XiaoMi-AI文件搜索系统
World File Search SystemGrounded
人工智能设计：提出基于数据整理的概念框架
工程设计、制造和人工智能之间的交集为我们开发新技术的方式带来无数的突破性改进。然而，要实现物理世界和计算世界之间的这种协同作用需要克服一个核心挑战：当今受过教育的专家中，很少有人同时接受过工程设计和人工智能方面的培训。这一事实，加上这两个领域的采用才刚刚开始，以及许多机构数据管理系统过时，导致工业领域相对缺乏高质量数据，也缺乏能够快速使用这些数据进行机器学习和人工智能开发的个人。为了将工程设计和制造领域推进到开发有效的人工智能、数据驱动的分析和生成工具的下一个准备水平，必须建立一个新的 X 设计原则：人工智能设计 (DfAI)。本文提出并讨论了 DfAI 的概念框架，背景是当代领域及其推动者。[DOI：10.1115/1.4055854]
基于场景的自动驾驶系统测试的经验基础前进的途径
对自主驾驶系统（AD）的测试是一项至关重要的，既定的任务，需要不同的方法来确保在各种驾驶场景中系统的安全性和可靠性。目前，缺乏对测试此类系统的行业实践以及相关挑战的了解。为此，我们对以前的探索性研究进行了二次分析，在那里我们采访了来自Sween的7家广告公司的13位专家。我们探讨了行业中的测试实践和挑战，特别关注基于方案的测试，因为它被广泛用于研究广告。通过访谈的详细分析和合成，我们确定了测试广告的关键实践和挑战。我们的分析表明，行业实践主要涉及各种类型的测试方法，测试原理，测试场景的选择和识别，测试分析以及相关标准和工具以及一些一般计划。挑战主要包括不同公司使用的概念和方法的差异，以及缺乏全面的标准，法规和有效的工具，方法和方法以及用于最佳测试的技术。为了解决这些问题，我们提出了一种“ 3CO”策略（结合，合作，继续学习和开放），作为行业和学术界的集体途径，以改善广告的测试框架。
人工智能设计：提出基于数据整理的概念框架
工程设计、制造和人工智能之间的交集为我们开发新技术的方式带来无数的突破性改进。然而，要实现物理世界和计算世界之间的这种协同作用需要克服一个核心挑战：当今受过教育的专家中，很少有人同时接受过工程设计和人工智能方面的培训。这一事实，加上这两个领域的采用才刚刚开始，以及许多机构数据管理系统过时，导致工业领域相对缺乏高质量数据，也缺乏能够快速使用这些数据进行机器学习和人工智能开发的个人。为了将工程设计和制造领域推进到开发有效的人工智能、数据驱动的分析和生成工具的下一个准备水平，必须建立一个新的 X 设计原则：人工智能设计 (DfAI)。本文提出并讨论了 DfAI 的概念框架，背景是当代领域及其推动者。[DOI：10.1115/1.4055854]
Robollm：基于多模式大语言模型的机器人视觉任务
摘要 - 机器人视觉应用通常需要广泛的视觉感知任务，例如对象检测，分割和识别。尽管这些单独的任务已经取得了重大进展，但将规定的模型整合到统一的视觉管道中带来了重大的工程挑战和成本。最近，多模式大语言模型（MLLM）已成为各种下游任务的新型骨干。我们认为，利用MLLM的预训练能力可以创建简化的框架，从而减轻对特定于任务的编码器的需求。具体来说，MLLM中的大规模预认证的知识可以更轻松地对下游机器人视觉任务进行微调，并产生出色的性能。我们介绍了配备BEIT-3骨干的Robollm框架，以解决Armbench Challenge中的所有视觉感知任务，这是一个大规模的机器人操纵数据集，涉及有关Real-World Warehouse场景的大规模机器人操作数据集。Robollm不仅胜过现有的基线，而且还大大减轻了与模型选择和调整相关的工程负担。本文中使用的所有代码都可以在https://github.com/longkukuhi/armbench中找到。
从实践者的角度看人工智能伦理：扎根理论文献综述
