XiaoMi-AI文件搜索系统
World File Search SystemChui
生成式人工智能飞轮的创新动力
12 Sébastien Bubeck 等人，通用人工智能的火花：GPT-4 的早期实验。arXiv (2023)。在对定义进行大量争论之后，NSCAI 的委员们将当今与 AGI 之间的某种东西解释为“更通用的人工智能”。这一术语抓住了狭义人工智能与 AGI 理论概念之间的创新状态。请参阅国家人工智能安全委员会最终报告，第 35-36 页 (2021)。13 例如，请参阅 Linda Geddes，DeepMind 在《科学大跃进》中揭示 2 亿种蛋白质的结构，卫报 (2022)。有关创新的定义，请参阅 Fred Gault，《定义和衡量所有经济部门的创新》，研究政策 (2018)。14 Marco Ianisiti 和 Karim R. Lakhani，《人工智能时代的竞争：算法和网络统治世界时的战略与领导力》，哈佛商学院出版社 (2020)。 15 Madhumita Murgia，《为什么计算机生成的数据被用来训练人工智能模型》，《金融时报》（2023 年）。16 Michael Chui 等人，《生成式人工智能的经济潜力：下一个生产力前沿》，麦肯锡公司（2023 年）；另请参阅 Vildana Hajric 和 Lu Wang，《人工智能比美联储更能影响与经济脱节的股票》，彭博社（2023 年）。17 Eric Schmidt，《人工智能将如何改变科学研究的方式》，《麻省理工技术评论》（2023 年）。
国际帕金森氏病和运动大会
C. Tesson;问：Angelova； A. Salazar-Villacort； J. Rodriguese; A. scardamagia; B. Chung; M. Jaconelli； B. Vona; N. Esther; A. Kwong; T. Courtin； A. Maroofian; S.总是A. Nickopes； M. Severin; P. Lewis;链球菌; B. O'Callaghan; A.预订； L. Sophan; P. lis; C. Pinon;问：自由； M. Chui; D. Murphy; V. Pitz; M. Makary； M. Cassar； B. Hassan; S. ifticar; C. Rock;问：鲍尔； M. Tinazzi； M. Sveel； B. Samanci; H.Hanağası; B.Bilgiç; J. Obeso； M. Kurtis； Q. Cogan; A.巴斯克; Q. Kiziltan; T.Gül； G.大教堂天使； B. Elibol; N. Bayas; E. ng; S. Fan; T. Hershkovitz; K. Weiss； J. Raza Alvi； T.苏丹； I. Azmi Alkhawaja; T. Froukh; H. Abdolah和Alrukban； C. Fauth; U. Schatz; T.Zöggor; M. Zech; K.站； V. Varghese; S. Gandhi; C. Blauwendraat; J. Hardy; S. lesage; V. Boniface; T. Haack; A. Bertoli-Avella; A.标准； D.亚历山大； H. Steller； A. Brice; A. Abramov; K. Bhatia； H. Houlden（英国伦敦）
亲核鉴定为...
报告了它们在细胞中的发现，研究人员描述了一个新的DNA修复过程，其中细胞从细胞核中去除有害的DNA蛋白质病变，从而确保其遗传材料的稳定性并促进细胞存活。团队称这一新过程为核。亲核是一种天然的细胞清洁机制，称为自噬，对于修复DNA和确保细胞存活至关重要。它涉及一种称为Tex264的常见蛋白质。在接受结直肠癌化疗的患者中，这些药物会导致DNA病变。在响应中，人体表达了Tex264，该Tex264激活了亲核过程，将病变引导到细胞的废物处置系统，并在其中分解并破坏。研究团队使用了先进的技术，包括生化，细胞生物学和生物信息学工具，斑马鱼模型和结直肠癌患者材料，以确保核噬菌对于修复受损的DNA至关重要。这项研究为细胞修复DNA损伤的新途径提供了见解，这可以改善癌症治疗，并在将来为患者带来更好的结果。首席研究员Kristijan Ramadan，Toh Kian Chui的癌症和干细胞生物学杰出教授，Lee Kong Chian医学院（LKCMedicine）的癌症发现和再生医学计划主任，NTU Singapore表示，“虽然已知自噬是与DNA修复有关的，直到其直接维修的证据都没有与DNA维修相关。
人工智能将如何影响 K-12 教师
