XiaoMi-AI文件搜索系统
World File Search SystemAntti
推荐引用 推荐引用 Asatiani, Aleksandre；马洛，佩卡； Nagbøl，佩·拉德伯格；彭蒂宁，埃斯科；林塔-卡希拉，塔帕尼；和 Salovaara, Antti (2020)“解释黑盒人工智能系统行为的挑战”，MIS 执行季刊：第 1 卷。 19：一号。 4、第 7 条。可参见：https://aisel.aisnet.org/misqe/vol19/iss4/7
人工智能代理的最后一个要素是其运行的环境。环境决定了传入数据的来源和有效性，代理通过其输出影响环境（例如，对公司未来的风险评估可能会影响公司的行为）。这种反馈循环在“强化学习”中尤为重要，在强化学习中，人工智能代理通过反复试验从与环境的交互中学习，并因表现良好而获得奖励。如果将人工智能代理部署在不同的环境中，它不太可能正常运行（例如，经过训练以识别业务风险的系统在非业务环境中可能表现不佳）。因此，人工智能代理的不当行为可能是由于它部署在未经训练的环境中而导致的。
达亚马，尼拉杰； Oulasvirta，Antti 布局即服务 (LaaS)
摘要。要个性化网页，必须指定针对具体案例的规则或模板，以定义元素的视觉空间布局以及针对个人的设备特定适配规则。这种方法的可扩展性很差。我们提出了 LaaS，这是一个用于自我优化网页布局的服务平台，以提高其在个人、群体和人口层面的可用性。不需要手工编码的规则或模板，因为 LaaS 使用组合优化来生成针对既定设计目标的网页布局。这允许通过影响整个网页布局的直观目标来控制个性化。我们提出了一个可扩展的架构和解决方案，用于 (1) 使用整数规划生成布局、(2) 在浏览器和布局生成器之间进行中介的数据抽象以及 (3) 页面重构。此外，我们展示了如何将 LaaS 轻松部署为现有网页的一部分。结果表明，我们的方法可以在各种场景中生成可用的个性化网页布局。