PHL 324 课程指南 – 控制论/人工智能简介 这是 PHL324 – 控制论/人工智能。PHL324 是一门两学分课程,最短持续时间为一个学期。这是尼日利亚国家开放大学 (NOUN) 所有本科生的必修课程。本课程向学生介绍人工智能 (A.I.) 的研究,这是一种源自机器的特殊智能。这是对智能机器存储信息、解决数学问题及其获取知识的准确性的能力的广泛调查。学生将了解人工智能的本质,即其在模拟、信息传播、信息检索和机器语言领域的知识表示能力,以及人工智能对人类知识增长的贡献。以及人工智能可以促进更好地理解人类知识的来源、范围和局限性的各种方式。此外,本课程将研究人工智能的认识论局限性。换句话说,智能机器提供的知识类型以及关于机器是否可以等同于人类的争议性辩论以及人类意识的不可约性将成为哲学研究的主题。课程目标 在本课程结束时,您将能够: • 了解什么是人工智能。• 了解人工智能的历史发展。• 解释人工智能在接收和存储信息、解决数学问题以及获取知识的准确性方面的能力。• 解释人工智能在模拟、信息传播、信息检索和机器语言领域的知识表示中的作用和能力。• 概述人工智能的优点和缺点 • 确定人工智能对人类知识增长的贡献• 阐明人工智能与人类智能相比的认识论局限性 • 评估人工智能的当前和未来前景。完成本课程 要成功完成本课程,请阅读学习单元,完成所有
摘要 — 通过回顾最新文献,本文作者展示了孟加拉国如何实践绿色供应链管理的各种策略,以及这种战略对银行业的影响前景。本文基于二手数据,特别是 2012 年至 2023 年在各种在线数据库中发表的精选文章。这项研究揭示了许多数字化的创新措施,同时也发现现有政策和实践之间存在差距。因此,作为一家高度系统化和结构化的企业,孟加拉国的银行仍在努力采用统一的绿色供应链模式,以确保整体绿色建设。此外,研究结果可能有助于政策制定者和管理者制定战略决策,以衡量整个供应链中各种绿化技术的价值。本文得出结论,指出了实现可持续供应链的潜在研究机会范围,这将加速经济的经济包容性。关键词 — 绿色供应链管理 (GSCM);银行业;孟加拉国;数字化;绿色银行;环境供应链管理。 1. 引言 21 世纪,科技的进步让人们的生活变得轻松舒适,任何有形商品,包括金钱,都可以通过一次点击从地球的一个角落到达另一个角落。数字化和自动化银行业务是现代社会的一项设施,它通过一个国家的数字化发展促进了生态系统的改善 [1]。由于热浪、频发的森林大火、海平面上升、频繁的洪水、干旱和大规模地震等环境问题最近成为热点问题,当代商业的重点已转移到实现供应链能力的可持续性 [2]。特别是对于发展中国家来说,建立可持续性对于环境和经济增长都具有争议性,银行体系的作用至关重要。通过其传统的货币供应商角色,银行现在可以作为绿化(减少碳足迹和浪费或
根据 2009 年《坦桑尼亚生物安全条例》,任何生产、商业化、进口或开展与生物技术产品有关的任何活动的实体,均应对可能造成的广泛直接和间接损害承担严格责任。自 2009 年以来,这一责任要求实际上已成为坦桑尼亚对农业生物技术产品的禁令,阻碍了消费者选择替代食品和饲料的权利。坦桑尼亚政府频繁放松和收紧限制,对国内基因工程 (GE) 研究产生了负面影响。多位消息人士向 Post 透露,著名研究人员和讲师对从事 GE 研究以及应用生物技术在该国的潜在用途一再感到沮丧。自 2022 年 9 月传达以来,农业部长指示坦桑尼亚农业研究所 (TARI) 恢复 Makutopora 和 Mikocheni 研究站的 GE 试验,但尚未实施。在坦桑尼亚,围绕 GE 技术的争论基本上不是基于科学的。由倡导团体资助的反生物技术组织针对政策制定者、消费者和农民,散布负面的争议性信息,以阻止和误导反对使用农业生物技术的信息。另一方面,一些坦桑尼亚科学家和政策制定者通过坦桑尼亚生物技术协会和副总统办公室倡导以科学为基础的生物技术产品方法。副总统办公室下属的环境司是国家生物安全联络点,也是批准和使用农业生物技术产品的主管部门。坦桑尼亚 2021 年国家环境政策表明,现代生物技术是农业和医药等各个领域研究和提高生产力的重要工具。然而,由于坦桑尼亚的严格责任条款以及缺乏关于安全使用和处理现代生物技术的具体政策指导,生物技术产品的商业化仍然受阻。
