XiaoMi-AI文件搜索系统
World File Search SystemCIAL
文章通过人工智能预测无症状个体阿尔茨海默病的伦理影响
摘要：目前，基于生物标志物的主观无症状阿尔茨海默病 (AD) 预测测试已用于研究。人工智能 (AI) 的新应用有望在数年内预测 AD 的发病时间，而无需确定生物标志物阈值。到目前为止，除了在我们仍然缺乏充分治疗的情况下为研究目的做出贡献外，很少有人关注 AI 给无症状个体的早期诊断带来的新的伦理挑战。本文旨在探讨 AI 辅助主观无症状个体 AD 预测的伦理论点及其伦理影响。伦理评估基于系统的文献检索。对 18 篇纳入的出版物进行了归纳性主题分析。伦理框架包括自主、善意、非恶意和正义原则。向无症状个体提供预测测试的原因是知情权、风险收益评估的积极平衡以及未来规划的机会。反对的理由包括缺乏改善病情的治疗、人工智能辅助预测的准确性和可解释性、不知情权以及对社会权利的威胁。我们得出的结论是，为无症状个体提供早期诊断存在严重的伦理问题，而人工智能的应用引发的问题加剧了已知的问题。尽管如此，症状前检测应仅在要求时提供，以避免造成伤害。我们建议为医生开展沟通人工智能辅助预测的培训。
基于人工智能结合气候外生变量预测巴西和美国的新冠肺炎病例
根据世界卫生组织的数据，新型冠状病毒病（COVID-10）曾是一个公共卫生问题，截至 2020 年 6 月 10 日，全球已有超过 710 万人感染，40 多万人死亡。在当前情况下，巴西和美国每天的新增病例和死亡人数都很高。因此，预测一周时间窗口内的新增病例数非常重要，这可以帮助公共卫生系统制定应对 COVID-19 的战略规划。预测人工智能（AI）模型的应用有可能处理像 COVID-19 这样的时间序列的困难动态行为。在本文中，贝叶斯回归神经网络、立体回归、k 最近邻、分位数随机森林和支持向量回归可单独使用，并结合最近的预处理变分模态分解（VMD）将时间序列分解为几个固有模态函数。所有 AI 技术均在时间序列预测任务中进行评估，预测巴西和美国五个州的累计 COVID-19 病例数提前一、三和六天，截至 2020 年 4 月 28 日，病例数较高。所有预测模型均采用先前累计的 COVID-19 病例数和每日温度和降水等外生变量作为输入。根据性能标准评估模型的有效性。一般而言，VMD 的混合在准确性方面优于单一预测模型，特别是当预测时间范围提前六天时，混合 VMD-单一模型在 70% 的案例中实现了更好的准确性。关于外生变量，作为预测变量的重要性排名从高到低依次为过去病例、温度和降水。因此，由于评估模型能够有效地预测长达六天的累计 COVID-19 病例数，因此
选择伦理而非道德：未来城市交通中拥抱人工智能的可能决定因素
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
全球经济分析师人工智能对经济增长的潜在巨大影响（Briggs/Kodnani）
总的来说，我们的估计表明，很大一部分就业和工作至少部分地受到人工智能自动化的影响，从而有望大幅节省劳动力。为了评估我们估计的稳健性，我们将美国基线估计与更广泛的情景进行了比较，包括人工智能可以执行比我们在基线中假设的更难或更容易的任务的情景，以及我们放宽人工智能无法协助主要在户外或体力上的工作的假设（即人工智能与机器人和现有机械互补的情景）。我们的情景分析表明，最终受到自动化影响的工作份额可能在 15-35% 之间（图表 7，左图），该范围与文献中现有的估计一致（但偏保守）（图表 7，右图）。我们相对保守的基线主要反映了我们对生成式人工智能影响的较窄关注，而其他研究有时会考虑更广泛的相关技术（包括机器人技术），从而增加自动化的范围。
人工智能竞赛：为什么当前基于神经网络的架构无法为通用人工智能奠定良好基础
通用人工智能是指，某一天，人工智能 (AI) 的发展将产生一个假想的智能体，它将远远超越人类最聪明、最有天赋的头脑。这个想法自人工智能早期发展以来就一直存在。从那时起，关于这种人工智能如何对待人类的情景就成为了许多虚构和研究作品的主题。本文分析了人工智能发展的现状，以及当前的人工智能竞赛如何随着令人印象深刻的新人工智能方法（可以欺骗人类，在我们仅仅十年前认为人工智能不可能解决的任务上超越人类，并颠覆就业市场）的快速发布引发了人们对通用人工智能 (AGI) 可能比我们想象的更快到来的担忧。特别是，我们专注于现代人工智能的 3 个特定家族，以发展这样一种观点：深度神经网络是目前几乎所有人工智能方法的支柱，但由于其存在许多局限性，它不适合任何 AGI 的出现，因此，最近人工智能竞赛带来的任何威胁都不在于 AGI，而在于我们当前模型和算法的局限性、用途和缺乏监管。
