XiaoMi-AI文件搜索系统
World File Search SystemJarrahi
低剂量的鼻内脱氧胺调节阿尔茨海默氏病链蛋白酶啮齿动物模型中的记忆，神经炎症和神经元转录组
鼻内施用的脱铁胺（DFO）有望成为神经退行性疾病和神经系统损伤的新型治疗方法。鼻内（IN）递送允许DFO等药物绕过血液 - 脑障碍，并在几分钟之内沿嗅觉和三叉神经沿嗅觉和三叉神经在细胞外传递（Thorne等，2004; Chen等，1998; Frey，1997; Thorne等，1995; Thorne等，1995）。鼻内递送具有最大程度地减少全身性暴露的额外好处，从而减少副作用以及无创的。脱铁胺是一种经认可的通用抗氧化剂和抗炎药，其结合铁具有很高的亲和力，但与系统给药的大脑渗透有限（Di Paola等，2022）。游离铁在阿尔茨海默氏病（AD），帕金森氏病和其他脑部疾病的个体的大脑中异常积累（Rao等，2022）。在患有AD的人的大脑中，也含有铁的自由血红素，也增加了血红素和铁灭活的人脑脑毒蕈碱毒蕈碱乙酰胆碱受体，需要体外记忆（Venters等，1997; Atamna and Frey，frey，2004; Fawcett等，2004; Fawcett等，2002; Fawcett et al。，2002）。鼻内DFO已显示在动物中，以治疗各种脑部疾病，其中铁会异常积累，甚至可以改善正常和健康小鼠的记忆力（Fine等，2020）。这是重新利用现有药物来治疗PD，AD，中风和其他脑部疾病的一个例子，通过使用非侵入性递送以绕过血脑 - 脑 - 障碍物，并靶向大脑。对DFO作为对神经退行性疾病的潜在治疗的兴趣，鉴于最近认识到，基于不受管制的铁水平的一种调节细胞死亡形式，依赖于神经退行性疾病和神经侮辱的形式（Stockwell，2022222）。 促进铁水平响应的铁凋亡会导致脂质过氧化，活性氧（ROS）产生，线粒体功能障碍以及神经炎性反应导致细胞和神经元损伤（Tang等，2020； Jarrahi等； Jarrahi等； Jarrahi等，2020年）。对DFO作为对神经退行性疾病的潜在治疗的兴趣，鉴于最近认识到，基于不受管制的铁水平的一种调节细胞死亡形式，依赖于神经退行性疾病和神经侮辱的形式（Stockwell，2022222）。促进铁水平响应的铁凋亡会导致脂质过氧化，活性氧（ROS）产生，线粒体功能障碍以及神经炎性反应导致细胞和神经元损伤（Tang等，2020； Jarrahi等； Jarrahi等； Jarrahi等，2020年）。
零工经济中工人的情感承诺
虽然零工经济没有明确的定义，但它通常是指通过基于互联网的技术或应用程序将按需工作者或服务提供商与客户联系起来的中介公司的经济体系（Cheng，2016；Meijerink & Keegan，2019；Sundararajan，2016）。由于零工经济的特点，它也被称为共享经济、点对点经济、协同消费、按需经济和平台经济（普华永道，2015；Sundararajan，2016；Sutherland & Jarrahi，2018；Vallas & Schor，2020）。五大关键共享行业（即汽车共享、金融、旅游、人员配备和媒体流媒体）的全球估计收入预计将从 2014 年的 140 亿美元增长到 2025 年的 3350 亿美元（普华永道，2015）。此外，美国劳工统计数据显示，2010 年至 2020 年间，零工工人的数量增加了 15%，即 600 万人（Iacurci，2020 年）。
人工智能在运营管理中的应用
