XiaoMi-AI文件搜索系统
World File Search SystemSchulz
世界能量前景2021-净
整个WEO团队的主要贡献来自：Lucila Arboleya Sarazola（投资和金融），Yasmine Arsalane，Yasmine Arsalane（主要经济前景，Power），Blandine Barreau（恢复计划分析），Simon Bennett（Simon Bennett（Lead Hydrogen，Engital，Energy） (hydrogen, critical minerals), Tanguy de Bienassis (investment and finance), Tomás de Oliveira Bredariol (methane), Musa Erdogan (fossil fuel subsidies, data management), Eric Fabozzi (power and electricity networks), Víctor García Tapia (data science, buildings), Victor Gautier (industry), Pablo Gonzalez (investment and finance), Timothy Goodson (co-lead on end-use demand analysis), Shai Hassid (power), Paul Hugues (lead on industry), Inchan Hwang (investment and finance), Bruno Idini (transport), George Kamiya (energy technologies, digitalisation), Tae-Yoon Kim (co-lead on fuel supply analysis and energy security), Vanessa Koh (power and electricity networks), Martin Kueppers (industry, Africa), Lilly Yejin Lee (transport), Laura Maiolo (oil and gas supply), Ariane Millot (buildings, climate and environment), Toru Muta (fuel supply), Lucas Pereira (demand-side response), Apostolos Petropoulos (lead on transport), Mariachiara Polisena (power), Ryszard Pospiech (supply modelling and data management), Arnaud Rouget (energy Access and Africa），Jasmine Samantar（能源通道和非洲），Rebecca Schulz（石油和天然气供应），Leonie Staas（行业，行为），Gianluca Tonolo（能源通道的负责人），Daniel Wetzel（雇用领先），Peter Zeniewski（Peter Zeniewski（彼得·Zeniews）（peter Zeniewski（载有天然气的领导，能源安全的领导者）。Teresa Coon，Marina Dos Santos和Eleni Tsoukala提供了基本的支持。其他贡献来自Olivia Chen，ChloéDelpierre，Michael Drtil，Frank Gentile，JérômeHilaire，Hyeji Kim，Katharina Lobo，Lia Newman和Sebastian Papapanagiotou。
2022 年世界能源展望
Oskaras Alšauskas（运输）、Lucila Arboleya Sarazola（投资和金融）、Yasmine Arsalane（经济前景、电力负责人）、Blandine Barreau（复苏计划）、Simon Bennett（氢能、能源技术联合负责人）、Charlène Bisch（数据管理）、Justina Bodláková（就业）、Olivia Chen（就业）、Yunyou Chen（电力）、Daniel Crow（行为、空气污染负责人）、Davide D'Ambrosio（数据科学、电力负责人）、Amrita Dasgupta（关键矿物）、Tanguy De Bienassis（投资和金融）、Tomás de Oliveira Bredariol（煤炭、甲烷负责人）、Michael Drtil（电力和电网）、Darlain Edeme（非洲）、Musa Erdogan（化石燃料补贴、数据管理）、Eric Fabozzi（电力和电网）、Víctor García Tapia（数据科学、建筑）、Pablo González（投资和金融）、Timothy Goodson（建筑负责人）、Emma Gordon（投资和金融）、Jérôme