XiaoMi-AI文件搜索系统
World File Search Systemoit
建议引用：Dudnik, Olesya 等人 (2021)：能源行业实施人工智能技术的趋势、影响和前景：开放式创新的含义，《开放式创新：技术、市场和复杂性》杂志，ISSN 2199-8531，MDPI，巴塞尔，第 7 卷，Iss。2，第 1-27 页，https://doi.org/10.3390/joitmc7020155
1 莫斯科谢切诺夫第一国立医科大学（谢切诺夫大学）儿童牙科和正畸学系，俄罗斯莫斯科 119991；Olesya.V.Dudnik@yandex.ru 2 大西洋科学技术学术出版社，美国马萨诸塞州波士顿 01233 3 自主非营利组织“科学评论出版社”（Nauchnoe Obozrenie），俄罗斯莫斯科 127051 4 国立管理大学数字化转型管理研究所，俄罗斯莫斯科 109542；nikolay.kuznetsov53@gmail.com 5 莫斯科鲍曼国立技术大学基础科学学院数学模拟系，俄罗斯莫斯科 105005；marina.podzorova@inbox.ru 6 东北联邦大学数理经济学和应用信息科学系，俄罗斯雅库茨克 677009； irina.v.nikolaeva@lenta.ru 7 莫斯科理工大学公共管理与法律系，107023 莫斯科，俄罗斯；larissavatutina@yandex.ru 8 乌德穆尔特国立大学金融、会计与经济数学方法系，426034 伊热夫斯克，俄罗斯；ekaterina.khomenko@yahoo.com 9 普列汉诺夫俄罗斯经济大学历史与哲学系人道主义培训中心，117997 莫斯科，俄罗斯；marina.ivleva.2014@inbox.ru * 通信地址：info@astap.net 或 marina.vasiljeva2017@gmail.com
建议引用：Chae, Bongsug；Goh, Gyuhyeong (2020)：人工智能和数据分析领域的数字企业家：他们是谁？，《开放式创新：技术、市场和复杂性》杂志，ISSN 2199-8531，MDPI，巴塞尔，第 6 卷，Iss。3，第 1-15 页，https://doi.org/10.3390/joitmc6030056
摘要：数字技术是创业活动的关键资源，人们对数字创业非常感兴趣。虽然许多研究都集中在数字技术在创业中的作用以及它们如何塑造这个领域，但对数字创业的关键参与者的研究相对较少。本研究使用来自 Crunchbase 和 Twitter API 以及学习机的数据，试图回答“谁是数字企业家？”的问题。 本研究报告称，人工智能和数据分析 (AIDA) 行业的数字企业家比非数字企业家更有可能是男性，并且更活跃且在线联系更紧密。此外，他们往往比其他非数字企业家更外向，更不认真和随和。我们的研究结果有助于更清楚地了解数字企业家，这将引起投资者、政策制定者、当前和未来的数字企业家和教育工作者的极大兴趣。
Hunt, X.、Tomlinson, M.、Sikander, S.、Skeen, S.、Marlow, M.、du Toit, S. 和 Eisner, M. (2020)。人工智能、大数据和移动医疗：预防儿童暴力的前沿。人工智能前沿，3，543305。提前在线出版。https://doi.org/10.3389/frai.2020.543305
针对儿童的暴力是全球公共卫生威胁，令人十分担忧。全世界至少有一半的儿童每年都会遭受暴力；全球每年遭受暴力的 2 至 17 岁儿童总数达 10 亿。根据文献综述，我们认为人工智能（以及相关的机器学习和大数据）和移动医疗方法具有巨大的潜力，可用于大规模预防和解决暴力问题。这种潜力在中低收入国家 (LMIC) 尤为明显，尽管它能否转化为大规模的有效解决方案仍不清楚。我们讨论了人工智能 (AI)、大数据和移动医疗方法预防暴力的可能切入点，并将它们与世界卫生组织的七项 INSPIRE 战略联系起来。然而，应谨慎对待此类工作。我们强调了未来基于技术和技术支持的暴力预防工作的明确方向。我们认为，需要在整个城市层面建立良好的基于代理的模型，以了解可能发生暴力的地方和时间，以及当地的响应系统。然而，有必要开发关于暴力预测因素的通用、可靠和有效的人口和个人/家庭层面数据。这些指标可以整合到常规健康或其他信息系统中，并成为暴力预防和应对系统的人工智能算法的基础。此外，还需要有关个人求助行为、虐待儿童的风险因素和其他信息的数据，这些信息可以帮助我们确定了解暴力成因和应对暴力所需的参数。为了应对此类干预措施引起的道德问题，必须做出协调一致的、有意义的努力，在人工智能领域开展参与性和用户主导的工作，以确保上述隐私和分析问题在未来得到明确解决。最后，我们认为，开发人工智能和其他技术基础设施将需要大量投资，特别是在中低收入国家。
