XiaoMi-AI文件搜索系统
World File Search System中使
根据欧盟法律允许并需要，在刑事案件中使用人工智能
罗马尼亚布加勒斯特蒂图马约雷斯库大学和布加勒斯特经济研究大学 teo.manea@gmail.com Dragos Lucian Ivan 2
在教学、学习和评估中使用人工智能工具
人工智能 (AI) 正在席卷全球，尤其是生成式人工智能，因为它有可能彻底改变我们的教学方式，因此受到了热烈讨论。大学认为，教师和学生必须接受并熟悉人工智能，才能最大限度地发挥其在教育中的潜力。学生应该学会合理使用人工智能工具，不仅是为了学习，也是为了未来的职业发展和进步，以便在这个人工智能时代茁壮成长。与任何其他教育资源一样，教师和学生应该批判性地对待人工智能工具，以诚实和真实的方式认识到它们的局限性，以及如何将这些工具融入教学和学习中，以实现预期的学习成果。
纽约市颁布法律限制在就业决策中使用人工智能
法律禁止使用此类工具筛选候选人或员工以做出就业决定，除非在使用前一年内已接受过“偏见审计”。“偏见审计”是指由独立审计员进行的公正评估，至少测试该工具根据种族、民族和性别对个人的不同影响。值得注意的是，新法律没有定义谁（或什么）被视为合格的独立审计员。它也没有解决雇主使用通过偏见审计发现具有不同影响的自动化就业决策工具的问题——既没有明确禁止使用此类工具，也没有允许使用它们，例如，如果它与雇主的重要业务目标有重大关系。
MOCA在一般实践中使用以早期检测认知障碍
背景：GP可以在很早的阶段检测认知障碍，从而为人们及其护理人员提供早期的支持。认知障碍的早期发作在50至60年之间。目前在法国，迷你心理状态检查仍然是最常用的筛查测试，尽管它的灵敏度和特异性低于蒙特利尔认知评估（MOCA）用于检测轻度认知障碍，平均需要15分钟才能完成。目的：研究MOCA在常规咨询期间的可行性，以早期检测认知障碍，并确定初级保健环境中认知障碍的普遍性。设计和设置：常规咨询期间在现实生活中进行了定量的，可行性的研究。方法：GPS对50岁及50岁以上的成年人进行了MOCA，没有怀疑或确认的认知障碍。结果和结论：61 GPS进行了221个MOCA，平均持续时间为8分钟，并在62％的患者中检测到轻度神经认知障碍。MOCA在经过训练和经验丰富的医生的一般咨询中可行且易于执行。
在评估和可交付成果中使用人工智能（AI）的政策
本政策旨在适用于教学过程中使用的评估和可交付成果，而不是直接患者护理或人类受试者研究的一部分。大多数市售的AI系统不符合HIPAA或FERPA保护，并且进入患者或学生信息（已识别或被识别）进入此类系统是违反UCSF政策的行为，并可能犯罪。在患者护理或研究中使用AI系统需要从研究导师或导演的直接确认，允许使用这种使用，并且该系统被授权使用此类信息。使用AI技术在使用前由UCSF监督的研究进行记录和批准。
学生对在教育服务中使用人工智能使用的看法
摘要可以在当代条件下确定人工智能（AI）的意义（AI）和在高等教育中实施它的可能性。同时，由于他们代表了教育服务的最终用户，因此不能忽略学生对此的重要性。因此，这项研究的重点是在塞尔维亚学生样本中实施已经开发的AI教育量表（SCAIES）工具的学生概念。这是该八个因子仪器的首次实现，该工具被建模为一种反思性的层次结构结构，可以被视为其从理论方面的主要贡献。因此，从学生的角度来看，所有八个因素都积极而显着形成了AI在教育（UAIED）中的使用，而最大的贡献可能归因于传统教育的弱点，即教育，个性化学习和学生绩效预测中的情感分析。另一方面，最低的贡献可能归因于可能与有关AI使用以及控制，具体，课堂监控和视觉分析以及学生的成绩和评估领域有关的因素。还为高等教育机构提出了一些一般建议。关键字：人工智能，教育，学生，看法，服务。JEL分类：M31，i20
教育工作者在教学中使用人工智能（AI）和数据的道德准则
学校通常会处理大量的教育数据，包括有关学生、家长、教职员工、管理层和供应商的个人信息。在教育领域收集、使用和处理的数据通常被称为“教育数据”。这些数据包括记录在学生信息系统中的数据，例如教育成就、家长姓名、评估成绩，以及使用数字工具时产生的微观层面数据。当学生与数字设备交互时，他们会产生数字痕迹，例如鼠标点击、打开页面的数据、交互事件的时间或按键。在课堂上使用智能辅导系统 (ITS) 时，学习数学或现代语言也会产生学习活动痕迹。所有这些数据可以结合起来，捕捉每个学生的在线行为。这种类型的痕迹数据（数字使用和学习活动痕迹）通常用于学习分析 (LA)。学生信息系统中的数据可以进一步用于资源和课程规划以及预测辍学和指导。
在模拟环境中使用人工神经网络估计道路摩擦力
3.1 Unity 3D 中的车辆模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...
国防采办项目审查中使用人工智能的可行性研究，第一卷：主要报告
负责采购的国防部助理部长办公室 (ASD(A)) 委托国防分析研究所 (IDA) 探索将人工智能和相关工具应用于结构化和非结构化数据源的可行性，以简化流程、提高预测能力，并更好、更有效地向高级决策者通报趋势和可能的结果。我们研究了国防采购过程中可用的大量数据源以及与采购相关的非传统数据，例如国会证词和社交媒体。我们还探索了各种高级分析技术的潜在用途，并在可能的情况下将它们应用于可用的数据源以制作可能的应用程序原型。这项可行性研究提供了对广泛应用的探索性观点，并提供了初步示例来展示如何实施人工智能技术。提供完善的模型超出了范围，也不是本可行性研究的一部分。