智能技术（Duan 等人 2019；Dubey 等人 2020；Hughes 等人 2019；Ismagilova 等人 2019；Wamba 和 Queiroz 2020）。数字化转型中技术的使用取决于组织对技术的态度、感知有用性和感知易用性（Berlak 等人 2020；Grover 等人 2019c）。组织已积极参与数字化转型（Burton-Jones 等人 2020）。人工智能和大数据共同塑造了经济、社会和政治领域（Duan 等人 2019；Dwivedi 等人 2019；Elish 和 Boyd 2018；Wamba 等人 2015、2017）。人工智能被定义为系统解释和学习数字痕迹的能力（Haenlein 和 Kaplan 2019）。Metcalf 等人（2019）认为人工智能可以增强员工的智力。人工智能通过提供多样化和不同的解决方案帮助员工克服复杂情况（Jarrahi 2018），随后可以在决策过程中提供规范性输入（Bader 和 Kaiser 2019）。员工应该更多地专注于创造性工作，并应该学习如何有效地使用机器完成日常任务（Jarrahi 2018）。Morikawa（2017）指出，拥有高学历员工和全球业务的公司期望人工智能技术将对企业产生积极影响。文献中将 OM 定义为端到端的组织管理活动和服务链（Karmarkar 和 Apte 2007；Subramanian 和 Ramanathan 2012），其包括产品设计、流程设计、商品生产、规划、调度（Zhao 等 2020）、个性化定位、交付、定制、物流、外包等多项活动。本研究的第一个研究空白是 Brock 和 Wangenheim（2019）指出的空白，即管理者对如何在其组织运营中使用 AI 知之甚少。因此，本文介绍了 AI 在 OM 不同要素（如制造、产品开发、服务和供应链）中的使用。本研究确定的第二个研究空白基于 Gunasekaran 和 Ngai（2012）强调的空白，即需要开发 OM 模型来综合信息并将其转换为知识。因此，本研究试图探索利用人工智能对数字化转型计划获得的组织内存储的数据和信息资产进行信息转化为知识的前景。本研究确定的第三个空白是 Haenlein 和 Kaplan (2019) 强调的开放性问题，即人类和人工智能支持的系统如何和平共处。因此，本研究以命题的形式探讨了八种情景，作者认为员工和人工智能驱动的系统应该协同工作并建立共生关系，因为两者相互依赖，而人工智能系统的成功取决于两者的相互理解。文献表明，与其他技术创新相比，人工智能具有许多优势。首先，人工智能可以通过支持感知、抓取和转换的动态能力来降低风险（Matilda 和 Chesbrough 2020）。其次，人工智能扩大了创造性思维的范围（Eriksson 等人，2020）。第三，人工智能系统支持的一些重要特性是情境感知、通信能力、嵌入式知识、推理能力和自组织能力（Romero 等人，2020）。第四，人工智能、机器人和大数据的结合被称为第四次工业革命，因为这些技术将带来巨大的影响。Jarrahi（2018）建议，人工智能系统的设计不应以取代人类贡献为目的，而应以增强人类知识和决策为目的。本研究的重点是探索员工之间的共生关系以及人工智能在 OM 不同要素中用于做出有效决策的使用。本研究探讨的第一个研究问题是，如何在组织环境中将人工智能应用于 OM？为了探索这个研究问题，提出了八个命题（命题
奇数对称平面大厅效应：一种检测电流诱导的面内磁化切换
1 N. H. D. Khang，T。Shirokura，T。Fan，M。Tahahashi，N。Nakatani，D。Kato，Y。Miyamoto，2 H. Wu，D。Turan，Q。Pan，C.-Y. Yang，G。Wu。 下巴，H.-J。 Lin，C.-H。莱，张，M。Jarrahi， 3 K. Gary，C。 4 Y. J. A. b。 Huai，18（6），33（2008）。 5 W.-G。 Wang，M。Li，St.Eageman和C. L. 6 T. Kawahara，K。Ito，R。Take， 7 A. 7 A. 8 A. J. Sinova，St.O。O. Valenzuela，J。Wunderlich，C。H。Back，1213（2015）。 10 10 J. E. E. 11 K. Gary，I。M。Miron，C。 12 C. O. Avci。 A. Katine，应用1092 H. Wu，D。Turan，Q。Pan，C.-Y.Yang，G。Wu。 下巴，H.-J。 Lin，C.-H。莱，张，M。Jarrahi， 3 K. Gary，C。 4 Y. J. A. b。 