1. 前言 4 Marc Ringel 撰写的前言 4 Giacomo Luciani 撰写的前言 6 2. 编辑介绍 8 3. 专家访谈 15 采访 Miguel Gil Tertre — 脱碳中的竞争力 15 采访 Adnan Shihab Eldin — 小型模块化反应堆能否带来核能复兴? 19 采访 Andrei Marcu - 欧盟气候政策面临的挑战 26 采访 Thibaud Voïta - 非洲碳市场的前景与风险 30 4. 辩论 35 辩论问题 36 赞成:应放慢能源转型速度以保证政治和经济上的可承受性 (Huixuan (Christy) Pang) 36 反对:不应放慢能源转型速度以保证政治和经济上的可承受性 (Pietro Rinaldi) 40 5. 批判性文章 43 不仅仅是千兆瓦:关于 COP28 可再生能源目标概念问题的评论 (Ana Díaz Vidal) 43 不要向北看,要向南看:资助全球南方国家的能源转型将使每个人受益 (Harshad Gaikwad) 48 驾驭印度煤炭转型的争议性叙事 (Isha Hiremath) 54 从黑金到绿色:石油国家和石油资金在推动全球能源转型中的作用转型(Pietro Gioia)63 全球能源转型技能:共同建设更绿色的未来(Marie Kepler)70 老挝水电出口到新加坡:东盟“可持续能源”承诺背后的隐性成本(Linus Chen)76 关于中亚水电站成为能源转型障碍的情感叙事(Rebeca Olmos del Canto)83 对关键矿产的批判性视角:全球南方公平能源转型的局限性(Vadim Kuznetsov)88 关键矿产回收和循环经济(Lucille Poulard)94 氢能在全球能源转型中的机遇(Nicolas Moinier)100 欧洲的核能:巨大的错误还是可持续的祝福? (Michel Galper 和 Håkon J. Syrrist)105 TenneT 的目标电网:规划下一代海上风电和电力传输的要点(Arina Khotimsky 和 Clément Violot)112 6. 编辑委员会 121
摘要:脑瘤是脑中异常细胞的生长,也可能导致一种致命的疾病,即癌症。由于 MRI 图像对噪声和环境因素的敏感性,脑瘤的早期诊断非常困难。脑瘤的主要原因是脑细胞的进展受阻。许多卫生组织已经将脑瘤确定为世界上造成大量死亡的第二大争议性肿瘤。脑瘤可以识别多种症状,包括癫痫发作、情绪变化、行走和听力、视力、肌肉运动困难等。脑瘤可以识别多种症状,包括癫痫发作、情绪变化、行走和听力、视力和肌肉运动困难等。脑瘤分为神经胶质瘤、髓母细胞瘤、室管膜瘤、中枢神经系统淋巴瘤和少突胶质细胞瘤。在原发期,肿瘤可以切除,但在二期,肿瘤疾病会扩散,因此切除肿瘤后肿瘤很少残留并再次生长,所以这是肿瘤二期最大的问题。尽早发现脑肿瘤非常重要。正确的治疗计划和准确的诊断是提高预期寿命的首要任务。磁共振成像是检测脑肿瘤的最佳方法。由于脑肿瘤及其特性的复杂性,需要一种自动化的脑肿瘤检测系统来在最早阶段检测出肿瘤。由于检测肿瘤的复杂性,人工检查容易出错。我们采用基于深度学习的可分离卷积神经网络从 MRI 图像中检测肿瘤。本文在研究了大量相关研究论文后,回顾了几种成功的算法。大多数研究中的方法包括预处理脑图像、分割、提取特征、聚类和检测肿瘤。根据世界卫生组织和美国脑肿瘤协会的说法,最常见的分类系统使用 I 至 IV 级量表来对良性和恶性肿瘤类型进行分类。在这个量表上,良性肿瘤分为 I 级和 II 级胶质瘤,恶性肿瘤分为 III 级和 IV 级胶质瘤。I 级和 II 级胶质瘤也称为低级别肿瘤,其生长缓慢,而 III 级和 IV 级被称为高级别肿瘤类型,肿瘤生长迅速。如果低级别脑肿瘤得不到治疗,很可能发展成高级别脑肿瘤,即恶性脑肿瘤。II 级胶质瘤患者需要每 6 至 12 个月通过磁共振成像 (MRI) 或计算机断层扫描 (CT) 进行连续监测和观察。脑瘤可以影响任何年龄的任何人,其对身体的影响可能因人而异。关键词 - 脑肿瘤检测、MRI 图像、卷积神经网络 (CNN)、深度学习 (DL)、图像处理、算法。