摘要 在开发基于人工智能 (AI) 的软件系统的背景下，伦理一词被广泛使用、探索和争论。近年来，无数事件引发了人工智能开发中伦理问题的关注，并导致公众对人工智能技术在我们日常生活中的扩散感到担忧。但是，我们对开发这些系统的人——人工智能从业者的观点和经验了解多少呢？我们对 38 项主要实证研究进行了扎根理论文献综述 (GTLR)，其中包括人工智能从业者对人工智能伦理的看法，并对其进行了分析，得出五个类别：从业者意识、看法、需求、挑战和方法。这些由多个准则和概念支撑，我们用纳入研究的证据来解释这些准则和概念。我们从从业者的角度提出了人工智能伦理的分类，以帮助人工智能从业者识别和理解人工智能伦理的不同方面。该分类法提供了人工智能从业者在人工智能伦理方面关注的关键方面的概览。我们还分享了未来研究的议程和对从业者、管理者和组织的建议，以帮助他们更好地考虑和实施人工智能道德规范。
湿件化身人工智能？迈向基于合成生物学的自创生组织方法
具身人工智能 (EAI) 是当代人工智能的一个方向，其特点是发展对自然认知过程的综合研究，其假设是认知者的身体在认知中起着决定性的作用。在 EAI 中，“身体”的概念呈现出广泛的解释，从概念上讲，可以认为跨越了两个极端：一种是用于符号信息处理的神经元外物质支持的概念，适合将符号置于感觉运动关联中；一种是多重、集成、嵌入环境的系统的概念，其自组织的生物动力学与意义建构过程密不可分（纠缠在一起）（例如，Gallagher，2011；Ziemke，2016）。EAI 通常被宽泛地等同于机器人 AI，即一种以构建和实验探索自然认知过程的硬件模型为目标的 AI 形式。事实上，与计算机不同，机电机器人被赋予了身体，使其处于物理世界中 — 即，不（仅仅）处于抽象的“信息世界”中 — 并允许它们基于传感器（例如，能够检测障碍物、光、声音、电磁信号等的传感器）与其进行交互。和执行器。在大多数情况下，EAI 创建由计算机控制的机器人，这样机器人代理的身体在其与环境的感觉运动交互中，将中央处理单元的活动作为基础，中央处理单元充当信息处理和决策设备。然而，EAI 社区也致力于构建不受计算机引导的机器人，这些机器人能够仅通过身体来了解周围环境并完成认知任务（例如 Brooks，1991；Steels 和 Brooks，1995）。自 20 世纪 90 年代初出现以来，EAI 通过其多种表现形式，在基础研究和应用研究层面都取得了令人瞩目的进步（例如 Pfeifer 和 Bongard，2006）。尽管如此，从 20 世纪 90 年代末开始，人们就开始争论 EAI 方法是否适合生物体建模。这些批评越来越多地不局限于强调 EAI 典型的理论和实现的身体机械观。他们注意到 EAI 无法对身体组织进行建模，即通过新陈代谢支持生物体不断自我生产的功能关系动态网络（Ziemke，2016；Damiano 和 Stano 2018）。这些都是激进的批评，指出目前 EAI 对自然认知过程的综合研究仅仅建立在对生物体的模仿建模上：一种人工重建，只考虑身体结构的表面方面（例如，运动和解剖元素）而忽略了其最具体的维度——自主组织。在这篇短文中，我们打算介绍一种旨在克服这一差距的 EAI 研究方法的一般纲领路线。这样的程序本身并不是什么新鲜事。EAI 研究
宾客社论：循环经济的物流和供应链管理方面的经验基础
引言替代性替代性吸引力线性（提取物使用）经济模型，全球政策制定者和商业领袖越来越接受循环经济模型。CE是由有意设计的驱动的，旨在通过恢复技术材料和再生生物材料来大大提高资源效率，以使它们保持流通，而不是像线性经济中那样将其发送到垃圾填埋场（Ellen MacArthur Foundation，2015年）。尽管过渡到循环供应链（CSC）是全球业务领导者的一个有影响力的话题（Aronow等人，2018年），2023年的循环差距报告（循环经济，2023年）表明，只有7.2％的全球经济是循环的。这在2018年低于9.1％，在2020年为8.6％，这表明向CE过渡更容易说起来做起来难。尽管有激增的研究兴趣，但循环供应链管理（CSCM）仍面临许多实际挑战和研究不足的问题（Farooque等，2019）。不幸的是，相关差距（Tranfield and Denyer，2004年）在CSCM研究中很突出，阻碍了其发展。通常以回收利用为主，对CSC（de Lima，2022）和CSC理论发展（Pansera and Genovese，2020）的更广泛看法有限，强调了对更多经验研究的需求。最近对CSCM出版物的评论表明，在领先的物流，运营和供应链管理（SCM）期刊中，经验研究文章仅为9％（Zhang等，2021）。最后，我们指出了CE和CSCM的研究方向。主导建模研究文章通常会检查抽象问题，而无需指定特定的国家或行业环境。由于这种明显而迫切需要进行更经验的研究，嘉宾编辑呼吁论文并编辑了这一特刊。将简要描述接受的专刊论文，然后进行一些总体主题的探索。