建议引用：Regona, Massimo；Yigitcanlar, Tan；Xia, Bo；Li, Rita Yi Man (2022)：人工智能在建筑行业应用的机遇与挑战：PRISMA 评论，《开放创新：技术、市场与复杂性》期刊，ISSN 2199-8531，MDPI，巴塞尔，第 8 卷，Iss。1，第 1-31 页，https://doi.org/10.3390/joitmc8010045
摘要：人工智能 (AI) 是一种强大的技术，具有多种功能，如今在所有行业中都开始显现出来。然而，与其他行业相比，人工智能在建筑行业的普及程度相当有限。此外，尽管人工智能是建筑环境研究的热门话题，但研究建筑行业人工智能采用水平低的原因的综述研究有限。本研究旨在通过确定人工智能的采用挑战以及为建筑行业提供的机遇来缩小这一差距。为了实现这一目标，该研究采用了 PRISMA 协议的系统文献综述方法。此外，文献的系统综述侧重于建筑项目生命周期的规划、设计和施工阶段。审查结果表明：(a) 人工智能在规划阶段特别有益，因为建筑项目的成功取决于准确的事件、风险和成本预测；(b) 采用人工智能的主要机会是通过使用大数据分析和改进工作流程来减少花在重复任务上的时间； (c) 将人工智能融入建筑工地的最大挑战是该行业的碎片化性质，这导致了数据获取和保留的问题。研究结果为建筑行业的各方提供了有关人工智能适应性的机会和挑战的信息，并有助于提高市场对人工智能实践的接受度。
建议引用：Yigitcanlar, Tan 等人 (2021)：地方政府人工智能 (AI) 的负责任城市创新：概念框架和研究议程，《开放创新：技术、市场和复杂性》杂志，ISSN 2199-8531，MDPI，巴塞尔，第 7 卷，Iss。1，第 1-16 页，https://doi.org/10.3390/joitmc7010071
1 昆士兰科技大学建筑与建筑环境学院，2 George Street，布里斯班 QLD 4000，澳大利亚 2 圣卡塔琳娜联邦大学技术学院，Campus Universitario，Trindade，Florian ó polis，SC 88040-900，巴西 3 萨拉曼卡大学 Bisite 研究小组，37007 萨拉曼卡，西班牙；corchado@usal.es 4 空气研究所，物联网数字创新中心，37188 萨拉曼卡，西班牙 5 大阪工业大学工程学院电子、信息和通信系，大阪 535-8585，日本 6 阿卜杜勒阿齐兹国王大学高性能计算中心，Al Ehtifalat St，吉达 21589，沙特阿拉伯； rmehmood@kau.edu.sa 7 香港树仁大学经济及金融系，香港北角伟翠街 10 号，中国；ymli@hksyu.edu 8 亚利桑那州立大学公共事务学院，美国亚利桑那州凤凰城北中央大道 411 号，邮编 85004；karen.mossberger@asu.edu 9 昆士兰科技大学管理学院，澳大利亚昆士兰州布里斯班乔治街 2 号，邮编 4000；kevin.desouza@qut.edu.au * 通讯地址：tan.yigitcanlar@qut.edu.au；电话: +61-7-3138-2418
建议引用：Yigitcanlar, Tan 等人 (2020)：人工智能技术与相关城市规划和发展概念：澳大利亚如何看待和利用它们？，《开放创新：技术、市场和复杂性》杂志，ISSN 2199-8531，MDPI，巴塞尔，第 6 卷，第 4 期，第 1-21 页，https://doi.org/10.3390/joitmc6040187
1 昆士兰科技大学建筑环境学院，2 George Street，布里斯班 4000，昆士兰州，澳大利亚；ruth.kankanamge@hdr.qut.edu.au (N.K.); massimo.regona@hdr.qut.edu.au (M.R.); andres.ruizmaldonado@connect.qut.edu.au (A.R.M.); bridget.rowan@connect.qut.edu.au (B.R.); hanseung.ryu@connect.qut.edu.au (A.R.)2 昆士兰科技大学管理学院，2 George Street，布里斯班 4000，昆士兰州，澳大利亚； kevin.desouza@qut.edu.au 3 萨拉曼卡大学 Bisite 研究小组，37007 萨拉曼卡，西班牙；corchado@usal.es 4 航空研究所，物联网数字创新中心，37188 萨拉曼卡，西班牙 5 大阪工业大学工学院电子、信息与通信系，大阪 535-8585，日本 6 阿卜杜勒阿齐兹国王大学高性能计算中心，Al Ehtifalat St，吉达 21589，沙特阿拉伯；rmehmood@kau.edu.sa 7 香港树仁大学可持续房地产研究中心，10 Wai Tsui Cres，北角，香港，中国；ymli@hksyu.edu * 通信地址：tan.yigitcanlar@qut.edu.au；电话: + 61-7-3138-2418
