XiaoMi-AI文件搜索系统
World File Search SystemPat
人工智能专利能否克服§112......
如果 AI 软件专利将黑箱概念声称为“机器学习”或“神经网络”，而没有在说明书中详细说明其实施的具体细节，或者如果它们用 POSITA 的知识代替实际披露，则它们可能会违反 §112 的要求。由于 AI 专利可能允许发明者对模糊的自我、计算机训练的相关性和预测合成获得法律保护，因此 AI 专利权利要求的范围可能会受到质疑。请参阅 Sameer Gokhale，“AI 和书面说明：AI 专利权利要求何时越界？”，Oblon（最后访问于 2024 年 1 月 22 日）。随着越来越多的 AI 专利被诉讼，必然会有更多有关此类专利及其所声称的 AI 技术的 §112 争议。因此，正如 Alice §101 挑战随着 AI 专利的增长而增加一样，§112 挑战也可能如此。虽然有人声称，第 112 条的最近复苏是“授权法的一次重大转变”，但这仍有待观察——尤其是在 AI 专利权利要求的背景下。参见 Gene Quinn 的“最高法院在安进裁决中开启授权法新时代”，IPWatchdog，
2023 年 9 月 12 日秘书 Patricia Miralles 来访......
第二次献花仪式将向 1942 年 8 月 26 日被维希政权围捕的 6,584 名无国籍犹太人及其子女致敬。这次围捕并非由纳粹下令，因此见证了菲利普·贝当和皮埃尔·赖伐尔的反犹太主义和仇外心理。
起草美国人工智能专利权利要求书 - ...
● 美国专利号 6,474,159 ● 权利要求公开了一种惯性跟踪系统，用于跟踪物体相对于移动参考系的运动。 ● 自动计算物体在三维空间中的位置、方向和速度的传感器 ● 符合专利条件，因为权利要求针对以非传统方式使用惯性传感器的系统和方法，以减少在移动参考系上测量移动物体的相对位置和方向的误差。 ● 权利要求应用或使用数据，而不仅仅是生成数据
人工智能在改变患者护理和诊断流程中的作用
人工智能 (AI) 在医疗行业内患者护理和诊断流程的变革中发挥着越来越重要的作用。本文探讨了机器学习、自然语言处理和计算机视觉等 AI 技术对提高诊断准确性、简化患者护理和增强临床工作流程的变革性影响。通过分析最近的进展和案例研究，本文重点介绍了 AI 驱动的工具如何支持早期疾病检测、个性化治疗计划和患者数据的有效管理。它还探讨了与 AI 实施相关的潜在挑战和道德考虑，例如数据隐私和算法偏差。本文最后概述了 AI 在医疗保健领域的未来方向，强调需要继续研究、跨学科合作和监管框架，以最大限度地发挥 AI 的优势，同时解决潜在风险。通过这一探索，本文旨在全面了解 AI 在推进患者护理和诊断实践方面的作用，最终有助于建立更有效、更公平的医疗保健系统。
法国巡逻兵荣获 ICARE 2023 奖......
