XiaoMi-AI文件搜索系统
World File Search Systemcollecting
收集中产阶级的记忆？疫情……
Covidmemory.lu 是“一个收集来自生活或工作在卢森堡的普通人的 COVID19 相关照片、视频、故事和访谈的平台”。2 该平台由卢森堡当代和数字历史中心 (C 2 DH) 开发。该网站由我们的同事 Sean Takats 在 2020 年 3 月第一次封锁开始时发起，于 2020 年 4 月 3 日上线。它允许用户上传文本和媒体来记录他们在疫情中的日常经历，并探索其他人的分享内容。我们仍鼓励人们上传。他们可以通过一个简单的在线表格来上传，表格中询问他们经历的日期、姓名和电子邮件地址（这三个字段是必填的，但后两个字段不公开），以及可选的昵称和位置。继承历史研讨会的传统，像 covidmemory.lu 这样的快速反应收集旨在打破国家档案馆的沉默，并保护那些原本无法保存的材料。 3
收集有关DNA痕迹起源的信息
a。事件的位置（室外/室内，天气状况，清洁制度）在哪里犯下的犯罪或物品？是否有任何情况可能会影响痕量证据？b。实现所有行动及其顺序的事件和接触方式的确切时间表。也是接触的性质，持续时间和强度。想想：罪犯，与犯罪相关的行为，罪犯，受害者和犯罪行为的行为的准备行为。c。涉及的所有对象的详细信息。它们是什么样的对象，它们是什么样的对象，它们有什么样的表面，受害者，罪犯，其他参与人员或其他物品（可能）（可能）与对象接触？d。事件发生前所有涉及物品的历史记录在导致犯罪的时期发生了什么事？谁与这些物品接触，多久和有什么强度？是否清洁了物体，如果是的话，什么时候？e。有关事件后和包装之前对象发生了什么的详细信息（考试，采样等）例如，犯罪发生后，是否对物体或痕迹采取任何行动？包装之前是否已采样，移动或触摸对象？
收集，分析和宣传住房营业额数据
为了本报告的目的，“住房营业额”是指个人和家庭通过各种法律和外部程序不由自主失去住房的何时。美国的住房离职数据复杂，多样和不一致。每种类型的住房营业额会产生通过各种司法和非司法流程创建的不同形式的管理数据。某些类型的住房营业额，例如通过非正式驱逐产生的营业额，不会在管理数据中留下纸质跟踪。如果可用，管理数据往往会由多个系统或办公室维护，并且根据管辖权，可能几乎没有将此数据组装成可用于分析住房营业额的格式。在某些情况下，可能有一个明确的主要数据源，并且可能是访问和汇总此数据的简单过程。在其他情况下，如果可以访问记录，以及是否以研究人员或政策制定者可以轻松提取数据的格式，则可能没有明显的办公室拥有相关记录。
用于收集和回收空间碎片的集成设计
它们在地球大气中。自然，这样的大型计划需要资金。因此，建议可以通过为每个太空任务设定关税（等于任务成本的3％至5％）来提供融资。收集的资金可用于研究，以便解决该问题的解决方案，并确保空间碎片的回收利用。这项工作也可以用作寻求保护地球环境的人的伴侣。
收集、整理和重复使用制造数据的建议
数据情境化是指将不同类型的数据结合起来，以提供对某些现象更完整的视角的过程 [1]。从数据中提取的信息的质量本质上取决于数据管理过程中开发的情境的适当性。数据必须提供的适当情境又取决于所做决策的观点。例如，车间操作员和工艺工程师可能以不同的方式使用同一组数据，因为他们可能正在解决不同的问题，并根据自己的观点处理这些问题。表 1 摘自参考文献。[1] 概述了产品生命周期中存在的不同观点。管理数据以支持多种观点的关键是认识到每个观点所需的情境可能并不统一 [1]。然而，尽管决策通常会影响产品生命周期的大部分内容，但制造业的决策历来倾向于关注生命周期中某个阶段的一个观点。因此，了解用例并使用它来指导数据收集和管理过程至关重要。通常，人们错误地认为更多的数据会提供更多的价值，从而促使人们从数据的角度来改进流程，而不是让用例来确定任何数据收集计划的要求和规范。与智能制造相关的新技术和标准越来越多，使制造商能够解决更复杂、更有价值的用例 [2]。当今市场上有许多解决方案，这使得在众多选项中进行选择变得具有挑战性。Sec 的目标是。3 是提供如何选择和部署数据连接解决方案的指导，以满足制造商的使用案例。
卢马德人采集传统水稻品种（照片）
稻米是亚洲许多社区非常重要的作物。它不仅是大多数人的主食，也是亚洲文化和社会的重要组成部分。稻米生产大多仍由自给自足的小农户负责。农村地区大多数农业劳动力的生计都与稻米生产或多或少地相关。稻米的品种繁多，从旱地稻米到可以在沿海地区种植的品种。从印度到印度尼西亚，从中国到菲律宾，很容易找到 40,000 多个稻米品种，全球 90% 以上的稻米是在亚洲生产和消费的。尽管米饭被视为一种营养丰富的食物，但它缺乏维生素 A 或其前体 β-胡萝卜素等微量营养素。因此，人们通常将米饭与蔬菜或肉类蛋白质等配菜一起食用，以补充富含米饭的饮食中微量营养素的缺乏。 1999 年，一群由 Ingo Potrykus 博士领导的欧洲科学家试图通过开发含有 β-胡萝卜素的转基因水稻来改变这一现状，
描述性人工智能伦理：收集和理解公众意见
