XiaoMi-AI文件搜索系统
World File Search System使用不当
SSC-475 - 船舶结构委员会
商业和开源有限元分析 (FEA) 程序可轻松用于对结构进行建模并生成令人印象深刻的结果，即使工程师在缺乏设计经验或建模技术不当的情况下引入了根本性错误。从强度、疲劳、振动和其他设计或分析标准的角度来看，这可能导致结构不充分。一些结构故障表明，如果使用不当，FEA 可能会以错误的结果误导设计师。1996 年发布的原始 SSC-387 有限元和结果评估指南解决了这一问题。自 1996 年发布最初的 SSC-387《有限元和结果评估指南》以来，有限元分析 (FEA) 技术在船舶设计和分析中的应用日益广泛。本指南是对 SSC-387 的更新，包括当前 FEA 应用于船舶结构的最佳实践以及以下高级分析主题讨论和示例应用：冲击和塑性、断裂和疲劳、整船分析和频率响应振动分析。本文档结构遵循原始文档结构。本文档在检查表和讨论中提供了对 FEA 模型和输出的审查支持，以确保分析针对预期情况进行了适当的准备。本文档不能替代扎实的教育，通过对建模选择对结果的影响的经验可以增强教育。该文件应被视为一份指南，旨在帮助分析师和审阅者确定 FEA 中的缺陷或确定良好做法；它不能替代技术资格。
对市面上销售的一些小袋装水进行细菌学研究……
向消费者推出袋装水是为了向公众提供安全、卫生和负担得起的即食饮用水。虽然这是一个值得称赞的想法，但目前的趋势似乎表明袋装饮用水可能成为疾病传播的途径。这项研究的目的是检查奥博莫索大都市包装的一些袋装水的细菌安全性。使用简单的随机程序，从不同地点的供应商处购买了 15 个品牌的袋装水。使用多管法和生化分析方法对样品进行分析。结果记录为每 100 毫升水中大肠菌群的最大可能数 (MPN)。样品的细菌质量根据世界卫生组织 (WHO) 的饮用水分类系统进行评估。使用记录的 MPN 值，零 (0%) 个样品为优秀，两个 (2) (13.3%) 为满意，一个 (1) (6.7%) 为可疑，十二 (12) (80%) 为不满意。样品被粪大肠杆菌污染。部分样品中检测到大肠杆菌，可能导致消费者出现腹泻、痉挛、恶心和其他症状。污染程度可能是由于生产商对水样处理不充分、过滤器使用不当或生产后污染造成的。研究结果表明，有必要加强对此类生产机构运营的监管，并教育消费者购买袋装水时，必须从获得生产许可且产品带有国家食品药品监督管理局 (NAFDAC) 印章的制造商处购买。生产商应确保水经过适当净化，并保持生产袋装水的卫生环境。
COVID-19、人工智能爱好者和玩具数据集
在计算机科学中，教科书谈到了“垃圾进，垃圾出”（GIGO）的概念；即低质量的输入数据会产生不可靠的输出或“垃圾”。当我们处理高度复杂的数据模式（例如 X 光片和计算机断层扫描）时，GIGO 就变得更加紧迫。任何深度网络的性能都直接取决于它学习的数据集的质量。可靠数据集的一个例子是像 Cancer Imaging Archive [ 1 ] 这样拥有大量专家工作成果的知名存储库 [ 2 ]。遵守 DICOM 标准并确保图像正确链接到支持元数据对于构建精心策划的数据集至关重要。最近几周，我们观察到一种趋势，即匆忙使用不当数据来训练 COVID-19 深度网络。AI 爱好者似乎不耐烦地创建自己的医学图像数据集，而没有寻求临床合作者来指导他们。这些数据集更像是通过手动收集可公开访问的图像（例如在线期刊和非同行评审档案中的预印本）而形成的“玩具集”。大多数时候，没有临床或医学能力的人工智能研究人员会创建自己的实验性“玩具”数据集，以进行初步调查并建立算法挑战框架。需要明确的是，从医学成像角度来看，“玩具数据集”并不是因为非常小且不符合 DICOM 标准而成为玩具，更重要的是因为它是由工程师和计算机科学家创建的，而不是由医生和医学/临床专家创建的。此类 COVID-19 图像数据集已在互联网上出现，
埃及负责任人工智能宪章
