XiaoMi-AI文件搜索系统
World File Search SystemZom
经济僵尸化？评估法国政府在新冠疫情封锁期间的支持效果
本文评估了在卫生危机期间，由于政府部门向企业提供无条件财政支持，法国经济出现僵尸化的风险。我们基于局部均衡模型建立了一个简单的理论框架，以模拟大量法国企业面临的流动性和偿付能力压力，并评估政府支持措施的影响。模拟结果表明，这些政策帮助健康但流动性不足的企业抵御了疫情带来的冲击。此外，分析没有发现“僵尸化效应”的证据，因为政府支持并没有过度惠及生产率较低的企业。
柔佛州拉美士保护森林中选定的僵尸蚂蚁真菌的 DNA 条形码
冬虫夏草属是一属昆虫病原真菌，由于其多样化的生态作用和有希望的生物医学应用，近年来受到越来越多的关注。然而，冬虫夏草属的物种多样性仍然未知，尤其是在马来西亚半岛。这项研究使用 SSU 和 tef 的 DNA 条形码技术来鉴定 Hutan Simpan Labis（西 Endau-Rompin）中存在的感染蚂蚁的冬虫夏草属的种类。此外，本研究还旨在记录所选冬虫夏草属的有性和无性形态。初步的 SSU 和 tef DNA 结果和形态学表明，Hutan Simpan Labis 中的样本最有可能是 O. cf. unilateralis。这项研究生成了第一个 SSU 和 tef DNA 序列，并报告了 Hutan Simpan Labis 中冬虫夏草属的真菌形态。
瞄准伊斯顿中心的靶心僵尸蛋白
在这里，我们重点介绍一个合作项目，旨在开发阿尔茨海默病和帕金森病的新疗法。这项计划得到了 Jim 和 Phyllis Easton 的慷慨捐赠，他们在 Easton 公司和各种体育计划中都有组建成功团队的历史，包括对射箭和奥运会以及加州大学洛杉矶分校田径运动的国内和国际支持。Easton 家族创立并继续支持 Mary S. Easton 阿尔茨海默病中心，以鼓励校园内多个实验室之间的跨学科合作和团队合作，并促进对神经退行性疾病的理解和治疗的创新突破。我们试图设计和测试一种针对导致阿尔茨海默病、帕金森病和各种其他神经系统疾病（统称为“蛋白质病”）的畸形或错误折叠蛋白质的药物。虽然每种疾病都涉及独特的畸形蛋白质，但所有疾病都具有形成细长链或“淀粉样纤维”的共同特征。像僵尸一样，它们将正常蛋白质转化为新的僵尸样纤维，这一过程称为“播种”。然后纤维从一个神经细胞扩散到另一个神经细胞，随着疾病的进展，不可逆转地破坏电路。三个合作团队牵头开展了这个项目。加州大学洛杉矶分校分子生物学研究所的首席结构和计算生物学家 David S. Eisenberg 博士带领他的团队确定了蛋白质结构中的关键毒性区域，并设计了针对这些区域的药物，以减缓或逆转毒性纤维的形成和扩散。加州大学洛杉矶分校神经病理学核心中心的 Harry Vinters 博士及其团队使用了
立即安全！#917 - 04-04-23 - 僵尸软件
本周，我们回答了过去一周出现的问题：什么时候攻击不是攻击？当我们的 AI 霸主到来时，我们该如何称呼他？为什么意大利对 ChatGPT 说“不”？Twitter 将其代码发布到 GitHub 告诉我们什么？为什么印度在搜索比 Pegasys 更不为人所知的商业间谍软件，民主峰会对此有何看法？FDA 最终在医疗设备安全更新问题上采取行动了吗？在第一次“黑掉五角大楼”审判七年后，五角大楼仍然屹立不倒，不是吗？然后，在处理了一些杂事、听众反馈和我正在进行的 SpinRite 工作更新后，我们使用 CISA 的 KEV 数据库来探索如何准确定义“僵尸软件”的问题，并回答僵尸会吃掉谁的大脑的问题？
经济僵尸化？评估法国政府在新冠疫情封锁期间的支持效果
9 参见 Hamilton ( 2020 )。请注意，在估计该过程之前，我们将所有工业生产序列转换为增长率以确保平稳性。根据公式 9 的残差计算的行业特定增强迪基-福勒 (ADF) 检验的所有 p 值均小于 10%（其中 99% 低于 5% 的阈值），表明 AR(1) 分量或月度虚拟变量已考虑到工业生产增长时间序列中存在的自相关性。
循环中的僵尸？人类信任不值得信赖的人工智能顾问做出道德决策
