XiaoMi-AI文件搜索系统
World File Search SystemResearchers
joule在原子电线背景中加热
作为其研究文化行动计划的一部分，该大学正在提供计划，以认识到更多员工类别的更广泛的贡献，特别是使用叙事简历和信用分类法的概念。它还扩大了内部研究资金的资格标准，使51名研究人员能够获得中央资金参加会议，培训机会，建立投标或合作伙伴关系，进行参与活动等。在2022 - 23年，并引入了桥梁资金，允许今年合同之间的6名研究人员保持雇用。研究文化种子基金，该基金去年支持12个项目（例如促进AHSS ECRS的机会，促进非洲研究人员之间的合作，倡导开放科学实践），现已嵌入敏捷基金中。
软件工程研究人员的人工智能安全子问题
数据驱动技术的兴起推动了人工智能 (AI) 的快速发展。自 2010 年以来，用于训练最大 AI 模型的计算能力大约每 6 个月翻一番 [62]。私人对人工智能的总投资是十年前的 10 倍多 [44]。软件工程 (SE) 研究人员越来越多地关注并为这一进步做出贡献。在审查 2022 年大型 SE 会场 1 上的论文时，我们估计有 33% 的论文在标题或摘要 2 中提到了 AI/ML/DL 术语。相比之下，2012 年这一比例为 4%。软件工程人工智能 (AI4SE) 和人工智能软件工程 (SE4AI) 的兴起要求 AI 安全成为 SE 研究人员关注的问题。人工智能安全是指避免受到人工智能的伤害。我们赞同以下论点：这里最紧迫的考虑是极限安全，即当人工智能开始在所有领域匹敌或超越人类能力时的安全性。此类系统的集合被称为高级机器智能 (HLMI) [ 21 ]，类似于通用人工智能 (AGI) 或变革性人工智能 (TAI) 等概念。HLMI 安全性方面无法取得进展可能会带来灾难性的后果，包括人类的灭绝。SE 研究人员在加剧危险或帮助降低风险方面可以发挥作用。我们将讨论原因，并提供类似于现有 SE 问题的具体 AI 问题的有用概念。我们认为，尽管 AI4SE 工作有所增加，但高度先进的 AI 的安全影响在 SE 会议上很少被讨论。我们通过引用图来探索这一假设
呼吁“值得信赖的人工智能：意大利-英国研究人员短期交流计划 (TAI ShortStay)”
提案可从 2023 年 8 月 1 日至 2024 年 10 月 1 日连续接收。提案应在一份两页的文档（加上参考文献）中描述，其中包含 PI、Co-PI 和相关机构的姓名、主题、动机、对项目主题的遵守情况以及预期结果。结果可以是 – 例如 – 一个共同的项目、一个共同的实验或研究、一篇共同的科学论文或原型。还需要 PI 简历。提案必须在预计旅行期前至少两个月提交。
高效、解释性、公平：为什么定性研究人员应该谨慎拥抱人工智能
基于人工智能的自然语言处理 (NLP) 使用语言学和机器学习来理解、解释和产生人类风格的语言。OpenAI 的 chatGPT 是聊天框格式的 NLP 的一个特殊应用，使用户能够与人工智能进行对话。此外，人工智能可以执行复杂的语言处理任务，例如文本生成、语言翻译，甚至回答问题。然而，由于人工智能使用的训练数据和其解释隐性知识的能力有限，它也存在一些局限性。基于训练数据的质量，人工智能经常犯事实错误并产生有偏见的结果。此外，它缺乏对人类语言细微差别的透彻掌握以及对物理和社会世界的理解。例如，当有人问 chatGPT “树枝上有五只鸟。如果你把其中一只从树枝上射下来，树枝上还剩下多少只？”时，它回答“四只鸟”，没有理解剩下的四只鸟会飞走。尽管存在这些关键的缺点，但人工智能为定性研究人员提供了许多好处。
课程Vitae David L. Sheinberg-研究人员 @ Brown
研究科学家（1997-2000）Max Planck生物控制论研究所，Tübingen，德国，医学助理教授（2000-2006），布朗大学，神经科学曼宁助理教授（2005-2006）神经科学助理教授（2006-2011）（2006-2011）Neuroscience教授（2011年）研究科学家（1997-2000）Max Planck生物控制论研究所，Tübingen，德国，医学助理教授（2000-2006），布朗大学，神经科学曼宁助理教授（2005-2006）神经科学助理教授（2006-2011）（2006-2011）Neuroscience教授（2011年）
印度理工学院曼迪分校的研究人员开发出一种经济有效的方法......
