XiaoMi-AI文件搜索系统
World File Search SystemRITHMS
保护消费者免受人工智能造成的串谋价格
市场体系的有效性根植于竞争。为了吸引客户，企业会降低价格并提供更好的产品和服务。没有什么比合谋更能从根本上破坏这一过程了，当企业同意不相互竞争时，消费者会因更高的价格而受到损害。合谋通常受到经济学家和政策制定者的谴责，并且在几乎所有国家都是违法的。但是，越来越多地将定价权委托给算法（1）可能会打开后门，企业可以通过后门合法地进行合谋（2）。当人工智能（AI）算法学会在没有人为干预、监督甚至知识的情况下采用合谋定价规则时，就会发生这种算法合谋。这种可能性对政策提出了挑战。为了应对这一挑战，我们提出了政策变革的方向，并呼吁计算机科学家、经济学家和法律学者齐心协力，将提议的变革付诸实施。
捕获离子和传输子 QPU 上的量子并行矢量化数据编码和计算
紧凑的量子数据表示对于数据分析的量子算法这一新兴领域至关重要。我们引入了两种新的数据编码方案 QCrank 和 QBArt，它们通过均匀控制的旋转门具有高度的量子并行性。QCrank 将一系列实值数据编码为数据量子位的旋转，从而实现高存储密度。QBArt 直接将数据的二进制表示嵌入计算基础中，需要更少的量子测量，并有助于对二进制数据进行易于理解的算术运算。我们介绍了针对不同类型数据的几种拟议编码应用。我们展示了用于 DNA 模式匹配、汉明重量计算、复值共轭和检索 O（400）位图像的量子算法，所有算法都在 Quantinuum QPU 上执行。最后，我们使用各种可云访问的 QPU（包括 IBMQ 和 IonQ）来执行其他基准测试实验。
超级计算利用量子机器学习和 Grover 算法
经典计算中搜索算法的复杂性是一个经典问题和一个研究领域。量子计算机和量子算法可以有效地计算一些经典难题。此外，量子机器学习算法可能是促进现有和新量子技术的重要途径，降低执行此类问题的超级计算要求。本文回顾并探讨了变分量子算法、核方法和 Grover 算法 (GA) 等主题。GA 是一种量子搜索算法，作为量子分类器实现了二次速度提升。我们利用 GA 或振幅放大将基本的经典逻辑门模拟为考虑 AND、XOR 和 OR 门的量子电路。我们在综述中的实验表明，所讨论的算法可以相对容易地实现和验证，这表明研究人员可以研究与量子机器学习等相关的讨论领域的问题。
用于采样对数凹分布和估计规范化常数的量子算法
R de − f ( x ) dx。首先，我们使用欠阻尼朗之万扩散来开发量子算法，该算法的查询复杂度（就条件数 κ 和维度 d 而言）与使用梯度（一阶）查询的类似经典算法相匹配，即使量子算法仅使用评估（零阶）查询。对于估计规范化常数，这些算法还实现了乘法误差 ϵ 的二次加速。其次，我们开发了量子 Metropolis 调整的朗之万算法，查询复杂度分别为 e O ( κ 1 / 2 d ) 和 e O ( κ 1 / 2 d 3 / 2 / ϵ )，分别用于对数凹采样和规范化常数估计，通过利用蒙特卡洛方法和量子行走的量子类似物，与最著名的经典算法相比，在 κ、d、ϵ 方面实现了多项式加速。我们还证明了估计标准常数的 1 /ϵ 1 − o (1) 量子下限，这意味着我们的量子算法在 ϵ 方面接近最优。
推广负责任的人工智能：从欧洲视角看......
