抽象的生物学入侵可能会给管理带来重大的经济损失和费用,以及伤害生物多样性,生态系统服务和人类福祉。对入侵的经济成本进行全面评估是对侵入性外星物种有效和可持续管理的具有挑战性但必不可少的先决条件。的确,这些成本被证明是固有的异质和复杂的,可以确定,大量知识差距阻止了对其性质和分布的充分理解。因此,开发仍失误的全球,评估和破译入侵成本的标准框架对于确定有效的管理方法和优化立法至关重要。Invacost数据库的最新出现是与全球生物入侵相关的经济成本的首次全面和协调的汇编 - 为调查这些复杂而多样化的成本以不同尺度的方式提供了独特的机会。当组合各种经验和专业知识时,此类数据集提供的见解可能是最大的。为此,2019年11月12日至15日在法国(法国)附近举行了国际和多学科研讨会,根据Invacost中可用的数据发表了几篇项目论文。在这里,我们强调了这项创新研究是如何源于入侵科学迈出的重要一步的。我们共同确定了五个核心研究机会,这些机会可能有助于解决:(i)破译现有入侵成本如何实际分布在人类中
非人类人道主义:当人工智能的善举变成坏事时 Mirca Madianou 伦敦大学金史密斯学院 2018 年,有超过 1.68 亿人需要人道主义援助,同时有超过 6900 万人成为难民,人道主义部门面临着重大挑战。人工智能 (AI) 应用可以成为人道主义危机的潜在解决方案的提议受到了热烈欢迎。这是“人工智能用于社会公益”大趋势的一部分,也是“数字人道主义”更广泛发展的一部分,“数字人道主义”指的是公共和私营部门为应对人道主义紧急情况而使用数字创新和数据。聊天机器人、声称可以预测未来流行病或人口流动的预测分析和建模以及依赖于采用机器学习算法的先进神经网络的生物识别技术,都是在援助行动中越来越受欢迎的例子。本文建立了一个跨学科框架,将殖民和非殖民理论、人道主义和发展的批判性探究、批判性算法研究以及对人工智能的社会技术理解结合在一起。人道主义在这里被理解为一种复杂的现象:不仅仅是通常定义的“减少痛苦的必要性”(Calhoun,2008),而且是一种行业、一种话语和一种源于 19 世纪和 20 世纪殖民主义的历史现象(Fassin,2012;Lester & Dussart,2014)。人工智能同样是一个多面现象:不仅仅是基于先进计算和机器学习算法的技术创新,而且是一个行业以及关于技术的特定话语。人工智能只能与数据和算法一起理解——这三者是不可分割的,因为人工智能依赖于机器学习算法,而机器学习算法是特定数据集的产物。鉴于“大数据”本质上是不完整的,且具有本体论和认识论的局限性(Crawford & Finn,2014),人工智能应用会重现并可能放大大型数据集中发现的现有偏见(Benjamin,2019;Eubanks,2018;Noble,2018 等)。
摘要 了解交叉学科研究(IDF)的形成对于促进交叉学科发展至关重要。在本文中,我们采用提取的关键词来研究交叉学科发展的特征,以及不同参与领域在不同时期所扮演的不同角色,并检测领域之间的潜在障碍。我们将联合注意(JA)作为研究领域,因为它经历了从单一领域主题到跨学科研究(IDR)的发展过程。我们的实证研究得到了有趣的发现。首先,我们发现了知识扩散现象在JA的三个领域中演变。这使我们能够观察到领域在IDF过程中所扮演角色的转变,以及这些领域之间存在的潜在障碍。第二,根据JA在领域间的传播发展过程,IDR领域一般会经历三个阶段:潜伏期、萌芽期和成熟期。第三,随着IDR的形成,领域可能在不同时期扮演不同的角色。确定了四种角色:知识起源者、知识接受者、知识响应者和跨学科参与者。本文通过分析关键词的演变,展示了如何检测IDR的演变。通过给出IDR领域的概况和关键词演变的描述,对政策制定者和监管者促进IDR发展具有重要意义。