前言 在 1995 年出版的《说话的头脑》一书中,编辑 Peter Baumgartner 和 Sabine Payr 整理了一系列精彩的访谈,采访对象是 20 世纪最杰出的 20 位认知科学家。从这些访谈中,我们了解到其中一些伟大人物之间存在着多么根深蒂固且明显具有争议性的敌意,并展示了人工智能的两个阵营最终分裂是不可避免的。就像两只从未实现的承诺的认知灰烬中重生的凤凰一样,这个两面怪兽将呈现出近乎宗教狂热的色彩和对彼此的蔑视,因为双方都试图为对方在当时被认为是一个新兴领域的不足之处辩解,而这个领域对未来的人工智能大有裨益。尽管以今天的标准来看,1995 年的采访似乎新颖且细致入微,但辩论本身却有着更早的先例,可以追溯到唐纳德·赫布 (Donald Hebb) 等先驱(“一起放电的神经元连接在一起”),以及战前才华横溢的博学者,如冯·诺依曼和图灵本人(图灵测试)——他们都促成了战后马文·明斯基 (Marvin Minsky) 和弗兰克·罗森布拉特 (Frank Rosenblatt)(同一所布朗克斯科学高中的同学)之间著名的辩论。这些争论可以一口气概括为以下几个方面:(i)人工智能和认知科学(将导致深度学习和我们当前的 Chat-GPT)是否应该尝试模拟人类大脑实际的内部神经结构,即“人类学习”源自单一的神经元二元/数字活动模式(其性质严重依赖于强力概念,如局部性、频率和加权强度);或(ii)大脑结构——当时和现在仍然无法被我们完全理解——是否应该基于其知之甚少的神经元结构进行建模,而是基于其计算性能和逻辑、推理、因果关系等能力的结果进行建模。后者这些过程是人类独有的,并且本质上似乎相当类似,因为它们产生了基于符号规则的语言和“人类理解”程序。目前,该领域正在进行单一机制模型与双重机制模型的争论。这些论文概括了我对这个主题的一些想法。以下链接摘自非正式工作论文和短文,代表了我对潜在 AI 到自然语言界面现状的一些想法。最后三篇论文(第三部分),特别是“为什么要移动?”,试图捕捉这个 AI 到自然语言界面关于儿童语法发展阶段的内容。这本非正式电子书分为三部分:第一部分“语言的神经基础”,第二部分“递归语法”,第三部分“儿童语言习得”。*关于这个主题的论文、短文和文章都可以在我的学术网站上找到:https://csun。academia.edu/josephgalasso
认知训练是一个价值数十亿美元的产业,拥有许多著名的在线训练平台,包括 Lumosity(Lumos Labs,2007 年)、Peak(Brainbow Limited,2014 年)、Elevate(Elevate Inc,2014 年)和 CogniFit Brain Fitness(Cognifit,1999 年)。健康的认知与学业、社交和职业成功始终相关(Gottfredson,1997 年)。计算机化认知训练 (CCT) 包括完成结构化任务,旨在维持或提高特定的认知能力(例如注意力、工作记忆)以及流体智力(即推理和逻辑思考的能力)(von Bastian 和 Oberauer,2014 年;Melby-Lervåg 等人,2016 年)。公众对 CCT 的兴趣迅速增长,因为其提高认知能力的潜力对不同人群都具有广泛的吸引力,从具有正常认知能力的个体到经历认知功能障碍或衰退的个体。Lumosity 网站声称,在过去 10 年内已有 1 亿人使用过其平台,这证明了 CCT 产品的受欢迎程度(Lumos Labs,2019 年)。然而,尽管早期有关于大脑训练对认知能力影响的正面报告和荟萃分析(例如 Karbach 和 Verhaeghen,2014 年;Au 等人,2015 年),但大多数荟萃分析(包括规模最大和最新的荟萃分析)都得出了无效结果(例如 Melby-Lervåg 和 Hulme,2013 年、2016 年;Melby-Lervåg 等人,2016 年;Sala 和 Gobet,2019 年)。此外,一些研究的积极结果也存在争议,批评者呼吁研究设计更加严谨(例如使用主动对照组以及多个认知测试来测量每个结构)和分析技术(例如控制多重比较;准确解释相互作用;Lawlor-Savage 和 Goghari,2014;Redick,2015)。由于他们的许多主张在科学界声名狼藉,一些最受欢迎的 CCT 应用程序的开发人员也发现自己处于法律争议的焦点。例如,2016 年,联邦贸易委员会与 Lumosity(Lumos Labs)的开发商达成 200 万美元的和解协议,指控他们误导公众,声称他们的应用程序将提高用户的学校/工作成绩并减少或延缓与年龄相关的认知障碍(联邦贸易委员会,2016 年)。