Hilaire（石油和天然气供应建模负责人）、Paul Hugues（工业负责人）、Jacob Hyppolite II（能源获取）、Bruno Idini（交通）、George Kamiya（能源技术、数字化）、Hyeji Kim（交通）、Tae‐Yoon Kim（能源安全和关键矿产负责人）、Martin Kueppers（工业）、Tobias Lechtenbohmer（工业）、Laura Maiolo（石油和天然气供应）、Orla McAlinden（行为）、Yannick Monschauer（可负担性）、Toru Muta（化石燃料补贴负责人）、Paweł Olejarnik（供应建模）、Diana Perez Sanchez（工业）、Apostolos Petropoulos（交通负责人）、Mariachiara Polisena（电力）、Ryszard Pospiech（煤炭供应负责人）建模、数据管理）、Arthur Rogé（建筑）、Max Schoenfisch（电力）、Rebecca Schulz（石油和天然气供应）、Leonie Staas（建筑、行为）、Gianluca Tonolo（能源获取负责人）、Wonjik Yang（数据可视化）和 Peter Zeniewski（天然气负责人）。其他贡献者包括 Niccolò Hurst 和 Carlo Starace。Marina Dos Santos 和 Eleni Tsoukala 提供了重要支持。
2022 年世界能源展望
Oskaras Alšauskas（运输）、Lucila Arboleya Sarazola（投资和金融）、Yasmine Arsalane（经济前景、电力负责人）、Blandine Barreau（复苏计划）、Simon Bennett（氢能、能源技术联合负责人）、Charlène Bisch（数据管理）、Justina Bodláková（就业）、Olivia Chen（就业）、Yunyou Chen（电力）、Daniel Crow（行为、空气污染负责人）、Davide D'Ambrosio（数据科学、电力负责人）、Amrita Dasgupta（关键矿物）、Tanguy De Bienassis（投资和金融）、Tomás de Oliveira Bredariol（煤炭、甲烷负责人）、Michael Drtil（电力和电网）、Darlain Edeme（非洲）、Musa Erdogan（化石燃料补贴、数据管理）、Eric Fabozzi（电力和电网）、Víctor García Tapia（数据科学、建筑）、Pablo González（投资和金融）、Timothy Goodson（建筑负责人）、Emma Gordon（投资和金融）、Jérôme Hilaire（石油和天然气供应建模负责人）、Paul Hugues（工业负责人）、Jacob Hyppolite II（能源获取）、Bruno Idini（交通）、George Kamiya（能源技术、数字化）、Hyeji Kim（交通）、Tae‐Yoon Kim（能源安全和关键矿产负责人）、Martin Kueppers（工业）、Tobias Lechtenbohmer（工业）、Laura Maiolo（石油和天然气供应）、Orla McAlinden（行为）、Yannick Monschauer（可负担性）、Toru Muta（化石燃料补贴负责人）、Paweł Olejarnik（供应建模）、Diana Perez Sanchez（工业）、Apostolos Petropoulos（交通负责人）、Mariachiara Polisena（电力）、Ryszard Pospiech（煤炭供应负责人）建模、数据管理）、Arthur Rogé（建筑）、Max Schoenfisch（电力）、Rebecca Schulz（石油和天然气供应）、Leonie Staas（建筑、行为）、Gianluca Tonolo（能源获取负责人）、Wonjik Yang（数据可视化）和 Peter Zeniewski（天然气负责人）。其他贡献者包括 Niccolò Hurst 和 Carlo Starace。Marina Dos Santos 和 Eleni Tsoukala 提供了重要支持。
2022 年世界能源展望
Oskaras Alšauskas（运输）、Lucila Arboleya Sarazola（投资和金融）、Yasmine Arsalane（经济前景、电力负责人）、Blandine Barreau（复苏计划）、Simon Bennett（氢能、能源技术联合负责人）、Charlène Bisch（数据管理）、Justina Bodláková（就业）、Olivia Chen（就业）、Yunyou Chen（电力）、Daniel Crow（行为、空气污染负责人）、Davide D'Ambrosio（数据科学、电力负责人）、Amrita Dasgupta（关键矿物）、Tanguy De Bienassis（投资和金融）、Tomás de Oliveira Bredariol（煤炭、甲烷负责人）、Michael Drtil（电力和电网）、Darlain Edeme（非洲）、Musa