XiaoMi-AI文件搜索系统
World File Search Systemconcerns
使用物联网设备通过传感器监测员工的心理负荷：调查管理者的期望和担忧
尽管对心理工作负荷的客观评估一直是人为因素研究的重点，但很少有研究调查利益相关者对其在实际工作场所实施的态度。本研究通过调查三个欧洲国家（德国、英国、西班牙）的 702 名管理人员，了解他们对基于传感器的员工心理工作负荷监测的期望和担忧，解决了这一研究空白。数据证实了对工作场所设计和员工福祉改善的期望，以及对员工隐私和主权限制的担忧，对于实施工作负荷监测的相关性。此外，贝叶斯回归模型表明，所考察的期望与管理者支持公司工作负荷监测的意愿呈显著的正相关。隐私问题被认为是接受工作负荷监测的重大障碍，无论是从管理者中的普遍性还是与监测支持之间的强烈负相关来看。
使用物联网设备通过传感器监测员工的心理负荷：调查管理者的期望和担忧
尽管对心理工作负荷的客观评估一直是人为因素研究的重点，但很少有研究调查利益相关者对其在实际工作场所实施的态度。本研究通过调查三个欧洲国家（德国、英国、西班牙）的 702 名管理人员，了解他们对基于传感器的员工心理工作负荷监测的期望和担忧，解决了这一研究空白。数据证实了对工作场所设计和员工福祉改善的期望，以及对员工隐私和主权限制的担忧，对于实施工作负荷监测的相关性。此外，贝叶斯回归模型表明，所考察的期望与管理者支持公司工作负荷监测的意愿呈显著的正相关。隐私问题被认为是接受工作负荷监测的重大障碍，无论是从管理者中的普遍性还是与监测支持之间的强烈负相关来看。
一封回应疫苗担忧和错误信息的公开信
全球已有 25 万人接种了至少一剂 COVID-19 疫苗，接种量超过 62 亿剂。此外，研究人员还评估了通过自我报告系统确定的重要安全信号。许多卫生机构和咨询小组独立分析了研究结果并支持接种 COVID-19 疫苗，其中包括加拿大公共卫生署 (PHAC)、加拿大国家免疫咨询委员会 (NACI)、美国疾病控制和预防中心 (CDC) 和免疫实践咨询委员会 (ACIP)、世界卫生组织 (WHO)、欧洲疾病控制中心 (ECDC) 以及其他全球公认的权威信息来源。还必须说，我们的医院和重症监护室里挤满了感染 COVID-19 的人，而不是患有疫苗相关问题的患者。在当地，艾伯塔省卫生部和艾伯塔省卫生服务局 (AHS) 为卫生专业人员和患者提供最新信息。 AHS 的 COVID-19 科学顾问小组制定了快速证据简报，以使用不断发展的最佳证据来回答问题，并向卫生专业人员提供建议。据 CDC 称，美国和其他国家的多项研究表明，两剂 COVID-19 mRNA 疫苗可有效对抗由祖先和变异毒株引起的 COVID-19 感染（包括有症状和无症状感染）。它们还可有效预防重症、住院和死亡。截至 2021 年 9 月 29 日，加拿大已有超过 27,000 人死于 COVID-19。疫苗接种前的死亡率高于现在，但已知病例的总体死亡率为 1.7%。死亡并不是唯一重要的结果，因为除了社区正在经历的社会混乱之外，还有健康的年轻人在感染 COVID-19 和复杂的住院后经历长期的 COVID 后遗症。这种疾病给艾伯塔省带来了直接和间接的悲剧和毁灭性后果。虽然疫苗被证明可以有效预防严重感染、住院和死亡，但没有一种疫苗是 100% 有效的。一些接种疫苗的人可能会被感染，但在大多数情况下，任何疾病表现都相对较轻。尽管这种情况很少发生，但在我们试图为大多数人口接种疫苗时，越来越多的人中只有一小部分人看起来像是接种疫苗后感染。这并不意味着疫苗不起作用，随着我们社区中接种疫苗的人数增加，社区中 COVID-19 感染的总数将会下降。这将有助于保护那些在完全接种疫苗后可能无法得到充分保护的免疫和其他健康状况不佳的人，并保护尚未接种疫苗的儿童。疫苗可显著降低接种疫苗者感染 COVID-19 的几率，从而降低阿尔伯塔省居民感染病毒的风险。我们对疫苗预防传播的了解：目前的证据支持疫苗可降低 COVID-19 传播给他人的风险。目前的证据不支持疫苗不能预防传播，因此接种疫苗毫无意义。