Huai，18（6），33（2008）。 5 W.-G。 Wang，M。Li，St.Eageman和C. L. 6 T. Kawahara，K。Ito，R。Take， 7 A. 7 A. 8 A. J. Sinova，St.O。O. Valenzuela，J。Wunderlich，C。H。Back，1213（2015）。 10 10 J. E. E. 11 K. Gary，I。M。Miron，C。 12 C. O. Avci。 A. Katine，应用109Yang，G。Wu。下巴，H.-J。 Lin，C.-H。莱，张，M。Jarrahi， 3 K. Gary，C。 4 Y. J. A. b。 Huai，18（6），33（2008）。 5 W.-G。 Wang，M。Li，St.Eageman和C. L. 6 T. Kawahara，K。Ito，R。Take， 7 A. 7 A. 8 A. J. Sinova，St.O。O. Valenzuela，J。Wunderlich，C。H。Back，1213（2015）。 10 10 J. E. E. 11 K. Gary，I。M。Miron，C。 12 C. O. Avci。 A. Katine，应用109下巴，H.-J。Lin，C.-H。莱，张，M。Jarrahi， 3 K. Gary，C。 4 Y. J. A. b。 Huai，18（6），33（2008）。 5 W.-G。 Wang，M。Li，St.Eageman和C. L. 6 T. Kawahara，K。Ito，R。Take， 7 A. 7 A. 8 A. J. Sinova，St.O。O. Valenzuela，J。Wunderlich，C。H。Back，1213（2015）。 10 10 J. E. E. 11 K. Gary，I。M。Miron，C。 12 C. O. Avci。 A. Katine，应用109Lin，C.-H。莱，张，M。Jarrahi，3 K. Gary，C。 4 Y. J. A. b。 Huai，18（6），33（2008）。 5 W.-G。 Wang，M。Li，St.Eageman和C. L. 6 T. Kawahara，K。Ito，R。Take， 7 A. 7 A. 8 A. J. Sinova，St.O。O. Valenzuela，J。Wunderlich，C。H。Back，1213（2015）。 10 10 J. E. E. 11 K. Gary，I。M。Miron，C。 12 C. O. Avci。 A. Katine，应用1093 K. Gary，C。4 Y. J.A. b。 Huai，18（6），33（2008）。5 W.-G。 Wang，M。Li，St.Eageman和C. L. 6 T. Kawahara，K。Ito，R。Take， 7 A. 7 A. 8 A. J. Sinova，St.O。O. Valenzuela，J。Wunderlich，C。H。Back，1213（2015）。 10 10 J. E. E. 11 K. Gary，I。M。Miron，C。 12 C. O. Avci。 A. Katine，应用1095 W.-G。 Wang，M。Li，St.Eageman和C. L.6 T. Kawahara，K。Ito，R。Take， 7 A. 7 A. 8 A. J. Sinova，St.O。O. Valenzuela，J。Wunderlich，C。H。Back，1213（2015）。 10 10 J. E. E. 11 K. Gary，I。M。Miron，C。 12 C. O. Avci。 A. Katine，应用1096 T. Kawahara，K。Ito，R。Take，7 A. 7 A.8 A.J. Sinova，St.O。O. Valenzuela，J。Wunderlich，C。H。Back，1213（2015）。10 10 J. E. E.11 K. Gary，I。M。Miron，C。 12 C. O. Avci。 A. Katine，应用10911 K. Gary，I。