工智能，即深度学习技术，已经证明计算机现在可以具备范围广泛、质量卓越的能力，例如以人类的水平解决图像和文本处理任务。尤其是大型语言模型引发了关于这一快速发展领域的机遇和挑战的争论。如果将数据驱动的人工智能与知识表示和推理等符号人工智能技术相结合，那么数据驱动的人工智能剩下的基本挑战（例如事实或逻辑错误）是否会被彻底克服？通用人工智能 (AGI) 系统是否会从中脱颖而出，拥有常识，并事实上完成推动该领域在 20 世纪 50 年代兴起的数十年人工智能探索？鉴于这些问题，我们从混合人工智能的角度回顾了同样数十年关于计算机能力和局限性的哲学争论。在这里，我们讨论了混合人工智能如何更接近于反驳 Hubert Dreyfus 关于计算机不能做什么的著名论断。同时，我们揭示了混合人工智能面临的一个较少讨论的挑战：其开发者可能是其最大的限制因素。