交易中的信息共享问题
在欧洲委员会在Altice/PT葡萄牙合并案（2018年4月）的最新决定中，委员会得出结论，购买协议的某些规定导致Altice获得对PT葡萄牙行使决定性影响的合法权利，例如，通过授予Altice Veto Veto Veto权利，涉及PT葡萄牙的决策。在某些情况下，Altice实际上对PT Portugal业务的各个方面行使了决定性的影响，例如，通过在任何机密协议的框架之外提供有关如何开展营销活动以及寻求和收到有关PT葡萄牙的详细商业敏感信息的指示。虽然当局不反对交易文件中的价格调整条款，但他们确实对一项条款提出了质疑，该条款得出了一定的合同和投资的结论，但得到了购买者批准。
AXPC 对 2021 年清洁未来法案 HR1512 表示严重关切 美国勘探与生产委员会 (AXPC) 代表最大的
• 自 EPA 最初作出监管决定以来，勘探和生产 (E&P) 废物一直根据《资源保护和回收法》(RCRA) 被列为非危险废物。 • EPA 多次评估并确定各州有效地管理这些废物。EPA 在最近的评估中表示，“目前没有必要根据《资源保护和回收法》D 部分对原油、天然气和地热能勘探、开发和生产废物的联邦管理法规进行修订。” 1 这项立法要求对 E&P 废物进行联邦审查。EPA 要求各州证明其计划的充分性和持续改进。EPA 定期审查各州的计划，包括通过州石油和天然气监管交易所 (交易所) 和州石油和天然气环境法规审查 (“STRONGER”)。 • EPA 的新制度将无法解决区域差异问题，并将主要权力从最有经验的州转移出去。如果各州认为特定州的因素或问题有必要，它们可以自由地施加更严格的要求。现行监管框架赋予各州解决其管辖范围内特有问题的关键权力。• 各州已经拥有管理生产废物处置所需的工具。如果 EPA 改变方针，并根据定向审查将与勘探与生产作业相关的采出水和钻屑重新归类为危险品，这项立法可能会取消这些工具。鉴于危险废物注入井数量较少，而且近 40 年来禁止批准新的注入井，重新分类可能会导致废物管理方案带来更大的泄漏风险。
约克大学人工智能哲学 AP/PHIL/COGS 3750 3.00（Lect 01）2021 年冬季课程类型：讲座 | 星期四，下午 2:30（EST），3 小时 | 地点：Zoom | Cat# M73K01（AP COGS）/ W55M01（AP PHIL）重要日期：1 月 11 日（学期开始）、1 月 14 日（第一堂课）、2 月 13-19 日（冬季阅读周）、3 月 12 日（不获得成绩的最后一天退课）、4 月 8 日（最后一堂课）、4 月 12 日（冬季课程结束）、4 月 13 日（本学期提交作业的最后一天）、4 月 14-28 日（冬季考试期）课程讲师：Michael Barkasi（barkasi@yorku.ca）办公时间：通过 Zoom，星期四，下午 1:30-2:30（EST）；可能的其他时间。需要预约（请发送电子邮件）。先决条件：AP/PHIL/COGS 2160 3.00 或 AP/PHIL 2240 3.00 之一 参加课程的技术要求：eClass 访问和 Zoom。强烈建议学生参加周四的 Zoom 讲座并积极参与麦克风和视频，但这不是强制性的。（如果愿意，参加 Zoom 会议的学生可以关闭摄像头并将麦克风静音。） 讲座将被录制并通过 eClass 提供给那些不能参加的学生。（与学生的讨论时间不会被记录，因此不参加 Zoom 会议的学生将错过课堂的这一部分。） 以下是一些有用的学生计算信息、资源和帮助链接：Moodle 学生指南 | Zoom@YorkU 最佳实践 | Zoom@YorkU 用户参考指南 | 学生计算网站 | 约克大学电子学习学生指南 时间和地点：这是一门远程授课的课程。