XiaoMi-AI文件搜索系统
World File Search SystemCSET
研究与开发 - 人工智能指数 - 斯坦福大学
1 今年呈现的出版物数据来自 CSET。自 CSET 的数据上次出现在 AI 指数 (2023) 中以来，CSET 用于对 AI 出版物进行分类的方法和数据来源都发生了变化。因此，今年部分报告的数字与去年版本报告的数字略有不同。此外，由于更新出版物数据存在很大滞后，因此 AI 相关出版物数据仅在 2022 年之前完全可用。建议读者谨慎对待出版物数据。
经济可行的创新和能力建设...
Alache Fisho法律顾问，海洋与自然资源联邦秘书处Evangelos Pastras可再生能源存储专家和CSET青年AG成员Brian Kakembo创始人/首席执行官，Weye和CSET青年AG成员David Arinze全球领导人，清洁能源 - UN MGCY DRIMAICA DOMINICA una REGISTRAR，ASTEDENTE UNA REGISTRAR，ASTEDUTE INTUSE STUTESUTION INTUTESTITUTE
为人工智能危害添加结构
CSET 人工智能危害框架基于与外部组织的讨论以及对 AIID 中大约 100 起人工智能事件进行注释的经验。在长达一年的注释过程中，我们加深了对事件多样性和复杂性的理解，确定了人工智能危害的核心要素并完善了定义。最终形成的框架以从现实世界的事件报告中创建可操作、可分析的数据为中心。此外，CSET 还参与了与负责任人工智能协作组织、MITRE、经济合作与发展组织、美国国家标准与技术研究所 (NIST) 和 O'Neil 风险咨询与算法审计 (ORCAA) 16 的讨论，讨论如何描述、识别和跟踪人工智能危害和风险。在可能的情况下，该框架会将其术语与这些组织使用的术语保持一致。
2022 年全球人工智能政策更新：俄罗斯
8 《俄罗斯联邦总统关于俄罗斯联邦人工智能发展的法令》的 CSET 原文翻译【俄罗斯联邦总统关于俄罗斯联邦人工智能发展的法令】，俄罗斯联邦总统办公室，2019 年 10 月 10 日， https://cset.georgetown.edu/publication/decree-of-the-president-of-the-Russian-federation-on-the-development-of-artificial-intelligence-in-the-Russian-federation/ 分区>
新兴威胁和潜在缓解措施 - OpenAI
致谢：我们感谢 2021 年 10 月召开的研讨会的参与者，他们让我们了解了各种威胁和缓解措施。我们还感谢许多研讨会参与者对本文草稿提供的反馈。如需有关本文的更多反馈，我们感谢 Deepesh Chaudhari、Jeff Ding、Tyna Elondou、Shengli Hu、Daniel Kokotajlo、Gretchen Krueger、Pamela Mishkin、Ronald Robertson、Sarah Shoker、Samuel Wolrich 和 Jenny Xiao。Josh Goldstein 以斯坦福大学博士后研究员的身份开始从事该项目，并继续担任乔治城 CSET 的 CyberAI 项目的研究员。Matthew Gentzel 在为 OpenAI 签约期间完成了他的贡献，现在在 Longview Philanthropy 任职。Katerina Sedova 在担任乔治城 CSET 的 CyberAI 项目的研究员期间以及进入美国政府部门之前完成了对这个项目的贡献。所有错误都是我们自己的。
生成语言模型和自动影响...
致谢：我们感谢 2021 年 10 月召开的研讨会的参与者，他们让我们了解了各种威胁和缓解措施。我们还感谢许多研讨会参与者对本文草稿提供的反馈。如需有关本文的更多反馈，我们感谢 Deepesh Chaudhari、Jeff Ding、Tyna Elondou、Shengli Hu、Daniel Kokotajlo、Gretchen Krueger、Pamela Mishkin、Ronald Robertson、Sarah Shoker、Samuel Wolrich 和 Jenny Xiao。Josh Goldstein 以斯坦福大学博士后研究员的身份开始从事该项目，并继续担任乔治城 CSET 的 CyberAI 项目的研究员。Matthew Gentzel 在为 OpenAI 签约期间完成了他的贡献，现在在 Longview Philanthropy 任职。Katerina Sedova 在担任乔治城 CSET 的 CyberAI 项目的研究员期间以及进入美国政府部门之前完成了对这个项目的贡献。所有错误都是我们自己的。
复合材料维护技术 (CMT) 课程
关于课程 复合材料维护技术 (CMT) 提供与复合材料结构相关的关键维护问题的背景知识。学生将深入了解航空航天中使用的复合材料维护和维修的安全影响。CMT 是一门面向复合材料维护专业人员（包括检查人员、维修技术人员和工程师）的交互式在线课程。所有技能水平的专业人员都将提高对复合材料维护和维修相关的技术和安全注意事项的认识。该课程包括学习材料、视听辅助工具和讨论论坛，讨论论坛涉及实际维护情况。参与者和讲师之间的协作讨论是学习体验的独特之处，可进一步了解复合材料维护的问题和趋势。CMT 的教学方法与配套在线课程复合材料结构工程技术 (CSET) 相似，包括内容、讨论论坛和视听辅助工具。CSET 已成功教授近 10 年。
网络安全 - 德勤
资料来源：CELI，“超过 1,000 家公司已在俄罗斯缩减业务——但仍有一些公司仍在运营”，2023 年 2 月 8 日；Mandiant，“高级持续性威胁 (APT)”，访问于 2023 年 2 月 9 日；Saif M. Khan、Alexander Mann 和 Dahlia Peterson，《半导体供应链：评估国家竞争力》，CSET，2021 年 1 月；美国能源部，《太阳能光伏》，2022 年 2 月 24 日；Vasileios Rizos、Edoardo Righeti 和 Amin Kassab，“在欧盟开发回收稀土永磁体的供应链”，CEPS，2022 年 12 月。
小数据蕴藏大人工智能潜力
我们将分析分为两部分。第一部分介绍并分类了主要的小型数据方法，我们将其概念化为五个粗略的类别——迁移学习、数据标记、人工数据、贝叶斯方法和强化学习——并阐述了它们重要的原因。通过这样做，我们不仅旨在指出使用小型数据方法的潜在好处，而且还旨在加深非技术读者对数据何时以及如何对人工智能有用的理解。第二部分借鉴原始 CSET 数据集，介绍了一些探索性发现，评估了小型数据方法科学研究的当前和预计进展，概述了哪个国家处于领先地位，以及这些研究的主要资金来源。根据我们的研究结果，我们得出以下四个关键结论：
重新支撑先进半导体封装
在美国，半导体行业和政府都在制定扩大国内半导体制造能力的雄心勃勃的计划。CSET 先前的研究详细介绍了这些“回流”制造业的努力。1 研究发现，如果精心定位并辅以适当的监管和劳动力支持，那么《为美国创造有益的半导体生产激励措施法案》（CHIPS）的激励措施可以扭转自 1990 年以来美国半导体制造能力的明显下降。本文扩展了这项工作，并认为有针对性的投资激励措施以增加美国先进封装能力也很重要。从历史上看，封装被视为劳动密集型和低附加值的“后端”活动（与高附加值的“前端”半导体制造相反）。因此，公司将这些活动外包到海外，主要是亚洲。两种宏观趋势正在推动人们对封装的看法发生变化：