本报告为康奈尔社区提供了观点和实用指南,特别是关于在学术研究实践和传播中使用生成人工智能 (GenAI)。正如康奈尔工作组代表所有校园的意见所强调的那样,该报告旨在为康奈尔研究人员、研究团队负责人和研究管理人员建立初步的观点和文化规范。它旨在作为内部建议,而不是一套具有约束力的规则。由于 GenAI 政策和护栏正在迅速发展,我们强调随时了解最新发展,并随着时间的推移深思熟虑地更新管理 GenAI 工具在研究中使用的程序和规则的重要性。本报告是在 GenAI 向更广泛的研究人员(和公民)开放的 12 个月内编写的,而不是帮助创建此类工具的 AI 专家。虽然康奈尔社区是目标受众,但本报告作为其他研究社区使用或改编的资源向公众开放。不暗示对特定工具的认可,但引用了具体示例来说明概念。认识到 GenAI 工具的许多潜在好处和风险,我们讨论了 GenAI 在研究过程的四个阶段的使用:(i) 研究构思和执行阶段、(ii) 研究传播阶段、(iii) 研究转化阶段和 (iv) 研究资助和资助协议遵守阶段。我们进一步概述了研究人员在这些阶段的协调职责:谨慎职责、核实职责和披露职责;确定研究中 GenAI 的使用类别;并说明这些职责如何适用于研究过程中的特定类别和情况。我们强调在整个研究过程中明确定义个人和集体/社区责任以履行这些职责的重要性。最后,我们为康奈尔大学不同教职员工和学生角色的研究人员提供了一套指导方针,以及康奈尔领导层的注意事项。重要的是,康奈尔大学为其研究社区提供适当的 GenAI 工具和资源,特别是提高我们的“AI 素养”,了解特定公共和商业 GenAI 工具的适当使用限制以及将其用于学术研究所涉及的风险。同样重要的是,研究人员能够通过康奈尔大学获得具有隐私/保密条款的许可 GenAI 工具,因此来自不同社区的康奈尔大学研究人员必须了解在研究中使用此类工具的价值、局限性和权衡。该报告还包含对研究四个阶段的最佳实践和用例的预期问题的回答(附录 0),这些问题可以作为研究社区的讨论起点。最后,我们提供了来自资助者、期刊、专业协会和同行关于在研究中使用 GenAI 的现有社区出版政策的摘要,我们在编写本报告时对这些政策进行了调查(附录 1);参考和引用的参考资料,包括推荐资源列表(附录 2);以及工作组费用(附录 3)。值得注意的是,工作组包括康奈尔大学的教职员工,他们对 GenAI 工具和用途非常熟悉,工作组选择不使用 GenAI 来起草本报告的结构、文本或图表。
2023 年 11 月 3 日,PCC 政策委员会在 PoCo 年度会议上关于“人工智能 (AI) 和机器学习对 PCC 成员元数据操作的影响”的会议上讨论了 PoCo AI 调查结果。PoCo 决定委托一个短期任务组进行环境扫描并提供建议。这些建议将帮助 PoCo 确定下一步行动,例如在我们的战略方向中添加一个或多个与 AI 相关的行动项目并组建一个新的长期任务组。
尽管水下声学网络的领域对于各种商业应用程序越来越成熟且至关重要,但是缺乏安全的水下通信标准给北约运营中采用这些网络技术的主要障碍带来了主要的障碍。北约研究任务小组IST-174“针对启用网络的网络操作的安全水下通信”旨在研究并以荷花方法来研究并证明安全的水下通信。尤其是,该小组的野心是定义波形,网络协议和体系结构,这些波形将以安全且可互操作的方式启用水下连接。对此,本文介绍了目前正在开发的各种安全概念和通信系统,这些系统可能包括在这些标准化e FF中。
• 缺乏支持临床数据交换和交易所需的基础技术标准,特别是对于社区提供者而言。 • 缺乏广泛规定的个人健康信息 (PHI) 相关数据命名和交换标准。 • 电子医疗记录 (EMR) 系统无法支持互操作性。大多数现有图表系统都已过时,缺乏无缝数据交换所需的自动化和灵活性。 • 非集成门户需要多次登录、搜索和手动流程。 • 不一致、不完整、不充分和过时的隐私和数据治理政策。 • 互联网连接不完整,尤其是在农村和偏远地区,无法支持健康信息共享。
生物系统面临需要持续学习的动态环境。尚不清楚这些系统如何平衡学习和鲁棒性的灵活性之间的张力。在没有灾难性干扰的情况下,持续学习也是机器学习中的一个具有挑战性的问题。在这里,我们制定了一种新颖的学习规则,旨在最大程度地减少经常性网络中依次学习的任务之间的干扰。我们的学习规则保留了用于以前学习的任务的活动定义子空间内的网络动态。它鼓励与新任务相关的动态,这些动态可能会探索正交子空间,并允许在可能的情况下重复使用先前建立的动力学主题。采用神经科学中使用的一组任务,我们证明了我们的方法成功消除了灾难性的干扰,并比以前的持续学习算法提供了实质性的改进。使用动力学系统分析,我们表明使用我们的方法训练的网络可以重复使用相似任务的类似动态结构。共享计算的这种可能性允许在顺序训练期间更快地学习。最后,我们确定在依次训练任务与同时训练任务时出现的组织差异。