每周四将在预定的 2:30-5:30pm（EST）时间段通过 Zoom 进行讲座和讨论。重复 Zoom 会议的链接将发布到 eClass，为无法现场参加的人提供讲座（但不提供讨论）的录音。虽然不需要参加正常的 Zoom 会议，但你需要在第 8 周（3 月 4 日）星期四下午 2:30-5:30（EST）时间段参加期中考试；你还需要在期末考试期间分配给课程的时间段参加期末考试。请注意，这是一门依赖远程教学的课程。校园内不会有面对面的互动或活动。虚拟办公时间：通过 Zoom，星期四，下午 1:30-2:30（EST），或我们双方同意的时间。无论哪种情况都需要预约（请发送电子邮件设置预约并获取 Zoom 链接）。如果您有任何问题、意见或疑虑，请随时通过电子邮件联系我（课程主任）。
约克大学人工智能哲学 AP/PHIL/COGS 3750 3.00（Lect 01）2021 年冬季课程类型：讲座 | 星期四，下午 2:30（EST），3 小时 | 地点：Zoom | Cat# M73K01（AP COGS）/ W55M01（AP PHIL）重要日期：1 月 11 日（学期开始）、1 月 14 日（第一堂课）、2 月 13-19 日（冬季阅读周）、3 月 12 日（不获得成绩的最后一天退课）、4 月 8 日（最后一堂课）、4 月 12 日（冬季课程结束）、4 月 13 日（本学期提交作业的最后一天）、4 月 14-28 日（冬季考试期）课程讲师：Michael Barkasi（barkasi@yorku.ca）办公时间：通过 Zoom，星期四，下午 1:30-2:30（EST）；可能的其他时间。需要预约（请发送电子邮件）。先决条件：AP/PHIL/COGS 2160 3.00 或 AP/PHIL 2240 3.00 之一 参加课程的技术要求：eClass 访问和 Zoom。强烈建议学生参加周四的 Zoom 讲座并积极参与麦克风和视频，但这不是强制性的。（如果愿意，参加 Zoom 会议的学生可以关闭摄像头并将麦克风静音。） 讲座将被录制并通过 eClass 提供给那些不能参加的学生。（与学生的讨论时间不会被记录，因此不参加 Zoom 会议的学生将错过课堂的这一部分。） 以下是一些有用的学生计算信息、资源和帮助链接：Moodle 学生指南 | Zoom@YorkU 最佳实践 | Zoom@YorkU 用户参考指南 | 学生计算网站 | 约克大学电子学习学生指南 时间和地点：这是一门远程授课的课程。每周四将在预定的 2:30-5:30pm（EST）时间段通过 Zoom 进行讲座和讨论。重复 Zoom 会议的链接将发布到 eClass，为无法现场参加的人提供讲座（但不提供讨论）的录音。虽然不需要参加正常的 Zoom 会议，但你需要在第 8 周（3 月 4 日）星期四下午 2:30-5:30（EST）时间段参加期中考试；你还需要在期末考试期间分配给课程的时间段参加期末考试。请注意，这是一门依赖远程教学的课程。校园内不会有面对面的互动或活动。虚拟办公时间：通过 Zoom，星期四，下午 1:30-2:30（EST），或我们双方同意的时间。无论哪种情况都需要预约（请发送电子邮件设置预约并获取 Zoom 链接）。如果您有任何问题、意见或疑虑，请随时通过电子邮件联系我（课程主任）。
人工智能聊天机器人交互中的归属感、隐私问题和自我披露
本文试图研究是什么促使个人在与人工智能 (AI) 聊天机器人互动的背景下进行自我披露，以及这种互动的结果会是什么，特别是当个人认为他们是在与人类或人工智能互动时，在自我披露、社交存在感和亲密度方面是否存在差异。此外，假设用户的“归属感 (NTB)”性格特征会在聊天机器人互动的性质和评估方面带来有意义的差异。为此，采用了 2（感知的人性：人工智能聊天机器人或人类）x 2（NTB：高、低）x 2（隐私问题：高、低）受试者间实验设计（N=646）。结果显示，感知的人性在自我披露、社交存在感和亲密度方面没有显著影响：无论参与者认为与人工智能还是人类交流，他们体验到的互动都相似。该研究还解释了 NTB 如何影响个人与人工智能的互动。未发现隐私问题有显著的调节作用。根据人工智能代理服务的近期发展，讨论了这些结果的含义。
