XiaoMi-AI文件搜索系统
World File Search Systemcentered
通过员工参与实现以人为本的人工智能
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
阿尔茨海默氏病是以个人为中心的疾病吗？从原子水平到生物系统的数学模型的假设
阿尔茨海默氏病（AD）是一种痴呆症的影响，在神经病理学上以淀粉样蛋白β（aβ）斑块和神经纤维缠结（NFT）的沉积为特征，而这反过来会导致神经变性并引起神经变性和临床症状（1）。aβ来自β和⋎泌尿酶对淀粉样蛋白前体蛋白（APP）的顺序加工。App肽，例如β1-42或β1-40，可以通过诱导氧化应激，抑制膜通道的功能或影响运输/排序机制，形成寡聚物，小聚集体或纤维细胞和损伤神经元。据信，β1-42引起tau的高磷酸化，这又导致纤维聚集和神经毒性（2）。在过去的几十年中，旨在阐明AD病因并促进新疾病修饰药物的发展的研究过度生长。除了这些巨大的效果外，对AD病因和致病性级联反应的全部理解仍然隐藏起来。几项研究表明，通常在AD患者的大脑中确实存在其他错误折叠的蛋白质，而不是例外（3）。已经假设病理错误折叠的蛋白可能会促进协同病理学和相互错误折叠和聚集（4）。由于异常蛋白质触发的致病机制的相互影响可以塑造AD，导致多种神经病理变体。在本文中，我们假设AD变体是由对复杂生物网络观察到的非线性调节引起的（5）。
麻醉中以患者为中心的精度护理
crispr：洛杉矶（TE）the Frontier利用基因组信息提供高度个性化的治疗计划是医疗保健的一场革命。通过仔细检查个体的DNA，医疗保健提供者可以鉴定出影响疾病风险，治疗效率以及对药物副作用的可疑性的遗传变异。随着CRISPR的出现，医疗保健景观经历了撤销的转变（群集定期间隔短的短质体重复序列）技术，尤其是开创性的CRISPR/CAS9系统[9]。这项创新已成为基因技术最锋利的工具之一，类似于分子剪刀，可以精确地修改遗传密码[10]。传统的基因检测方法经常在特殊性和特殊性中抓取限制性。crispr通过使研究人员和卫生保健提供者能够以无与伦比的精度来查明和修改基因组的特定基因或区域，从而提高了基因检测的准确性[11]。这种精度有助于确定影响疾病风险，治疗功效和对药物副作用的易感性的细微遗传变异。CRISPR在基因组编辑方面的效率对个性化的医学具有深远的影响。该技术对基因组进行快速而精确的修改的能力简化了基因检测过程。除了诊断之外，CRISPR为基于确定的遗传变异而为靶向疗法铺平了道路。这个目标
朝着以人为本的AI管理
作为由人工智能提供支持的算法（AI）越来越多地参与了组织的管理，当机器能够对人类获得权力时，必须进行以人为本的AI管理研究并了解人们的感受和行为。两种主流方法 - 小插图研究和案例研究 - 揭示了重要但不一致的见解。在这里，我们讨论了小插图研究的局限性（情感预测错误，有偏见的媒体覆盖范围和问题替代）和案例研究（社会可取性偏见以及缺乏随机分配和控制条件），这可能会导致他们分别对AI管理的负面和积极的反应过高。我们进一步讨论了减轻这些局限性的第三种方法的优势：众包市场上的现场实验。一项关于亚马逊机械土耳其人（MTURK；作为世界领先的众包平台）的概念证明研究表明，人类对AI管理的反应独特，与Vignette或案例研究中的AI管理不完全一致。参与者（n = 504）在AI与人类管理方面没有显着差异，在绩效，内在动机，公平感知和承诺方面。我们建议，众包的Mar Ketplaces可以超越人类的研究主题库，并成为AI管理的工作场所的模型，促进及时的行为研究以及对以人为中心的工作设计和组织的强大预测。
以人为本的外太空安全方法
技术趋势和外太空活动的快速扩展正在为采取有效措施确保该关键领域的和平与安全的新紧迫。联合国在该领域的努力传统上是为了防止外太空的任何军备竞赛，旨在调节主要军事力量之间的战略竞争。
以用户为中心的评估框架和相互作用因素 - 医疗设备制造案例研究
