XiaoMi-AI文件搜索系统
World File Search Systemcrowdsourcing
DARWIN 计算研讨会 - 数据科学研究所
Tanya Berger-Wolf 教授，计算机科学与工程、电气与计算机工程、进化、生态与生物体生物学，转化数据分析研究所所长，俄亥俄州立大学 “生物多样性的人工智能：共同对抗灭绝” 摘要：我们正处于第六次灭绝之中，地球的生物多样性正以前所未有的速度和规模丧失。在许多情况下，我们甚至不知道正在丧失哪些物种以及有多少物种。新的数据收集技术，如 GPS、高清摄像机、无人机、基因分型和众包，正在生成有关生物星球的数据，这些数据比以前收集的任何数据都要丰富几个数量级。人工智能可以将这些数据转化为有关生物体的高分辨率信息源，从而实现科学研究、保护和政策决策。该演讲将介绍生物多样性值得信赖的人工智能的愿景和示例，并讨论机遇和挑战。简介：Tanya Berger-Wolf 博士是俄亥俄州立大学计算机科学工程、电子与计算机工程以及进化、生态学和生物体生物学教授，她还是该校转化数据分析研究所所长。她领导着美国国家科学基金会资助的图像组学研究所和新近获得资助的生物多样性变化人工智能全球气候中心。Berger-Wolf 是美国国家科学院生命科学委员会和法国国家科学研究院国际科学顾问委员会、科学人工智能、人工智能科学 (AISSA) 中心的成员。她曾任职于全球人工智能伙伴关系 (GPAI) 生物多样性人工智能工作组、世界自然基金会
农业数字技术
3 Zoltan Madaras Viticurtural Developments在Pécs研究所应用数字技术解决方案5 Paul Schmit，Ranko Gantner，Anna Neubauer，AnnaGarré通过数字数据记录评估马匹的耕作技术lončarić挤满了克罗地亚的耕作数据11MarioKožul，Ivan Aleksi，ŽeljkoHederić的能源管理，用于在果园中使用的自主机器人平台12dušandušandunéerski，Ivana varga，darioiiljkić，darioiljkić，darioiiljkićyeakine sige toplation toplation 14Lukašumanovac，PetraPejić苹果识别和机器人操作的图像处理方法15 LechgaLęzewski，Edward Wilczewski，Marekkościński，Iwona Jaskulska，Jacek Majcher，Andrzej Wilczek Wilczek的可靠性，用于确定精确性农业ka kariran ka karjar ka jar ka jar ka ja ka ja ka繁殖计划17 DavoriC，ZdenkoLončarić的适用性和无人机获得的数据的适用性和可变的农作物的可变性EK，Antonio Viduka，TomislavKaražija，Goran Fruk数据集，用于对象检测
农业数字技术
3 Zoltan Madaras 佩CS研究所应用数字技术解决方案的葡萄种植发展 5 Paul Schmit、Ranko Gantner、Anna Neubauer、Anna Garré 通过数字数据记录评估马耕耕技术 6 Mario Kožul、Goran Fruk,热利科Hederić 设计用于精准农业的自主漫游车 8 Ana Šunić, Zdenko Lončarić 克罗地亚耕作作物施肥的众包数据 11 Mario Kožul、Ivan Aleksi、Željko Hederić 果园应用自主机器人平台的能源管理 12 Dušan Dunđerski、Ivana Varga、Dario Iljkić、Dubravka Užar 大麻评估使用 IMAGEJ 软件确定幼苗大小 13 Nenad Bestvina 信息系统支持工厂生产 14 Luka Šumanovac、Petra Pejić 用于苹果识别和机器人操作的图像处理方法 15 Lech Gałęzewski、Edward Wilczewski、Marek Kościński、Iwona Jaskulska、Jacek Majcher、Andrzej Wilczek 土壤湿度测量的可靠性作为决定因素了解精准农业的有效性 16 Karolina Kajan、Vlatko Galić ANDROID组织植物育种计划的申请 17 Davor Bilić, Zdenko Lončarić 无人机获得的数据对作物可变追肥的适用性和充分性 18 Domagoj Grgić, Marija Ravlić 使用无人机和机器人控制杂草 21 Ana Marija Antolković, Martina Skend罗维奇·巴博耶利奇、雷亚·弗托杜西奇、米哈埃拉萨特瓦尔·弗尔班西奇、马尔科·佩特克、安东尼奥·维杜卡、托米斯拉夫Karažija，Goran Fruk 用于目标检测的苹果园数据集