引用：Anderson，B，Danforth，A和Grob，C。2020年。迷幻医学：安全和道德问题。柳叶刀精神病学，7（10）：829-30。 doi：ht
随着当前对迷幻研究领域的兴趣激增，精神病学的迷幻复兴主要取决于建立安全和道德的能力以使用这些实验性药物。但是，学习迷幻疗法安全有效地管理的机会很少。1当现代医学在1950年代和1960年代被现代医学所接受时，热情和热情的积极性超过了务实，在迷幻科学可以发展出安全，一致的结构。2类似的集体热情在迷幻精神病学中是可以显而易见的，该领域尚未实现管理其备受期待的成功后果的手段。我们希望提请注意几个需要彻底解决的问题，以使迷幻研究领域以安全和可持续的方式发展。
人工智能如何改变我们做出购买决策的方式？这对商标法意味着什么？商标法的核心在于如何购买商品和服务，而由于人工智能正在影响购买过程，因此从定义上讲它也影响着商标法。人工智能通过两种方式影响购买过程：（a）消费者可获得的品牌信息和（b）谁来做出购买决策。亚马逊的 Alexa 等人工智能个人零售助理有可能成为品牌向消费者提供的“守门人”，控制向消费者提供哪些品牌信息，并以纯粹的形式购买品牌产品，在人工智能所谓的“自动执行模型”中几乎不需要或根本不需要人为干预，从而有效地将传统的购物体验从“先购物后发货”模式颠覆为“先发货后购物”模式。商标法的许多关键方面都涉及人性的弱点。如果您考虑商标法和实践中的一些“流行词”，例如“混淆”、“不完全记忆”、“联想”和“商标混淆”，这些概念都围绕着人类的弱点。然而，人工智能有可能从购买过程中消除“人性”和“弱点”。人工智能应用程序可以通过“给我买个灯泡”等一般命令来购买产品。人类消费者与人工智能应用程序购买的灯泡品牌没有任何互动。人工智能应用程序会混淆吗？它会混淆商标吗？人工智能应用程序甚至会通过传统的听觉、语音和概念比较商标的方式来评估产品购买，这就是所谓的人工智能黑箱问题吗？人工智能应用程序经常受到个人消费者过去购买决策的影响，而人工智能应用程序做出购买决定或建议的原因有时可能难以理解。在这些情况下，知识产权侵权责任问题也引起了重要的问题。然而，即使人工智能应用程序不做出购买决策，它仍然会影响消费者在做出购买决策时可用的品牌信息。例如，亚马逊 Alexa 平均只向消费者推荐三种产品。它控制着向消费者推荐什么品牌产品，它而不是人类消费者掌握着所有的品牌信息。然而，人工智能对购买过程的影响必须放在历史背景中来看待。人工智能的兴起是新的，但并非史无前例。现代商标法诞生于十九世纪，并发展到现代。然而，在此期间，购买过程并非一成不变，而是发生了变化。我们只需看看从传统的十九世纪“店主”购买产品模式到二十世纪二十年代超市发明的变化，从互联网和社交媒体的兴起到人工智能的兴起。商标法已经适应并发生了变化，实际上可以说是适应性最强的知识产权法形式。例如，关于人工智能应用程序的责任问题，我们已经可以从关键词广告的案例中得到指导，例如谷歌法国，它是随着互联网购物的兴起而发展起来的。如果购买过程中的“参与者”如人工智能应用程序在购买决策/过程中扮演更被动的角色，则人工智能应用程序提供商不太可能被追究责任，如果人工智能应用程序在购买决策中扮演更积极的角色，并且可以说人工智能提供商在购买决策中强烈影响消费者，则更有可能发现责任。商标法已经适应了购买过程的变化，并且它将再次适应。HGF 合伙人兼特许商标律师 Lee Curtis