靶向 MTHFD2 以利用癌症特异性代谢和 DNA 损伤反应
引言 1 2 癌细胞的细胞代谢上调，以支持肿瘤的生长和转移。癌症代谢的一个关键部分是一碳 (1C) 叶酸循环，它支持维持快速增殖所需的核苷酸和氨基酸合成。针对一碳代谢进行癌症治疗的历史可以追溯到 1948 年，当时 Sydney Farber 使用抗叶酸药物治疗白血病 (1)。早期的抗叶酸化疗药物，如甲氨蝶呤，至今仍是有效的癌症治疗方法，但副作用很常见，而且可能很严重 (2,3)。8 9 亚甲基四氢叶酸脱氢酶/环化水解酶 2 (MTHFD2) 作为癌症靶点，一直备受关注，自 2012 年 Jain 及其同事证明 MTHFD2 是癌症中过表达最高的代谢酶之一 (4) 以来，该研究一直备受关注。 Nilsson 等人的荟萃分析证实了这一观点，他们发现 MTHFD2 在 16 种癌症类型中上调 (5)。这 13 促使大量研究表明 MTHFD2 敲低会抑制癌症生长，更重要的是，14 开发出针对 MTHFD2 表达癌症的抑制剂，这些抑制剂在小鼠 15 模型中有效 (6-8)。16
Deloitte全球生成AI |与Genai的未来前进
Deloitte TechTalks | Deloitte全球生成AI |与Genai的未来前进|通过Nitin Mittal，Deloitte全球Genai领导者和Heather Stockton，Deloitte全球咨询服务，技术与转型领导者Raquel Buscaino从噪音中识别信号：欢迎来到德勤TechTalks。我是您的主人，拉奎尔·布塞诺（Raquel Buscaino），我和我在美国的德勤咨询公司（Deloitte Consulting）领导了小说和指数技术团队，在那里我们感受到并了解新兴和高级技术。本周在TechTalks上，我们将有点混合。除了我们通常的情节外，我们还有一个由德勤的全球同事排队的三部分AI系列，他们讨论了Genai周围的趋势，从确定噪音中的信号，优化组织价值并导致机会的途径。
利用适度缺氧使脑病患者受益：分子机制和转化研究进展
摘要 缺氧越来越被认为是一种重要的生理驱动力。氧气 (O 2 ) 供应减少（例如高海拔地区的吸气性缺氧）会诱导特定的转录程序，使细胞能够适应较低的 O 2 和有限的能量代谢。这种转录程序部分受缺氧诱导因素控制，部分独立于缺氧诱导因素。值得注意的是，大量的运动认知锻炼会刺激大脑中的这一转录程序，导致与急剧增加的 O 2 需求相比，O 2 供应相对减少。我们将这种重要的需求反应性、O 2 供应相对减少称为“功能性缺氧”。功能性缺氧似乎对于持久适应更高的生理挑战至关重要，包括实质性的“大脑硬件升级”，这是高级性能的基础。缺氧诱导的大脑促红细胞生成素表达可能在这些过程中起决定性作用，可以通过重组人促红细胞生成素治疗来模仿。本文综述了吸气时氧气调节如何有助于增强大脑功能的提示。从而为利用适度吸气和功能性缺氧治疗脑部疾病患者奠定了基础。最后，本文概述了一项计划中的多步骤试点研究，该研究针对健康志愿者和第一批患者，旨在提高吸气时缺氧下运动认知训练的表现。
Ioannis Antonopoulos、Valentin Robu、Benoit Couraud、Desen Kirli、Sonam Norbu 等人。人工智能和机器学习方法在能源需求侧响应中的应用：系统评价。《可再生和可持续能源评论》，2020 年，130，第 109899 页。�10.1016/j.rser.2020.109899�。�hal- 03601421�
随着间歇性可再生能源发电在能源结构中的占比不断增加以及负载类型更加不稳定（如电动汽车充电），近年来人们对能源需求侧响应 (DR) 的兴趣日益浓厚。需求侧响应计划被认为能够以经济高效的方式提供所需的灵活性，从而提高能源系统的可靠性。大规模需求侧响应服务的需求通常由需求侧响应聚合器来满足，即提供聚合服务并充当系统运营商和最终消费者之间的中介的实体。需求侧响应相关任务的高度复杂性，加上它们对大规模数据的使用以及对近乎实时决策的频繁需求，意味着人工智能 (AI) 和机器学习 (ML)——人工智能的一个分支——最近已成为实现需求侧响应的核心技术。人工智能方法可用于应对各种挑战，包括选择最佳消费者响应集、了解他们的属性和偏好、动态定价、设备调度和控制、学习如何激励需求响应计划的参与者以及如何以公平和经济高效的方式奖励他们。本文基于对 160 多篇论文（发表于 2009 年至 2019 年之间）、40 家公司和商业计划以及 21 个大型项目的系统回顾，概述了用于需求响应应用的人工智能方法。这些论文根据所使用的人工智能/机器学习算法和能源需求响应的应用领域进行分类。接下来，介绍了商业计划（包括初创公司和老牌公司）和大型创新项目，其中人工智能方法已用于能源需求响应。本文最后讨论了所审查的人工智能技术在不同需求响应任务中的优势和潜在局限性，并概述了这一快速增长领域未来研究的方向。