值得信赖（Jobin 等人，2019 年）。例如，美国政府推进“可信赖人工智能的开发和使用”（国家人工智能计划办公室，2021 年）。同样，欧盟也制定了“可信赖人工智能的道德准则”（欧盟委员会，2019 年）。可信度被认为是人工智能赢得信任的必要条件，而信任反过来“也是人工智能在我们的日常生活中得到富有成效和普遍使用所必需的”（IEEE 2017，第 2 页）。虽然从规范的角度来看这种说法是直观的，但它也基于信任需要可信度的经验假设。然而，几乎没有证据支持人工智能的这一论点。本研究的目的是调查用户对人工智能学习道德顾问的可信度有多敏感。人工智能算法已经征服了人员招聘、贷款分配、刑事判决或自动驾驶等领域（Rahwan 等人，2019 年）。它们做出并帮助我们做出至关重要的决策，并实际上已成为道德主体（Whitby，2011 年；Voiklis 等人，2016 年）。特别是，算法可以充当其人类用户的道德顾问，而人类仍然做出决策并对此负责。人类参与算法决策增强了对算法的感知控制，并被发现可以增加信任（Dietvorst 等人，2015 年；Burton 等人，2020 年）。因此，参与其中的人被认为是打造值得信赖的人工智能的基石（欧盟委员会，2019 年）。然而，这种说法假设人类用户不会天真地信任算法，无论算法多么值得信赖，而是会仔细检查其建议，并在出现危险信号时做出自己的决定。对于学习型人工智能而言，训练数据的透明度和完整性是算法值得信赖的最低要求（IEEE，2017 年；Lepri 等人，2018 年；欧盟委员会，2019 年）。人们对算法的一个主要担忧是它们有偏见（Mittelstadt 等人，2016 年；Jobin 等人，2019 年），而透明度可以帮助缓解这一担忧。首先，我们探讨如果用户对算法如何生成建议一无所知，他们是否会信任算法的道德建议。我们的基准是基于公正的人类顾问的判断的人工智能生成的建议。虽然人类的判断是出了名的不透明，但公正的顾问的概念会让人联想到理想的观察者，并让被建议者了解建议是如何产生的（Jollimore，2021 年）。因此，如果用户知道算法是根据公正的人类顾问的判断进行训练的，那么算法对用户来说就比对算法如何生成道德建议一无所知时更加透明。其次，我们研究当算法训练数据的完整性值得怀疑时，用户是否信任算法的建议。具体来说，我们假设许多人不信任被定罪的罪犯的道德建议。事实上，道德判断会受到病态特征的损害（Campbell 等人，2009 ；Jonason et al., 2015 ；Blair, 2017 )，这在犯罪者中很常见。最近也有证据表明，犯罪者的判断相对于平均人群存在偏差（Koenigs et al., 2011 ；Young et al., 2012 ；Lahat et al., 2015 ）。当然，犯罪并不一定源于缺乏道德判断。人们常常知道什么是对的，但仍然做错事。我们仍然可以合理地假设，来自罪犯的训练数据被认为是有偏见的，教育、就业和住房方面的歧视表明了对罪犯的根深蒂固的不信任（Sokoloff & Schenck-Fontaine, 2017 ；Evans et al., 2019 ；Sugie et al., 2020 ）。
瑞典的僵尸公司：对现实经济和金融稳定的影响
本文使用在2002 - 2016年期间使用有限责任（Aktiebolag）的非金融公司宇宙调查了瑞典僵尸公司的现象。遵循McGowan等人的定义。（2018），这项研究表明，瑞典经济中僵尸公司的百分比在2010 - 2016年期间始终下降。在2016年，样本中总数的3％可以归类为僵尸公司。共同吸收了同一年，金融机构给所有非金融公司借出的总额的5％。重要的是，僵尸公司在2010 - 2016年期间始终减少对金融机构的接触，同时收到了股东的大量捐款。本研究还记录了一个行业中僵尸公司的存在主要与非僵尸公司的增长无关。最后，本文说明，在持续降低利率的期间，2011 - 2016年，企业成为僵尸公司的可能性并没有大大增加。在同一时期内，将公司重新分类为非僵尸公司的可能性确实增加了。总的来说，我的分析表明，在瑞典，僵尸公司不会对金融稳定或经济增长构成重大威胁。