XiaoMi-AI文件搜索系统
World File Search System以人为本
国家以人为本的服务规划框架
每个人都应该有一个个人计划。个人计划可以包含几种不同类型的计划，包括以人为本的计划和个性化护理和支持计划。认识到什么对一个人重要以及什么对他们重要可以帮助我们理解以人为本的计划和个性化护理和支持计划之间的区别。
以人为本的航空人工智能方法 - EASA
人工智能显然是支持飞机设计和运营的广泛应用的推动者。人工智能可以通过就日常任务提供建议（例如飞行剖面优化）或就飞机管理问题或飞行战术性质提供增强建议来协助机组人员，帮助机组人员在高工作量情况下做出决策（例如复飞或改道）。人工智能还可以根据运营环境和机组人员健康状况（例如压力、健康等）预测和预防某些危急情况，从而为机组人员提供支持。由于 2022 年 4 月发布了第一个关于基于机器学习的系统的可信度的特殊条件，1 级人工智能应用已经在通用航空领域进行认证。人工智能还可以用于几乎任何涉及数学优化问题的应用中，无需分析相关参数值和逻辑条件的所有可能组合。机器学习的典型应用可能是飞行控制律优化、传感器校准、油箱数量评估、结冰检测等等。此外，人工智能还可用于在机载系统中嵌入复杂模型，例如通过使用内存和处理效率更高的代理模型。
以人为本的航空人工智能方法 - 欧洲航空安全局
人工智能显然是支持飞机设计和运营的广泛应用的推动者。人工智能可以通过就日常任务提供建议（例如飞行剖面优化）或就飞机管理问题或飞行战术性质提供增强建议来协助机组人员，帮助机组人员在高工作量情况下做出决策（例如复飞或改道）。人工智能还可以根据运营环境和机组人员的健康状况（例如压力、健康等）预测和预防某些危急情况，从而为机组人员提供支持。由于 2022 年 4 月发布了第一个关于基于机器学习的系统的可信度的特殊条件，1 级人工智能应用已经在通用航空领域进行认证。人工智能还可以用于几乎任何涉及数学优化问题的应用中，无需分析相关参数值和逻辑条件的所有可能组合。机器学习的典型应用可能是飞行控制律优化、传感器校准、油箱数量评估、结冰检测等等。此外，人工智能还可用于在机载系统中嵌入复杂模型，例如通过使用内存和处理效率更高的代理模型。
文化变革与以人为本 - 陆军大学出版社
在 2020 年胡德堡报告发布后，美国陆军宣布了一系列“以人为本”的举措。该报告对胡德堡的文化进行了严厉的谴责，这种文化导致性侵犯、自杀和种族极端主义等适得其反的因素滋生。1 陆军的举措不仅试图改变组织的氛围，而且试图改变整个文化，指出“我们必须定义、推动和调整我们的文化，使其与我们对有凝聚力的团队的愿景保持一致。”2 然而，陆军由截然不同的组织组成，消除有害行为的战略要务与营级和旅级的任务和限制现实相冲突。陆军目前正努力应对招募问题，这迫使陆军高层领导调整陆军的最终兵力，到 2023 年，陆军的缺口可能比所需人数少三万。3 原因有很多
在支持以人为本的护理中的作用。
在患者整个医疗保健体验中，包括放射学和核医学，机会和获取机会的不平等仍然存在，这是由内在和外在因素造成的。人工智能 (AI) 有可能扩大健康不平等差距，也有可能大幅缩小差距。虽然在 AI 管道中有许多挑战需要克服，但需要考虑通过 AI 平台连接资源和专业知识来增强以人为本的护理的潜力。
以人为本的服务计划和权利修改
• 每个人都必须有一个以人为本的服务计划 • 个人必须主导该计划的制定，并在需要时提供支持 • 该计划必须包括个人关心的日常生活要素以及任何已确定的健康或安全问题。 • 以人为本的计划必须远远超出基本的医疗信息
以人为本的工业数字孪生
摘要：近十年出现了高度自主、灵活、可重新配置的信息物理系统。通过使用高保真模拟，包括数字孪生（与真实资产相连的虚拟表示），该领域的研究得到了加强。数字孪生已用于过程监督、预测或与物理资产的交互。虚拟现实和增强现实增强了与数字孪生的交互，而以工业 5.0 为重点的研究正在随着数字孪生中人为因素的参与而发展。本文旨在回顾以人为本的数字孪生 (HCDT) 及其支持技术的最新研究。使用 VOSviewer 关键字映射技术进行系统的文献综述。研究了运动传感器、生物传感器、计算智能、模拟和可视化工具等当前技术，以在有前景的应用领域开发 HCDT。针对不同的 HCDT 应用形成了特定领域的框架和指南，突出工作流程和期望结果，例如 AI 模型的训练、人体工程学的优化、安全策略、任务分配等。根据机器学习要求、传感器、接口和人类数字孪生输入的标准，创建了有效开发 HCDT 的指南和比较分析。
采用以人为本的方法设计人工智能
摘要 — 对人工智能的主要批评之一是其缺乏可解释性。许多批评者声称，如果不知道人工智能如何得出结果或得出给定的结论，就不可能相信其结果。当基于人工智能的系统和应用程序无法成功执行任务时，这个问题尤其令人担忧。在本期特刊社论中，我们重点关注两个主要领域，可解释的人工智能 (XAI) 和准确性，以及这两个维度对于构建可信赖的系统至关重要。我们回顾了突出的 XAI 设计主题，从而重新构建了设计和开发工作，突出了人类的重要性，从而证明了以人为本的人工智能 (HCAI) 的重要性。HCAI 方法提倡一系列深思熟虑的设计相关决策，例如与多利益相关者参与和消除学科界限有关的决策。这使得人们能够考虑和整合深度跨学科知识，正如我们在人工智能设计的社会认知方法示例中所证明的那样。然后，本社论讨论了未来的发展方向，强调了平衡评估与人工智能设计相关的机遇、风险和责任的价值。最后，我们介绍了特刊中的论文及其贡献，并指出了未来的研究努力。