1 麦肯锡全球教师和学生调查。2017 年加拿大、新加坡、英国和美国的平均水平。2 TALIS 2018 结果：教师和学校领导者作为终身学习者，第 1 卷，法国巴黎：OECD 出版社，2019 年。2013 年和 2018 年美国教师总工作时间比较。3 Desiree Carver-Thomas 和 Linda Darling-Hammond，“教师流动率：为什么重要以及我们能做些什么”，学习政策研究所，2017 年 8 月 16 日，learningpolicyinstitute.org。请注意，Title I 学校的流动率为 16%，比非 Title I 学校高出 50%。经验不足三年的教师比例更高，为 28%。4 教师和工作量，全国教育联盟，2018 年 3 月。5 “教育过时了吗？麻省理工学院媒体实验室的 Sugata Mitra，”麻省理工学院公民媒体中心，2012 年 5 月 16 日，civic.mit.edu；John von Radowitz，“公立学校校长预测，智能机器将在 10 年内取代教师，”Independent，2017 年 9 月 11 日，independent.co.uk。6 Parul Batra、Jacques Bughin、Michael Chui、Ryan Ko、Susan Lund、James Manyika、Saurabh Sanghvi 和 Jonathan Woetzel，《失业与就业增长：未来工作对就业、技能和工资意味着什么》，麦肯锡全球研究院，2017 年 11 月，McKinsey.com。7 Raj Chetty 等人，“320,000 美元的幼儿园教师”，Phi Delta Kappan，2010 年 11 月，第 92 卷，第 3 期，第 22-5 页，journals.sagepub.com。
人工智能即服务
组织越来越多地使用人工智能来执行以前被认为只有人类才能执行的复杂任务。在一些狭窄的应用领域，人工智能现在甚至超越了人类的表现。此类复杂任务的例子包括分析医疗数据以协助医生更快、更准确地做出医疗决策（Madani 等人2018 ），或在数小时或数天（而不是数月）内分析大量视频片段以支持刑事调查（Crawford 2019 ）。然而，组织面临的一个主要挑战是采用和整合人工智能的复杂而艰巨的过程，这被认为是“一段旅程，而不是目的地”（Dutta 2018 ）。这种普遍的犹豫源于人工智能专家的稀缺（Chui 和 Malhotra 2018 ）；组织缺乏能力和预算来建立和维护所需的大量 IT 资源（Romero 等人2019 ）；以及如何有效部署和配置基于 AI 的系统的知识有限（Yao 等人2017 ），等等。因此，大多数组织仍然未能采用 AI 并充分利用其潜力（Ransbotham 等人2019 ；Zapadka 等人2020 ）。为了促进 AI 的传播和应用，亚马逊、谷歌、IBM、微软、Salesforce 或 SAP 等云提供商已开始提供机器学习、深度学习、分析和推理即服务，将从云端配置 AI 功能的讨论付诸实践。此外，初创企业和中小型企业 (SME) 也在顺应这一趋势，提供独特的基于云的 AI 服务，以满足各行各业中小型企业的需求。例如，Incomaker 提供基于 AI 的销售和营销自动化工具。这些服务被称为人工智能即服务 (AIaaS)。从本质上讲，AIaaS 结合了 AI（即机器执行我们认知功能的能力）。
人工智能在建筑行业的可行性
建筑、工程和建设 (AEC) 行业是欧盟 (EU) 的关键行业，因为它占 GDP 的 9% 并提供了超过 6% 的欧洲就业机会 (Baldini 等人，2019 年)。尽管如此，与其他行业相比，该行业的生产率水平却非常低，许多建筑项目都面临成本和时间超支的问题。这种延迟可能是由于该行业数字化程度较低造成的：根据麦肯锡全球研究院 (MGI) 行业数字化指数，建筑业在欧洲排名垫底，在美国排名倒数第二 (麦肯锡全球研究院，2017 年)。除此之外，当前的劳动力短缺、COVID-19 疫情以及建设可持续基础设施的需求都加速了快速变革以实现更高数字化的需要。最近，受“工业 4.0”的启发，人工智能 (AI) 应用发展势头强劲，并具备作为推动 AEC 适当数字战略的骨干的所有功能（Darko 等人 2020 年，Pan & Zhang 2021 年）。根据 MGI（Chui 等人，2018 年）的数据，到 2030 年，人工智能对全球经济的潜在价值将达到 13 万亿美元，相当于累计 GDP 比 2018 年增长 16%。尽管人工智能有多种定义，但欧盟委员会任命的高级专家组 (HLEG) 将人工智能定义为“由人类设计的软件（也可能是硬件）系统，该系统在给定复杂目标的情况下，通过数据采集感知周围环境，解释收集到的结构化或非结构化数据，推理知识或处理从这些数据中得出的信息并决定最佳行动，从而在物理或数字维度上采取行动
释放新竞争优势的关键
