XiaoMi-AI文件搜索系统
World File Search System人工制品
将有偏见的数据视为人工智能辅助医疗中的信息来源
医学中使用的人工智能 (AI) 工具与其他领域中使用的 AI 一样，都是通过检测大量数据中的模式来工作的。AI 工具之所以能够检测到这些模式，是因为它们可以“学习”或被训练来识别数据中的某些特征。然而，使用某种程度上存在偏差的数据训练的医疗 AI 工具可能会出现偏见，当这种偏见与不公正的模式相匹配时，使用这些工具可能会导致不公平和歧视。试图修复用于 AI 训练的有偏见的临床数据等技术解决方案是出于好意，但所有这些举措的基础是这样的观念：有偏差的临床数据是“垃圾”，就像计算机科学谚语所说的“垃圾进，垃圾出”。相反，我们建议将临床数据视为人工制品，经过检查，可以提供有关其所在的社会和机构的信息。
智慧城市和城市交通中的人工智能
智慧城市活动和技术通常涉及生成数据和获取有关城市复杂性和动态性的新知识，而人工智能则将城市推向了利用数据和知识支持决策的下一步。城市人工智能的概念可以定义为：“在城市中运行的人工制品，能够获取和理解周围城市环境的信息，最终利用所获得的知识根据预先定义的目标采取合理行动，在复杂的城市情况下，当某些信息可能缺失或不完整时” 1 。到 2025 年，人工智能预计将实现 30% 以上的智慧城市应用，其中包括城市交通解决方案 2 ，这将大大有助于提高城市生活的弹性、可持续性、社会福利和活力。智慧城市中的人工智能应用可分为以下七个维度 1、3、4 ：
应用生成式人工智能创建有效的数字化学习...
摘要 本文探讨了生成式人工智能在支持教育工作者高效创建数字学习对象 (LO) 的有效学习内容方面的应用。在我们的设计科学研究中，我们开发了一个基于教学法的人工制品作为数字 LO 的实例，其中填充了在生成式人工智能支持下生成的内容。该 LO 用于在德国一所州立大学的数据隐私和信息安全讲座上教育学生。基于相关文献和开发的设计知识，我们得出了一组初步的设计原则。这些原则的评估基于从学生的角度实施的 LO 的有效性，学习对象是否实现了促进学习和参与的目的，以及它是否在学习对象内提供了高质量的内容。关键词：生成式人工智能、ChatGPT、数字学习对象、信息安全、教育
使用 WorldView 2 Vis-NIR MSI 影像支持陆地...
私人和工业应用。其中，土地测绘、地形分类和特征提取是那些分析数据以生成信息、报告和情报产品的人的关注重点。WorldView 2 的 8 个名义波段中心使我们能够使用非传统方式测量数据中特征、人工制品和表面材料中存在的差异，并且我们能够通过利用这些波长通道中的独特响应值来确定处理此信息的最有效方法。可以使用归一化差异指数比率来寻找选定波段之间的响应差异，以测量水分含量、指示植被健康状况并区分自然特征和人造物体。这项工作的重点是开发一种方法来测量、识别和阈值化这些差异，以便建立与 WorldView 2 影像相关的有效土地测绘和特征提取过程。1.0 WorldView 2 规格
探索交互式城市环境的设计空间
摘要促进健康生活方式是对公共卫生的重要努力。主动城市环境的设计可能是推动人们搬家的有效媒介。随着技术越来越多地整合到我们的日常生活中，设计师可以访问比以往更多的数据。在此图片中，我们探讨了交互式环境的设计空间（“交互式”和“主动”的收缩）；旨在通过使用交互式技术来增加用户或路人的体育活动的地方。通过草图，现有概念的基准以及对设计的人工制品的分析，我们绘制了不同的干预水平，互动方式，行为改变策略和技术机会来设计这种交互式环境。通过这项工作，我们邀请社区考虑数字技术如何帮助理解和塑造城市环境中的人类行为，并为设计师和从业者提供灵感。
3月6日至2025年9月9日Culturhub＆...
Morehshin Allahyari使用3D打印技术作为替代人工制品归档的工具，以及政治抵抗和文件的手段。在她的系列材料猜测中：ISIS重建了ISIS在2015年被ISIS销毁的选定文物。在收集和研究被破坏物体的大量图像和文档后，她能够重新创建和打印3D工件的3D模型。照片，文档，地图和视频都在重建过程中发挥了重要作用，使艺术家可以创建一个不能停止存在但可以无限重现的图像。艺术家收集的有关被摧毁的工件收集的所有文档都保存在3D打印作品中的闪光灯驱动器上。物质猜测重新定义了重要的概念，迫使我们重新考虑纪念碑的概念，并挑战了历史形象的不可夸大性的想法。
当医生和人工智能互动时：关于人类对人工智能风险的责任
摘要 关于是否将人工智能 (AI) 系统视为负责任的道德实体（也称为“人工道德代理” (AMA)）的讨论已经持续了一段时间。在这方面，我们认为“道德代理”的概念只能归因于人类，这是基于人类的自主性和感知能力，而人工智能系统缺乏这些能力。我们从有意义的控制和尽职调查的角度分析了人工智能系统存在下人类的责任，并反对医学中完全自动化的系统。从这个角度来看，我们专注于基于人工智能的诊断系统的使用，并阐明在设计、开发和使用人工智能系统时形成的复杂的人员、组织和人工制品网络。然后，我们讨论了当不良事件是由人工智能系统的错误引起或诱发时，支持将责任归咎于人类的关系判断标准。
显微镜中的机器学习 - 见解，机会和挑战
机器学习（ML）正在将图像处理和分析的领域从艰苦的任务自动化转变为对视觉模式的开放式探索。这对图像驱动的生命科学研究，尤其是显微镜具有显着意义。在这篇评论中，我们关注与从用户的角度应用基于ML的管道用于显微镜数据集相关的机会和挑战。我们研究了不同数据特征的重要性 - 数量，可传递性和内容 - 以及如何确定要使用的ML模型以及它们的输出。在细胞生物学问题和应用的背景下，我们进一步讨论了ML公用事业范围，即数据策展，探索，预测和解释，以及它们在显微镜的背景下所带来的并转化为什么。最后，我们探讨了显微镜中与ML相关的挑战，常见的人工制品和风险。基于其他领域的见解，我们建议如何在显微镜中减轻这些陷阱。
4T 2025 | 会议描述
实时二元实验：优化实验室、设置主题和设备、运行实时二元游戏实验 本课程将回顾实验室环境以及与参与者合作以优化所收集数据的质量。课程将涵盖从问候参与者到安排他们进行数据收集的所有内容。重点将放在成功和避免实验过程中因传感器/电极放置不当、参与者分心、移动/移动、拉动电缆和电极导线以及参与者完成游戏任务时引入的人工制品而导致的问题。根据在前几节课中学到的技能，参与者小组将承担不同的角色，例如参与者、技术员、记录数据等。在本课程中，每个小组将完成一个小型二元游戏实验并收集数据以供下节课使用。
