XiaoMi-AI文件搜索系统
World File Search SystemPervasive
对NTIA的评论 - 普遍数据
2025年1月15日，斯蒂芬妮·韦纳国家电信和信息管理局首席顾问美国商务部1401宪法大街西北，华盛顿特区，哥伦比亚特区，20230年，主题：使用Pervasive Data请求通过法规进行评论的伦理指南。241204-0309向Weiner女士来说，我们是密歇根大学，Ann Arbor大学的计算机科学与工程研究人员，我们很高兴有机会提供评论，以回应NTIA的评论请求（RFC），以了解“使用广泛数据研究的研究指南”。 我们的专业知识涵盖了人工智能系统的最终用户评估以及在金融，演出工作和健康等领域中对人工智能系统的最终用户评估以及AI的道德和负责任的设计和使用的计算，定性和定量研究。 通过我们的工作，我们广泛参与了普遍的数据研究，尤其是在传统监督机制（例如机构审查委员会（IRB））可能不适用的情况下。241204-0309向Weiner女士来说，我们是密歇根大学，Ann Arbor大学的计算机科学与工程研究人员，我们很高兴有机会提供评论，以回应NTIA的评论请求（RFC），以了解“使用广泛数据研究的研究指南”。我们的专业知识涵盖了人工智能系统的最终用户评估以及在金融，演出工作和健康等领域中对人工智能系统的最终用户评估以及AI的道德和负责任的设计和使用的计算，定性和定量研究。通过我们的工作，我们广泛参与了普遍的数据研究，尤其是在传统监督机制（例如机构审查委员会（IRB））可能不适用的情况下。
使用普适数据进行研究的伦理指南
1 普适数据这一术语旨在指通过在线服务收集的有关人员的数据（用户贡献、观察、获取或推断），无论这些数据在多大程度上是公开的、汇总的或可能导致识别个人。普适数据可能包括文本、图像、视频、生物特征信息、有关数据主体行为的信息（购买、财务状况、媒体消费、搜索历史、医疗状况、位置等）以及构成个人数字足迹的其他信息。在线服务可能包括整个技术堆栈/技术基础设施中的各种信息技术，包括但不限于基于 Web 的监控工具、内容交付网络、区块链技术、数字劳动力平台、教育技术、物联网设备、联网汽车、可穿戴设备、移动传感器、数据代理、流媒体服务、搜索引擎、在线市场、社交媒体平台和人工智能系统。 “普适数据”这一术语源自美国国家科学基金会资助奖编号 1144934 下开展的研究（https://www.nsf.gov/awardsearch/showAward?AWD_ID=1144934）。2 例如，请参阅 Michael Zimmer 的《解决大数据研究伦理中的概念差距：情境完整性的应用》，《社交媒体+社会》4，第 2 期（2018 年），https://doi.org/10.1177/2056305118768300；aline shakti franzke 等人的《互联网研究：道德准则 3.0》，互联网研究人员协会（2020 年），https://aoir.org/reports/ethics3.pdf。3 本征求意见稿中所述的道德和隐私准则侧重于数据从在线服务提供商流向在线服务提供商之外的独立研究人员，这些研究人员通常隶属于学术或非营利机构。 4 数据中介机构旨在描述一个独立的实体，其专门为促进研究人员和在线服务提供商之间根据商业或非商业协议进行数据访问和共享而运营，或评估
使用普遍数据的研究指南