法国巡逻兵飞行表演队（PAF，即“法国巡逻兵杂技团”）驻扎在普罗旺斯地区萨隆的 701 空军基地，是世界上最古老的特技飞行巡逻队之一，也是空天军的形象大使。该小组由 9 名飞行员、约 40 名机械师以及秘书、运营人员、摄影师和通讯官员组成。大约有 60 名来自空天军作战中队的热情志愿飞行员每天为军队服务。在航展期间，巴基斯坦空军通常以 8 架飞机为一组进行飞行表演，进行持续约 20 分钟的令人眼花缭乱的飞行表演，其间交替进行着壮观的队形变化和令人印象深刻的交叉飞行。
专利许可和反垄断的“新麦迪逊方法”
非常重要的是，标准涵盖了允许我们的设备互操作的技术组。蓝牙和 WIFI 是标准，汽车中的 OBD II 和智能手机上的 LTE 也是标准。由于标准化，所有设备的传输和数据处理方法都是相同的，因此设备制造商是谁并不重要。Apple 或三星的手机将能够访问相同的 WIFI 连接，福特或法拉利的检查引擎灯可以在同一家当地维修店读取。使用标准化技术对消费者、创新者和制造商都有广泛的好处，而实现这些好处的关键是专利制度。许多重要的高科技标准都是由来自许多公司的专家在标准制定组织 (SSO) 的支持下制定的。
人工智能和机器学习的专利保护
在依赖发明人了解潜在的现有技术时，尤其是对于使用人工智能的发明，您应该谨慎行事。许多公司和大学都强烈鼓励发明人寻找在现有流程中实施人工智能的方法，这导致许多发明人无意中重新发明了其他人可能已经探索或实施的东西。当然，这并不一定意味着两组发明人都发明了相同的解决方案。如果您确实发现了这样的问题，您应该彻底调查这些方法是否真的相同，或者这些方法之间是否存在差异，这些差异可能足以证明新颖性和非显而易见性。请参阅显而易见性驳回：攻击表面案例和显而易见性驳回：反驳表面案例。
双AI：用于群体活动识别的双路径参与者交互学习
学习多个参与者之间的时空关系对于群体活动识别至关重要。不同的群体活动通常会展示视频中参与者之间的多样化互动。因此，从时空参与者演化的单一视角来建模复杂的群体活动往往很困难。为了解决这个问题，我们提出了一个独特的双路径参与者交互 (Dual-AI) 框架，它以两种互补的顺序灵活地排列空间和时间变换器，通过整合不同时空路径的优点来增强参与者关系。此外，我们在 Dual-AI 的两个交互路径之间引入了一种新颖的多尺度参与者对比损失 (MAC-Loss)。通过帧和视频级别的自监督参与者一致性，MAC-Loss 可以有效区分单个参与者表示，以减少不同参与者之间的动作混淆。因此，我们的 Dual-AI 可以通过融合不同参与者的这些判别特征来增强群体活动识别。为了评估所提出的方法，我们在广泛使用的基准上进行了大量实验，包括排球 [ 21 ]、集体活动 [ 11 ] 和 NBA 数据集 [ 49 ]。所提出的 Dual-AI 在所有这些数据集上都实现了最佳性能。值得注意的是，所提出的 Dual-AI 使用 50% 的训练数据，其性能优于许多近期使用 100% 训练数据的方法。这证实了 Dual-AI 在群体活动识别方面的泛化能力，即使在有限监督的具有挑战性的场景下也是如此。
影响路径：解开混合食品供应链
在英国，22% 的人口缺乏粮食保障（Butler，2023 年）。该国的收入不平等程度（使用基尼系数）是欧洲最高的国家之一（Francis-Devine 和 Orme，2023 年），过去十年对食物银行的依赖增加了两倍（Trussell Trust，2022 年）。英国日益恶化的粮食不安全状况并非独一无二，因为它反映了其他发达国家受影响最严重的亚群的情况。因此，有人呼吁转变粮食系统，以改善社会环境可持续性。Benton 等人（2022 年）建议制定政策，以抑制粮食浪费，并为弱势家庭提供足够的社会安全网。尽管英国食品供应链（FSC）中的食物浪费水平相对较低，但很少有剩余食物被重新分配供人类食用。然而，剩余食物再分配（SFR）已成为欧洲许多人的主要食物来源。用于人类消费的 SFR 涉及收集和分配剩余食物（原本用于其他目的或被处理掉的可食用食物）给组织、社区或个人消费（Midgley，2020 年）。因此，它被视为一种“双赢”的解决方案，因为它同时解决了食物浪费和粮食不安全问题，同时挽救了食物的能量和营养成分。它还确保了食品生产产生的经济和环境成本不会是毫无意义的。因此，高效的 SFR 有助于实现联合国可持续发展目标 (SDG) 2（零饥饿）、12（负责任的消费和生产，特别是目标 12.3（减少一半的食物浪费））和 13（气候行动）。然而，针对弱势群体优化 SFR 供应链运营的研究有限。