随着人工智能 (AI) 系统的使用越来越普遍，所有利益相关者都需要更加了解其潜在风险和局限性。尽管人工智能系统具有不可否认的好处，但如果设计、部署或使用不当，则会带来重大风险。其中包括：结果有偏差或错误、数据漂移、缺乏透明度、缺乏法律责任、缺乏公平和平等，仅举几例。因此，政府、国际组织以及大公司都意识到妥善管理人工智能项目的必要性，以确保减轻或最小化这些风险。作为其建设人工智能产业的努力的一部分，该努力始于两年前推出国家人工智能战略，除其他国际组织和倡议外，埃及还在不同国际组织（如经合组织、联合国教科文组织、二十国集团和联合国为解决自主武器问题而设立的专家组）起草了多项有关人工智能的道德准则方面发挥了主导作用。此外，它还领导非洲联盟和阿拉伯联盟的团队，致力于在区域层面统一人工智能的道德建议，以确保考虑到我们社会的优先事项、需求和特殊情况。埃及的努力得到了全世界的认可，因为它成为第一个遵守经合组织《负责任人工智能原则》的阿拉伯或非洲国家，也是联合国教科文组织人工智能伦理标准制定文书的早期采用者。由于这些建议大多不具约束力且非常笼统，因此不同国家有责任对这些准则进行本地解读，并将其转化为政府、学术界、工业界和民间社会决策者的可行见解和政策。
哪种缩放规则适用于大型人工神经网络
摘要经验表明，合作和交流计算系统，包括隔离的单个处理器，具有严重的性能限制，无法使用von Neumann的经典计算范式来解释。在他的经典“初稿”中，他警告说，使用“太快的处理器”“使他的简单“ procepure'”（但不是他的计算模型！）;此外，使用经典的计算范式模仿神经元操作是不合适的。Amdahl补充说，包括许多处理器的大型机器具有固有的劣势。鉴于人工神经网络（ANN）的组件正在互相进行大量通信，因此它们是由用于常规计算中设计/制造的大量组件构建的，此外，它们还试图使用不当的生物学操作使用不正确的技术解决方案及其可实现的有效载荷计算量表，这是概念上的模型。基于人工智能的系统的工作负载类型会产生极低的有效载荷计算性能，其设计/技术将其大小限制在“'toy'级别的系统：基于处理器的ANN系统的缩放标准）上是强烈的非线性。鉴于ANN系统的扩散和规模不断增长，我们建议您提前估算设备或应用的效率。ANN实施和专有技术数据的财富不再启用。通过分析已发布的测量结果，我们提供了证据表明，数据传输时间的作用极大地影响了ANN的性能和可行性。讨论了一些主要的理论限制因素，ANN的层结构及其技术实施方法如何影响其效率。该论文始于冯·诺伊曼（Von Neumann）的原始模型，而没有忽略处理时间的转移时间，并为Amdahl定律提供了适当的解释和处理。它表明，在这一提示中，Amdahl的定律正确地描述了ANN。
泻药使用
泻药是通过软化凳子或刺激肠子以推出凳子/有肠运动来治疗便秘的药物。虽然可以暂时安全地使用它们，但如果在没有医疗指导的情况下使用不当或长期使用，它们可能弊大于利。泻药类型的刺激性泻药，例如Bisacodyl（Dulcolax），蓖麻油和塞纳（Sennokot），是非处方的“非处方药”（OTC）药物。它们刺激大肠壁的神经，并引起肠收缩以及液体和电解质的变化。虽然易于访问，但如果不正确地使用它们可能是危险的，并且是最常见的泻药。这些泻药可能是习惯形成，这意味着需要越来越高的剂量才能获得相同的作用。“天然”刺激性泻药通常含有鼻腔。这些是恰好来自植物来源的刺激性泻药（见上文）。它们的危险与合成刺激性泻药的危险相同。非刺激性泻药如果正确使用并且以适当的剂量使用更安全。它们包括以下内容：•通过将液体吸入肠道中，渗透泻药，例如miralax和镁的牛奶。这些是少量习惯的；但是，当使用不正确时，它们仍然会导致液体和电解质失衡。有些需要处方。•润滑剂和润肤液泻药，例如矿物油或docusate（CoLace），通过软化凳子来起作用。这些通常在有限的时间内安全使用。•大量形成的泻药，例如吡啶（Metamucil），柠檬酸酯和纤维，通常是安全的，也是饮食纤维的来源。当用于高于剂量的剂量时，大量形成的泻药会引起肠道问题并阻止其他营养素的吸收。泻药滥用有些人一次服用大量的泻药。其他人以建议的剂量服用泻药，但要定期进行。大多数人应该很少（如果有的话）需要刺激性的泻药，并且切勿在高度剂量或长时间内使用泻药。一旦开始一种模式，人们通常会发现很难停止服用泻药，因为它们依赖于它们。
