XiaoMi-AI文件搜索系统
World File Search SystemProceeding
建议引用：Dornemann, Jorin；Rückert, Nicolas；Fischer, Kathrin；Taraz, Anusch (2020)：海运物流中的人工智能和运筹学，在：Jahn, Carlos Kersten、Wolfgang Ringle、Christian M. (Ed.)：海运和城市物流中的数据科学：数据驱动的物流和可持续性解决方案。汉堡国际物流会议 (HICL) 论文集，第 14 卷。 30，ISBN 978-3-7531-2347-9，epubli GmbH，柏林，第 337-381 页，https://doi.org/10.15480/882.3140
目的：人工智能 (AI) 的应用有可能与运筹学方法相结合带来巨大进步。在我们的研究中，我们探索了当前使用 AI 方法解决优化问题的方法。目的是概述最新进展并研究它们如何适应海运物流。方法：进行并呈现结构化的文献综述。对已确定的论文和贡献进行分类和归类，并总结一些特别相关的贡献的内容和结果。此外，还进行了评估，确定了现有的研究差距并展望了未来的研究方向。发现：除了在优化领域大量使用 AI 关键词外，人们对使用机器学习自动学习优化问题的启发式方法的兴趣也日益浓厚。我们的研究表明，这些方法大多尚未适应海运物流问题。所发现的差距为未来研究中开发海运物流学习模型奠定了基础。原创性：在运筹学领域使用机器学习方法是一个有前途且活跃的研究领域，具有广泛的应用范围。从海运物流的角度回顾这些最新进展是一种新颖的方法，可以为未来研究和实践中开发海运物流大规模优化问题的解决方案带来优势。
当人工智能系统的行为不符合用户预期时，提供解释的挑战 Riveiro， M.；Thill, S. 2022，专著或会议论文集（第 30 届 ACM 用户建模、适应和个性化会议论文集，第 110-120 页）
人工智能 (AI) 中的解释可确保复杂 AI 系统的用户了解系统行为的原因。用户对系统行为的期望会发挥一定作用，因为他们共同决定了解释的适当内容。在本文中，我们研究了当系统以意外方式运行时用户所需的解释内容。具体来说，我们向参与者展示了涉及自动文本分类器的各种场景，然后要求他们在每种场景中指出他们喜欢的解释。一组参与者从多项选择问卷中选择解释类型，另一组参与者必须使用自由文本回答。当输出符合预期时，参与者对于首选的解释类型表现出相当明确的一致意见：大多数人根本不需要解释，而那些需要解释的人则希望得到一个解释，说明输入的哪些特征导致了输出（事实解释）。当输出不符合预期时，用户也喜欢不同的解释。有趣的是，在多项选择问卷中，一致性较低。然而，自由文本回答略微表明，他们更倾向于描述人工智能系统的内部运作如何导致观察到的输出（即机械解释）的解释。总体而言，我们表明用户期望是确定最合适的解释内容（包括是否需要解释）的重要变量。我们还发现不同的结果，尤其是当输出不符合预期时，这取决于参与者是通过多项选择还是自由文本回答。这表明对精确实验设置的敏感性可能解释了文献中的一些变化。
建议引用：Spreitzenbarth, Jan；Stuckenschmidt, Heiner；Bode, Christoph (2021)：人工智能的现状：采购与销售和营销，收录于：Kersten, Wolfgang Ringle、Christian M. Blecker、Thorsten (Ed.)：适应未来：数字化如何塑造可持续物流和弹性供应链管理。汉堡国际物流会议 (HICL) 论文集，第 31 卷，ISBN 978-3-7549-2770-0，epubli GmbH，柏林，第 223-243 页，https://doi.org/10.15480/882.3990
