XiaoMi-AI文件搜索系统
World File Search System预测算法
有偏见的程序员？还是有偏见的数据？人工智能伦理操作化实地实验
为什么会出现有偏见的算法预测，以及哪些干预措施可以防止它们？我们通过一项关于使用机器学习预测人力资本的现场实验来研究这个主题。我们随机分配约 400 名人工智能工程师开发软件，以预测不同实验条件下经合组织居民的标准化考试成绩。然后，我们使用实际的测试表现以及通过随机审计式的算法输入操作来评估由此产生的预测算法。我们还利用了受试者人群的多样性来衡量人口统计学上非传统的工程师是否更有可能注意到并减少算法偏差，以及算法预测误差是否与程序员人口统计学群体相关。本文档描述了我们的实验设计和动机；我们实验的完整结果可在 https://ssrn.com/abstract=3615404 上找到。
学习结果预测的自动化过程
摘要 - 本文介绍了一项关于自动化学习结果预测算法评估的综合研究，重点是机器学习技术的应用。我们研究了各种预测模型（逻辑回归，随机森林，高斯天真的贝叶斯，k-neartherment oss neherments and Support vector回归），以评估其在教育环境中的学生表现方面的效力。我们的实验方法涉及这些模型来预测特定课程的结果，从而分析其准确性和可靠性。我们还强调了自动化过程在促进这些预测模型的实际应用中的重要性。本研究强调了机器学习在进行教育评估方面的希望，并为进一步调查铺平了道路，以增强各种教育环境中算法的适应性和包容性。
URPS 2020：2020 年冬季统计学本科研究项目
学生研究员将分析来自两个癌症药物筛选实验的大型复杂数据集。除了细胞系的基因组信息外，数据集还将包括数百种药物对数百种不同细胞系的有效性信息。药物筛选数据包含广泛的测量误差，这会导致分析过程中出现问题。为了改善个性化癌症治疗的最终目标，学生研究员将调整和改进测量误差检测方法，并建立预测算法来确定哪些药物对哪些类型的癌症最有效。学生研究员将学习处理各种现实世界的杂乱数据（例如基因表达）、整合不同类型的复杂数据的方法以及各种机器学习算法。需要具备 R 的基本知识，学生应该期望在项目过程中学习更多 R。
谁做什么？一种确定功能定位的新算法
我们引入了一种新算法，称为 PPA（性能预测算法），该算法可以定量测量神经系统元素对其执行任务的贡献。根据一小组病变中性能下降的数据，该算法可以识别参与认知或行为任务的神经元或区域。它还可以准确预测由于多元素病变导致的性能。新算法的有效性在两个具有元素间复杂相互作用的循环神经网络模型中得到了证明。该算法可扩展并适用于大型神经网络的分析。鉴于可逆失活技术的最新进展，它有可能对理解生物神经系统的组织做出重大贡献，并阐明关于大脑局部计算与分布式计算的长期争论。
通过人工智能提高投资回报率
疫情加速了新兴技术的采用，尤其是人工智能，这在危机期间发挥了至关重要的作用。通过利用一系列人工智能技术和解决方案（从机器人流程自动化到自然语言处理、机器学习和深度学习），公司可以更好地应对远程工作和社交距离的严峻考验。人工智能领导者能够访问时间关键型数据、预测市场趋势、防范网络攻击，并使用自动化流程来保持客户满意度和员工生产力。医疗保健组织使用最新的分析技术来改进病毒检测和推进疫苗研究，人工智能帮助对抗了冠状病毒本身。然而，疫情也凸显了人工智能的弊端，预测算法因客户行为的快速变化而误入歧途。