任何战略的目标都是实现可持续的竞争优势，即在长期内创造比竞争对手更多利润的能力。品牌、专利、人才、基础设施等独特资源以及产品设计、客户服务或制造等独特能力是实现这一优势的基础。建立这些资源和能力的过程很漫长。然而，环境的变化（法规、技术等）经常会使一些资源和能力变得多余，并改变竞争的基础。人工智能 (AI) 就是这样一种驱动力。它正在迅速改变商业格局，各家公司都在争先恐后地适应这一新模式 (Ransbotham 等人，2020 年)。人工智能有可能通过降低某些传统因素的重要性并引入新因素从根本上改变竞争优势的来源。例如，Chat-GPT 和 DALL-E 等生成式人工智能工具在收到提示时利用大量数据来生成原创内容。此类工具可能会影响许多依赖人才完成某些流程的行业的关键成功因素（Chui 等人，2022 年）。关于人工智能相关的技术资源（例如专有数据、特定算法或技术基础设施）如何成为竞争优势的来源，已经有很多文章和言论。在本文中，我们将专门研究人工智能如何影响现有的以人为基础的优势来源并创造新的优势来源。本文首先讨论人工智能如何降低以人为基础的特定资源的价值，并强调技术优势是多么短暂。然后，它描述了人工智能如何使公司能够将他们的人力专业知识与机器学习算法相结合，以创造新的竞争优势。本文认为，人工智能的变革力量不仅限于自动化，还扩展到工作和流程的重新定义。在最后一部分，我们为决策者提出了接受这种转变的指导方针，强调人工智能与人类的融合不仅涉及技术的采用，还涉及组织文化和思维方式的根本转变。
人工智能与专业工作的未来
2 Frey, CB 和 Osborne, MA 2017。就业的未来：工作对计算机化有多敏感？《技术预测与社会变革》，114 期：254-280。3 Muro, M.、Whiton, J. 和 Maxim, R. 2019。哪些工作会受到人工智能的影响？华盛顿特区：布鲁金斯大都会政策计划。另请参阅 Dellot, B.、Mason, R. 和 Wallace-Stephens, F. 2020。工作的四种未来：应对激进技术时代的不确定性。伦敦：RSA、Manyika, J.、Chui, M.、Miremadi, M.、Bughin, J.、George, K.、Willmott, P. 和 Dewhurst, M. 2017。可行的未来：人工智能、自动化、就业和生产力：麦肯锡全球研究院。 4 Autor, DH 2015. 为什么还有这么多工作？工作场所自动化的历史和未来。《经济展望杂志》，29(3)：3-30。5 Brynjolfsson, E. 和 Mitchell, T. 2017. 机器学习能做什么？对劳动力的影响。《科学》，358(6370)：1530-1534。另见 Brynjolfsson, E. 和 McAfee, A. 2014. 第二次机器时代。纽约：WW Norton & Company。6 Susskind, RE 和 Susskind, D. 2015. 职业的未来：科技将如何改变人类专家的工作：美国牛津大学出版社。7 Wilson, HJ、Daugherty, P. 和 Bianzino, N. 2017. 人工智能将创造的就业岗位。 MIT 斯隆管理评论，58(4): 14。 8 Sako, M. 2013. 专业人士的业务。美国计算机协会通讯，56(7): 30-32。 9 Armour, J.，和 Sako, M. 2020 即将出版。法律服务中的人工智能商业模式：从传统律师事务所到下一代法律公司？《职业与组织杂志》，可在 SSRN 3418810 获得。 10 Noordegraaf, M. 2015. 混合专业主义及其他：（新）不断变化的组织和社会背景下的公共专业主义形式。《职业与组织杂志》，2(2): 187-206。 11 https://www.acm.org/media-center/2018/july/acm-updates-code-of-ethics
雨水管理基于自然解决方案（NB）的社区规模研究
全球人口的增长速度正在迅速增加，以至于可以预测，在2050年（UNDESA 2020），城市空间将被26亿新居民占领。快速而外观的城市化（主要是在大型城市中心）导致不透水的表面增加，因此，径流的数量和速度较高，因此扩大了可持续利用水资源的重要性，尤其是在快速发展的城市地区（Koc＆isiŞK2020; Koc et; Koc等。2021）。气候变化引起的极端风暴事件可能会导致雨水排水和水质管理失败，从而导致广泛的损害，经济损失和对人类生命的风险（Strauss等人2021; Li等。2022）。传统的城市雨水系统主要依赖于灰色基础设施，例如人孔，管道和插座，这可能导致严厉的非点源污染，从而导致水质下降和富营养化（Zhang＆Chui 2019）。除此之外，在干旱期间的污染物积累和暴风雨事件期间的径流降低了河流，湖泊和溪流等地表水的质量。来自城市雨水的径流会积聚并运输各种污染物，其中包括营养物质，悬浮固体，重金属，油脂和油以及地表水中的其他类型的有机固体（Muerdter等人（Muerdter等）2018）。传统的雨水管理实践主要通过将径流传达给排水管和溪流，主要集中在降低风险上。尽管它们有助于减少流量的问题，但它们无法提高水质（Spahr等人2020）。有一些可持续的土地使用和计划方法称为自然解决方案（NBS），旨在应对发展对环境的不利影响（Pour等人。2020）。这些方法旨在模仿自然过程，例如填充和填充，以减少f ef fluents的探测，然后才能控制环境并控制雨水径流（Goh等人2019; Galleto等。2022）。这些方法在世界上具有广泛的采用，尤其是在发达国家或区域下的不同名称和术语下的地区，包括低影响力发展（LID）和北美的最佳管理实践（Fletcher等人（Fletcher等）（Fletcher等人）2015），英国的可持续城市排水系统（SUD）系统（CIRIA 2015），水敏感城市