2025年1月15日撰写：纳粹·安迪比（Nazanin Andalibi）（密歇根大学），大卫·丹克斯（加利福尼亚大学，圣地亚哥分校），海莉·格里芬（Haley Griffin），海莉·格里芬（计算机研究协会），玛丽·卢·马赫（Mary Lou Maher）（计算机研究协会），杰西卡·麦克莱恩（JESSICA MCCLEARN（GOOGLE），Google）健康），凯蒂·西克（Katie Siek）（印第安纳大学），塔米·托斯科斯（Tammy Toscos）（Parkview Health），Helen V. Wright（计算研究协会）和Pamela Wisniewski（Vanderbilt University）此反应来自计算机研究协会（CRA）的计算社区联合会（CCC）（CCC）和CRA-Industry（CRA-Industry）。CRA是近250个北美计算机研究组织的协会，包括学术和工业，以及来自六个专业计算社会的合作伙伴。CCC的任务是CRA的小组委员会，是为了追求创新的，高影响力的计算研究，与紧迫的国家和全球挑战保持一致。CRA的另一个小组委员会CRA-I的使命是召集行业合作伙伴计算共同利益的研究主题，并将其与CRA的学术和政府选民联系起来，以促进共同利益和改善社会成果。请注意，本材料中表达的任何意见，发现，结论或建议是作者的意见，不一定反映了作者隶属关系的观点。下面我们回答了提出评论请求的问题1-9、11和13-14。
自闭症谱系障碍/普遍发育障碍：评估和治疗
请注意，客户的特定福利计划文件的条款[集团服务协议，保险证据，承保证书，摘要计划说明（SPD）或类似计划文件]可能与这些承保范围策略所基于的标准福利计划有很大差异。例如，客户的福利计划文件可能包含与覆盖策略中涉及的主题相关的特定排除。发生冲突时，客户的福利计划文件始终取代覆盖策略中的信息。在没有控制联邦或州承保范围授权的情况下，福利最终取决于适用的福利计划文件的条款。在每个特定实例中的覆盖范围确定需要考虑1）根据服务日期生效的适用福利计划文件的条款； 2）任何适用的法律/法规； 3）任何相关的附带资料材料，包括覆盖范围政策； 4）特定情况的具体事实。应自行审查每个覆盖范围请求。医疗主管应在适当的情况下行使临床判断，并在做出个人覆盖范围确定方面酌情决定。如果保险或服务的保险不取决于特定情况，则仅在根据适用的覆盖范围政策中概述的相关标准（包括涵盖的诊断和/或程序代码）中概述的相关标准提交请求的服务。在计费时，提供者必须在提交生效日期起使用最适当的代码。在此保险策略未涵盖的条件或诊断费用时，不允许报销服务（请参见下面的“编码信息”）。提交的有关未涵盖的覆盖范围政策伴随的服务的索赔将被否认为未涵盖的索赔。覆盖范围政策与健康福利计划的管理仅有关。覆盖范围政策不是治疗的建议，绝不应用作治疗指南。在某些市场中，可以使用授权的供应商指南来支持医疗必要性和其他承保范围的确定。
遍布人类肠道微生物
人类的肠道微生物组由一个高度多样化的物种的财团组成，它们在宿主内外不断发展。识别许多3个人类肠道微生物的适应性的能力不仅会揭示宿主之间的共同选择压力，而且还会揭示可能影响社区结构和宿主5个特征的微生物组功能分化的关键驱动力。然而，迄今为止，还没有系统的扫描，这些适应已经散布在6个人类肠道微生物中。在这里，我们开发了一个新的选择扫描统计量，称为Integrated 7链接不平衡评分（ILDS），该评分（ILDS）可以通过迁移和水平基因转移来检测自适应单倍型在宿主8微生物中的扩散。具体来说，ILD利用了具有有益变体的有害变体的9搭便车的信号。将统计数据应用于10个中最普遍的共生肠道物种中的30种，来自世界24个人群，揭示了跨物种的11300多种选择性扫描。我们发现，在12个碳水化合物代谢的基因座中有选择性扫描的富集 - 潜在地表明适应宿主饮食的特征 - 我们发现13位选择的靶标在西方化和非媒介物popula-14 tions之间显着差异。强调了饮食在驾驶选择中的潜在作用，我们发现在非西方人群中没有选择性扫描15，但在西方人种群中无处不在，在一个已知的16个基因座中，与Maltodextrin的代谢有关，这是一种合成淀粉的代谢，最近已成为西方饮食的17种广泛范围。20总而言之，我们证明了跨18个宿主微生物组的选择性扫描是人类肠道微生物组进化的常见特征，并且19个选择靶标可能会受到宿主饮食的强烈影响。
定向选择的普遍发现，实现了古代DNA阐明人类适应的希望