此外,受欢迎、可信且传播范围广泛的媒体既专门报道了这个故事(例如,Etchells,2016 年;Entis,2017 年;Gallegos,2017 年),也更普遍地报道了 CCT 开发者提出的主张的争议性(例如,Weeks,2014 年;Zaleski,2018 年;Frakt,2019 年)。尽管围绕 CCT 应用的争议越来越多,但它们仍在普通人群中广泛使用,这表明许多人仍然相信 CCT 在增强或改善认知方面的效用和有效性。鉴于这些发展,研究人员开始关注可能解释 CCT 干预效果的矛盾发现的社会心理因素。关于影响认知训练结果的社会心理因素的文献虽然数量不多,但正在不断增加,主要集中在几个重叠的领域。部分学者关注的是个人对认知训练后变化的主观看法,以及
了解大萧条冲击的根源已经成为本·伯南克所称的宏观经济学的“圣杯”:但我们从中世纪的故事中知道,骑士们几乎从未成功完成他们的任务(伯南克,2004 年,第 5 页)。尽管美国经济在 20 世纪初充满活力,但 NBER 也测量了 1899 年至 1933 年间十次经济衰退。根据许多历史记载,从 1920 年至 1934 年,信贷和情绪在美国经济扩张和随后的危机中发挥了突出作用。1 本文探讨了这些信贷和商业周期是否可以部分地用情绪或市场心理来解释。到 1932 年夏天,在美国历史上最严重的经济衰退中,美国股市已从 1929 年的高点下跌了百分之九十。经济学家本杰明·格雷厄姆和戴维·多德对 20 世纪 20 年代的繁荣和 1932 年市场低谷时美国股市的低估感到惋惜(Graham and Dodd,1934 年)。费舍尔(1932 年,第 33 页)在 1932 年将“悲观主义”列为延长经济衰退的因素之一:“每个人的意见在很大程度上都受到其他人意见的引导,即使是头脑最冷静的人也会至少‘害怕其他人的恐惧’,并加剧这种恐惧所导致的恐慌。”凯恩斯的《就业、利息和货币通论》(凯恩斯,1936 年)出版后,关于人类心理在经济中的作用的新观点得到了更大的认可。凯恩斯新理论提出的预期的作用已被广泛接受。他赋予“动物精神”(即人类情感在人类认知中的作用)的作用仍然更具争议性。他写道“商业世界无法控制和不服从的心理”决定了资本的边际效率(Keynes,1936 年,第 317 页)。对情绪的分解表明,情绪在大萧条之前的时期尤为重要;在大萧条期间,识别工作很难将负面情绪与负面的实际经济表现区分开来。可能存在一种螺旋式上升,即经济新闻引发更多的负面情绪,进而导致更糟糕的经济表现,依此类推,但与 1929 年之前不同,该过程中的因果机制无法清楚地识别。情绪寻找信号,而其中的一部分——比美国与世界的实际联系程度更大——源自对其他地方事态发展的解读。明尼阿波利斯西北国民银行行长爱德华·V·德克尔解释说,“我们正在学习如何更好地合作,农民、银行家、商人、铁路工人,我们提议以统一战线向前迈进,相信并期待在未来几年内我们将分享世界繁荣的份额。”2 另一方面,其他地方发生的事件有能力动摇美国人的信心和安全感。这种情绪和对未来前景的看法在 20 世纪 20 年代的美国尤为重要。在 1914 年或 1917 年美国加入第一次世界大战之前,美国经济似乎与世界事件完全脱节。现在,美国经济与世界事件之间有了金融和政治联系
表示学习被广泛用于观察数据的因果量(例如,有条件的平均治疗效应)。尽管现有的表示学习方法具有允许端到端学习的好处,但他们没有Neyman-Ottrol-ottrodenal学习者的理论特性,例如Double Ro-Busberness和Quasi-Oracle效率。此外,这种表示的学习方法通常采用诸如平衡之类的规范约束,甚至可能导致估计不一致。在本文中,我们提出了一类新型的Neyman-Ottrodonal学习者,以在代表水平上定义的因果数量,我们称之为或称为校友。我们的旅行者具有几个实际的优势:它们允许基于任何学习的表示形式对因果量进行一致的估计,同时提供了有利的理论属性,包括双重鲁棒性和准门的效率。在多个实验中,我们表明,在某些规律性条件下,我们的或学习者改善了现有的表示学习方法并实现最先进的绩效。据我们所知,我们的或学习者是第一批提供代表学习方法的统一框架,而Neyman-ottrol-ottrodenal学习者进行因果量估计。