优化LHD-X地热井，以保持蒸汽供应PLTP代的稳定性
消化 - 地热业务运营中的挑战之一是由于井下降速度的下降速度，生产力下降，每年的范围为8-10％，以免增加。有几种方法可以维持地球业务的连续性，即钻井井，对研究和研究进行优化，并优化现有的地热生产井。一种快速的方法是优化具有高井口压力（WHP）的现有生产井，以通过更改尺寸或添加新管道来增加蒸汽产量，以期WHP会下降并且地热流体产生增加。PLTP Lahendong单元6由PT PGE在Minahasa Regency拥有的是利用地热流体生产出售给PLN的电力的工厂之一。PLTP单元6 LHD -Y -Y -Y -YD PLTP发电机的蒸汽供应之一中存在一个问题，因此需要通过添加并行并连接到同一主管道的新管道来需要其他LHD -X供应井。在确定优化过程中成功水平时需要进行全面的研究，因为在储层方面存在限制因素，即下降率和储层排水速率。LHD-X井可以根据研究的结果和可达性输出曲线图的数据进行优化，并使用管道应力分析（PSA）研究支持。土壤研究的研究。之所以没有这样做，是因为它位于现有的WellPad的位置，该位置是以前的数据报告。在PT PGE和Standard International中应用适用的标准成为一件重要的事情，因此可以避免使用不当设计引起的失败风险，同时优先考虑健康和环境保护（K3LL）。在Lahendong单元6 PLTP上进行的案例研究表明，使用Hysys模拟和管道压力分析（Caesar II）来确定新管道的尺寸非常精确，以便获得12个管道的大小，以降低可能损坏管道的压力下降风险。最后阶段包括拍卖过程和技术执行，重点是遵守焊接和安全标准。此过程的整个过程旨在确保发电量的蒸汽供应的可持续性并保持运营效率。
应用微生物优化堆肥过程
地址：巴西布拉干萨 - 帕拉州 电子邮件：silvana.santos@ifpa.edu.br 摘要 在亚马逊东部帕拉州的东北部地区，高效微生物 (ME) 的勘探和表征有助于减轻因土地使用不当和固体废物造成的影响。使用生物投入（例如 ME）是一种可持续技术，生产者可以轻松获取和复制，并且符合可持续发展目标 (SDG)。此外，这也是巴西农业综合企业战略规划（2022-2050 年）的目标之一，该规划强调了用生物产品替代农业传统上使用的产品（如可溶性肥料）的重要性（Oliveira 和 Santos，2023 年）。本研究的目的在于：i) 改进 Andrade 等人描述的高效微生物的收集、配制和生产方法。 （2020）适应热带亚马逊气候条件，ii）评估高效微生物在加速和丰富堆肥方面的应用效率。样本是在两种条件下收集的：在森林碎片中和在温室中。在温室里，垃圾被转移到塑料盒中，并用煮熟的米饭作为诱饵。微生物的应用分三个时期进行：2023年1月28日至7月5日； 2023 年 3 月 30 日至 4 月 6 日和 2024 年 4 月 9 日至 16 日。在由有机废物组装的 12 个堆肥堆中使用浓度为 40% 和 100% 的 ME 悬浮液，以纸板和干树叶作为碳源；粪肥和豆科植物作为氮源。通过评估温度和 pH 值以及化学分析的有机化合物中的营养成分来监测堆肥堆。与 100% 浓度相比，添加 40% 浓度的 ME 悬浮液可提高化合物的质量。关键词：生态功能、亚马逊生物群、生物产品、回收。摘要 在亚马逊东部帕拉州的东北部地区，高效微生物 (EM) 的勘探和表征有助于减轻不当使用土地和固体废物所造成的影响。使用生物投入，如ME，是一种可持续的技术，易于生产者获取和复制，符合可持续发展
使用消费者数据训练人工智能时的法律考虑
