在医疗保健领域实施人工智能 (AI) 的想法越来越受欢迎,尤其是在决策和诊断领域。这是因为 AI 在速度和准确性方面都胜过人类。例如,Scott Mayer McKinney 及其同事展示了一个 AI 系统,它在预测乳腺癌方面的表现优于六名医生,并且该系统可以将第二位读者的工作量减少 88% (1)。如果这种表现表明 AI 在医疗保健领域的潜力,那么广泛的应用可能会彻底改变诊断和决策。对于 AI,没有统一的定义,每个人都可以可靠地同意,但通常有两三个高级区别来理解这些类型的技术。第一种是专为特定目的而构建的反应系统,有时称为“狭义”或“弱”AI。第二种是“通用”系统,它们能够在数据集上进行训练并自行学习(有时这些系统被归入“狭义”类别)。最后一种系统称为通用人工智能或“强”AI,目前完全是理论上的。这些系统可以复制自主的人类智能(2)。以下是公众可能熟悉的这些不同类型系统的一些示例:Stockfish(国际象棋游戏系统)、IBM 的 Watson(为 Jeopardy 构建,但现已应用于医学)和 HAL(2001:太空漫游中的流氓计算机助手)。在本文中,我重点介绍“通用”AI。然而,尽管“通用”AI 具有潜力,但它尚未广泛应用于医疗决策,至少在实验环境或创新医院环境之外。相反,该领域的大多数人工智能或多或少都属于“狭义”类别,因为它们被用作诊断工具,而不是决策者。我打算研究三种可用于医疗保健的高级“通用”人工智能类别:不透明系统(有时通俗地称为“黑匣子”),可解释的人工智能(有时通俗地称为“白匣子”)和半透明系统(“灰匣子”)。不透明系统是用户无法访问系统用于实现输出的底层过程的系统。这些通常被认为是高度准确的,但以牺牲问责制为代价(3)。可解释的人工智能是分配给那些允许用户清楚地解释行为、预测和影响变量的系统的一个类别。这些都是透明且可信赖的,但通常功能不足以做预测或模式匹配以外的更多事情。最后,半透明的“灰盒”是一个较少讨论的类别,它捕获了介于不透明和完全透明之间的系统。尽管存在这种中间类别,但辩论往往将半透明系统排除在讨论之外,而是在透明或不透明系统之间提出二分法选择。灰色系统的引入将讨论从二分法转变为一系列潜在工具。
Meise,K.,Busch,J.,Luna,S。(2024)研讨会报告:Wadden Sea中的CO2固换 - 知识和开放问题的状态。普通的瓦登海秘书处,德国威廉舍文。
当前的研究表明,沿海湿地,尤其是盐木和海草床,比森林和其他陆地栖息地更高的碳含量要高得多。鉴于气候变化的加速影响,评估不同栖息地类型的二氧化碳隔离潜力并量化其对温室气体减少的贡献的兴趣越来越大。At the latest Trilateral Governmental Conference in 2022, the Trilateral Governmental Council decided to ‘investigate the role of the ecosystem service value of carbon sequestration by typical Wadden Sea habitats like seagrass beds and salt marshes and their contribution to the EU greenhouse gas reduction targets whilst preserving the Outstanding Universal Value' ( CWSS, 2023 , see also SIMP ).代表科学,自然保护或管理的专家之间的信息交换是更好地了解Wadden Sea中CO 2隔离的当前知识状态的关键,并评估该地区有助于减少温室气体的潜力。本网络研讨会应是获得可用信息概述的第一步,同时还为专家提供了讨论的机会,例如知识差距,对CO 2进行三边评估的机会和/或管理措施对Wadden Sea中CO 2隔离的潜在影响。我们计划从正在进行的项目上进行多次演讲,理想情况下涵盖了不同的瓦登海栖息地类型,然后在突破小组中进行时间讨论关键主题,使所有参与者有机会为讨论做出贡献。
Marlies A. van der Lugt 1, 2 , Jorn W. Bosma 3 , Matthieu A. de Schipper 1 , Timothy D. Price 3 , Marcel CG van Maarseveen 3 , Pieter van der Gaag 1 , B. Gerben Ruessink 3 , Ad JHM Reniers 1 , Stekhof AJ 和 GJ 1