鉴于人工智能 (AI) 系统给社会带来的重大变化，许多学者讨论了它们的影响是否以及如何产生积极和消极影响 [21]。随着我们开始在各种道德和法律突出的环境中遇到人工智能系统，一些人已经开始探索如何调整当前的责任归属实践以适应这些新技术 [19, 33]。当今的一个批判观点是，自主和自学习的人工智能系统带来了所谓的责任缺口 [27]。这些系统的自主性挑战了人类对它们的控制 [13]，而它们的适应性导致了不可预测性。因此，如果这些系统造成任何损害，将责任追溯到特定实体可能是不可行的。将责任实践视为对代理人采取某些态度 [40]，学术研究也提出了人工智能系统是否是此类实践的适当主体的问题 [15, 29, 37] — — 例如，它们可能“有身体可踢”，但“没有灵魂可诅咒” [4]。责任差距的困境不仅限于道德领域，也延伸到法律实践 [5, 9]。当前的法律机构没有能力处理这些问题 [36]。自学习算法的性质对这些系统设计者与可能造成的损害之间的近因关系提出了挑战 [29]。如果这些系统不能补救受到伤害的人或从错误中吸取教训，那么让它们为自己的行为负责是没有意义的。因此，对人工智能系统的惩罚是一个开放且有争议的问题 [3]。我们重点关注当前解决责任差距的规范性努力的局限性。他们讨论了人工智能系统可以并且应该如何嵌入到我们的责任实践中。现有研究将责任视为一个关系概念，即一个人要让做错事的人对特定的行为或后果负责 [ 13 ]，或者代理人要对患者负责 [ 18 ]，而忽略了参与此类实践的个人的意见。目前缺乏实证研究来了解普通公众（那些可能遭受人工智能系统损害的人群）如何看待这些差距，以及如何解决这些问题。在自动驾驶汽车领域已经有一些研究 [ 8 , 25 ]，但对于人们如何为自动驾驶系统的行为分配责任、责备和惩罚，我们缺乏更广泛的理解；人工智能以多种形式和环境部署，很少有研究 [26, 39] 解决其他道德上突出的情况。近年来，人工智能的伦理问题越来越受到关注 [ 38 ]。算法部署所引发的许多问题已在学术界和工业界引起了广泛的争论。人们曾尝试了解人们如何看待人工智能系统的伦理问题，如偏见/公平性[ 23 , 35 ]和隐私[ 43 ]。然而，公众舆论尚未在更大范围内被捕捉和理解。在以下章节中，我们将捍卫公众舆论在讨论人工智能伦理时是宝贵和不可或缺的，重点关注责任差距，并提出如何
在 covid-19 疫苗接种点收集种族和民族数据：...
当疫苗接种者拒绝回应时应考虑的问题 患者可能不愿意提供他们的人口统计数据，因为他们不确定这些信息将如何使用。准备好回答他们的问题或疑虑。最好提前准备好一份综合声明，以缓解尴尬或不舒服的情况。例如，“我们正在收集人口统计信息，以便为这段时间需要帮助的所有社区提供最佳服务。我们会向每个我们帮助的患者询问相同的问题，以避免对我们服务的对象做出假设。”
CBI总结了其国家收集战略计划
第一个阿德尔（Adelle）和欧文·托马什（Erwin Tomash）奖学金与安东尼·甘迪（Anthony Gandy）。甘迪先生是伦敦经济学和政治学院商业历史科的研究生。他将在研究美国计算机行业的Babbage Institute上度过1989-90学年。他的研究涉及对美国计算机硬件和半导体组件的美国制造商进行的研究，作为他的主要研究（战后英国电子行业的出现）的比较基础。甘迪先生从1983年至1986年在威尔士大学学院学习，他从中获得了理学学士学位。经济学荣誉。在开始研究生学习之前，他在Racal Automation Ltd的电子小组中工作了一年。他的论文研究由Leslie Hannah教授指导。0 Anthony Gandy
以患者为中心的药物开发：收集全面且具有代表性的意见
引言 本指南旨在满足 2016 年《21 世纪治愈法案》（以下简称“治愈法案”）第 3002(c) 条的法定要求和《处方药用户付费法案》（PDUFA）VI（根据《2017 年 FDA 再授权法案》（FDARA），第一章授权）做出的承诺，即发布方法学指南来支持以患者为中心的药物开发。根据《治愈法案》第 3002(c)(1) 条发布的指南应涉及以下内容：“寻求收集患者体验数据以提交给部长并由部长用于监管决策的人员可使用的方法学方法，这些方法学方法相关且客观，并确保此类数据准确且代表目标人群，包括在整个药物开发过程中收集有意义的患者意见的方法以及数据收集、报告、管理和分析的方法学考虑。”除此《治愈法案》规定外，FDA 还承诺根据 PDUFA VI 重新授权绩效目标第 IJ 条发布一系列指南，旨在“加强将患者的声音纳入药物开发和决策中”，该系列的第一份指南（称为“指南 1”）涵盖与《治愈法案》第 3002(c)(1) 条相同的方法论主题，同时还承诺包括标准化命名法和术语。《治愈法案》 2 将“患者体验数据”定义为包括以下内容：1 本指南由美国食品药品管理局药品评估与研究中心 (CDER) 新药办公室和转化科学办公室与生物制品评估与研究中心 (CBER) 合作制定。 2 为了本指南的目的，患者体验数据的定义见《21 世纪治愈法案》第三章第 3001 节，该法案经 2017 年《食品药品监督管理局再授权法案》（FDARA）第 605 节修订。