使用远科机器人在手术，军事任务或救援活动中的使用越来越普遍，因此，实现人体工程学设计和最佳系统操作员性能的准则也越来越普遍。但是，在医疗设备制造中，尤其是用于精细操作和高度精确的操作，现有的人机接口和互动（HMII）设计标准迄今为止无法确保具有成本效益的人体工程学的远程处理解决方案，这些解决方案符合该案例的可用性，可用性，可靠性，可靠性，可靠性，可靠性，并确定了这一案例。我们分析了应用于医疗设备制造的远程动物系统的最相关的人类系统界面和交互要求，并扩展了当前标准，并在该领域的最新研究结果中获得了知识。我们通过提出基于用例的远程动态系统架构和实验设置来进一步做出贡献，以以人为中心的评估HMII设计。
探索以人为本的人工智能解释对信任和依赖的影响
透明度被广泛认为对于人工智能 (AI) 在现实世界中的负责任部署至关重要，也是建立对 AI 的信任的必要先决条件。实现透明度的方法有很多种，其中一种很有前途的尝试是以人为本的解释。然而，很少有研究关注以人为本的解释对最终用户信任的有效性。现有实证研究的比较之所以复杂，是因为信任的衡量方式不同。一些研究人员使用问卷来衡量主观信任，而另一些研究人员则衡量客观的信任相关行为，如依赖。为了弥合这些差距，我们研究了两种有前途的以人为本的事后解释——特征重要性和反事实——对信任和依赖的影响。我们在决策实验 (N = 380) 中将这两种解释与控制条件进行了比较。结果表明，以人为本的解释可以显著增加依赖性，但决策类型（提高价格还是降低价格）的影响更大。这挑战了透明度在涉及人工智能的人类决策中相对于其他因素（例如潜在的启发式和偏见）的假定重要性。我们得出结论，信任并不一定等同于依赖，并强调了适当、经过验证和商定的指标对于设计和评估以人为本的人工智能的重要性。
设计以人为本的人工智能系统时的要求、实践和差距
背景：工程人工智能 (AI) 软件是一个相对较新的领域，面临许多挑战、未知数和有限的经过验证的最佳实践。谷歌、微软和苹果等大公司提供了一套最新指南，以帮助工程团队构建以人为本的 AI 系统。目标：目前从业者为开发此类系统所采用的实践，尤其是在需求工程 (RE) 期间，迄今为止很少被研究和报道。方法：本文介绍了一项调查的结果，该调查旨在了解 AI 需求工程 (RE4AI) 的当前行业实践，并确定应遵循哪些以人为本的关键 AI 指南。我们的调查基于对现有行业指南、最佳实践和文献中的努力的映射。结果：我们调查了 29 名专业人士，发现大多数参与者都同意我们映射的所有以人为本的方面都应该在需求工程中得到解决。此外，我们发现大多数参与者都在使用 UML 或 Microsoft Office 来提出需求。结论：我们发现，目前使用的大多数工具都没有配备管理基于 AI 的软件的功能，而使用 UML 和 Office 可能会对捕获 AI 需求的质量造成问题。此外，指南中映射的所有以人为本的实践都应包含在 RE 中。© 2023 作者。由 Elsevier B.V. 出版。这是一篇根据 CC BY-NC-ND 许可开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
以人为本的人工智能软件系统需求工程框架
[背景] 近年来，用于构建软件解决方案的人工智能 (AI) 组件大幅增加。然而，这些解决方案中的许多都侧重于技术方面，而忽略了关键的以人为本的方面。[目的] 在构建基于 AI 的软件时，在需求工程 (RE) 中纳入以人为本的方面有助于实现更负责任、公正和包容的基于 AI 的软件解决方案。[方法] 在本文中，我们提出了一个基于以人为本的 AI 指南和用户调查开发的新框架，以帮助收集以人为本的基于 AI 的软件需求。我们提供了一个目录来引出这些需求，并提供了一个概念模型来直观地呈现它们。[结果] 该框架应用于案例研究，以引出和模拟提高面向虚拟现实 (VR) 用户的 360° 视频质量的需求。[结论] 我们发现，我们提出的方法有助于项目团队充分了解项目交付的以人为本的需求。此外，该框架有助于了解在基于 AI 的软件工程过程的初始阶段和后期阶段需要捕获哪些需求。