1 Ashesh Rambachan就业2022-2023 ...
Ashesh Rambachan电子邮件：asheshr@mit.edu就业2022-2023新英格兰微软研究人员研究员。2023- M.I.T.经济学系助理教授教育2017-2022博士哈佛大学经济学专业。2013-2017 A.B.，经济学，普林斯顿大学，Summa Cum Laude。研究兴趣计量经济学，机器学习奖学金和奖项2022 David A.威尔斯经济学最佳论文奖。2022年经济研究审查欧洲之旅。2022中国星空之旅。2017-2020国家科学基金会研究生研究奖学金。工作论文“评估生成模型中隐含的世界模型”（贾斯汀·陈，凯恩·瓦法，乔恩·克莱恩伯格和sendhil mullainathan）。工作文件。“从预测算法到自动产生异常”（带有sendhil mullainathan）。工作文件。“在无法衡量的混淆下对预测算法的强大设计和评估”（与Amanda Coston和Edward Kennedy）。工作文件。“基于设计的不确定性在准实验中”（与乔纳森·罗斯（Jonathan Roth）一起）。工作文件。在美国统计协会杂志上拒绝和重新提交。“结构IV估计的因果解释”（与以赛亚·安德鲁斯，纳米·巴拉霍纳，马修·绅士和杰西·夏皮罗一起使用）。工作文件。“一种调节算法的经济方法”（与乔恩·克莱恩伯格（Jon Kleinberg），詹斯·路德维希（Jon Kleinberg）和sendhil Mullainathan一起使用）。nber工作文件号27111。工作文件。《经济学季刊》。“常见时间序列估计何时具有非参数因果意义？” （与尼尔·谢泼德（Neil Shephard）一起）。期刊出版物“确定观察数据中的预测错误”。 2024。
Ashesh Rambachan
Ashesh Rambachan电子邮件：Asheshr@mit.edu就业2023年至今的经济学系助理教授，M.I.T。2022-2023新英格兰微软研究人员博士后研究员。教育2022博士哈佛大学经济学专业。2017 A.B.，经济学，普林斯顿大学，萨玛兼优异。研究兴趣计量经济学，机器学习。奖学金和奖项2022 David A.威尔斯经济学最佳论文奖。2022年经济研究审查欧洲之旅。2022中国星空之旅。2017-2020国家科学基金会研究生研究奖学金。工作论文“大语言模型：应用计量经济学的观点”（Jens Ludwig和Sendhil Mullainathan）。“与Rahul Singh和Davide Viviano一起进行远程感知的结果评估”。“从预测算法到自动产生异常”（带有sendhil mullainathan）。工作文件。在计量经济学上进行修订和重新提交。“在无法衡量的混淆下对预测算法的强大设计和评估”（与Amanda Coston和Edward Kennedy）。工作文件。修订和重新提交经济学和统计数据。“基于设计的不确定性在准实验中”（与乔纳森·罗斯（Jonathan Roth）一起）。工作文件。在美国统计协会杂志上进行修订和重新提交。“结构IV估计的因果解释”（与以赛亚·安德鲁斯，纳米·巴拉霍纳，马修·绅士和杰西·夏皮罗一起使用）。工作文件。在《经济学季刊》上修订和重新提交。“一种调节算法的经济方法”（与乔恩·克莱恩伯格（Jon Kleinberg），詹斯·路德维希（Jon Kleinberg）和sendhil Mullainathan一起使用）。nber工作文件号27111。“常见时间序列估计何时具有非参数因果意义？” （与尼尔·谢泼德（Neil Shephard）一起）。工作文件。期刊出版物
受控网络：基于 AI 的 QoS 预测的多车辆 E2E 测量
摘要 — 未来，移动用例将依赖于精确的预测，服务质量 (QoS) 预测就是一个突出的例子。本文介绍了当今车辆的实际测量结果，以支持未来强大的 QoS 预测。基于专门的受控测量活动，我们重点介绍了影响收集的数据集的无线环境和设备特性（如采样率）的各个方面。如果处理不当，这些特性可能会妨碍基于人工智能的 QoS 预测算法的性能。因此，我们还提供了有关数据集特征的见解，应进一步利用这些见解来更轻松地采用基于 AI 的算法。新的基于 AI 的算法应该能够在非常多样化的无线电环境中运行，并从不同设备捕获数据。我们提供了一些示例，强调了彻底了解数据集及其动态的重要性。
使用PCM热能存储推进可再生能源
图1显示了与冰箱9氨水冷却器集成的冰川系统的示意图。TES具有现有的氨冷藏量，以优化主要生产环境中的过程冷却技术。ThermCold Dyn 900 TES单元提供2.6 MWH（电池等效电池的650 kWh）储能。冰川选定的PCM 0（0˚CPCM）作为此应用程序的最佳PCM，Dynalene HC30作为HTF。与TES系统结合使用，开发了高级控制预测算法（ACFA）。ACFA的实施是为了预测热负载，电力要求和电力成本，以管理充电和排放事件并降低电力成本。预测价格遵循国家能源市场（NEM）在线发布的建议零售价（RRP）。
Tara Emory，Jeremy Pickens＆Wilzette Louis，TAR 1参考模型：一个既定的框架，统一了传统和Genai技术的方法 -
我们提供了一个参考模型，以作为使用人工智能/机器学习将它们集成到焦油1的过程中的首次工作流程的基础。我们还提供了在判别性tar 1（使用歧视算法的tar 1（tar 1）和genai tar 1（使用生成AI算法的tar 1）的参考模型步骤中的任务图，以证明其相似性和差异。可以将预测算法视为发动机，而焦油1过程是车辆。发动机可能会有所不同，但是车辆的转向，座椅，车轮和其他关键功能未更改。要了解用于不同目标的引擎，需要在时间，成本，有效性，一致性和其他范围的指标方面进行比较益处的实证研究。TAR 1参考模型可以指导这些研究，并帮助从业者使用传统的歧视性al-gorithms和使用Genai的界限来了解TAR 1工作流之间的相似性和差异。