许多公司都拥有大量客户数据，并且意识到这些数据对于训练人工智能模型非常有价值。然而，一些公司还没有考虑清楚，他们是否真的可以将这些数据用于此目的。有时这些数据是经过多年收集的，通常是在公司考虑将其用于训练人工智能之前很久。潜在的问题是，收集数据时有效的隐私政策可能没有考虑或披露这种用途。以超出或超出收集数据时有效的隐私政策允许的方式使用客户数据可能会有问题。这导致了集体诉讼和联邦贸易委员会的执法。在某些情况下，联邦贸易委员会对未经适当授权使用数据训练人工智能模型的公司处以称为算法追缴的处罚。这种处罚非常严厉，因为它要求删除数据、模型和用它构建的算法——而且代价可能非常高昂。例如，FTC 于 2021 年 1 月对 Everalbum Inc. 提起行政投诉。Everalbum 提供了相册和存储应用程序，但将客户的照片和视频用于其他目的。Everalbum 经常在未经用户许可的情况下创建新的数据集，并利用这些数据集训练其面部识别技术来创建不同的应用程序。它也没有删除停用帐户的用户的照片和视频。FTC 与 Everalbum 就人工智能和隐私侵权达成和解，结果是 Everalbum 不得不销毁各种数据、算法和模型。这是算法吐出的一个示例。它要求一方销毁非法获取或不当使用的数据，以及用这些数据构建的模型和算法。有些人将此比作毒树之果的概念。算法披露的范围可能很广。美国联邦贸易委员会已对其进行了全面定义，包括全部或部分使用不当收集或使用的数据或其他内容开发的任何模型或算法。值得注意的是，此定义可以涵盖不当收集的数据，也可以涵盖正确收集但用于超出向收集数据的用户披露或同意的目的的数据。从美国联邦贸易委员会甚至承认 Everalbum 没有不正当地获取照片和视频这一事实中可以清楚地看出这一点。问题是它这些照片和视频均由用户自愿上传，用于存储和生成相册，Everalbum 已就此目的适当地获得了同意。
人工智能伦理回顾...
美国克拉克斯维尔奥斯汀佩伊州立大学计算机科学系。摘要本研究重点关注人工智能的伦理及其在美国的应用，本文强调了人工智能对美国经济各个部门和技术领域多个方面的影响，以及对企业、政府、学术界和民间社会实体产生的影响。由于这些实体开始依赖人工智能来完成各种关键任务，因此需要考虑道德问题，这些任务极大地影响了它们的运营、决策和相互之间的互动。因此，在人工智能的整个开发、部署和使用过程中，都需要采用道德原则、指导方针和工作标准，以确保负责任和合乎道德的人工智能实践。我们的讨论探讨了 11 项基本“道德原则”，这些原则被构建为总体主题。这些包括透明度、正义、公平、公平、不伤害、责任、问责、隐私、仁慈、自由、自主、信任、尊严、可持续性和团结。这些原则共同构成了一个指导框架，为美国各个部门和实体负责任地开发、部署和利用人工智能 (AI) 技术指明了道德方向。本文还讨论了机器学习等人工智能应用的革命性影响，并探讨了用于实施人工智能伦理的各种方法。这项审查对于解决与广泛使用人工智能相关的固有风险日益增长的担忧至关重要。关键词伦理、人工智能、机器学习、技术、伦理原则 1. 引言 自人工智能问世以来，已经开发出各种应用程序，这些应用程序有助于提高人类生产力并减轻人类的努力，从而实现高效的时间管理。人工智能已经帮助了企业、医疗保健、信息技术、银行、交通和机器人。“人工智能”一词是指使用机器（特别是计算机系统）重现人类智能过程[1]。人工智能使美利坚合众国能够更高效地运行，生产更清洁的产品，减少不利的环境影响，促进公共安全并改善人类健康。直到最近，有关“人工智能伦理”的讨论还仅限于学术机构和非营利组织。如果使用不当，人工智能可能会对人类和企业造成危险。目前，世界上最大的科技公司——微软、Facebook、Twitter、谷歌和其他几家财富 500 强公司——正在组建快速发展的团队，以解决因广泛收集、分析和使用大量数据而产生的道德问题，尤其是用于训练机器学习模型或人工智能的数据。大多数企业通过针对每个产品的临时谈判来解决数据和人工智能伦理问题，尽管