Ali Akbari 1,2,3，Alison R. Barton 2,3，Steven Gazal 4,5,6，Zheng Li 7，Mohammadreza Kariminejad 8 8，Annabel Perry 2,3，Yating Zeng Zeng Zeng 4,9，Alissa Mittnik 10，Nick Patterson 2,3，Nick Patterson 2,3，Alk alk alk 1,11 l. 3,12,13 , Eric S. Lander 3,14,15 , Ron Pinhasi 16,17 , Nadin Rohland 1,2,3,11 , Swapan Mallick 1,2,3 , and David Reich 1,2,3,11 Correspondence to: Ali_Akbari@hms.harvard.edu , reich@genetics.med.harvard.edu
变体效应预测因子中普遍存在的血统
人口测序技术的快速进步导致了人类基因组变异的广泛目录，从而显着增强了我们诊断，治疗和预防遗传疾病的能力。从历史上看，基因组研究主要集中在欧洲人群上，在我们对遗传变异及其影响的理解中引入了偏见1。尽管最近朝着包括更多样化的队列的转变开始减轻这些偏见，但许多序列资源仍然主要是欧洲。增加的基因组包容性不仅对于促进健康公平2至关重要，而且对于丰富了我们对人类生物学的理解3至关重要。通过检查更广泛的遗传多样性，我们可以更深入地了解不同人群中遗传疾病的复杂机制。
预测-解释谬误：机器学习科学应用中的普遍问题
我强调了一个在机器学习的科学应用中普遍存在的问题，它可能导致严重扭曲的推论。我称之为预测-解释谬误。当研究人员使用预测优化模型进行解释而不考虑相关权衡时，就会出现这种谬误。这是一个问题，至少有两个原因。首先，预测优化模型通常会故意产生偏差和不切实际，以防止过度拟合。在其他情况下，它们的结构非常复杂，很难或不可能解释。其次，在相同或相似数据上训练的不同预测模型可能会以不同的方式产生偏差，因此它们可能预测得同样好，但给出的解释却相互矛盾。在这里，我以非技术性的方式介绍了预测和解释之间的权衡，并提供了来自神经科学的说明性示例，最后讨论了一些可用于限制问题的缓解因素和方法。
社会规模的人类互动设计？医院和公司如何将普遍感知纳入心理保健
从可穿戴的健康跟踪到传感器的城市，AI增强的普遍传感平台有望具有深远的益处，同时也引入了社会风险。这些平台的设计师如何有效地浏览其复杂的生态学和社会技术型号？为了探讨这个问题，我们采访了设计人员，他们承担了这一挑战。他们是医院首席医疗信息官和初创企业创始人共同努力创建新的传感器/AI平台，并将其集成到医疗保健生态系统中。我们发现，尽管所有签署者都渴望建立全面的护理平台，但他们的努力着重于为消费者或医生服务，提供一部分医疗干预措施，并一次证明系统效率一个指标。因此，出现了患者旅行的崩溃；社会风险迫在眉睫。我们描述了数据经济，设计师的思维方式和评估挑战如何导致这些意外的设计后果。我们讨论了为社会利益设计普遍传感和AI平台的含义。
Daniel A.（Dan）Adler社会规模的人类互动设计？医院和公司如何将普遍感知纳入心理保健
从可穿戴的健康跟踪到充满传感器的城市，AI增强的普遍传感平台有望实现深远的领域和社会风险。这些平台的设计师如何概念地浏览其复杂的生态学和社会技术模型？为了探索这个问题，我们采访了在心理健康领域中提出这一挑战的设计师。他们是医院的主要医疗信息和创业创始人共同努力创建新的传感器/AI平台并将其集成到医疗保健生态系统中。我们发现，尽管所有签署者都渴望建立全面的护理平台，但其E ORT致力于为消费者或医生服务，提供一部分医疗干预措施，并一次证明系统e ectivalsive。因此，出现了患者旅行的崩溃；社会风险迫在眉睫。我们描述了数据经济，设计师的思维方式和评估挑战如何导致这些意外的设计方法。我们讨论了设计普遍感测和AI平台的含义。