XiaoMi-AI文件搜索系统
World File Search Systemhype
从炒作到现实：揭示供应链系统中区块链的承诺，挑战和机遇
1计算机和信息技术学院，多哈科学技术大学，多哈24449，卡塔尔2计算机科学系，埃塞俄比亚Kebri Dehar University，Kebri Dehar 250； shitharths@kdu.edu.et 3美国纽约市纽约市城市科学系计算机科学系； muobaidat@ccny.cuny.edu 4国家高级IPv6中心（NAV6），马来西亚马来西亚大学，马来西亚11800年； shamsularfeen@nav6.usm.my我5信息系统部，计算与信息技术学院，国王阿卜杜勒齐兹大学，吉达21589，沙特阿拉伯； aokhadidos@kau.edu.sa 6信息技术系，计算机技术学院，阿卜杜勒齐兹国王大学，吉达21589，沙特阿拉伯； akhadidos@kau.edu.sa 7信息技术系计算机与信息科学学院 Box 84428，Riyadh 11671，沙特阿拉伯； msabdelhaq@pnu.edu.sa *通信：mueen.uddin@udst.edu.qa1计算机和信息技术学院，多哈科学技术大学，多哈24449，卡塔尔2计算机科学系，埃塞俄比亚Kebri Dehar University，Kebri Dehar 250； shitharths@kdu.edu.et 3美国纽约市纽约市城市科学系计算机科学系； muobaidat@ccny.cuny.edu 4国家高级IPv6中心（NAV6），马来西亚马来西亚大学，马来西亚11800年； shamsularfeen@nav6.usm.my我5信息系统部，计算与信息技术学院，国王阿卜杜勒齐兹大学，吉达21589，沙特阿拉伯； aokhadidos@kau.edu.sa 6信息技术系，计算机技术学院，阿卜杜勒齐兹国王大学，吉达21589，沙特阿拉伯； akhadidos@kau.edu.sa 7信息技术系计算机与信息科学学院Box 84428，Riyadh 11671，沙特阿拉伯； msabdelhaq@pnu.edu.sa *通信：mueen.uddin@udst.edu.qaBox 84428，Riyadh 11671，沙特阿拉伯； msabdelhaq@pnu.edu.sa *通信：mueen.uddin@udst.edu.qa
超越炒作的元宇宙：多学科视角下的新兴挑战、机遇以及研究、实践和政策议程
Yogesh K. Dwivedi a , b , * , Laurie Hughes a , Abdullah M. Baabdullah c , Samuel Ribeiro-Navarrete d , Mihalis Giannakis e , Mutaz M. Al-Debei f , g , Denis Dennehy h , Bhimaraya Metri i , Dimitrios Buhalis j , 1 , 克里斯蒂 M.K.张 k , 1 , Kieran Conboy l , 1 , Ronan Doyle m , 1 , Rameshwar Dubey n , o , 1 , Vincent Dutot p , 1 , Reto Felix q , 1 , D.P. Goyal r , 1 , Anders Gustafsson s , 1 , Chris Hinsch t , 1 , Ikram Jebabli u , 1 , Marijn Janssen v , 1 , Young-Gab Kim w , 1 , Jooyoung Kim x , 1 , Stefan Koos y , 1 , David Kreps z , 1 , Nir Kshetri aa , 1 , Vikram Kumar ab , 1 , Keng-Boon Ooi ac , ad , ae , 1 , Savvas Papagiannidis af , 1 , Ilias O. Pappas ag , ah , 1 , Ariana Polyviou ai , 1 , Sang-Min Park aj , 1 , Neeraj Pandey ak , 1 , Maciel M. Queiroz al , 1 , Ramakrishnan Raman , 1 , Philipp A. Rauschnabel , 1 , Anuragini Shirish ao , 1 , Marianna Sigala ap , aq , 1 , Konstantina Spanaki ar , 1 , Garry Wei-Han Tan , at , 1 , Manoj Kumar Tiwari音频 , 音频 , 1 , Giampaolo Viglia aw , ax , 1 , Samuel Fosso Wamba ay , 1