摘要：人工智能和自动化已在新闻媒体中无处不在，影响着从新闻采集到新闻分发的新闻业。随着算法越来越多地决定编辑决策，人们对新闻媒体负责任和负责任地使用人工智能驱动的工具提出了具体担忧，包括新的监管和道德问题。本文旨在分析欧盟和欧洲理事会目前是否以及在多大程度上规范和辩论了新闻媒体和新闻业中使用人工智能技术。通过对官方政策文件的文档分析，结合数据挖掘方法和归纳主题分析，该研究着眼于如何处理新闻媒体，特别是其对用户和社会的责任。研究结果表明，关于人工智能的监管框架很少包括媒体，但如果有，它们会将其与虚假信息、数据和人工智能素养以及多样性、多元化和社会责任等问题联系起来。
现在，新的和下一的数字领导力：人工智能（AI）将如何接管并改变领导才能
摘要有一个新兴共识，传统的管理角色可以（也许应该）由注入人工智能（AI）的机器执行。然而，“真正的”领导 - 也就是激励和使人们能够并能够为组织的集体目标做出贡献 - 仍然主要被视为人类的特权。用我们的意见文章，我们挑战了这一观点。我们的文章旨在成为学术界大部分地区的唤醒呼吁，并使人类领导层浪漫化，并认为这种堡垒永远无法被AI所取代。我们描述了为什么算法不会（需要）在领导层的核心特征和可能比人类领导者更好地满足员工的心理需求之前（需要）停止。在这种背景下，需要对人类在领导的未来中扮演的角色做出有意识的选择。这些考虑因素不仅对领导力研究的未来，而且对领导力教育和发展的未来具有重要意义。
使用AI加速器在卫星通信中的船上处理
摘要：卫星通信（SATCOM）系统操作中心目前需要高度的人力干预，这导致运营支出增加（OPEX）和人类行动中隐含的潜伏期，这会导致服务质量（QOS）降级。因此，新的SATCOM系统利用人工智能和机器学习（AI/ML）提供更高水平的自主权和控制。与先进的AI/ML算法（尤其是深度学习算法）的船上处理需要改善计算能力的几个幅度，与当今太空车辆中的遗产，耐辐射耐受性的太空级处理器相比。下一代AI/ML太空处理器可能会包括异性系统的各种景观。本手稿确定了机载AI/ML处理的关键要求，定义参考架构，评估不同的用例情景，并评估当前和下一代空间AI处理器的硬件景观。
Colin Porlezza* 推广负责任的人工智能：欧洲视角下的媒体和新闻业人工智能治理
摘要：人工智能和自动化已在新闻媒体中无处不在，影响着从新闻采集到新闻分发的新闻业。随着算法越来越多地决定编辑决策，人们对新闻媒体负责任和负责任地使用人工智能驱动的工具提出了具体担忧，包括新的监管和道德问题。本文旨在分析欧盟和欧洲理事会目前是否以及在多大程度上规范和辩论了新闻媒体和新闻业中使用人工智能技术。通过对官方政策文件的文档分析，结合数据挖掘方法和归纳主题分析，该研究着眼于如何处理新闻媒体，特别是其对用户和社会的责任。研究结果表明，关于人工智能的监管框架很少包括媒体，但如果有，它们会将其与虚假信息、数据和人工智能素养以及多样性、多元化和社会责任等问题联系起来。
利用多巴胺进行强化学习：自然与人工智能的融合
强化学习是预测和最大化长期回报的问题。计算机科学家认识到，可以通过根据预测误差（观察到的回报和预期回报之间的差异）更新预测和行动策略来解决此问题。值得注意的是，基底神经节似乎使用了类似的策略，其中多巴胺提供预测误差来更新纹状体中的预测和行动策略。我们回顾了自然和人工智能的这种融合是如何得到阐述和挑战的，重点关注将尖端机器学习算法与实验观察联系起来的最新发展。一个反复出现的主题，无论是从理论还是从经验上讲，都是简单的错误驱动学习算法在配备适当丰富（并且可能分布）的状态表示时具有惊人的力量。这些表征反过来又被多巴胺能预测误差所修改，形成了一个良性循环，学习算法可以增强其解决更复杂任务的能力。
已发表版本的引用 (APA)：Jiang, B., Guo, N., Ge, Y., Zhang, L., Oudkerk, M., & Xie, X. (2020). 人工智能在心脏成像中的开发和应用。英国放射学杂志，93(1113)，20190812。文章 20190812。https://doi.org/10.1259/bjr.20190812
引言心血管疾病是全世界最常见的死亡原因。1人工智能（AI）算法和方法的最新发展加速了定量自动成像技术向疾病诊断和个性化治疗策略的发展。已经开发了许多用于图像检测、分割和分类的算法，这显着提高了心脏成像的临床应用。基于人工智能的临床应用已经得到开发，例如冠状动脉疾病的诊断、心脏功能的评估、图像质量的改善。由于人工智能目前正在彻底改变心脏成像的技术发展和临床应用，因此在本综述中，我们旨在概述人工智能在心脏成像（包括 CT 和 MRI）中的发展。首先，我们叙述性地描述了人工智能的技术发展。然后，我们展示了对最近临床相关研究的系统文献检索的结果，并讨论了人工智能的临床应用及其前景。