XiaoMi-AI文件搜索系统
World File Search SystemLigence
AI-HyperCal：使用人工智能已知点识别进行场景内高光谱图像校准
2016 年末，阿勒颇东部落入俄罗斯支持的叙利亚军队手中，朝鲜再次开始加强核试验，遥控飞机 (RPA) 袭击次数最多的一年也结束了。所有这些飞行小时数带来了空中情报、监视和侦察 (ISR) 的上升，导致硬盘溢出，其中包含数百万小时的视频和无数高分辨率静态图像，这些图像被上传到美国空军分布式通用地面系统。1 然而，如果没有图像分析师的处理、利用和分发 (PED)，所有这些数据都毫无意义。PED 确保图像质量高，并且感兴趣的对象具有位置、材料、大小和背景特征。周围的机构时间表、其他物体的位置和人员流动都可能影响最终的情报评估。
大型科技公司开发和使用人工智能的界限
因此，人工智能的发展目前是由“经典”的商业和技术力量驱动的，这些力量已经指导了其他数字变革，例如社交媒体、搜索引擎和在线平台的发展。因此，在考虑人工智能时，专家组之前关于商业模式、数据收集、算法、保留机制和行为操纵的许多建议都很重要。专家组的出发点是，人工智能既是一项技术突破，也是一项社会挑战，我们必须以好奇心和平衡的态度来应对。我们在这些建议中的重点不是对人工智能进行全面的介绍，因为我们的任务仅限于大型科技公司，而是具体描述以商业为中心的大型科技公司、快速部署的人工智能和相对毫无准备的社会这三者的不幸组合。
基于忆阻片上系统的超维计算硬件-算法协同设计
超维计算 (HDC) 采用并行计算范式和高效学习算法，非常适合资源受限的人工智能 (AI) 应用，例如边缘设备。基于忆阻设备的内存计算 (IMC) 系统通过提供节能硬件解决方案对此进行了补充。为了充分利用忆阻 IMC 硬件和 HDC 算法的优势，我们提出了一种硬件算法协同设计方法，用于在忆阻片上系统 (SoC) 上实现 HDC。在硬件方面，我们利用忆阻交叉开关阵列固有的随机性进行编码，并采用模拟 IMC 进行分类。在算法层面，我们开发了硬件感知编码技术，将数据特征映射到超维向量中，从而优化了忆阻 SoC 内的分类过程。硬件实验结果表明语言分类任务的准确率为 90.71%，凸显了我们的方法在边缘设备上实现节能 AI 部署的潜力。
Daire Boyle。通过胡塞尔和库恩分析人工智能，人工智能的现象学方法如何带来范式转变。第 20 届电子商务、电子服务和电子社会 (I3E) 会议，2021 年 9 月，爱尔兰戈尔韦。第 185-197 页，�10.1007/978-3-030-85447-8_17�。�hal-03648106�
摘要。在技术飞速进步的世界里，人工意识的问题迫在眉睫。机器是否可以被视为有意识，首先取决于我们对意识的理解。本文试图用胡塞尔的术语来描述意识，然后指出，心灵哲学和人工智能研究领域的库恩范式转变是由这种框架引起的。这一观点得到了胡塞尔自然立场论的支持，该论题是识别哲学上有效的探究模式的指导工具，其中基础假设得到精确评估并始终受到密切关注。在建立这种胡塞尔范式转变时，我们更有能力真正理解意识、其模式及其对机器的潜力。关键词：意识；人工智能；现象学；范式转变；机器学习不透明性。
引用 Bonne, George、Andrew W. Lo、Abilash Prabhakaran、Kien Wei Siah、Manish Singh、Xinxin Wang、Peter Zangari 和 Howard Zhang (2022)，“基于人工智能的行业同行分组系统”，金融数据科学杂志 4(2)，9–36，已发布 https://doi.org/10.3905/jfds.2022.1.090 出版商 Pageant Media Ltd.
