XiaoMi-AI文件搜索系统
World File Search SystemOCUL
OCUL 人工智能/机器学习报告和策略
建议此类决定遵循 OCUL 信息资源委员会 (OCUL-IR) 支持的现有流程。将 OCUL-IR 定位为这一新角色将有助于收集兴趣、建立评估标准、确定利益和收购细节以及在情况需要时推进 OCUL 工作人员的谈判。鉴于这些工具与 OCUL-IR 通常审查的资源不同，建议那些寻求联合许可的人与 OCUL-IR 合作，以帮助确定需求和标准。在与 OCUL 执行委员会协商后，OCUL-IR 应考虑更新其任务和组成，以包括对工具和服务的关注，并增加新成员或新小组委员会来应对许可工具和资源的特定挑战。
OCUL 机器学习/人工智能报告和策略
工作组认识到，OCUL 的一个合理选择是不对机器学习采取任何集体行动，而各个成员则规划自己的方向和行动。然而，报告和战略的前提是，机器学习将对研究图书馆产生变革性影响，如果 OCUL 图书馆在选定的核心计划上共同努力，这种影响将得到最好的理解、管理和实现。所有提议的战略都将 OCUL 和成员图书馆从机器学习和基于机器学习的产品和服务的被动消费者转变为评估、使用和开发应用程序的积极参与者。机器学习虽然具有变革性，但并非没有严重的限制和担忧；OCUL 选择的道路必须尊重和推进学术图书馆学和学院的价值观和原则。
项目经理：人工智能和机器学习
o 与我们当前的聊天软件供应商合作，与虚拟参考委员会协商，调查和确定 AIML 服务增强范围 o 了解虚拟参考服务的运营商和用户需求 o 开发自动化工具来匿名化聊天记录 • 与 OCUL 员工合作，确保 OCUL 成员持续获得有关该计划的准确信息 • 协调与图书馆馆长和其他员工的接触，以告知并提供反馈和参与 AIML 计划 • 保持对 AI 机器学习领域的广泛和不断发展的了解，特别是在学术图书馆和共享服务/数字基础设施环境中 • 开发和支持代表 AIML 计划正在进行的工作的沟通；这将包括但不限于书面项目更新、网络研讨会和 OCUL 治理小组会议上的口头更新