XiaoMi-AI文件搜索系统
World File Search SystemRudin
辛西娅·鲁丁 - Statement1.pdf
机器学习有两个“领域”表现得非常不同：“原始”数据问题和“表格”数据问题。原始数据问题受益于非常复杂的模型。它们的预测问题具有确定的结果，例如，图像分类器应该能够以超过 99% 的准确率确定图像中是否包含椅子。表格问题则不同：表格数据是人们可以在电子表格中找到的数字表。表格数据问题预测不确定的结果，例如某人出狱后是否会犯罪。表格数据问题无法从深度学习等复杂模型中受益。对于表格数据，有新的可解释机器学习算法可以创建小到可以放在索引卡上但又与深度学习一样准确的模型。
使用门集断层扫描技术表征超导量子比特的中路测量 Kenneth Rudinger、Guilhem J. Ribeill、Luke CG Govia、Mat
发生在量子电路内部层的测量（中电路测量）是一种重要的量子计算原语，最显著的特点是用于量子误差校正。中电路测量既有经典输出也有量子输出，因此它们可能会受到终止量子电路的测量所不存在的误差模式的影响。在这里，我们展示了如何使用一种称为量子仪器线性门集断层扫描 (QILGST) 的技术来表征由量子仪器建模的中电路测量。然后，我们应用该技术来表征多量子位系统内超导传输量子位的色散测量。通过改变测量脉冲和后续门之间的延迟时间，我们探索了残余腔光子群对测量误差的影响。QILGST 可以解析不同的误差模式并量化测量的总误差；在我们的实验中，对于超过 1000 纳秒的延迟时间，我们测得的总误差率（即半钻石距离）为 ϵ ⋄ = 8 . 1 ± 1 。 4%、读出保真度为 97 . 0±0 . 3%、测量 0 和 1 时输出量子态保真度分别为 96 . 7±0 . 6% 和 93 . 7±0 . 7%。
Michael Anis Mihdi Afnan、Cynthia Rudin、Vincent Conitzer、Julian Savulescu、Abhishek Mishra、Yanhe Liu 和 Masoud Afnan。2021. 人工智能在体外受精中选择胚胎的伦理实施。2021 年 AAAI/ACM 人工智能、伦理和社会会议 (AIES '21) 论文集，2021 年 5 月 19-21 日，美国虚拟活动。ACM，美国纽约州纽约，11 页。https://doi.org/10.1145/3461702.3462589
体外受精 (IVF) 是一种彻底改变不孕症治疗的临床技术。该过程包括在实验室中使卵子受精，然后将产生的胚胎移植到子宫中。自然受精和受孕是一种低效的过程，任何特定胚胎活产的几率都很低。自然和医学治疗的解决方案是创造多个胚胎，以便最终可能有一个胚胎着床。在自然界中，成本是怀孕时间，如果没有胚胎着床，则需要承受无子女的痛苦。在临床实践中，成本还以美元来衡量。为了提高临床实践的效率，人们非常重视选择最有可能着床的胚胎。实验室最近的一项创新是几天内对培养中的胚胎进行延时成像。这产生了数千个视觉数据点，并有望通过基于人工智能 (AI) 的模型增强胚胎选择过程。在本文中，我们概述了 IVF 过程，回顾了目前使用人工智能进行胚胎选择的方法，讨论了在此特定领域使用人工智能的伦理问题，并提出了有关这项新技术的伦理实施建议。最后，我们鼓励人工智能研究人员与生育临床医生合作，以有意义且合乎道德的方式推进这项研究。