揭示在线照片共享的现实效果
社交网络可自由访问其服务，以实施利用用户数据的权利。数据共享是在用户选择的初始上下文中完成的。但是，在不同情况下，社交网络和第三方通常使用数据，而这些数据通常不是透明的。为了揭示此类用法，我们提出了一个专注于在现实生活中的数据共享的影响。重点是视觉内容，因为它在塑造在线用户支持方面的强烈影响。该方法依赖于三个组件：（1）一组具有相关情况影响评级的视觉对象，（（2）一组针对采矿用户照片的对象探测器以及（3）由500个视觉用户pro填充的地面真实数据集，这些数据集是每个情况下都经过衡量的。这些组件合并为LERV UP，该方法学会在每种情况下对视觉用户的预测进行评分。借用了一个新的图像描述符，该描述符在用户级别汇总对象评分和对象检测以及一种注意机制，从而增强了高评分的对象，以防止它们被低评分的对象覆盖。通过测量评级自动排名与手动基础真理之间的相关性来评估绩效。结果表明，由于获得了这两个排名的强相关性，因此借用是有效的。还讨论了移动应用程序中该方法的实用性，该方法还讨论了用户对共享数据使用情况的认识。
了解人类协作中的选择独立性和错误类型
做出适当授权决定的能力是效率人类协作的重要先决条件。最近的工作表明，人们很难在存在预测错误的情况下评估AI系统，而不得依赖AI系统。我们使用预先注册的众包研究（�= 611）通过人AI决策的两个未置换的Crucial特征来扩展此文献：选择独立性和错误类型。我们的研究中的受试者反复完成两个预测任务，并选择他们想委派给AI系统的预测。对于一项任务，受试者会收到一个决策启发式，使他们能够做出明智且相对准确的预测。第二任务很难解决，因此受试者必须提出自己的决策规则。我们系统地改变了AI系统的性能，因此它要么为这两个任务提供了最佳的可能性预测，要么仅为两者之一提供。我们的结果表明，人们通过在不相关的第二任任务中将AI的表现采用AI的表现来系统地侵犯了选择独立性。在自己的专业知识领域中将预测委托给上级AI的人明显降低了适当的依赖，而当模型在互补的外观领域中犯了系统的错误。相比之下，在互补专业知识领域中将预测的人委托给上级AI的人类明显增加了在人类专业知识领域中系统地错误时的适当依赖。此外，我们表明人类在误差类型之间有所不同，并且这种效率在被考虑的专业知识领域是有条件的。这是人类协作背景下的选择独立性和错误类型的最经验。我们的结果对AI系统的未来设计，部署以及适当的应用具有广泛而重要的含义。
了解人类协作中的选择独立性和错误类型
做出适当委派决定的能力是有效的人类协作的重要先决条件。最近的工作表明，人们很难在存在预测错误的情况下评估AI系统，而不得依赖AI系统。我们使用预先注册的众包研究（𝑁= 611）通过人AI决策的两个未置换的Crucial特征来扩展此文献：选择独立性和错误类型。我们的研究中的受试者反复完成两个预测任务，并选择他们想委派给AI系统的预测。对于一项任务，受试者会收到一个决策启发式，使他们能够做出明智且相对准确的预测。第二任务很难解决，因此受试者必须提出自己的决策规则。我们系统地改变了AI系统的性能，因此它要么为这两个任务提供了最佳的可能性预测，要么仅为两者之一提供。我们的结果表明，人们通过在不相关的第二任任务中将AI的表现采用AI的表现来系统地侵犯了选择独立性。在自己的专业知识领域中将预测委托给上级AI的人会大大降低适当的依赖，而该模型在互补的外观领域中犯了系统的错误。相比之下，当模型在人类专业知识领域中系统地错误时，将预测预测为互补专业知识领域的上级AI的人显着提高了适当的依赖。此外，我们表明人类会区分错误类型，并且这种效果是有条件的，这是根据所考虑的专业知识领域的条件。这是人类协作背景下选择独立性和错误类型的第一个经验典范。我们的结果对AI系统的未来设计，部署以及适当的应用具有广泛而重要的含义。
Polaris 项目：弥补 CBDC 网络威胁建模方面的差距