M。Miron，C。12 C. O. Avci。A. Katine，应用109A. Katine，应用10913 N. H. D. Khang和P. N. Hai，应用物理信函117（25），252402（2020）。14 Y. Takahashi，Y。Takeuchi，C。Zhang，B。Jinnai，S。Fukami和H. Ohno，应用物理信函114（1），012410（2019）。15G.Mihajlović，O。Mosendz，L。Wan，N。Smith，Y。Choi，Y。Wang和J.16 S. Fukami，T。Anekawa，C。Zhang和H. Ohno，自然纳米技术11（7），621（2016）。17 Y.-T。 Liu，C.-C。黄，K.-H。 Chen，Y.-H。黄，C.-C。 Tsai，T.-Y. Chang和C.-F。 PAI，物理审查应用了16（2），024021（2021）。17 Y.-T。 Liu，C.-C。黄，K.-H。 Chen，Y.-H。黄，C.-C。 Tsai，T.-Y.Chang和C.-F。 PAI，物理审查应用了16（2），024021（2021）。Chang和C.-F。 PAI，物理审查应用了16（2），024021（2021）。
在人工智能的背景下，技术接受模型和采用者类型分析
模型作为其基础技术，Chatgpt被认为是AI的转折点，向公众展示了这项新技术的可能性（Doshi等，2023）。AI已成为许多行业的变革性工具，被视为以低成本增强人类能力的一种手段（Schwab，2017年）。AI被视为未来行业的关键成功因素，使AI员工招聘和专业知识在人力资源领域越来越重要，以实现AI和劳动力之间的共生（Jarrahi，2018年）。政策制定者，经理和社会应优先考虑增强，而不是取代人类劳动力。采用人类补充方法可以促进经济增长并促进更大的经济平等（Capraro等，2024）。在人类相互作用的背景下改善共生关系，单独的AI设计方法的研究和优化是不够的，因为对AI使用的态度各自不同（Vasiljeva等人，2021年）。因此，对于公司和组织而言，衡量和主动改变对AI的态度将非常重要，因为这种接受极大地影响了行为意图，如技术接受模型中所述。
零工经济中的护理工作 - 研究
简报还总结了澳大利亚基于平台的护理工作可能存在的风险，并指出了平台工作治理和政策制定需要解决的问题。护理人员为何以及如何使用数字护理平台？与大多数平台工作者一样，护理人员转向数字平台工作以赚取额外收入、获得广泛的工作机会并控制自己的工作时间（Ticona & Mateescu，2018 年；Veen 等人，2020 年）。他们特别寻求能够选择自己的客户并协商适合自己个人情况的工作安排（Khan 等人，2023 年）。护理人员之所以选择平台，是因为这些平台易于注册，而且似乎有很多可用的工作，而不必支付高昂的中介费来找工作。不幸的是，他们发现大多数平台都收取订阅费才能获得所有工作机会。平台通过其网站上的条款和条件来管理与护理人员的关系（McDonald 等人，2021 年）。在接受采访的 38 名护理工作者中，只有 14 名读过条款和条件，其中一半表示他们只是略读或觉得它们令人困惑，但还是注册了。与其他形式的零工工作类似（Jarrahi 等人，2020 年），算法决定了工作者可以看到哪些工作机会以及客户可以查看哪些工作者资料。工作者的位置、客户评论和评分、之前完成的工作数量或会员身份等因素决定了哪些机会会显示给护理工作者，哪些工作者对客户可见。客户负责筛选、面试和与工作者协商付款条件。因此，为了通过数字平台组织护理工作，工作者和客户在开始工作安排之前，通过平台和私下进行了一系列互动（Khan 等人，2023 年）。这与运输或食品配送等行业的工作组织方式不同（Heiland，2021 年）。图 1 概述了工作者如何在平台上注册并与客户互动以组织基于平台的护理工作的过程。
分析六个大语言模型的道德逻辑