Erdogan（化石燃料补贴、数据管理）、Eric Fabozzi（电力和电网）、Víctor García Tapia（数据科学、建筑）、Pablo González（投资和金融）、Timothy Goodson（建筑负责人）、Emma Gordon（投资和金融）、Jérôme Hilaire（石油和天然气供应建模负责人）、Paul Hugues（工业负责人）、Jacob Hyppolite II（能源获取）、Bruno Idini（交通）、George Kamiya（能源技术、数字化）、Hyeji Kim（交通）、Tae‐Yoon Kim（能源安全和关键矿产负责人）、Martin Kueppers（工业）、Tobias Lechtenbohmer（工业）、Laura Maiolo（石油和天然气供应）、Orla McAlinden（行为）、Yannick Monschauer（可负担性）、Toru Muta（化石燃料补贴负责人）、Paweł Olejarnik（供应建模）、Diana Perez Sanchez（工业）、Apostolos Petropoulos（交通负责人）、Mariachiara Polisena（电力）、Ryszard Pospiech（煤炭供应负责人）建模、数据管理）、Arthur Rogé（建筑）、Max Schoenfisch（电力）、Rebecca Schulz（石油和天然气供应）、Leonie Staas（建筑、行为）、Gianluca Tonolo（能源获取负责人）、Wonjik Yang（数据可视化）和 Peter Zeniewski（天然气负责人）。其他贡献者包括 Niccolò Hurst 和 Carlo Starace。Marina Dos Santos 和 Eleni Tsoukala 提供了重要支持。
向风湿病学家学习什么？
1 Cron, RQ 和 Chatham, WW《风湿病学家在 Covid-19 中的作用》。《风湿病学杂志》。2020 年。47 (5) 639-642。2 Misra DP、Agarwal V、Gasparyan AY、Zimba O。风湿病学家对冠状病毒病 19 (COVID-19) 和潜在治疗靶点的看法 [2020 年 4 月 10 日提前在线发表]。《临床风湿病学》。2020；1 - 8。3 Hoffmann M、Kleine-Weber H、Schroeder S 等人。SARS-CoV-2 细胞进入依赖于 ACE2 和 TMPRSS2，并被临床验证的蛋白酶抑制剂阻断。《细胞》。2020；181(2):271 - 280.e8。 4 Mahevas, M. 等人 (2020)。没有证据表明羟氯喹对需要氧气的 COVID-19 感染住院患者有临床疗效：使用常规收集的数据模拟目标试验的研究结果。medRxiv。5 Huang C、Wang Y、Li X 等人。中国武汉 2019 年新型冠状病毒感染患者的临床特征。柳叶刀。2020；395（10223）：497 ‐ 506。6 Williamson, B.、Feldmann, F.、Schwarz, B.、Meade-White, K.、Porter, D.、Schulz, J.、...... 和 Okumura, A. (2020)。瑞德西韦对感染 SARS-CoV-2 的恒河猴的临床益处。BioRxiv。 7 Chen, Z., Hu, J., Zhang, Z., Jiang, S., Han, S., Yan, D., ... & Zhang, Z. (2020). 羟氯喹对 COVID-19 患者的疗效：一项随机临床试验的结果。MedRxiv。8 Cantini F、Niccoli L、Matarrese D、Nicastri E、Stobbione P、Goletti D。巴瑞替尼治疗 COVID-19：安全性和临床影响的初步研究。J Infect。2020；S0163-4453(20)30228-0。9 Xu, X.、Han, M.、Li, T.、Sun, W.、Wang, D.、Fu, B., ... & Zhang, X. (2020). 托珠单抗对重症 COVID-19 患者的有效治疗。ChinaXiv，202003 (00026)，V1。 10 Monti S, Balduzzi S, Delvino P, Bellis E, Quadrelli VS, Montecucco C. 接受免疫抑制靶向疗法治疗的一系列慢性关节炎患者的 COVID-19 临床病程。Ann Rheum Dis. 2020;79(5):667 ‐ 668。
参考文献：Kraft Florian、Rodriguez-Aliaga Piere、袁伟民、Franken Lena、Zajt Kamil、Hasan Dimah、Lee Ting-Ting、Flex Elisabetta、Hentschel Andrea