一份针对 K-6 年级人工智能教学的多年期行动研究报告
简介 本文介绍了澳大利亚一所 K-6 1 学校人工智能项目的前两年情况。该课程是一位执业研究科学家与一所 K-6 学校的教师在“科学家入校”项目的推动下合作的成果。随着合作进入第三年，我们提供了有关课程、教学大纲、参与度和在 K-6 级别教授人工智能的有效性的详细信息和反思。该项目旨在利用人工智能提供一个引人入胜的主题，以培养对科学的更广泛兴趣并介绍一些科学的基本概念。早期迹象表明，针对年龄适宜性量身定制的多年期方法显示出前景，但保持学生的参与度至关重要，并由涵盖学校课程多个领域的多模式教学大纲支持。本课程采用非结构化的方法开发，目前已经历一段反思期，为持续发展提供了行动研究基础（Pine 2008）。
作者更正：人工智能干预随机对照试验与 CONSORT-AI 报告指南的一致性
本文原始版本从作者列表中删除了第二和第三作者 Carrie D. Llewellyn 和 Richard O. de Visser。Carrie D. Llewellyn 和 Richard O. de Visser 来自英国布莱顿和苏塞克斯医学院初级保健和公共卫生系。因此，在作者贡献中添加了以下内容：“ CDL，ROdV：监督、撰写（初稿、审阅和编辑）”；和“ LFR，RG，GSC，DM，MM，LOR，SCR，MC，CK，CDL，CY，AWC，PK，AB：撰写（审阅和编辑）”。此外，在致谢中还添加了以下内容：“我们要感谢 Michael D. Howell 审阅我们的手稿，并感谢 Viknesh Sounderajah 对本次审阅的投入”。该问题已在本文的 PDF 和 HTML 版本中得到纠正。
移动边缘计算、元宇宙、6G 无线通信、人工智能和区块链：调查及其融合
摘要 —随着物联网 (IoT) 和 5G/6G 无线通信的发展，移动计算范式近年来得到了显著发展，从集中式移动云计算发展到分布式雾计算和移动边缘计算 (MEC)。MEC 将计算密集型任务推向网络边缘，并将资源尽可能靠近端点，解决了移动设备在存储空间、资源优化、计算性能和效率方面的不足。与云计算相比，作为分布式和更紧密的基础设施，MEC 与其他新兴技术（包括元宇宙、6G 无线通信、人工智能 (AI) 和区块链）的融合也解决了网络资源分配、更多网络负载以及延迟要求的问题。因此，本文研究了用于满足现代应用程序严格要求的计算范式。提供了 MEC 在移动增强现实 (MAR) 中的应用场景。此外，本研究还介绍了基于 MEC 的元宇宙的动机，并介绍了 MEC 在元宇宙中的应用。特别强调了上述一系列技术融合，例如 6G 与 MEC 范式、区块链增强的 MEC 等。关键词 — 移动边缘计算；6G 无线通信；移动增强现实；虚拟现实；元宇宙；区块链。
具有基于双峰电阻感官输入的人工串扰的仿生触觉特征的感官皮肤
生物生物体中的触感是一种依赖各种专业受体的教师。这项研究中介绍的双峰传感皮肤，结合了将皮肤归因于机械和热感受器功能的软电阻复合材料。模仿不同自然受体在皮肤层的不同深度中的位置，可以实现软电阻式组合的多层布置。然而，信号响应的大小和刺激的定位能力随双峰皮肤的较轻压力而变化。因此，采用了一种基于学习的方法，可以帮助您对4500探针的刺激进行预测。类似于人脑中的认知功能，两种类型的感觉信息之间的感觉信息的串扰使学习体系结构可以更准确地预测刺激的定位，深度和温度。使用8机械感受器和8个热感应感应元素的定位精度为0.22 mm，温度误差为8.2°C，对于较小的元素间距离实现了。将双模态感测多层皮肤与神经网络学习方法结合起来，使人造触觉界面更接近地模仿生物皮肤的感觉能力。
自下而上和自上而下的神经加工系统设计：神经形态智能作为自然和人工智能的融合
摘要 - 虽然摩尔的定律推动了指数计算的能力期望，但其接近的最终要求需要新的途径来改善整体系统性能。这些途径之一是探索新的替代脑启发的计算体系结构，这些计算体系结构有望实现生物神经加工系统的灵活性和功能。在这种情况下，神经形态智能代表了基于尖峰神经网络体系结构的实现，在计算中的范式转移，紧密地共同关注处理和内存。在本文中，我们提供了对现有硅实施中存在的粒度不同水平的全面概述，比较了旨在复制自然智力（自下而上）的方法与旨在解决实际人工智力应用程序（自上而下）的方法（自下而上），并评估了不同的电路设计样式。首先，我们介绍模拟，混合信号和数字电路设计样式，通过时间多路复用，内存计算和新型设备来识别处理与内存之间的边界。接下来，我们重点介绍每种自下而上和自上而下的方法的关键交易，调查其硅实现，并进行详细的比较分析以提取设计准则。最后，我们确定了与传统的机器学习加速器相比，在神经形态边缘计算获得竞争优势所需的必要协同作用和缺失的元素，并概述了针对神经形态智能的框架的关键要素。