XiaoMi-AI文件搜索系统
World File Search Systemactionable
可操作的网络智能
•专门的公司和政府高级领导人（C-Suite级别）应举行虚拟的每周会议，以领导，管理和指导CICC的有效人员配备和运作。•最初CICC成员公司和情报分析师和相关机构的代表的初级高管将提供指导。•CICC成员公司将为初级高管提供正确的功能和公司系统的经验，以了解信息/情报及其影响。在这个角色中，他们将帮助快速提供见解，以确定必要的缓解措施。•CICC成员公司还将提供网络分析师来监视其公司网络并访问自愿性CICC数据湖（其中成员公司将共享信息，例如NetFlow或运营技术网络数据），以比较威胁指标。•来自IC中多个机构的情报分析师和工程师将参与其中，相关联邦机构（例如，SSA）的代表应在观察场上。
可行计划简介
行动计划是部门或学校范围的计划，用于组织和协调实施旨在改变学校运营的举措。 2 行动计划提供了有关学校人员如何实施若干具体、可衡量的步骤以实现预定目标的说明。 3 为帮助确保计划可行，这些计划必须在明确定义的参数内可实现且相关，以便相关人员能够适当地集中注意力和资源。 4 行动计划是学校改进过程的组成部分，其中还包括制定共同为行动计划提供信息的目标和策略。 5 行动计划完成后，作为持续改进周期的一部分，将经常对其进行审查和多次修订，以“满足学校社区不断变化的需求”。 6 右图概述了这一改进周期。通常，州、部门和学校使用行动计划来支持表现不佳的学校并解决对绩效的担忧。 7 上级部门（例如州政府机构）可能会要求制定行动计划，或者学校和部门可以自愿进行该过程。 8 行动计划的其他原因和好处包括：9
新的可行目标之地
在过去的十年中，基因组学和表观基因组学研究揭示了在慢性淋巴细胞白血病 (CLL) 预后和演变中发挥重要作用的新变异[ 1 – 6 ]，揭示了 CLL 的遗传和患者间异质性。调节 CLL 细胞增殖和存活的微环境信号会影响该疾病的行为[ 7 ]。根据免疫球蛋白 (Ig) 重链可变区 (IGHV) 基因的突变状态，已鉴定出两种主要的 CLL 分子亚组。含有未突变 IGHV 基因（U-CLL，与种系的同一性 ≥ 98%）的 CLL 亚组源自未经历生发中心的 B 细胞，而含有突变 IGHV 基因（M-CLL，与种系的同一性 < 98%）的 CLL 亚组源自生发中心后的 B 细胞[ 8 – 10 ]。此外，约三分之一的 CLL 病例表现出几乎相同的免疫球蛋白重排，称为刻板型 [ 11 ]。其中一些亚组
为气候就绪决定提供可行的信息...
•Cross-NOAA line office partnership •Develop national infrastructure to enhance NOAA's climate modeling and forecasting capabilities in support of the nation's living marine resources •Extend Earth System components developed/applied at global scale to regional scales •Stakeholder engagement (e.g.NOAA Sanctuaries, NOAA Fisheries) •Data and products from CEFI will ultimately assist resource managers, coastal communities, and other stakeholders • CEFI: https://www.fisheries.noaa.gov/topic/climate-change/climate,-ecosystems,-and -fisheries
人工智能政策的可行原则
• 已提交的稿件是文章提交后、同行评审前的版本。已提交的版本和正式出版的版本之间可能存在重大差异。建议对研究感兴趣的人联系作者获取出版物的最终版本，或访问出版商网站的 DOI。• 最终作者版本和样稿是同行评审后的出版物版本。• 最终出版版本包含论文的最终布局，包括卷、期号和页码。出版物链接
人工智能政策的可行原则
摘要 在制定以伦理为依据的人工智能 (AI) 政府政策时，目前采用的一种途径是借鉴“AI 伦理原则”。然而，这些 AI 伦理原则往往未能在政府政策中付诸行动。本文提出了一个制定“AI 可操作原则”的新框架。该方法承认 AI 伦理原则的相关性，并着重研究方法要素，以提高其在政策过程中的实际可实施性。作为案例研究，从欧洲委员会“AI 高级专家组”的《可信 AI 伦理指南》的制定过程中提取了要素。随后，根据这些要素对制定“AI 可操作原则”原型框架的贡献能力，对这些要素进行了扩展和评估。本文就此类原型框架的形成提出了以下三点主张：（1）初步景观评估；（2）多利益相关方参与和跨部门反馈；（3）支持实施和可操作性的机制。
从预测性人工智能转向可操作性人工智能
实施起来非常容易，因为它完全依赖于关联 [5]。例如，虽然姑息治疗咨询和去甲肾上腺素输注都高度提示患者死亡，但不能合理地得出停止任何一种治疗就会降低患者死亡概率的结论 [6]。换句话说，预测性人工智能不能指导ICU临床医生做什么，因为它只提供预警。对于为ICU医生提供治疗决策建议的人工智能，即“可操作的人工智能”，需要考虑因果关系。可操作的人工智能应该执行因果推理任务 [3]，这意味着它可以预测（未来）患者的结果或由替代治疗决策导致的事件。通过比较这些结果，可操作的人工智能可以就导致最佳预测结果（即最佳治疗）的治疗方案提供建议。在医学中，因果推理任务传统上是通过进行随机对照试验（RCT）来完成的。治疗的随机化使人们能够将治疗组之间的结果差异解释为治疗的因果效应。因此，人们可以简单地比较结果并得出结论，具有最佳观察结果的结果代表最佳治疗。然而，在观察性研究中，因果推理任务更为复杂，通常因共同原因（混杂偏差）和对共同效应的选择（选择偏差）而加剧。因此，为了让人工智能从观察数据中“学习”因果推理任务，它需要调整这些偏差。要做到这一点，关键是使用适合所考虑治疗类型的调整方法。
可操作的构建建模 - NATO STO
本文概述了在基于效果的目标确定过程中描述可操作知识构建相关的建模问题。这些问题的核心是需要考虑未来针对第四代对手的联盟行动的各种政治、军事、经济、社会、信息和基础设施维度。这种类型的战争反映了一个棘手的问题空间，其中任何指挥、控制、情报、监视和侦察 (C2ISR) 系统面临的一个主要挑战是在这个多维战场空间中正确制定行动框架。本文介绍了作者在当前研究中解决的一些建模问题：(1) 将指挥意图目标抽象分解为关键重心、支持这些重心的功能元素以及组成每个功能元素的战场空间节点；(2) 通过 Leontief 输入输出矩阵表示感知的数据/框架模型，使建模者能够近似每个参与者的隐性知识； (3) 明确描述 C2ISR 组织内的协作，反映不同参与者的隐性知识矩阵如何组合使用；(4) 考虑各种协作障碍——技术、认知、社会和组织——这些障碍影响 C2ISR 识别、链接和促进特定参与者代表不同利益相关者和专业领域的过程；(5) 评估 C2ISR 系统性能，评估内容包括计划的目标行动实现总体指挥意图目标的程度，以及由于对目标决策不符合交战规则和其他作战约束审查不充分而导致的意外负面后果程度。这种建模策略允许建模者构建透明的“审计线索”，将国家在信息技术、领导力发展、员工培训、人事管理和人员配备政策方面的投资与 C2ISR 系统产生的可操作知识的质量联系起来。