标题：大脑的畸形和通过伴侣的伴侣功能受损1†，Piere Rodriguez-Aliaga 2†，Weimin Yuan 3†，Lena Franken 1，Kamil Zajt 4，Dimah Hasan 5，Dimah Hasan 5，Ting-Tang 2，Ting-Tang 2，Elisabeth andReas andReas andReas，Andres and and s. Ula Knopp 1，Eva Lausberg 1，Jeremias Krause 1，Zhang 4，Pamela Trapane 10，Riley Carroll 10，Martin McClatchey 11，Lisa Fry 13，Andrew E. 14，Katherine A Blood 16，Jean-Madeleine De Sainte Agathe 17，Charles Pergan 18 9，Gorančuturilo20，Borut Peterlin 19，Karin Diderich 21，Haley Streff 22，Laurie Robak 22，Laurie Robak 22，Renske Oegema Oegema Oegema 23，Ellen Van Binsbergen 23，Ellen van Binsbergen 23，John Herriges 24，Carol j. Saund，239 ，HannsLochmüller31，Stefanie Meyer 31，Alberto Aleman 31，Kiran Polavarapu 31,32，Gael Nicolas 33,34，Alice Goldenberg 33，Lucie Guyant 33，Kathleen Pope 35 Decondt 41，Wim Van Paesschen 42,43，Claudine Rieubland 44，Claudia Poloni 44，Guipponi 44，Marine Meussen，47和J. Jansen 48，Jessica Rosenblum 47，Tobias B.瓦格纳（Wagner）51，马丁·威斯曼（Martin Wismann），埃格·托马斯（Egger Thomas），51马蒂亚斯·贝格曼（Matthias Begemann）1，安德烈亚斯·罗斯（Andreas Roos）31,52,53，马丁·哈斯勒（MartinHäusler）29,38，蒂姆·安格勒（Tim Schedl）54，马可·塔塔格利亚（Marco Tartaglia），马尔科·塔塔格利亚（Marco Tartaglia）14，朱利安娜·布雷默（Juliane Bremer），朱利安·布雷默（Juliane Bremer）4，史蒂芬·帕克3 *
可重现的WISDM：使用标准化的开放数据
我们对他人的印象的能力取决于在不确定性下提供的信息，因此我们使用启发式法来做出判断和决定（Tversky and Kahneman，1974）。这种印象形成与刻板印象有关：例如，图像可以而且经常体现和永久化性别刻板印象（Coltrane and Adams，1997; Len-Ríos等，2005; Rodgers and Thorson，2000）。男女的视觉代表塑造了我们对性别角色的心理表征，并可以加强或稳定它们 - 数字和模拟媒体，例如报纸，杂志，电视和社交媒体，可以在刻画中归因于严格的作用，在刻画中归因于妇女的性行为，并在男性中比男性更大（Courtney and Lockere and Lockeretz and lockeretz and Milers and Mirers; and and and and and and; and; and; and; and; and； Biocca，1992; Zotos and Tsichla，2014年）。，但在男人和女人的描绘中，即使是简单的风格差异也可能已经巧妙地延续了性别偏见（Archer等，1983； Blumberg，2008； Grau和Zotos，2016）。例如，在线媒体中，女性政治家的代表性影响了选民对她们感知的能力和讨人喜欢的影响（Bligh等，2012），面部突出的变化导致女性对智力的评价较低（Archer等，1983）。自动处理大量潜在偏见的信息一直是近年来在交流研究中特别感兴趣的话题（Goldman，2008； Noble，2018； O'Neil，2017）。这些决定的输出塑造了我们的社会现实（Just and Latzer，2017； Noble，2018）及其对公民和机构的影响数字文化和新媒体研究正在将数据移至其学术叙事的中心；具体而言，媒体平台（例如社交媒体和搜索引擎）的数据现在被视为文化研究对象（Schäfer和van es，2017年）。在这个新范式的背景下，算法的转换和问责制的问题通常是关于平台利用的辩论的最前沿，尽管通常由于其“黑匣子”依赖性，异质性和嵌入性而无法理解，因此在更广阔的系统中（Crawford，2016年Crawford，2016; Kitchin; Kitchin，2017; kitchin; kitchin，2017; reshle; kitchin; kitchin; kitchin; kitchin; kitchin; 2017; reshle;搜索引擎提供商，例如Google或Bing，由于其作为守门人的角色而受到了学术审查：他们通过过滤和排名在网上可用的信息来源来决定内容的相关性（Laidlaw，2010； Schulz等，2005； Wallace，2018）。