摘要这项研究研究了六种著名的大型语言模型的道德推理：OpenAI的GPT-4O，Meta的Llama 3.1，困惑，人类的Claude 3.5十四行诗，Google的Gemini和Mismtral 7b。该研究探讨了这些模型如何表达和应用道德逻辑，特别是在响应道德困境（例如手推车问题）和亨氏困境中。偏离了传统的一致性研究，该研究采用了解释性透明框架，促使模型解释了他们的道德推理。通过三种既定的伦理类型学分析了这种方法：结果主义 - 道德分析，道德基础理论和科尔伯格的道德发展阶段。的发现表明，LLM在很大程度上表现出了很大程度上收敛的伦理逻辑，其标志是理性主义者，后果主义者的重点，而决策通常优先考虑危害最小化和公平性。尽管在训练前和模型结构上相似，但跨模型中伦理推理的细微差异和显着差异的混合物反映了微调和训练后过程的差异。模型始终显示出博学，谨慎和自我意识，表现出类似于道德哲学中的研究生级话语的道德推理。在惊人的统一性中，这些系统都将其道德推理描述为比典型的人类道德逻辑的特征更复杂。鉴于人类对此类问题的争论的悠久历史，仍然存在“与谁的价值观保持一致的问题（Brown 1991; Taylor 2023; Klingeford et al。2024）。1987; Sawyer＆Jarrahi 2014）。1987; Sawyer＆Jarrahi 2014）。生成大语言模型的快速发展使对齐问题成为AI伦理讨论的最前沿 - 具体来说，这些模型是否与人类价值观适当地保持一致（Bostrom，2014; Tegmark 2017; Russell 2017; Russell 2019）。，但我们可能会认为，提出一致性问题的人主要是在适当地呼吁人们注意最大程度地减少对人类生活和环境的身体伤害的更广泛的问题，并最大程度地提高人类在这个不断发展的社会技术领域中寻求目标的能力（Bijker等人，当然，极端的未对准的情况是戏剧性的反对，因为超级智能人工智能模型可能决定控制所有人类系统，消除人类并使世界对人工实体而不是人类的安全。许多认真的分析师深入探讨了这些存在的风险情景（Good 1965; Bostrom 2014;
ICF 人工智能辅导框架和......
1.1 前言 教练帮助个人提高绩效、发挥潜力，并改善工作场所 (Athanasopoulou & Dopson, 2018)。与许多其他领域一样，人工智能 (AI) 的出现提供了新的机遇 (Jarrahi, 2018; Mikalef & Gupta, 2021)。2024 年，人工智能已与人际教练结合使用或作为其辅助手段使用多年 (Graßmann & Schermuly, 2020; Malafronte & Loufrani-Fedida, 2023; Terblanche 等, 2022)。这种混合方法可以提供两全其美的效果，教练可以减轻繁琐的教练活动，例如进行评估、安排约会或向日记发送提醒。因此，如果使用得当，AI 可以让教练在人际领域中投入更多资金，用于复杂、变革性的高价值工作。AI 还提供了完全由 AI 提供的全自动教练服务的机会，有可能大大增加从教练服务中受益的人数。AI 技术让教练能够找到深入组织的方法，例如与经理和领导者合作以提高他们的教练技能，为学生和受训者提供额外的学习机会，或帮助组织建立教练文化。由于 AI 使教练服务变得更加实惠，它可以让全球更多人获得教练服务，从而增强教练服务的社会影响力，尤其是在发展中国家。随着教练服务越来越普及，人们的意识也会增强，并有可能大幅增加市场规模。但是，与 AI 的其他部署一样，也存在一些风险，例如可能威胁教练服务的偏见（Akter 等人，2021 年）。教练服务需要披露个人的个人信息，这些信息可能很敏感。客户在教练关系中投入了情感，这些关系成为他们职业生涯的重要组成部分。虽然在某些方面可能出现的潜在风险与人工智能的其他领域相当，但最佳的风险缓解方法将由教练环境的具体情况决定，以确保有效。人工智能教练标准可以使教练系统提供商受益，帮助他们了解生产高质量系统所需的条件。这些人工智能标准还可以让人工智能系统开发人员意识到在广泛重要领域采取保障措施的必要性。这些措施包括认真对待客户和教练数据、将教练科学融入人工智能系统、尽量减少偏见以及明确区分教练和治疗。