供应链弹性关键要素的识别和形成机制：基于接地理论和SEM验证的探索
供应链的弹性吸引了学者和实践者。然而，该主题的复杂性质导致对其关键要素和形成机制的研究不足。为了弥合这一知识差距，我们实施了扎根的理论，并与23名受访者进行了半结构化访谈，从而通过开放编码，轴向编码，选择性编码和理论模型饱和测试来确定供应链弹性的六个关键要素。这些要素是产物供应弹性，资源弹性，合作伙伴的弹性，信息响应的弹性，资本弹性和知识弹性。从关键要素和供应链弹性的三个阶段（准备，响应和恢复）的三个阶段，我们说明了其形成机制，并构建了供应链恢复能力的影响因素和途径的理论模型。我们根据编码结果设计了一份问卷，并用一小部分的问题确认了其合理性和有效性。随后，使用409个问卷的大量样本使用结构方程模型来测试和验证理论模型，表明确定的关键要素对供应链的弹性产生了积极影响。总的来说，我们的论文通过识别其关键要素并详细阐述其形成机制来丰富供应链弹性的预性。
气候变化的物理科学基础增强了转变，IPCC AR6的洞察力基于伦理学的气候研究议程
作为气候科学家，我们在不断变化的环境中运作。在IPCC AR6开始时，2015年，国际合作在可持续性方面取得了重大进展，从而实施了几个新框架，包括减少灾害风险的UN Sendai框架，可持续发展目标，新的城市议程和巴黎协定[2]。在AR6周期内，强烈重视气候变化，生态系统和生物多样性与IPCC和IPBES之间的联合研讨会[3]之间的联合研讨会，以及《联合国生物多样性公约》在2022年实施的生物学多样性公约Kunming-Montre-Montre Montre'al Global Biovorverty框架。在2023年，AR6 IPCC综合报告[4]强调，当前气候行动的步伐和规模不足以限制与气候相关风险的升级，并具有迅速的机会范围，以实现气候弹性的发展，以及共享知识的关键作用以支持变革性变化。随着气候变化的快速变化（图1），气候状态的定期更新对于向社会提供信息至关重要 - 比IPCC报告更多，预计到2028年的AR7结果。已经针对全球碳预算[5]和年度气候[6]和极端事件[7，8]实施了此类努力。基于观测数据集的更新和支持AR6 WGI报告的相同方法[9]，新的协调努力为全球气候状况的关键指标提供了年度更新，显示了辐射强迫，地球能量不平衡，人类造成的全球变暖的变化，发生在越来越多的速度[10]。此类年度更新对可归因的全球和区域变暖现在为观察受到约束的全球和区域保护的年度更新打开了可能性[11，12]。与其IPCC 2021估算值相比，与限制全球变暖至1.5°C的剩余碳预算相比已降低了两倍，而IPCC 2021估计[9] [9]，缩小至250 gtco2左右，预计在6年内以
支持精神病心理健康护士从业者准备在怀孕期间对心理健康问题的准备：扎根理论的结果
背景和目标：与产前和产后期间，怀孕期间和焦虑症的抑郁和焦虑症的可能性较小，尽管在怀孕期间与未经治疗的心理健康问题相关，但怀孕期间和焦虑症的可能性较小。患者报告说，孕产妇和心理健康提供者似乎无法或不愿意在怀孕期间与心理药理学讨论治疗。有关这种模式的文献尚未包括精神病精神健康护士从业者（PMHNP）的观点。这项研究的目的是确定PMHNP在怀孕期间对心理健康问题的治疗的障碍和需求。方法：在这项建构主义扎根的理论研究中，数据是在2023年2月至2024年2月之间通过深入访谈收集的。合格的参与者是PMHNP或PMHNP学生，与可能在门诊环境中怀孕的患者一起工作。结果：17个PMHNP或学生参加了这项研究。许多人认为他们没有准备好治疗怀孕的患者，并描述了阻碍他们舒适和愿意治疗怀孕者的障碍和需求。这些包括培训不足，有限的研究以及对法律责任的担忧。PMHNP要求将有关围产期心理健康及其治疗的更多信息纳入培训计划和临床经验。结论：许多PMHNP在怀孕期间没有意识到或不明显的资源和最佳治疗方法。除了治疗怀孕者的最佳实践外，PMHNP计划还应考虑为实践的情绪后果做准备，以及有关渎职和责任风险的清晰准确的信息。