建议引用：Spreitzenbarth, Jan；Stuckenschmidt, Heiner；Bode, Christoph (2021)：人工智能的现状：采购与销售和营销，收录于：Kersten, Wolfgang Ringle、Christian M. Blecker、Thorsten (Ed.)：适应未来：数字化如何塑造可持续物流和弹性供应链管理。汉堡国际物流会议 (HICL) 论文集，第 31 卷，ISBN 978-3-7549-2770-0，epubli GmbH，柏林，第 223-243 页，https://doi.org/10.15480/882.3990
Marion Ho-Dac。考虑欧洲人工智能标准化的基本权利：无稽之谈还是战略联盟？。EURAS 和 SIIT 2023 联合会议 - （负责）智能系统标准化，2023 年，EURAS 和 SIIT 2023 联合会议录，ISBN/EAN：9783958864917。�hal-04411136�
摘要：在欧洲背景下，欧盟《人工智能法案》提案和《安全可信人工智能标准化要求》草案都将标准化与基本权利联系起来。然而，这些文本并没有提供任何指导方针来具体说明和详细说明人工智能标准与基本权利之间的关系、其含义或含义。本章旨在澄清这一关键的监管盲点。主要解决的问题是，在未来的《人工智能法案》的基础上，采用人工智能协调标准是否应该考虑到基本权利。我们认为，答案是肯定的。某些人工智能系统带来的高风险尤其与侵犯基本权利有关。因此，减轻此类风险涉及基本权利的考虑，这也是未来协调标准应该反映的。同时，必须解决对欧洲标准化进程的有效批评。最后，讨论了在正在进行的欧洲人工智能系统标准化中实际纳入基本权利考虑的问题。
SAT 诉讼记录 - 州行政法庭
属于“人权”类别的诉讼不包含在登记册中。这是由于我们的授权立法中存在非公开要求。SAT 不能披露可识别这些事项当事人的信息。SAT 年度报告中提供了有关人权诉讼数量和类型的匿名统计数据。
营养S-启动Semarang州立大学
摘要：发育迟缓是一个共同的挑战。根据联合国儿童基金（联合国儿童基金会）和世界卫生组织（WHO）的数据，印度尼西亚在154个国家中排名第27位的数据，在亚洲的国家中排名第5位。印度尼西亚的发育迟缓率远远远离到2024年的目标降低14％。根据2023年印尼健康调查（SKI），全国性发育习惯为21.5％，与上一年相比下降约0.8％。发育迟缓的问题可能对印度尼西亚的黄金2045构成挑战。食用辣木叶（Moringa oleifera）是解决印度尼西亚存在的营养问题的一种替代方法。该植物具有超级营养含量，对食物和医学有益。这项研究旨在评估使用辣木叶作为幼儿的营养补充剂，以防止发育迟缓，并确定在获得添加辣木叶的食物之前和之后，幼儿是否存在差异。本研究采用了准实验研究设计，采用定量数据分析，特别是一个组预测试后的测试设计。样本的30位受访者。在给药前后，体重增加了2.01千克，而高度则增加了1.3 cm，在莫林加叶叶叶叶片之前和之后。在将辣木叶添加到饮食中之前进行的测量与在此之后进行的测量之间存在差异。在饮食中添加辣木叶后，有一个积极的结果，30名受访者体重增加。此外，在饮食中添加辣木叶之前和之后的高度测量值差异。这项研究的结论是，在饮食中添加辣木叶后体重和身高都在增加。关键字：利用率，辣木叶，营养补充剂，发育迟缓。
ICAR技术系列＃28- BLED 2024诉讼
该信息产品所采用的名称和材料的介绍并不意味着ICAR关于任何国家，领土，城市或地区或其当局的法律或发展状况的任何意见的表达，或者就其边界或边界的界定。提及制造商的特定公司或产品，无论是否已获得专利，并不意味着ICAR赞成或建议这些产品，而不是提及类似性质的其他人。本信息产品中表达的观点是作者的观点，不一定反映了ICAR的观点或政策。
ASME 2024 国际设计会议论文集...