融合威胁流 ................................................................................................................ 21 融合技术 ................................................................................................................ 31 合作伙伴和安全联盟 ................................................................................................ 39 增强创新基础 ........................................................................................................ 45 培养 21 世纪劳动力 ...................................................................................................... 55 财务交易和收购改革 ...................................................................................................... 63 运营概念 ...................................................................................................................... 71
• 设立人工智能常设委员会,支持人工智能发展,并提出政策举措,使人工智能发展更加负责任; • 通过人工智能道德规范,为负责任的人工智能制定标准; • 为该州人工智能产业的进一步发展创造激励机制; • 支持州和地方政府机构负责任地使用人工智能。• 加强针对人工智能的教育和劳动力发展计划,建议佛蒙特州高等教育界参与其中,以打造一支接受过人工智能开发和使用培训的劳动力队伍;以及 • 加强公众对人工智能的力量和机遇及其带来的风险的教育,以便佛蒙特州公民了解这些问题;
夏威夷斯科菲尔德兵营 041100(W)FEB16 FRAGO 1 至 OPORD 154 - 15(USARHAW 士兵准备处理 (SRP) 场地利用和士兵准备政策)–(未分类)整个订单使用的时区:WHISKEY (HST) 任务组织:无变化。参考文献:[无变化] a. ALARACT 194,快速远征部署计划 (REDI),251555Z 7 月 12 日。 b. USARPAC 紧急行动程序,第V,09 年 1 月。 c. 陆军条例 525-93,部署和重新部署,20 11 月 12 日。 d. USARPAC 命令 #13-01-038,USARPAC 快速远征部署计划。e. USARPAC 命令 #13-03-015,FRAGO 1 至 USARPAC 命令 #13-01-038,USARPAC REDI。f. USARPAC 命令 #13-03-067,FRAGO 2 至 USARPAC 命令 #13-01-038,USARPAC REDI。g. 第 25 步兵师战备标准操作程序 (RSOP) h. USPACOM FY14 部队健康保护指南,适用于 USPACOM AOR,2013 年 11 月 26 日。1.情况。[无变化] 根据 USARPAC 快速远征部署计划,高级指挥官制定了此士兵战备处理 (SRP) 场地利用政策。先前关于 SRP 场地利用政策的 OPORD(OPORD 116-14)特此撤销,此 OPORD 将成为当前 OPORD。2.任务。[无变化] 所有美国陆军夏威夷部队根据指挥官的优先事项进行士兵准备处理 (SRP),以便为所有士兵和部队做好潜在部署和/或岛外演习的准备。3.执行。[无变化]
• 太阳能热能 – 设备可用性/供应链 – 开发时间表/工程支持 – 项目经济性 – 靠近足够的传输 – 土地可用性/地形坡度/靠近敏感区域 • 风能 – 设备可用性/供应链 – 类别/容量系数 – 项目经济性 – 靠近足够的传输