执行摘要 UMR 系统工程哲学博士课程 20 世纪 90 年代末,UMR 与南加州大学响应波音公司的“征求建议书”并获胜,为波音工程师及其全球承包商提供系统工程理学硕士 (MS) 学位,2000 年系统工程硕士学位获得了 CBHE 批准。目前,该课程有 270 多名学生入学,截至 2005 年秋季学期,已有 150 多名学生毕业。系统工程课程被认为是全国最好的课程之一,吸引了来自不同公司和实验室的学生,例如美国空军、美国陆军、国家地理空间情报局 (NGA)、洛斯阿拉莫斯国家实验室、通用汽车、洛克希德马丁、雷神公司、Sprint、Brewer Science、Briggs and Stratton、Hollister Corporation 和新加坡航空公司。美国大学的博士学位课程数量有限。仅工程系统大学委员会 ( http://www.cesun.org/ ) 就列出了 10 多个系统工程和/或与系统工程相关领域的教职职位。为了满足对受过培训的系统工程师日益增长的需求,UMR 提议开设系统工程博士学位课程,该课程将以目前系统工程硕士研究生课程的成功为基础,从而帮助满足对系统工程博士学位日益增长的需求。拟议的系统工程博士学位课程将在很大程度上取决于硕士学位课程。它将通过跨越 UMR 的所有四所学院和学院,为同意参加系统工程博士学位课程的大约 30 名教职员工提供各种学科的多样性。课程将在校园内授课,并通过 UMR 的众多远程教育教室之一通过互联网进行现场直播。UMR 已建立此基础设施,即视频通信中心 (VCC)。拟议的新学位将给大学带来额外的成本负担,因为它主要使用现有的课程和实验室,并带来可观的学费收入。该学位课程的收入将来自校内和校外学生支付的学费。UMR 已签订合同,通过互联网向波音公司员工提供系统工程研究生课程。董事会批准的远程学生现行费率为每三学分课程 3,802 美元,而校内学生的学费为 937 美元,外加 IT、活动和健康服务费用。系统工程博士学位符合 UMR 校园的方向和战略计划(http://campus.umr.edu/chancellor/stratpln/)。UMR 的目标是到 2010 年成为美国排名前五的技术大学之一。系统工程项目的内容和目的方向也体现了企业家精神和跨学科合作的价值,这些价值超越了传统的界限。最后,开发系统工程博士课程还将满足校园战略计划,增加入学人数,扩大研究绩效和声誉,丰富学生体验,并促进寻求外部机会。
人工智能在土木/建筑/建筑工程教育中的应用 Mohammed E. Haque 建筑科学系 德克萨斯 A&M 大学 Vikram Karandikar 建筑科学系 德克萨斯 A&M 大学 摘要 对于某些科学和工程教育领域来说,超越传统的院系课程界限变得越来越重要。人工智能 (AI) 就是这样一个领域;它的应用非常广泛且跨学科。应特别鼓励研究生学习当代计算技术的各种应用,包括人工神经网络 (ANN)、遗传算法 (GA) 等。土木/建筑/建筑工程对神经启发计算技术的应用兴趣日益浓厚。这种兴趣的动机是某些信息处理特性与人脑相似。软计算 (SC) 是一种新兴的计算方法,它与人类思维在确定性和精确性的环境中推理和学习的非凡能力相似。本文重点介绍了人工智能在土木/建筑/建筑工程尤其是 SC 领域的各种应用。作为毕业项目的一个例子,本文展示了一个基于 ANN 和 GA 的知识模型,其中研究了客户对大型多层公寓住宅方案的舒适性和安全性问题的偏好。建筑/工程是一门应用科学,可以从现有结构及其成功和失败中吸取许多教训,并将它们结合起来以找出更好的结构的新技术。这意味着设计师应该能够从每个以前的设计中得出一些定性值,特别是用户对建筑安全性和舒适度质量的认可,以确保设计成功。建筑师/设计工程师经常面临软数据的挑战,这些数据本质上是语言定性的,需要解释并融入他们的设计决策过程。他们应该非常了解客户的愿望和要求,尤其是客户在具体设计问题上的偏好。因此,后期