本作品中包含的信息由美国机械工程师学会从可靠来源获得。但是，ASME 及其作者或编辑均不保证本作品中发布的任何信息的准确性或完整性。ASME 及其作者和编辑均不对因使用本信息而产生的任何错误、遗漏或损害负责。本作品的出版基于以下理解：ASME 及其作者和编辑提供信息，但并非试图提供工程或其他专业服务。如果需要此类工程或专业服务，应寻求适当专业人士的协助。
推荐引用 推荐引用 Chang, Tien-Yu 和 Tsaih, Rua-Huan，“使用数据包络分析评估人工智能应用的生态效率”（2024 年）。ICEB 2024 会议论文集（中国珠海）。 13. https://aisel.aisnet.org/iceb2024/13
摘要 本研究使用数据包络分析 (DEA) 开发了一个全面的框架，以评估各个部门 AI 应用的生态效率。通过以输出为导向的 DEA 模型，我们评估 AI 系统如何平衡性能效益与环境影响，并结合多项绩效指标和环境指标。该研究分析了医疗保健、金融和工业部门的数据，使用基准数据和环境评估来确定可持续 AI 实施的最佳实践。预期结果将表明该框架有效地识别了生态高效的 AI 实践，同时强调了数据可用性和不断发展的技术格局的局限性。该研究将有助于从理论上理解 AI 生态效率和实际决策，为组织提供在 ESG 参数内优化 AI 实施的见解，最终推进可持续的 AI 发展实践。关键词：生态效率、人工智能、数据包络分析、ESG。
推荐引用 推荐引用 罗云芳;杨涛；李庆安；刘强；以及崔希玲，“利用生成人工智能揭露 ESG 夸大之词”（2024 年）。 ICEB 2024 会议论文集（中国珠海）。 7. https://aisel.aisnet.org/iceb2024/7
引言近年来，金融业遇到了一种普遍存在的挑战，即漂绿行为。漂绿行为是一种夸大或歪曲公司对环境影响的做法，以给人留下公司比实际更注重环保的印象 (Huang & Chen, 2015)。当环境、社会和治理 (ESG) 报告等正式公共信息加剧信息不对称并增加市场混乱的风险时，就会发生这种情况 (Liu et al., 2024)。夸大其词是漂绿行为的一种常见形式，事实证明，它通过扭曲可持续发展目标的实现和评估来阻碍可持续发展目标的实现 (Cojoianu et al., 2020)。这通常表现为使用过于积极的语言来描述公司的环境、社会或治理绩效，而没有提供足够的支持数据或证据。因此，检测和解决 ESG 报告中的夸大其词至关重要。人工智能 (AI) 正在塑造世界，尤其是像 ChatGPT 这样的生成式人工智能 (GenAI) 的快速发展。金融领域的一些研究已经开始利用人工智能来解决 ESG 报告中的问题。例如，一些研究比较了传统和人工智能驱动的 ESG 评级 (Hughes 等人，2021)。一些研究调查了人工智能对漂绿和可持续发展报告的影响 (Moodaley & Telukdarie, 2023)。Yang 等人 (2021) 发现 ESG 披露降低了公司债券信用利差，降低了风险并增强了投资者信心，而 Biju 等人 (2023) 使用 MAXQDA 软件将 ESG 的情绪得分与漂绿的看法联系起来。这些研究表明了在分析 ESG 报告中应用人工智能的可能性和潜力。因此，本研究受到启发，充分利用人工智能，尤其是 GenAI，来评估 ESG 报告中的夸大行为 (Jain 等人，2023)。尽管先前的研究已经研究了审查和评估 ESG 报告的各种技术，但识别夸大断言的难度仍然没有得到充分研究，尤其是在使用最先进的人工智能技术时。此外，即使公司可能在其 ESG 报告中使用“极端”、“完整”或“最高”等形容词，但这并不总是意味着他们夸大了他们的成就；事实上，一些公司可能在这方面表现出色。因此，仅依靠 ESG 报告中的术语无法彻底确定公司是否夸大了他们的主张。GenAI 的优势在于能够通过分析上下文细节来辨别是否有合理的理由怀疑夸大。本研究旨在通过利用 GenAI 来检测 ESG 报告中的夸大描述，从而弥补这一差距，从而更准确、更稳健地评估企业可持续发展绩效。我们采用三种不同的即时工程策略，即零样本、少量样本和思路链 (COT) 来分析一组 ESG 报告。此外，我们还将该方法与传统文本分析技术和人类智能进行交叉验证。这