XiaoMi-AI文件搜索系统
World File Search Systemtowards
迈向未来的技术全景奇点
摘要：本研究关注的是读心术机器将如何连接起来，最初是通过弱人工智能，然后是与强人工智能相结合，这一方面将不再像现在这样具有简单的医疗作用，而是监视和监控个人——这一方面正引领我们走向未来的技术全景奇点。因此，本文的总体目标是提出人性的本体论稳定性问题，在读心术机器的技术奇点范围内，这会导致自主性的丧失和人类思想自由度的降低。在这个范式中，未来技术奇点时代的假设被预示为各种因素的累积，其中人工智能在人类监督的技术全景系统中以权力表现/施加的新世界秩序的形式相对于人类主体占据主导地位——即“单例”。理论目标分析了福柯全景机制（Foucault，1995、2003、2006、2008）的“去领土化”现象（Deleuze & Guattari，2000、2005）——该机制基于“生物权力”的“生命政治”体系——及其在技术全景奇点“领土”中的“再领土化”，其中强人工智能“单例”场景（Bostrom，2004、2006）代表了存在向硬技术决定论的异化。
面向特定领域的可解释人工智能
| 2021 年 6 月 19 日 | Stieler, F.；Rabe, F.；Bauer, B.：面向领域特定可解释人工智能：使用人类方法对皮肤图像分类器进行模型解释 10
迈向量子处理器的可扩展性
量子信息处理为计算提供了更通用的概念，有望比传统计算机更高效。通过将信息编码在纠缠量子态中，某些算法（例如整数分解）有望实现比最知名的传统变体指数级加速。捕获离子是量子信息处理这一高度活跃领域的领先技术之一。它们允许原理验证演示，但仍然仅限于对数十个量子比特的操作。将这些系统扩展到其计算能力超过传统计算机能力的规模仍然是一项非常具有挑战性的任务。在本论文的范围内，对低温离子捕获装置进行了修改和表征，目的是展示可扩展量子计算的构建模块。本论文介绍了三个相互关联的项目。第一个项目涉及实验装置本身，该装置内有一个分段表面陷阱，能够捕获 40 Ca + 和 88 Sr + 离子。我们描述了该装置和实施的修改以及为评估其性能而执行的特性测量。然后使用该装置开发和评估一种用于纠缠门的新型校准算法。量子门操作的性能由实验决定，取决于操作参数的确定和设置的准确性，以及这些参数的稳定性。开发的校准协议可以自动估计和调整被广泛用于离子阱量子信息处理器的两量子比特 Mølmer-Sørensen 纠缠门操作的实验参数。使用贝叶斯参数估计的协议在不到一分钟的时间内完成，由于校准错误导致的剩余中位门不保真度小于退相干源给出的不保真度。最后，使用了一种新颖的门方案来演示混合物种纠缠，它可以实现按顺序读出而不会扰乱整个寄存器，这是纠错的关键因素。相同的门方案也可用于在量子比特之间产生纠缠，这是量子位的概括。通过使用每个离子的更多级别，可以在相同数量的粒子中编码更多信息，从而增加量子计算希尔伯特空间的大小。
迈向可再生能源超级大国
澳大利亚在清洁能源领域的声誉很复杂。我们是某些技术研发领域的全球领导者，尤其是太阳能光伏 (PV) 技术，我们拥有世界上最好的可再生能源资源和陆地面积。然而，迄今为止，我们的大部分贡献都与我们作为“开采和运输”经济的声誉息息相关，我们的矿产资源开采后运往海外进行加工和制造，然后作为消费品返回。
迈向可信赖、可解释的人工智能
1 简介 机器学习 (ML) 模型广泛应用于许多实际应用的决策过程。现代 ML 方法的快速发展、实际成就和整体成功 [LeCun et al. , 2015; Jordan and Mitchell, 2015; Mnih et al. , 2015; ACM, 2018] 保证了机器学习将作为一种通用计算范式盛行，并将找到越来越多的实际应用，其中许多与我们生活的各个方面有关。不幸的是，ML 模型有时会灾难性地失败 [Zhou and Sun, 2019; CACM Letters to the Editor, 2019]。它们还可能由于模型中的偏见（例如种族、性别、年龄）而支持糟糕的决策 [Angwin et al. , 2016]。由于脆弱性，它们的决策可能会令人困惑 [Szegedy et al. , 2017]。 ，2014；Goodfellow 等人，2015]。因此，迫切需要了解 ML 模型的行为，分析模型（或用于训练模型的数据）的（潜在）故障，对其进行调试并可能进行修复。这引起了人们对验证 ML 模型操作的兴趣日益浓厚 [Ruan 等人，2018；Narodytska，2018；Narodytska 等人，2018b；Katz 等人，2017]，同时也激发了旨在设计可解释人工智能（XAI）方法的努力 [Ribeiro 等人，2018；Lundberg 和 Lee，2017；Ignatiev 等人，2018；Narodytska 等人，2018a；Ribeiro 等人, 2016;伊格纳季耶夫等人。 , 2019a;
面向特定领域的可解释人工智能
皮肤癌检测是临床决策支持的一个常见应用 [7]。由于皮肤癌患者数量的增加和早期检测的良好治疗效果，过去几年来，人们在该领域进行了大量研究。在此背景下，DNN 已成为开发皮肤图像分类模型的可行方法 [2、8、12、30]。社区的高度关注导致出现了各种不同方法，其性能水平也参差不齐。1 所有方法的共同点都是训练一个可用于诊断并从而用于临床决策支持的模型。因此，新方法的评估标准通常是它们是否能够使模型在各种皮肤病诊断任务中取得更好的性能结果 [21]。同时，其他 AI 研究领域也越来越多地考虑对模型预测的解释。相比之下，这些技术在皮肤图像分类中的应用几乎没有得到解决，尽管最近的一些研究已经认识到
迈向可持续能源的未来
在胜科，我们相信要重新培养现有人才库，并将我们的能力输出到新加坡以外的地方。我们在可再生能源领域创造了就业机会，包括风能、太阳能和储能领域的职位，以支持全球能源转型。我们的员工分布在该地区的各个岗位，包括项目管理、工程和商业等。我们还在考虑增加可以增强可再生能源价值链的职位，以支持全球能源转型。
向2030年目标迈进
我们的订阅研究服务组合提供了有关能源转型领域的深入见解。自 2004 年以来，我们一直与活跃于能源转型的组织进行主要研究 - 我们拥有无与伦比的国际联系网络。每项服务都侧重于能源转型的特定方面。
迈向人工智能问责框架
随着曾经规模较小的人工智能应用发展成为高度复杂的系统，谁应该对这些系统的预测或决策负责的问题变得迫在眉睫。以自动驾驶为例，本简报从法律和道德角度强调了人工智能系统的主要问责问题。在现行指南中已经可以找到问责制的含义，包括可解释性和责任要求。然而，将这些指南转移到人工智能系统的特定环境中并应用于其中，以及它们的全面性，需要进一步努力，特别是在社会需求方面。因此，需要进一步进行多学科研究，以加强整体和适用的问责框架的制定。