摘要 在这项工作中，作者开发了一个数据驱动的同类分组系统，该系统使用人工智能 (AI) 工具来捕捉市场感知，进而将公司按不同粒度分组。此外，他们还开发了一种连续的公司间相似性度量；使用此度量将公司分组为集群并构建对冲投资组合。在同类分组中，分组在同一集群中的公司具有很强的同质风险和回报状况，而不同集群中的公司则具有不同的风险敞口。作者对这些集群进行了广泛的评估，发现按他们的方法分组的公司比按标准行业分类系统分组的公司具有更高的样本外回报相关性，但稳定性和可解释性较低。作者还开发了一个交互式可视化系统，用于识别基于人工智能的集群和类似的公司。
空军条令文件 2-1 - GlobalSecurity.org
本空军条令文件 (AFDD) 实施了空军政策指令 (AFPD) 10-13《空中和太空条令》。AFDD 2-1《空战》制定了空战作战条令。它为作为航空航天战争一部分的空中作战提供了初步指导。具体而言，该文件包含指导空军在战时行动的组织、指挥和控制、使用和支援的信念和原则。它研究了目标、力量、环境和行动之间的关系，这些关系增强了空中作战对实现指定目标的能力。它侧重于事件的顺序以及力量和资源的应用，以确保航空航天力量对军事和国家目标做出有益的贡献。它研究了指挥关系、情报、空间、后勤和其他因素对空战计划和实施的重要性。
情报研究第 67 卷第 3 期（摘录，2023 年 9 月）
安德鲁·麦克弗森博士是新罕布什尔大学安全研究助理教授，也是新罕布什尔大学国家安全情报分析硕士学位项目协调员，还是东北情报界学术卓越中心首席研究员，该中心是与国家情报总监办公室的长期合作伙伴。格伦·哈斯特德博士是詹姆斯麦迪逊大学司法研究系名誉教授，曾担任该系主任。哈斯特德博士支持东北情报界学术卓越中心。特蕾西·里奇是一名中央情报局历史学家，她研究并撰写了乔恩·埃文斯博士的故事。她现已退休。威廉·施利肯迈尔博士是一名高级战略家，也是中央情报局高级分析服务部门的成员。阿德里安·沃尔夫伯格博士是美国国家科学、工程和医学院的一名工作人员。
贯穿材料发现整个生命周期的人工智能应用
我们回顾了用于材料发现的机器学习（ML）工具以及不同ML策略的复杂应用。尽管已经发表了一些关于材料人工智能（AI）的评论，重点是单一材料系统或个别方法，但本文重点关注AI增强材料发现的应用视角。它展示了如何在材料发现阶段（包括特性、属性预测、合成和理论范式发现）应用AI策略。此外，通过参考ML教程，读者可以更好地理解ML方法在每个应用中的确切功能以及这些方法如何实现目标。我们的目标是使AI方法更好地融入材料发现过程。本文还强调了AI在材料发现中成功应用的关键和需要解决的挑战。
用可解释的人工智能为分子着色——...
图神经网络能够解决某些药物发现任务，例如分子特性预测和从头分子生成。然而，这些模型被认为是“黑盒子”和“难以调试”。本研究旨在通过将集成梯度可解释人工智能 (XAI) 方法应用于图神经网络模型来提高合理分子设计的建模透明度。模型经过训练可以预测血浆蛋白结合、心脏钾通道抑制、被动通透性和细胞色素 P450 抑制。所提出的方法突出显示了与已知药效团基序一致的分子特征和结构元素，正确识别了特性悬崖，并提供了对非特异性配体-靶标相互作用的见解。开发的 XAI 方法是完全开源的，可供医生使用在其他临床相关终点上训练新模型。
联结主义人工智能中的价值创造
人工智能 (AI) 因其在图像检测、翻译和决策支持等多个领域的最新进展而受到高度关注 (McAfee 和 Brynjolfsson 2017)。它是企业竞争力的决定性因素，但必要的战略制定非常具有挑战性 (Daven-port 和 Ronanki 2018)。联结主义人工智能是我们这个时代催化互补创新的最重要的通用技术 (Brynjolfsson 和 Mcafee 2017)。人工智能实现了创新应用，例如预测性维护、物流优化和改进客户服务管理 (Chui 等人2018)。AI 支持许多商业领域的决策 (Russell and Norvig 2016)，大多数公司期望从人工智能中获得竞争优势 (Ransbotham et al.2017)。因此，基于人工智能的应用对于数字经济的各个方面都越来越重要，无论是业务流程还是业务模型 (Tapscott 1996)。