XiaoMi-AI文件搜索系统
World File Search SystemIntel
意大利国家人工智能博士学位...
○ 巴里大学、圣心天主教大学、拉奎拉大学、那不勒斯东方大学、萨萨里大学、萨兰托大学、墨西拿大学、INFN ● 公司：Beam me up、OctoTelematics ● 2022-2023 学年提供的资助：46（+1 个工业博士职位，MACAI 公司）
各州计划在 K-12 阶段教授人工智能
为期两天的研讨会为各州代表团提供了协作构想、自我评估和目标设定的机会，方法是在州一级采用由 CSforALL 开发的 SCRIPT 战略规划工具，CSforALL 是一家致力于扩大 K-12 计算机教育的组织。研讨会由 AI4K12 的 Gardner-McCune 和 CSforALL 的执行董事 Leigh Ann DeLyser 共同主持。扩展计算教育途径 (ECEP) 联盟专注于扩大州一级的计算参与度，也通过就其州团队发展模式和州峰会工具包的调整提供咨询，为研讨会做出了贡献。
开箱即用的人工智能 (OBAI)
撰写本文的主要目的是将本文作者在 2013 年至 2022 年期间发明的所有 OUT OF THE BOX 理念（人工智能下）统一到一个名为“Out of the BOX 人工智能领域（OBAI 领域）”的保护伞下。人工智能下提出的所有 OUT OF THE BOX 理念都将归入本文中定义的新领域 OBAI 领域。本文发明了一个名为“人工卡通算法（ACA）”的新人工智能领域。ACA 是 OBAI 领域的一个子领域，因为它是一个 OUT OF THE BOX 理念。本文设计了四种新算法，分别为“人工卡通大力水手算法”、“人工卡通 Chhota Bheem 算法”、“人工卡通 Jerry 算法”和“人工卡通快乐孩子算法”。
人工智能生态系统的进化动力学
摘要。我们分析了共同参与人工智能 (AI) 的企业和机构的部门和国家系统。除了将 AI 作为通用技术或其特定应用领域的分析之外，我们还借鉴了部门系统的进化分析，并询问“谁在做什么？”在 AI 中。我们提供连接 AI 开发者、制造商和用户的复杂相互依赖模式的细粒度视图。我们区分了 AI 支持、AI 生产和 AI 消费，并分析了企业和社区之间新兴的共同专业化模式。我们发现，人工智能的供应以少数几家大型科技公司为主导，这些公司对人工智能的下游应用（例如搜索、支付、社交媒体）支撑了人工智能最近的大部分进展，同时也提供了必要的上游计算能力（云和边缘）。这些公司在人工智能研究领域主导着顶尖学术机构，进一步巩固了它们的地位。我们发现，只有少数能够数字化和获取高质量数据的公司采用了人工智能，并从中受益。我们考虑了人工智能行业在三个主要地区（中国、美国和欧盟）的不同发展情况，并注意到少数公司正在构建全球人工智能生态系统。我们的贡献是以人工智能为例展示进化思维的演变：我们展示了从国家/部门系统到三螺旋/创新生态系统和数字平台的转变。我们得出了如此广泛的进化理论对理论和实践的影响。
人工智能和机器学习教育游戏：评论
乔治奥斯·扬纳卡基斯 马耳他大学数字游戏研究所，马耳他姆西达 摘要 数字游戏作为教育的新范式已具有重要意义。数字游戏人人都可以访问且价格合理，并为大规模教学和学习提供了机会。近年来，人们对数字游戏的兴趣日益浓厚，以支持大学预科（K-12）学校的计算思维和编程。人工智能（AI）和机器学习（ML）是一个快速发展的领域，在过去几年中吸引了越来越多的学习者。虽然数字游戏和AI/ML的融合对于教学和学习研究人员来说是一个重要且具有挑战性的领域，但该领域尚未进行过文献综述。这项工作的目的是回顾最近对支持AI和ML教育的游戏的研究。经过彻底的搜索，我们选择了相关的论文和游戏并将其纳入我们的定性内容分析。在此综述的基础上，我们概述了相关的研究论文和游戏，并展示了不同的游戏如何提供独特的机会来教授人工智能和机器学习中的许多不同概念和主题。 关键词：教育游戏、人工智能教育、机器学习教育、文献综述 1.简介 在过去的几年里，数字游戏在计算机科学（CS）和信息技术（IT）教育中越来越受欢迎（Harteveld 等人，2014 年；Kordaki 和 Gousiou，2016 年）。数字游戏一直是加强 CS 教育的几种流行方法。在 K-12 学校，有一些课程让学生参与玩游戏，其中包括必须解决的任务和问题才能进步（Vahldick 等人，2014 年），或鼓励学生使用可视化和基于块的编程环境开发游戏
人工智能政策的可行原则
• 已提交的稿件是文章提交后、同行评审前的版本。已提交的版本和正式出版的版本之间可能存在重大差异。建议对研究感兴趣的人联系作者获取出版物的最终版本，或访问出版商网站的 DOI。• 最终作者版本和样稿是同行评审后的出版物版本。• 最终出版版本包含论文的最终布局，包括卷、期号和页码。出版物链接
标题：PET 中的人工智能：行业视角
1.Arkadiusz Sitek，博士，Sano 计算医学中心，波兰克拉科夫，Nawojki 11 街，30-072 克拉科夫，波兰，a.sitek@sanoscience.org 2.Sangtae Ahn，博士，GE 研究 3.Evren Asma，博士，佳能医学研究 4.Adam Chandler，博士美国联合影像医疗全球科学合作组 5。Alvin Ihsani，博士，NVIDIA 6。Sven Prevrhal，博士，飞利浦欧洲研究中心，7。Arman Rahmim，博士，不列颠哥伦比亚大学放射学和物理学系，加拿大不列颠哥伦比亚癌症中心省级医学成像物理学家 8。Babak Saboury，医学博士，公共卫生硕士，DABR，DABNM，美国国立卫生研究院临床中心放射学和成像科学系，马里兰大学巴尔的摩分校计算机科学与电气工程系，美国马里兰州巴尔的摩，宾夕法尼亚大学医院放射学系，9。Kris Thielemans，博士，伦敦大学学院核医学研究所，英国，算法与软件咨询有限公司，英国伦敦
人工智能中的符号行为
人类使用符号的能力尚未在机器中复制。弥合差距需要考虑如何建立符号含义：如果符号用户同意符号含义，那么符号使用就包括导航含义协议的行为。我们利用这一见解来表达分级符号行为，包括构建新符号、改变先前符号以及反省含义和推理过程。然后，我们根据每个标准评估当代人工智能方法。最终，我们认为，当基于学习的代理沉浸在需要围绕观点和意义进行协调的人类社会文化互动中时，机器中流畅的符号使用就会出现。通过大规模收集这些场景，并包括交互式人类反馈，研究人员可以使用当代塑造行为算法来优化符号流畅性。