您对人工智能的使用是否违法？ ...
3. Anjana Samant 等人，《通过算法进行家庭监控：很少有人听说过的快速传播的工具》，《美国公民自由联盟》（2021 年 9 月 29 日），https://www. aclu.org/news/womens-rights/family-surveillance-by-algorithm-the-rapidly-spreading- tools-few-have-heard-of [https://perma.cc/545D-WNF5]。4. Karen Hao，《人工智能正在把人送进监狱——而且做错了》，《麻省理工学院技术评论》（2019 年 1 月 21 日），https://www.technologyreview.com/2019/01/21/137783/algorithms-criminal- justice-ai/ [https://www.perma.cc/F9WY-QFBQ]。 5. Erin Denniston Leach，《谨防使用人工智能招聘和雇用工具》，Snell & Wilmer（2022 年 5 月 18 日），https://blog.swlaw.com/labor- and-employment/2022/05/18/beware-of-the-use-of-artificial-intelligence-recruitment- and-hiring-tools/ [https://perma.cc/WA44-RBU2]（招聘）；Meta (Facebook) 解决公平住房违规指控，全国房地产经纪人协会 (2022 年 12 月 28 日)，https:// www.nar.realtor/legal-case-summaries/meta-facebook-settles-fair-housing-violation- allegations [https://perma.cc/GL4W-Q9GG]（住房）； Hannah Bloch-Wehba，《访问算法》，88 Fordham L. Rev. 1265 (2020)，https://ir.lawnet.fordham.edu/flr/vol88/iss4/2 [https://perma.cc/3TP8-UDP6]（医疗补助福利）。6. Tojin T. Eapen 等人，《生成式人工智能如何增强人类创造力》，Harv. Bus. Rev.（2023 年 7 月至 8 月），https://hbr.org/2023/07/how-generative-ai-can-augment- human-creativity [https://perma.cc/WLT8-BD69]（激发创造力）； Michael Chui 等人，麦肯锡公司，生成性人工智能的经济潜力：下一个生产力前沿 (2023 年)，https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier#introduction [https://perma.cc/C956-S63N]（改进业务系统）。 7. Thomas Brewster，警方发现诈骗者克隆公司董事声音，案值 3500 万美元，福布斯 (2023 年 5 月 2 日上午 8:37)，https://www.forbes.com/sites/thomasbrewster/2021/10/14/huge-bank-fraud-uses-deep-fake-voice-tech-to-steal- millions/ [https://perma.cc/GE26-RMC4]。8. AI 风险管理框架，美国国家标准与技术研究所、美国商务部 (2024)，https://www.nist.gov/itl/ai-risk-management-framework [https://perma.cc/RUK7-J398] 第 35-37 页。9. 斯坦福大学以人为本的人工智能，2023 年人工智能指数报告 (2023 年)，https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf [https://perma.cc/25JP-U442]。