XiaoMi-AI文件搜索系统
World File Search SystemHICSS
HICS 2025 Minitrack简介
使用数字跟踪数据（Berente，Seidel＆Safadi，2019; Miranda等，2022）在分析生态系统和平台中一直是这个Minitrack系列中的主要作案操作（Basole，2020; Russell，Russell，Rothe，Rothe和＆Huhtamäki，2021）。在维持经验精神的同时，手稿随着时间的流逝而变得较少。相反，所有公认的手稿都试图为平台和生态系统中特定参与者或机制进行持续的理论对话做出贡献。这说明了该领域日益增长的概念成熟度 - 管理信息系统作为朝着理论贡献推动的领域的制度影响。近年来，新的分类法和系统文献综述为这种成熟而举例说明了。尽管成熟度越来越高，但核心概念，平台和生态系统没有和谐使用。虽然概念清晰度和和谐使用可以帮助建立平台和生态系统上的累积研究传统，但目前对概念的开放性仍然邀请
Eunika Mercier-Laurent。人工智能与可持续性 - 人工智能在可持续性计划中的应用。HICSS，2020 年 1 月，美国毛伊岛威雷亚。�hal-02566098�
可持续发展是当前面临的最大挑战之一。可持续发展和发展显然是对立的。当前通过单独行动应对地球危机的努力产生的影响小于预期。现有技术的能力，特别是整个人工智能领域的能力尚未得到充分开发。生态创新行动主要集中在智能交通、能源和水的智能使用以及废物回收上，但没有考虑行为和焦点的必要演变。智能城市等概念是原型设计的完美场所。大多数相关研究都集中在使用统计/优化方法的卫星图像分析和数据处理上。这条轨迹只是应用人工智能方法和技术来平衡可持续性和环境问题的开始。结合充分的思考，它们可能有助于创新应对地球危机的方式。1. 简介
HICSS-58医学人工智能简介
医学中的人工智能（AI）改变了全球医疗保健，诊断，治疗计划和患者护理（Topol，2019年）。这个HICSS Minitrack旨在探索AI在医学中的作用，特别关注大规模利用深度学习技术，生成算法和智能代理所需的基础设施。我们邀请了对医疗保健中AI框架和系统的开发，部署和评估的贡献，包括但不限于：患者护理，个性化医学，医学成像分析以及自动化的临床决策支持系统的预测分析。
已发布版本的引用（APA）：Gerlings, J., Shollo, A., & Constantiou, I. (2021)。回顾可解释人工智能 (xAI) 的需求。第 54 届夏威夷国际系统科学会议论文集（第 1284-1293 页）。夏威夷国际系统科学会议 (HICSS)。 https://doi.org/10.24251/HICSS.2021.156
机器学习 (ML) / 人工智能 (AI) 技术（包括神经网络 (NN) 变体）正在快速发展，从而扩展了其功能，导致高级模型在决策过程中得到更频繁的使用 [1]。随着这些模型融入组织和日常工作中，学者和从业者需要更加关注模型的开发过程和结果的解释 [2]–[4]。这一点很重要，因为重要决策越来越多地由人们无法完全理解的不同形式的算法支持或完全自动化，这被称为 AI 黑箱解释问题 [5]。如果我们不能解释算法，我们就无法反驳它们、验证它们、改进它们或从中学习 [6], [7]。从业者和学者都呼吁通过实施透明且易于理解的 ML 模型来更好地理解复杂且不透明的模型。解释 ML 模型的工作原理和结果的产生方式，可以提高人们对机器学习模型的信任度 [5]、[8]– [10]。