该分析表明，现有威胁建模技术存在差距，可能无法充分应对威胁和相关的安全控制，从而无法妥善保护利用新技术（如 DLT、智能合约）的 CBDC 免受 DeFi 领域威胁行为者使用的策略、技术和程序 (TTPs 5 ) 的攻击。具体而言，尽管大多数现有 TTP 可用于对攻击进行建模，但有些需要稍加修改，而存在一些不适合该框架的新攻击媒介，需要创建新的 TTPs。提供了可用于对新型攻击进行建模的新 TTP 示例，并建议使用众包来进一步分析如何使用 MITRE ATT&CK 框架充分建模针对使用 DLT 作为其参考架构一部分的 CBDC 的攻击。此外，“平均攻击时间”（基于本分析中研究的 DLT 攻击）在 DeFi 实施启动和成功入侵之间大约为 10 个月。对于即将推出 CBDC 的央行来说，这是需要注意的关键点——它们必须做好充分准备，充分监控和抵御众所周知的和新颖的 TTP。此外，这项初步分析支持以下论点：可能需要对 MITRE ATT&CK 框架进行官方扩展，以帮助正确模拟针对支持 DLT 的系统的攻击。该分析使用 DLT 作为起点，开始对 CBDC 进行威胁建模和差距分析。即使对于不打算使用 DLT 的 CBDC 实施，围绕其他相关 DeFi 概念（如智能合约）的分析可能仍然有意义。更一般地说，无论采用何种技术，将 MITRE ATT&CK 框架更广泛地应用于 CBDC 可能是任何希望启动大规模试点或全面实施 CBDC 的央行的关键一步。
为什么人工智能需要自下而上的道德规范
每天，在委内瑞拉的梅尔巴都会在凌晨 4 点起床，为机器学习算法注释数据。她是全球众多登录众包平台为开发人工智能的科技公司执行任务的工作者之一。她每周可以全职工作 15 到 20 美元，足以补充她的养老金，由于持续的恶性通货膨胀，她的养老金现在每月只值一美元：“不够买半打鸡蛋；不够买一块奶酪或面包。” 由于经济和 COVID-19 形势严峻，梅尔巴和许多其他委内瑞拉人都转向为在线平台工作。虽然这些工作提供了较低的进入门槛和稳定的美元收入，但它们并不能提供稳定的就业：这些工人被视为自由职业者，被这些公司称为评估员、标注员或注释员。作为我论文研究的一部分，我调查了拉丁美洲各地通过数字劳动平台为人工智能注释数据的工人的经历。通过这项研究，我遇到了梅尔巴和其他许多人，我在下面列出了他们的故事。我通过社交媒体上的工人小组与他们取得了联系，自疫情开始以来，我们就在网上聊天。我之所以联系他们，是因为委内瑞拉人占拉丁美洲人工智能平台工人的大多数，作为一名拉丁裔，我想听听他们的经历。总的来说，我发现这种平台劳动是剥削性的，但也是为了抹杀工人的声音。本文探讨了委内瑞拉平台工人的工作条件及其与他们帮助创造的人工智能的关系。我认为劳动力是人工智能中一个尚未充分探索和研究的领域。作为批判性人工智能学者，我们无法说出什么是“道德的”、“有益的”或“负责任的”，除非
推荐引用 推荐引用 Numan, Arwa，“人工智能在灾害管理中的应用：有效性和挑战”（2024 年）。刑事司法方面的重大项目。26. https://repository.stcloudstate.edu/cjs_etds/26
根据同行评审的研究，人工智能 (AI) 和基于云的协作平台在灾难响应中收集数据，以根据紧急情况的复杂性提出具体计划 (Gupta et al., 2022)。 (RF) 算法找到影响家庭疏散准备时间的因素 (Rahman et al., 2021)。人工智能和基于云的平台通过 (众包) 协调人道主义需求 (Gupta et al., 2022)。人工智能和基于云的系统向应急响应人员提供必要的信息；该方法还有效地分配资源以进行响应 (Gupta et al., 2022)。地理人工智能灾难响应通过提供准确的地图分析，使灾难响应人员能够获得精确的信息 (Demertzis et al., 2021)。最先进的深度学习方法可以检测卫星图像的变化，从而实现高效响应 (Sublime & Kalinicheva, 2019)。 AGRA (AI) 是一种增强地理路由方法，可改善路由问题 (Chemodanov 等人，2019)。早期预警通过应用 AI SVM 分析可用数据，为监控室做出洪水或无洪水的决策，从而促进受影响人群在灾难中的撤离 (Al Qundus 等人，2022)。结合人工神经网络 (ANN) 和互联网 (IoT) 以及基于人工智能/机器学习 (ML) 的 ANN 的洪水预报方法可用于早期洪水预警系统。通过人工智能 (AI) 和机器学习 (ML) 的集成系统、地理信息系统 (GIS) 与无人机 (UAV) 方法以及在灾难期间寻找最安全疏散路线的路径规划技术，保护弱势群体免受洪水灾害 (Munawar 等人，2022)。人工智能与 UNOSAT 一起对受灾地区的地图进行高级分析，以进行早期预警 (将人工智能融入卫星，2021)。根据在线调查，不同的因素影响公众对在灾难中应用人工智能的看法。为人工智能系统用户提供了指南，以确保系统的责任。（Yigitcanlar 等人，2021 年）。
