XiaoMi-AI文件搜索系统
World File Search SystemMaven
美国军方对自主和人工智能的投资
美国国防部对人工智能有着雄心勃勃的愿景。尽管大多数联邦机构的研发资金在 2020 年有所减少，但国防部的研发预算却有所增加。2 2021 财年美国国防预算申请为自主性拨款 17 亿美元，以提高“对抗环境中的机动速度和杀伤力”以及发展“人机协作”，并为人工智能拨款 8 亿美元，这是此前为联合人工智能中心 (JAIC) 和 Maven 项目拨款的基础。3 这些投资既及时又受欢迎。然而，正如国防部人工智能战略所警告的那样，其他国家（尤其是中国和俄罗斯）也在投资人工智能的军事应用，这可能会削弱美国的“技术和作战优势，并破坏自由开放的国际秩序”。4
科学教育中的行星探索
为了回答这些大问题，我们已派出机器人任务去探索我们的太阳系和我们自己以外的行星系统。NASA 最近的飞行任务包括 2015 年新视野号飞越冥王星、黎明号任务探索矮行星谷神星和小行星灶神星，以及 MAVEN 正在进行的火星大气和气候调查。持续飞行的任务包括几个火星轨道器以及探索火星地质历史的好奇号和机遇号探测器。开普勒任务创造了有关围绕其他恒星运行的行星的宝贵数据，这些数据仍在被挖掘。其他国家已派出机器人任务前往月球、金星和火星，并正在计划这些任务。2016 年，NASA 的朱诺号任务将抵达木星，对木星进行研究
美国军方对自主和人工智能的投资
美国国防部对人工智能有着雄心勃勃的愿景。尽管大多数联邦机构的研发资金在 2020 年有所减少，但国防部的研发预算却有所增加。2 2021 财年美国国防预算申请为自主性拨款 17 亿美元，以提高“对抗环境中的机动速度和杀伤力”以及发展“人机协作”，并为人工智能拨款 8 亿美元，这是在之前为联合人工智能中心 (JAIC) 和 Maven 项目拨款的基础上的又一举措。3 这些投资既及时又受欢迎。然而，正如国防部人工智能战略所警告的那样，其他国家——尤其是中国和俄罗斯——也在投资人工智能的军事应用，有可能削弱美国的“技术和作战优势，并破坏自由开放的国际秩序”。4
火星大气氢和氘
火星的水历史是理解类似地球的行星进化的基础。水作为原子逸出到空间，氢原子的逃逸速度比氘升高，使剩余的D/H比增加了。目前的比率反映了火星总损失。观察火星大气和挥发性进化（Maven）和哈勃太空望远镜（HST）航天器可为H和D提供原子密度，并为H和D的逃生速率。在观察到的每个火星年份附近的大幅增长都与水蒸气的强烈上升相稳定。 短期变化还需要进行热逃逸之外的过程，这可能来自大气动力学和超热原子。 包括从热原子中逃脱的，H和D迅速逃脱，逃生通量受到较低大气的重新调整的限制。 在此范式中，逃脱了水，逃脱原子的D/H比由上升的水蒸气和大气动力学来确定，而不是原子逃生的具体细节。观察火星大气和挥发性进化（Maven）和哈勃太空望远镜（HST）航天器可为H和D提供原子密度，并为H和D的逃生速率。在观察到的每个火星年份附近的大幅增长都与水蒸气的强烈上升相稳定。短期变化还需要进行热逃逸之外的过程，这可能来自大气动力学和超热原子。包括从热原子中逃脱的，H和D迅速逃脱，逃生通量受到较低大气的重新调整的限制。在此范式中，逃脱了水，逃脱原子的D/H比由上升的水蒸气和大气动力学来确定，而不是原子逃生的具体细节。
制定有效测试自动化策略的指南...