氧化镍等金属氧化物是先进结构硅太阳能电池中使用的一类重要半导体。为此，必须生产厚度在纳米范围内的氧化镍薄膜——比一根头发的宽度小十万倍。目前开发氧化镍纳米薄膜的方法成本高昂，因为生产所需的设备必须进口。此外，用于开发薄膜的前体，如乙酰丙酮镍，也很昂贵，使得这种技术不太可能实现商业可行性。
信息完整性研究与开发相关优先事项研究人员路线图
关于科学技术政策办公室 科学技术政策办公室 (OSTP) 是根据 1976 年《国家科学技术政策、组织和优先事项法》成立的，旨在为总统和总统行政办公室内的其他人员提供有关经济、国家安全、卫生、外交关系和环境等主题的科学、工程和技术方面的建议。OSTP 领导跨部门科学技术政策协调工作，协助管理和预算办公室对联邦研发预算进行年度审查和分析，并作为总统就联邦政府主要政策、计划和方案进行科学技术分析和判断的来源。更多信息请访问 https://www.whitehouse.gov/ostp 。关于国家科学技术委员会 国家科学技术委员会 (NSTC) 是行政部门协调组成联邦研究和开发企业的各个实体之间的科学技术政策的主要手段。NSTC 的主要目标是确保科学技术政策决策和计划与总统的既定目标一致。NSTC 制定研究和开发战略，这些战略由联邦机构协调，旨在实现多个国家目标。NSTC 的工作由委员会组织，这些委员会监督专注于科学技术不同方面的小组委员会和工作组。更多信息请访问 https://www.whitehouse.gov/ostp/nstc 。关于网络和信息技术研究与开发小组委员会 网络和信息技术研究与开发 (NITRD) 计划自 1991 年《高性能计算法案》通过后作为高性能计算和通信计划首次成立以来，一直是美国在计算、网络和软件领域开拓性信息技术 (IT) 方面联邦资助工作的主要来源。国家技术委员会的 NITRD 小组委员会指导多机构 NITRD 计划开展工作，为确保美国继续保持技术领先地位和满足国家对先进 IT 的需求提供研发基础。国家协调办公室 (NCO) 支持 NITRD 小组委员会及其跨机构工作组 (IWG) ( https://www.nitrd.gov/about/ )。版权 本文件是美国政府的作品，属于公共领域（参见 17 U.S.C.关于信息完整性研发跨部门工作组 信息完整性研发 (IIRD) 跨部门工作组 (IWG) 为跨部门规划和协调信息完整性研发投资、确定研究差距、确定未来研究方向以及鼓励公私合作应对信息完整性挑战提供了一个论坛。关于本文档 本路线图为研究人员制定了与信息完整性研究和开发相关的优先事项，由 NITRD 小组委员会的 IIRD IWG 制定。该路线图旨在协调和指导联邦资助的信息完整性研发；它确定了六个相互关联的优先事项，用于开发 (1) 信息生态系统的模型和测量、(2) 帮助人们的保障措施、(3) 增强信息交换完整性的技术、(4) 应对操纵信息活动的策略、(5) 数据访问和合作伙伴关系，以及 (6) 研究与政策和实践的联系。§105)。可在向 OSTP 致谢的情况下分发和复制。使用任何图像的请求必须向图像来源中指定的提供商提出，如果未确定提供商，则向 OSTP 提出。于 2022 年在美国出版。
StarryNet：帮助研究人员评估未来……
未来的天地一体化网络（ISTN）不仅为普适、低延迟互联网服务带来了新机遇，也面临着全球卫星动力学带来的新挑战。研究人员开展各类实验，系统地探索 ISTN 中的新问题大有裨益。然而，现有的实验方法要么注重真实性但缺乏灵活性（如实时卫星），要么注重灵活性但缺乏真实性（如 ISTN 模拟器）。本文提出了一种新颖的实验框架 S TARRY N ET，研究人员可以利用该框架方便地构建可信且灵活的实验网络环境（ENE），模拟卫星动力学和大规模 ISTN 的网络行为。S TARRY N ET 采用真实数据驱动、轻量级仿真辅助的方法在地面虚拟环境中构建物理 ISTN 的数字孪生，同时实现了星座一致性、网络化系统的真实性和灵活性。在公开的和真实的星座相关信息的驱动下，我们展示了 S TARRY N ET 可接受的保真度，并展示了其支持各种 ISTN 实验的灵活性，例如评估用于空间地面集成的不同联网机制，以及评估未来 ISTN 的网络弹性。
人工智能的伦理与治理：机器学习研究人员调查（扩展摘要）∗
机器学习 (ML) 和人工智能 (AI) 研究人员在 AI 的伦理和治理中发挥着重要作用，包括通过他们的工作、倡导和就业选择。然而，这个有影响力的群体的态度还没有得到很好的理解，削弱了我们辨别 AI/ML 研究人员之间共识或分歧的能力。为了检验这些研究人员的观点，我们对在两个顶级 AI/ML 会议上发表论文的人员进行了调查 (N = 524)。我们将这些结果与 2016 年对 AI/ML 研究人员的调查和 2018 年对美国公众的调查结果进行了比较。我们发现 AI/ML 研究人员高度信任国际组织和科学组织，以塑造 AI 的发展和使用以符合公众利益；对大多数西方科技公司的信任度中等；对国家军队、中国科技公司和 Facebook 的信任度较低。虽然受访者绝大多数反对人工智能/机器学习研究人员研究致命自主武器，但他们对研究人工智能其他军事应用（尤其是物流算法）的研究人员的反对程度较低。绝大多数受访者认为应优先考虑人工智能安全研究，多数人认为机器学习机构应进行出版前审查，以评估潜在危害。人工智能/机器学习研究人员更接近技术本身，因此他们有能力突出新风险并开发技术解决方案，因此这些新数据具有广泛的相关性。研究结果应有助于改善研究人员、私营部门高管和政策制定者对人工智能法规、治理框架、指导原则以及国家和国际治理战略的看法。