代表性和面部主义：图像搜索中的性别偏见
我们对他人的印象的能力取决于在不确定性下提供的信息，因此我们使用启发式法来做出判断和决定（Tversky and Kahneman，1974）。这种印象形成与刻板印象有关：例如，图像可以而且经常体现和永久化性别刻板印象（Coltrane and Adams，1997; Len-Ríos等，2005; Rodgers and Thorson，2000）。男女的视觉代表塑造了我们对性别角色的心理表征，并可以加强或稳定它们 - 数字和模拟媒体，例如报纸，杂志，电视和社交媒体，可以在刻画中归因于严格的作用，在刻画中归因于妇女的性行为，并在男性中比男性更大（Courtney and Lockere and Lockeretz and lockeretz and Milers and Mirers; and and and and and and; and; and; and; and; and； Biocca，1992; Zotos and Tsichla，2014年）。，但在男人和女人的描绘中，即使是简单的风格差异也可能已经巧妙地延续了性别偏见（Archer等，1983； Blumberg，2008； Grau和Zotos，2016）。例如，在线媒体中，女性政治家的代表性影响了选民对她们感知的能力和讨人喜欢的影响（Bligh等，2012），面部突出的变化导致女性对智力的评价较低（Archer等，1983）。自动处理大量潜在偏见的信息一直是近年来在交流研究中特别感兴趣的话题（Goldman，2008； Noble，2018； O'Neil，2017）。这些决定的输出塑造了我们的社会现实（Just and Latzer，2017； Noble，2018）及其对公民和机构的影响数字文化和新媒体研究正在将数据移至其学术叙事的中心；具体而言，媒体平台（例如社交媒体和搜索引擎）的数据现在被视为文化研究对象（Schäfer和van es，2017年）。在这个新范式的背景下，算法的转换和问责制的问题通常是关于平台利用的辩论的最前沿，尽管通常由于其“黑匣子”依赖性，异质性和嵌入性而无法理解，因此在更广阔的系统中（Crawford，2016年Crawford，2016; Kitchin; Kitchin，2017; kitchin; kitchin，2017; reshle; kitchin; kitchin; kitchin; kitchin; kitchin; 2017; reshle;搜索引擎提供商，例如Google或Bing，由于其作为守门人的角色而受到了学术审查：他们通过过滤和排名在网上可用的信息来源来决定内容的相关性（Laidlaw，2010； Schulz等，2005； Wallace，2018）。
可解释人工智能的历史视角
然而，为智能系统配备解释能力的原因不仅限于用户权利和技术接受度问题。设计人员和开发人员还需要可解释性来增强系统稳健性并进行诊断以防止偏见、不公平和歧视，以及增加所有用户对决策原因和方式的信任。因此，能够解释为什么做出某个决定已成为智能系统的理想属性（Doran、Schulz 和 Besold，2017 年）。解释应帮助用户理解系统模型，以便维护和有效使用它；它们还应协助用户调试模型以防止和纠正错误的结论。此外，解释可以起到教育作用，并有助于人们发现和理解应用领域的新概念。最后，解释与用户的信任和说服有关，它们应该传达一种可操作性，并让用户相信系统的决策对他们来说是最方便的。尽管如此，对于什么是解释，以及一个好的解释包含什么，并没有明确的共识。它的表现形式已在不同的人工智能系统和学科中得到研究。在本文中，我们从传统方法以及目前正在开发的方法的历史角度来研究可解释人工智能 (XAI) 的文献。相关文献非常庞大，本文并非旨在对 XAI 文献进行完整概述。20 世纪 80 年代中期以后，人工智能中可解释性的概念与专家系统中的概念一起逐渐消退（Buchanan & Shortliffe，1984；Wick & Thompson，1992），而机器学习技术的最新成功（Guidotti et al.，2018）又将可解释性概念带回人们的视野，既适用于自主系统（Nunes & Jannach，2017），也适用于人机交互系统（Holzinger，2016；Holzinger，Plass，et al.，2019），还应用于推荐系统（Tintarev & Masthof，2015）以及神经符号学习和推理方法（Garcez et al.，2015）。对于每个观点，读者都可以找到机器学习和深度学习（Arrieta 等人，2020 年；Fernandez、Herrera、Cordon、Jose del Jesus 和 Marcelloni，2019 年；Guidotti 等人，2018 年；Mueller、Hoffman、Clancey、Emrey 和 Klein，2019 年）、推荐系统（Nunes 和 Jannach，2017 年；Tintarev 和 Masthof，2015 年）和神经符号方法（Garcez 等人，2015 年）方面更全面的文献综述。本文的目的是提供概述并讨论如何构想不同的可解释性概念（分别是解释格式），并提供几个示例。本文的主要贡献是：