XiaoMi-AI文件搜索系统
World File Search Systemtool
人工智能作为建筑教学工具
近年来，人工智能 (AI) 在艺术和设计领域的应用越来越受欢迎。许多 AI 程序应用程序都是公开的，既有商业的也有开源的，它们提供了将设计或背景的文本描述转换为原始内容图像的机会。尽管自 2015 年以来，许多研究项目都在研究 AI 在建筑中的应用，但似乎缺乏将其作为概念生成工具在建筑教育中使用的经验证据。2022 年秋季举办了一门实验性建筑设计课程，其中 34 名学生在概念设计阶段使用 AI 程序从叙述中生成原始内容图像，以帮助学生为他们的建筑生成概念。将实验学生组的设计与另一组 50 名学生的对照组进行比较，后者在同一学期的类似项目中使用更传统的概念设计方法。本文旨在通过测量 AI 工具在提高形式发现创造力方面的有效性，强调在建筑设计教育的概念生成阶段使用 AI 工具的机遇和挑战。通过利用建筑学习理论和教学法方面的最新文献，我们将对这种实验方法进行批判性分析，以进一步了解人工智能在建筑教育中的作用。
人工智能工具 LiveRef 的再训练
1.国家健康与护理卓越研究所。https://www.nice.org.uk/about/what-we- do/our-programmes/nice-guidance/nice-technology-appraisal-guidance 。访问时间：2024 年 10 月 29 日。2.药品福利咨询委员会。https://pbac.pbs.gov.au/ 访问时间：2024 年 10 月 29 日。3.Agoritsas T，等人。寻找当前最佳证据。在：医学文献用户指南：循证临床实践手册，第 3 版。McGraw-Hill Education；2015 年。4.Liu J，等人。Value in Health，2023；26(6):S2,S279。
使用 TimeLIME 缺陷减少工具进行实验
AI 算法在 SE 研究和实践中的使用频率越来越高。此类算法通常使用来自 SE 领域之外的数据进行委托和认证。我们是否可以假设此类算法可以“现成”使用（即无需修改）？换句话说，SE 问题是否有特殊之处可以表明使用 AI 工具的不同且更好的方法？为了回答这些问题，本文报告了使用 TimeLIME 的实验，TimeLIME 是 KDD'16 中 LIME 解释算法的变体。LIME 可以就如何更改静态代码属性以减少下一个软件版本中的缺陷数量提供建议。该版本的 LIME 使用内部加权工具来决定在这些建议中包含/排除哪些属性。TimeLIME 使用以下 SE 知识改进了该加权方案：软件以版本形式发布；对软件的不合理更改是以前版本中从未更改过的内容；因此最好使用合理的更改，即在以前版本中具有先例的更改。通过将建议限制在经常更改的属性上，TimeLIME 可以 (a) 产生更好的缺陷原因解释和 (b) 关于如何修复错误代码的更好建议。除了这些关于缺陷减少和 TimeLIME 的具体结果之外，本文更普遍的观点是，我们的社区应该更加谨慎地使用现成的 AI 工具，而无需首先应用 SE 知识。如此处所示，应用这些知识可能并不复杂。此外，一旦应用了 SE 知识，就可以显著改善系统。
最后进近间距工具 - CiteSeerX
20 世纪 60 年代末，人们开始研究终端空中交通管制的自动化（Martin and Willet，1968 年）。该系统为管制员提供速度和航向咨询，以帮助提高最后进场的间隔效率。尽管该系统的交通测试显示着陆率有所提高，但管制员发现他们的工作量增加了，因此拒绝使用该系统。对该概念的研究表明，虽然设计的某些方面是合理的，但当时的技术限制了它的接受度，尤其是缺乏足够的管制员界面。最近，由于引入了现代计算机处理和界面，以及采用了更谨慎的设计方法，几种自动化系统已在欧洲投入使用（Volckers，1990 年；Garcia，1990 年）。但是，这些系统不包含复杂跑道操作的详细模型。此外，最近的快速时间模拟研究证实，在终端区域管制员的主动咨询的帮助下，着陆率有可能提高（Credeur and Capron，1989 年）。
人工智能是高等教育进步的工具
当用户将敏感数据输入无法“忘记”信息的 AI 工具时，用户数据可能会被泄露或被盗。AI 平台上薄弱的隐私政策可能会加剧这一问题。内部私人开发和实施的大型语言模型 (LLM) 可以为学生和教师提供生成式 AI 的许多好处，而不用担心太多安全问题。联想 AI Discover Lab 可以帮助您设置私人部署。
人工智能作为建筑教学工具
近年来，人工智能 (AI) 在艺术和设计领域的应用越来越受欢迎。许多 AI 程序应用程序都是公开的，既有商业的也有开源的，它们提供了将设计或背景的文本描述转换为原始内容图像的机会。尽管自 2015 年以来，许多研究项目都在研究 AI 在建筑中的应用，但似乎缺乏将其作为概念生成工具在建筑教育中使用的经验证据。2022 年秋季举办了一门实验性建筑设计课程，其中 34 名学生在概念设计阶段使用 AI 程序从叙述中生成原始内容图像，以帮助学生为他们的建筑生成概念。将实验学生组的设计与另一组 50 名学生的对照组进行比较，后者在同一学期的类似项目中使用更传统的概念设计方法。本文旨在通过测量 AI 工具在提高形式发现创造力方面的有效性，强调在建筑设计教育的概念生成阶段使用 AI 工具的机遇和挑战。通过利用建筑学习理论和教学法方面的最新文献，我们将对这种实验方法进行批判性分析，以进一步了解人工智能在建筑教育中的作用。
太空战争分析工具 (SWAT)
WAT 能够快速动态地创建和执行多个平台，用于作战行动方案。SWAT 生成关键数据，可用于向指挥官和决策者提供有关太空概念、能力、作战概念以及战术、技术和程序的信息，无论这些环境是否具有太空能力。SWAT 在作战环境中支持太空、空中和地面机动（红蓝）部队，同时提供实时数据收集和减少；使用户能够了解计划和注入事件和平台的影响。SWAT 不专注于详细操作分析的系统工程，而是专注于快速查看。SWAT 牺牲了保真度，以换取易用性。它可以根据未来的能力进行定制，无需完整的系统定义即可运行。3D 地图让指挥官和领导者对贡献、好处有了独特的理解
保证案例开发的工具支持
摘要 基于论证的保证案例通常使用图形论证结构来表示和组织，在实践中越来越多地用于向利益相关者（例如监管机构）提供保证，确保系统在可靠性和安全性方面可以用于其预期用途。一般而言，全面的系统范围保证论证会汇总大量不同信息，例如安全分析、需求分析、设计、验证和其他工程活动的结果。尽管存在多种保证案例工具，但许多对论证结构的理想操作（例如层次化和模块化抽象、论证模式实例化以及丰富结构化信息的包含/提取）都缺乏自动化支持。为了弥补这一自动化差距，在过去四年中，我们一直在 NASA 艾姆斯研究中心开发一套保证案例自动化工具 AdvoCATE。本文介绍了如何在保证案例论证结构的形式化基础上设计 AdvoCATE，以提供以下独特功能：a ) 自动创建和组装保证论证，b ) 将形式化方法集成到更广泛的保证论证中，c ) 自动模式实例化，d ) 分层抽象，e ) 查询和视图，以及 f ) 论证验证。我们（和我们的同事）已在实际项目中使用 AdvoCATE 进行安全保证，在