超越炒作的元宇宙：多学科视角下的新兴挑战、机遇以及研究、实践和政策议程
Yogesh K. Dwivedi a , b , * , Laurie Hughes a , Abdullah M. Baabdullah c , Samuel Ribeiro-Navarrete d , Mihalis Giannakis e , Mutaz M. Al-Debei f , g , Denis Dennehy h , Bhimaraya Metri i , Dimitrios Buhalis j , 1 , 克里斯蒂 M.K.张 k , 1 , Kieran Conboy l , 1 , Ronan Doyle m , 1 , Rameshwar Dubey n , o , 1 , Vincent Dutot p , 1 , Reto Felix q , 1 , D.P. Goyal r , 1 , Anders Gustafsson s , 1 , Chris Hinsch t , 1 , Ikram Jebabli u , 1 , Marijn Janssen v , 1 , Young-Gab Kim w , 1 , Jooyoung Kim x , 1 , Stefan Koos y , 1 , David Kreps z , 1 , Nir Kshetri aa , 1 , Vikram Kumar ab , 1 , Keng-Boon Ooi ac , ad , ae , 1 , Savvas Papagiannidis af , 1 , Ilias O. Pappas ag , ah , 1 , Ariana Polyviou ai , 1 , Sang-Min Park aj , 1 , Neeraj Pandey ak , 1 , Maciel M. Queiroz al , 1 , Ramakrishnan Raman , 1 , Philipp A. Rauschnabel , 1 , Anuragini Shirish ao , 1 , Marianna Sigala ap , aq , 1 , Konstantina Spanaki ar , 1 , Garry Wei-Han Tan , at , 1 , Manoj Kumar Tiwari音频 , 音频 , 1 , Giampaolo Viglia aw , ax , 1 , Samuel Fosso Wamba ay , 1
超越炒作：对生成AI研究，教学实践和工具的当前趋势的全面回顾
生成的AI（Genai）正在迅速发展，计算教育中的文献几乎正在扩大。对Genai工具的初始赞助是在恐慌和乌托邦式的乐观主义之间混合的。许多人迅速指出了Genai的机会和挑战。研究人员报告说，这些新工具能够解决大多数入门编程任务，并在整个课程中造成干扰。这些工具可以编写和解释代码，增强错误消息，为讲师创建资源，甚至为像传统助教这样的学生提供反馈和帮助。2024年，新的研究开始对计算教室中Genai使用的影响产生。这些新数据涉及使用Genai来大规模支持课堂教学，并教学生如何与Genai进行编码。为了支持前者，新的工具正在出现，可以向学生提供个性化的反馈，以完成他们的编程任务，或同时教授编程和提示技能。随着文献的扩展如此迅速，本报告
让人工智能远离自我炒作：了解机器学习的益处和挑战
本文比较了不同的船舶性能建模方法，目的是找到最适合运营优化的建模技术。特别强调了机器学习等数据驱动方法的潜力和挑战。与中午报告相比，使用基于传感器数据的数据驱动方法的附加值是量化的。除了行业标准方法之外，还提出了一种基于物理信息机器学习的新方法，称为“船舶内核”。船舶内核在短期准确性方面优于此处考虑的其他方法。这使它们成为需要对广泛条件进行预测的运营优化（例如路线和速度优化）的理想构建块。与其他方法相比，船舶内核具有出色的长期准确性，使其成为性能监控用例（例如与船体和螺旋桨性能相关的维护计划）的宝贵工具。本文最后对机器学习操作化面临的挑战进行了总体评论和警告。
