XiaoMi-AI文件搜索系统
World File Search SystemId
人类生殖系基因组编辑形式之间的个人影响/身份影响区别在实践伦理中毫无用处
直接对人类胚胎进行基因改造是否会影响未来人的福祉？斯帕罗回答这个问题的方法违背了生物伦理学的一个核心目标：产生能够在研究、临床环境或公共政策中产生实际影响的观点。斯帕罗没有参与提供以经验为基础的人类身份描述的研究，而是不加批判地采用了帕菲特众所周知的两种基因干预类型的区分：“影响个人”和“影响身份”。这种区别对斯帕罗 (2022) 来说至关重要。鉴于对未来人的预期福利的合理关注，它允许他决定干预者是否对结果负有道德责任。影响个人的干预就是这种情况，因为只有在这种情况下，未来的人才会从干预中受益或遭受伤害。相比之下，目前通过 CRISPR 实现的体细胞或生殖细胞编辑通常涉及某种形式的选择——通过体外受精、体外胚胎核移植或植入前遗传学诊断——在植入妊娠母亲子宫之前选择“最佳孩子”。选择会影响身份，因为它会改变受孕时间，从而
基因组编辑的理由和关于人类身份的形而上学本质主义
生物伦理学的标准观点区分了可能伤害或使特定个体受益的“影响个人”干预（例如通过基因组编辑）和决定哪个个体诞生的“影响身份”干预（例如通过基因选择）。斯帕罗对过去几十年来有关生殖技术争论的核心假设之一提出了质疑。他认为，对人类胚胎的直接基因改造不应归类为“影响个人”，而应归类为“影响身份”，因为在可预见的未来，任何基因组编辑“几乎肯定”涉及创建和编辑多个胚胎，以及通过植入前基因诊断选择“最佳”胚胎。斯帕罗还认为，“影响个人”和“影响身份”干预之间的区别具有至关重要的伦理意义：“我们选择胚胎的理由比我们修改胚胎的理由要弱”（Sparrow 2022 ）。因此，他将基因组编辑归类为“影响身份”的干预，并得出结论，即使人们认为增强是道德义务，也没有理由要求制定法律来增强。在这篇评论文章中，我们更进一步质疑了有关生殖技术的生物伦理辩论中的核心假设。我们认为，“影响个人”和“影响身份”干预之间的区别是基于一种值得怀疑的物质起源本质主义。对这种本质主义的人类身份方法的质疑使得我们可以将基因组编辑和基因选择视为比标准方法中更相似的东西。它
爱达荷州立大学社区使用生成式人工智能工具的初步指南
● 合同审批与执行 ISUPP 1060 ● 电子和信息技术可访问性 ISUPP 1020 ● 平等机会、骚扰和非歧视 ISUPP 3100 ● HIPAA 合规性 ISUPP 1100 ● 采购 ISUPP 2560 ● 平等机会和平权行动 ISUPP 3080 ● 学术自由 ISUPP 4040 ● 学术诚信与不诚实 ISUPP 4000 ● 教师道德 ISUPP 4120 ● 学生行为准则 ISUPP 5000 ● 知识产权 ISUPP 7010 ● ISU 出口管制 ISUPP 7040 ● ITS 可接受使用 ISUPP 2400 ● ITS 访问控制 ISUPP 2410 ● ITS 采购、开发和维护 ISUPP 2420 ● ITS 资产管理 ISUPP 2430 ● ITS 信息安全 ISUPP 2500 ● ITS 安全角色和职责 ISUPP 2480
人工智能与身份
人工智能技术对世界的影响是不可否认的，它重塑了行业，彻底改变了人类与技术的互动方式，改变了教育模式，重新定义了社会准则。然而，这种快速增长伴随着两个显著的挑战：人工智能领域缺乏多样性，以及人工智能鸿沟不断扩大。在此背景下，本文探讨了人工智能与身份的交集，以此作为理解人工智能开发和部署中的偏见、不平等和道德考虑的途径。我们提出了人工智能身份的多方面定义，其中包括其创建者、应用程序及其更广泛的影响。了解人工智能的身份涉及了解参与人工智能开发的个人、所产生的技术以及社会、伦理和心理影响之间的关联。在探索人工智能身份生态系统及其社会动态之后，我们提出了一个框架，通过身份的视角，强调人工智能在三个维度上的多样性需求：创造者、创造物和后果。本文提出需要采取一种全面的方法来通过身份的视角来培育一个更具包容性和责任感的人工智能生态系统。
AI.STARTUP.HUB 人工智能创意计划