人工智能如何改变我们做出购买决策的方式？这对商标法意味着什么？商标法的核心在于如何购买商品和服务，而由于人工智能正在影响购买过程，因此从定义上讲它也影响着商标法。人工智能通过两种方式影响购买过程：（a）消费者可获得的品牌信息和（b）谁来做出购买决策。亚马逊的 Alexa 等人工智能个人零售助理有可能成为品牌向消费者提供的“守门人”，控制向消费者提供哪些品牌信息，并以纯粹的形式购买品牌产品，在人工智能所谓的“自动执行模型”中几乎不需要或根本不需要人为干预，从而有效地将传统的购物体验从“先购物后发货”模式颠覆为“先发货后购物”模式。商标法的许多关键方面都涉及人性的弱点。如果您考虑商标法和实践中的一些“流行词”，例如“混淆”、“不完全记忆”、“联想”和“商标混淆”，这些概念都围绕着人类的弱点。然而，人工智能有可能从购买过程中消除“人性”和“弱点”。人工智能应用程序可以通过“给我买个灯泡”等一般命令来购买产品。人类消费者与人工智能应用程序购买的灯泡品牌没有任何互动。人工智能应用程序会混淆吗？它会混淆商标吗？人工智能应用程序甚至会通过传统的听觉、语音和概念比较商标的方式来评估产品购买，这就是所谓的人工智能黑箱问题吗？人工智能应用程序经常受到个人消费者过去购买决策的影响，而人工智能应用程序做出购买决定或建议的原因有时可能难以理解。在这些情况下，知识产权侵权责任问题也引起了重要的问题。然而，即使人工智能应用程序不做出购买决策，它仍然会影响消费者在做出购买决策时可用的品牌信息。例如，亚马逊 Alexa 平均只向消费者推荐三种产品。它控制着向消费者推荐什么品牌产品，它而不是人类消费者掌握着所有的品牌信息。然而，人工智能对购买过程的影响必须放在历史背景中来看待。人工智能的兴起是新的，但并非史无前例。现代商标法诞生于十九世纪，并发展到现代。然而，在此期间，购买过程并非一成不变，而是发生了变化。我们只需看看从传统的十九世纪“店主”购买产品模式到二十世纪二十年代超市发明的变化，从互联网和社交媒体的兴起到人工智能的兴起。商标法已经适应并发生了变化，实际上可以说是适应性最强的知识产权法形式。例如，关于人工智能应用程序的责任问题，我们已经可以从关键词广告的案例中得到指导，例如谷歌法国，它是随着互联网购物的兴起而发展起来的。如果购买过程中的“参与者”如人工智能应用程序在购买决策/过程中扮演更被动的角色，则人工智能应用程序提供商不太可能被追究责任，如果人工智能应用程序在购买决策中扮演更积极的角色，并且可以说人工智能提供商在购买决策中强烈影响消费者，则更有可能发现责任。商标法已经适应了购买过程的变化，并且它将再次适应。HGF 合伙人兼特许商标律师 Lee Curtis
人工智能在医学中的应用及其关注点
摘要背景：医学正成为一个越来越以数据为中心的领域，超越了传统的统计学方法，人工智能 (AI) 和机器学习 (ML) 正在吸引大量对科学数据分析的兴趣。有人认为，人工智能正在经历快速的商品化过程。这种描述有效地反映了人工智能工业化的现代趋势及其在社会中的普及。因此，与使用人工智能和机器学习相关的社会问题不应再被忽视，事实上，它们不再属于科学领域。这些社会问题也可以有多种形式；然而，所有这些都需要从以人为本的角度设计模型，并纳入与人相关的要求和约束。在这篇简短的论文中，我们讨论了影响 AI 和 ML 在治疗、公平性、隐私和匿名性、解释能力和可解释性方面的一些特殊问题，此外，还讨论了几个更广泛的社会问题和道德规范。我们认为，所有这些都是需要记住的实用因素，以实现全面促进基于 AI 和 ML 的技术普及的目标，并确认关于数字技术对道德和匮乏敏感问题的影响的不断发展的规则。我们的独特目标是反映这些主题如何影响 AI 和 ML 的临床应用。本文包括在西班牙巴塞罗那贝洛特大学医院举行的“第二次科学与透析会议：人工智能”的大部分内容。摘要和关键信息：AI 和 ML 作为从数据中提取知识的关键方法，吸引了科学界的大量兴趣。这些系统正越来越多地扩展到社会影响的范围，包括治疗和医疗保健。影响治疗和医疗保健的社会相关问题包括（尽管它们可能不再局限于）公平、公平性、匮乏、道德和法律。关键词——人工智能、机器学习。