Gartner的2010年炒作周期特别报告评估了1,800个技术的成熟度（10月10日）
·增强现实，上下文和现实世界网络。Web现象的迁移以及一般的技术 - 超越桌面并进入人们日常生活的背景，为个性化和上下文意识到的信息访问创造了新的机会。增强现实是移动空间中的热门话题，在iPhone和Android平台上具有平台和服务，它代表下一代，因为位置吸引的应用程序朝着高原移动。其他元素，例如4G标准，传感器网络和上下文交付体系结构的发展速度较慢，但将在扩展其在物理世界中的影响方面发挥关键作用。
释放了生成AI改变零售和消费行业的力量
图1：艺术智能的炒作周期，2023年，2023年Gartner Hype Cycle的人工智能新事物，Gartner，Gartner，8月17日，2023年： https://www.gartner.com/en/articles/what s-new-inew-in-in-in-timial-intelligence-from-the-2023-gartner-hype-cycle
炒作与希望：深度学习比标准机器学习能够编码更具预测性和稳健性的脑成像表征
摘要 深度学习 (DL) 方法在多个复杂任务上取得的成功大大提高了人们对其学习复杂脑成像数据的细微特性以及扩展到大型数据集的能力的期望。也许是为了应对这种膨胀，最近的批评性评论不利地将 DL 与用于分析脑成像数据的标准机器学习 (SML) 方法进行了比较。然而，他们的结论是基于预先设计的特征，这剥夺了 DL 的主要优势：表征学习。在这里，我们对此进行了评估，并展示了表征学习对于 DL 在脑成像数据上的表现的重要性。我们报告了在 12,314 张结构性 MRI 图像上进行的十向年龄和性别分类任务中对 SML 方法与 DL 进行大规模系统比较的结果。结果表明，如果按照流行的 DL 实践实施和训练 DL 方法，则与 SML 方法相比，DL 方法有大幅改进的潜力。我们还表明，尽管 DL 方法更复杂，但其扩展性特别好，在相对计算时间中呈现出较低的渐近复杂度。我们的分析表明，随着训练样本量的增长，性能改进会趋于饱和，但始终表现出显著更高的性能。我们还提供了证据，表明 DL 的卓越性能主要归功于出色的表示学习能力，并且 SML 方法在对经过训练的 DL 模型生成的表示进行操作时也可以表现得同样出色。最后，我们证明 DL 嵌入跨越了可理解的投影谱，并且 DL 始终定位有判别力的大脑生物标志物，这为预测相关性估计的稳健性提供了一个例子。我们的研究结果强调了大脑成像数据中存在非线性，DL 框架可以利用这些非线性来生成用于表征人脑的卓越预测表示，即使在当前可用的数据量下也是如此。
小胶质细胞介导的突触修剪作为神经发育障碍的关键缺陷：炒作还是希望？ Mordelt，A。; Witte，L.D。 DE 2023，文章 /信函< / div>
摘要在该领域达成共识，即小胶质细胞在神经发育过程中起着杰出作用，例如突触修剪和神经元网络成熟。因此，出现了当前将小胶质细胞缺陷与神经发育障碍（NDDS）相关的动量。这个概念受啮齿动物的研究和临床数据的挑战。有趣的是，小胶质细胞的数量减少或小胶质细胞功能不一定会导致明显的NDD表型，而神经精神病症状似乎主要在成年期发展。因此，仍然开放讨论小胶质细胞是否确实是健康神经发育必不可少的。在这里，我们批判性地讨论了小胶质细胞在突触修剪中的作用，并突出区域和年龄依赖性。我们提出了在NDD的背景下的小胶质细胞介导的突触修剪的更新模型，并讨论了针对这些疾病治疗这些疾病的小胶质细胞的潜力。
人工智能创业与资源调动
炒作往往伴随着新技术，例如，近年来，出现了各种激进的技术，它们彻底改变了现有市场，并有望带来“增强型”未来。其中包括互联网时代、加密货币和非同质化代币 (NFT)，甚至最近的人工智能 (AI)。随着围绕人工智能影响的兴奋感不断扩大，蓬勃发展的人工智能融资数量惊人，预计到 2023 年将达到 979 亿美元。然而，尽管这些人工智能公司做出了许多承诺和期望，但困扰投资者和利益相关者的一个主要威胁是，他们失望地意识到，到头来，这只是炒作！因此，我们回顾一下，以了解炒作产生的原因。通过研究人工智能公司的样本，我们会问为什么以及如何产生炒作？被炒作的企业是如何估值的？哪些因素影响这种估值？