周日
Michael Suguitan和Guy Hoffman。开花：手工制作的开源机器人。在人类机器人相互作用的ACM交易中（THRI），2019年。Michael Suguitan，Mason Bretan和Guy Hoffman。使用Cyclegans的情感机器人运动产生。在ACM/IEEE国际人机互动会议（HRI）晚期爆发报告中，2019年。Michael Suguitan，Randy Gomez和Guy Hoffman。moveae：使用分类的变异自动编码器修改情感机器人运动。在ACM/IEEE国际人机互动会议（HRI）中，2020年。Michael Suguitan。 机器人作为数字后培养基人性化。 在国际社会机器人技术会议（ICSR）中的HRI研讨会中隐喻，2020年。 Michael Suguitan和Guy Hoffman。 您是（不是）机器人：社会触觉机器人的可变透视运动控制。 在ACM中关于计算系统中人为因素的会议（CHI）扩展摘要，2021。 patríciaAlves-Oliveira，Maria Luce Lupetti，Michal Luria，Mafalda Gamboa，Lea Albaugh，Waki Kamino，Anastasia K. Ostrowski，David Puljiz，Pedro Reynolds-Cuéllar，Marcus Scheunemann，Michael Suguitan，Michael Suguitan和Dan Lockton。 人类机器人相互作用隐喻的收集。 在ACM设计交互式系统（DIS）的ACM会议上，2021。 Michael Suguitan和Guy Hoffman。 机器人的肖像作为一种交流媒介：使用DIY Blossom机器人进行可访问的体现远程敏感。 在国际社会机器人技术会议（ICSR）学生设计竞赛（决赛选手），2021年。Michael Suguitan。机器人作为数字后培养基人性化。在国际社会机器人技术会议（ICSR）中的HRI研讨会中隐喻，2020年。Michael Suguitan和Guy Hoffman。您是（不是）机器人：社会触觉机器人的可变透视运动控制。在ACM中关于计算系统中人为因素的会议（CHI）扩展摘要，2021。patríciaAlves-Oliveira，Maria Luce Lupetti，Michal Luria，Mafalda Gamboa，Lea Albaugh，Waki Kamino，Anastasia K. Ostrowski，David Puljiz，Pedro Reynolds-Cuéllar，Marcus Scheunemann，Michael Suguitan，Michael Suguitan和Dan Lockton。人类机器人相互作用隐喻的收集。在ACM设计交互式系统（DIS）的ACM会议上，2021。Michael Suguitan和Guy Hoffman。机器人的肖像作为一种交流媒介：使用DIY Blossom机器人进行可访问的体现远程敏感。在国际社会机器人技术会议（ICSR）学生设计竞赛（决赛选手），2021年。Michael Suguitan和Guy Hoffman。成为机器人是什么感觉？可变的透视图体现了众包机器人运动的触觉。在个人和无处不在的计算中，2022年。Michael Suguitan。 至少，人性化：将机器人人性化为交流的媒介。 在Robophilosophy中，2022年。 Michael Suguitan，Nick DePalma，Jessica Hodgins和Guy Hoffman。 face2gesture：通过共享的潜在空间神经网络将面部表情转化为机器人运动。 在AI相互作用的ACM交易中（THRI）特殊问题，HRI，2023年。Michael Suguitan。至少，人性化：将机器人人性化为交流的媒介。在Robophilosophy中，2022年。Michael Suguitan，Nick DePalma，Jessica Hodgins和Guy Hoffman。face2gesture：通过共享的潜在空间神经网络将面部表情转化为机器人运动。在AI相互作用的ACM交易中（THRI）特殊问题，HRI，2023年。