● 我们正在寻找来自大学和研究机构的学生和研究人员，以及来自汉堡和德国北部大都市区的人工智能爱好者。● 您有一个商业想法或在人工智能领域进行了研究，希望将其转化为产品。● 您和您的团队愿意参与人工智能创意计划，最好是全职参与。● 您和您的团队渴望围绕您的人工智能创意创办一家初创公司。● 您和您的团队期待与其他人工智能团队交流想法和见解，并希望共同成长和共同创造。● 您和您的团队愿意积极参加 AI.STARTUP.HUB 的面对面研讨会和活动。
识别活性 RNAi 通路
+HUHZHSUHVHQWWZRVLJQ 4QGLQJVWKDWFRQWULEXWH XQGHUVWDQGLQJRI 白色念珠菌DOLIH-WKUHDWHQLQJ KXPDQIXQJDOSDWKRJHQ)LU HVWDEOLVKWKDWWKH 白色念珠菌UHIHUHQFHVWUDLQLVGHIHF 51$LQWHUIHUHQFHDIXQGDP UHJXODWRU\SDWKZD\6HFRQ GLVFRYHUWKDWLQFRQWUD UHIHUHQFHVWUDLQWKHYD PDMRULW\RIC。白色念珠菌LVRODWH FRQWDLQDQDFWLYH51$ LQWHUIHUHQFH51$ LSDWKZ VLOHQFHVJHQHH[SUHVVLRQ &RQVLGHULQJWKDW51$ LSOD FHQWUDOUROHVLQUHYHUVL JRYHUQLQJJHQHH[SUHVVLRQ JHQRPHVWDELOLW\GUXJUH DQGFRXQWHULQJYLUDOLQIH RXU4QGLQJRHUVYDOXDEOH LQVLJKWVLQWRWKHELRORJ GDQJHURXVIXQJDOSDWKRJHQ
人工智能城市挑战赛车辆重新识别实证研究
本文介绍了我们针对 2021 年人工智能城市挑战赛 (AICITY21) 的 Track2 的解决方案。Track2 是一个使用真实世界数据和合成数据的车辆重新识别 (ReID) 任务。在本次挑战中，我们主要关注四个点，即训练数据、无监督领域自适应 (UDA) 训练、后处理、模型集成。（1）裁剪训练数据和使用合成数据都可以帮助模型学习更多判别性特征。（2）由于测试集中有一个在训练集中未出现的新场景，因此 UDA 方法在挑战中表现良好。（3）后处理技术包括重新排名、图像到轨迹检索、摄像头间融合等，可显著提高最终性能。（4）我们集成了基于 CNN 的模型和基于 Transformer 的模型，它们提供了不同的表示多样性。通过上述技巧，我们的方法最终取得了 0.7445 的 mAP 分数，在比赛中获得第一名。代码可在 https://github.com/michuanhaohao/AICITY2021_Track2_DMT 获得。
AI.STARTUP.HUB 汉堡人工智能创意计划
我们已经看到太多次，伟大的想法往往无法从创造者的想象中实现。多年来，我们了解人工智能生态系统，我们知道问题不在于没有足够的想法，而是这些想法往往不会被追求。为什么？因为潜在的创始人往往缺乏时间或资源将他们的想法变成现实。这就是为什么除了我们的加速器计划支持人工智能初创公司之外，我们现在还支持那些希望将他们的人工智能想法变成原型的人。
机器学习驱动的糖蛋白质组学分析标识了新型糖尿病相关的糖基化生物标志物
糖基化在包括糖尿病在内的蛋白质功能和疾病进展中起着至关重要的作用。这项研究进行了全面的糖蛋白分析，比较了健康的志愿者（HV）和DM样品，并鉴定出19,374肽和2,113种蛋白质，其中11104种是糖基化的。总共将287种不同的聚糖映射到3,722个糖基化的肽，揭示了HV和DM样品之间糖基化模式的显着差异。统计分析确定了29个显着改变糖基化位点，在DM中上调了23个，在DM中下调了6个。值得注意的是，在DM中，在Prosaposin的位置215处的Glycan HexNAC（2）Hex（2）FUC（1）在DM中显着上调，标志着其首次报道的与糖尿病的关联。机器学习模型，尤其是支持向量机（SVM）和广义线性模型（GLM），在基于糖基化特征（Glycans，糖基化蛋白质和糖基化位点）区分HV和DM样品时，可以在区分HV和DM样品时获得高分类精度（〜92％：96％）。这些发现表明，改变的糖基化模式可能是糖尿病相关病理生理和治疗靶向的潜在生物标志物。