精心规划和设计的测试环境为我们提供了运行测试用例所需的紧凑平台。拥有专门的测试环境或测试平台来运行自动化测试脚本非常重要。测试环境不仅仅包括设置一台服务器来运行测试。它还涉及硬件和网络配置。例如，假设我们要测试特定函数是否会为特定数据库中存在的销售数据创建发票。由于我们需要创建一个数据库来验证某个工作流程，因此整个测试平台和环境设置变得非常重要。如果测试框架与 CI/CD 工具或版本控制系统（如 Jenkins/Maven、GitHub 等）集成，在这种情况下，需要适当配置整个测试平台，以便可以在没有任何人工干预或依赖的情况下整夜运行测试。
CO2 Photolysi
光化学研究光与分子之间的相互作用。紫外线辐射与大气相互作用，由于其能量，它可以解离，激发或电离其成分，从而启动其他过程。对不同能量与分子和原子的光子之间相互作用的相互作用有充分的了解对于准确建模大气物理学和气候预测至关重要。尽管其重要性，但照片碎片动态仍缺乏数据，因为实验设置很困难。我们将上火星大气作为自然实验室来测量来自CO 2 +Hν的量子产率O（1 s）作为波长的函数。我们分析了贝叶斯框架分析工具中NASA Maven/IUV光谱仪的4年连续遥感观测值。我们首次通过其整个生产光谱范围（≈80–126 nm）检索了量子收益率，并平均达到了不确定性的不确定性。在Lyman-α（121.6 nm）时，我们通过利用上火星大气的特性来达到2％的精度。
火星磁层的稳定状态及其对行星际磁场旋转的快速响应
人们认为，诱导磁层的磁场以叠加场为主。理论上，这种叠加场的方向应该与行星际磁场的 yz 方向一致。然而，观测表明，诱导磁层的磁场方向与行星际磁场方向相反。利用天问一号和 MAVEN 的联合观测，我们获得了火星诱导磁层在精确 MSE 坐标系下的平均磁场图，并计算了其标准差。标准差证实了平均磁场分布与稳态假设一致。磁场图显示，平均磁场在 yz 平面上顺时针旋转，发生在火星诱导磁层的白天和夜间。根据磁感应方程，当磁层内等离子体流速存在差异时，就会发生磁场的这种顺时针旋转。值得注意的是，其他非磁化行星的感应磁层表现出与火星相似的定性特性，表明它们具有可比的磁场特征。
公共利益中的人工智能公司治理
摘要：企业在人工智能 (AI) 的研究、开发和部署中发挥着重要作用，对社会产生了深远的影响。本文探讨了改善企业管理其 AI 活动的方式以更好地促进公众利益的机会。本文重点关注企业内部（管理者、员工和投资者）以及企业外部（企业合作伙伴和竞争对手、行业联盟、非营利组织、公众、媒体和政府）广泛参与者的角色和机会。虽然先前关于多利益相关方 AI 治理的研究提出了专门的机构来汇集不同的参与者和利益相关者，但本文探讨了即使在没有专门的多利益相关方机构的情况下他们也拥有的机会。本文通过许多案例说明了这些机会，包括谷歌参与美国国防部 Maven 项目；OpenAI 在 AI 伙伴关系的帮助下发表了可能有害的 AI 研究；以及亚马逊、IBM 和微软等公司向执法部门出售面部识别技术。这些案例和其他案例展示了推进人工智能公司治理以符合公众利益的广泛机制，特别是当不同参与者共同合作时。
人工智能作为战斗力倍增器：利用人工智能减轻陆军参谋人员负担
人工智能已经成为一个统称，指任何复制人类任务的机器行为，但要真正评估人工智能在战场或社会中的影响，必须更加具体。人工智能有两种子类型，即机器学习和深度学习。机器学习是指计算机在不被告知的情况下通过处理数据进行学习和改进，并使用统计数据进行概率分析，在某些情况下进行预测。1 深度学习是机器学习的一个子领域，它允许处理大量数据以找到人类可能无法检测到的关系和模式。2 虽然深度学习由于其复杂性而难以扩展，但机器学习在陆军系统中已经很常见。其中一个系统包括相控阵跟踪雷达拦截目标 (PATRIOT)，它使用复杂的计算机和算法网络来跟踪来袭物体，将其分类为威胁或友军，并发射地对空导弹。3 陆军目前还在投资其他人工智能工具，如 Project Maven，“这是一种可以快速、有用地处理无人机镜头的工具。”4
简单易用 PAI（公开信息） - 技术咨询
1 USASpending.gov 既提供 FPDS.gov 的下游子集（不包括其他交易协议），也提供 FPDS.gov 上没有的分包数据。 2 如下所示，尽管五角大楼确认 Google 根据 ECS Federal 为 Project Maven 进行分包，但 Google 并未公开列为分包商，不过技术经销商 Carahsoft（其众多供应商包括 Google）是分包商，并提供了“ ML 训练数据分析 [和] EO 对象检测算法”。作者提交的信息自由请求显示，Google Cloud AI 正通过 Thundercat Technology, LLC 转售给美国海关和边境保护局，据称用于处理 Anduril 自主哨兵塔的热图像。 3 ServiceNow 的前任首席执行官约翰·多纳霍 (John Donahoe) 后来成为耐克的首席执行官（《纽约时报》报道耐克正在游说反对《维吾尔族强迫劳动预防法案》），他还曾担任 eBay 和 PayPal 的首席执行官。多纳霍先生的妻子是前美国大使艾琳·多纳霍，她是斯坦福大学全球数字政策孵化器的执行董事、多利益相关方数字权利组织全球网络倡议的成员，也是人权观察组织前全球事务主任。4 在合同术语中，合同载体的“上限”是最终可以通过该机制支出的最高金额，而不是已经支出或预计将支出的金额。