XiaoMi-AI文件搜索系统
World File Search System信任度
全球新冠疫苗充足性、疫苗接种覆盖率和公众对政府信任度之间的联系
表 1. 所有 47 个国家的受访者特征 N = 47,656（加权）。特征（% / 平均值（标准差））性别男性 48.44 年龄 44.87（18.78）就业（任何类型就业）是 60.26 人均收入五分位数最穷的 20% 19.9 第二 20% 20.02 中间 20% 19.99 第四 20% 19.99 最富有的 20% 20.09 已婚/同居伴侣是 53.8 健康问题是 24.34 互联网接入是 83.74 出生在该国是 90.69 教育水平完成小学或以下教育。21.84
家用医疗传感器的信任度和可靠性
在血液中。易于使用的非侵入式指夹能够容纳光源（通常是 LED）和光电探测器，以监测患者的脉搏率、血氧饱和度、血流等。这是一种患者可以在家使用的简单设备。定期监测血氧饱和度和其他生命体征有助于医疗保健提供者了解导致变化的原因。收集的这些额外数据还可以帮助确定患者是否需要就诊以及在患者到达之前需要进行哪些检查。数字趋势正在增加联网设备的采用。借助正确的传感器技术，低功耗蓝牙 (BLE) 等低能耗连接可以将数据发送到手机或中间设备，以安全地在线向医生发送数据。这可以帮助医生收集更多信息，同时提高患者的活动能力和生活质量。
确定疫苗信任度低、未接种疫苗或未完全接种疫苗率高的地区的卫生中心（COVID-19）
这项研究发现，美国东南部部分地区，特别是佐治亚州和阿拉巴马州、达科他州和西弗吉尼亚州，有多个县对 COVID-19 疫苗犹豫不决率高，未接种疫苗或不完整接种 COVID-19 疫苗的比例也很高。此外，100 多名健康中心计划获奖者为这些地区的近 200 万患者提供服务。截至 2021 年 9 月，全国范围内，超过一半的美国成年人接种了疫苗，但年轻人、种族和少数民族以及几个州的人口的疫苗接种率要低得多。1 较低的 COVID-19 疫苗接种率与疫苗接种机会有限和疫苗信心较低有关，6 研究表明需要重点关注种族和少数民族以及其他弱势群体。 7 鉴于卫生中心在为这些人群接种 COVID-19 疫苗方面发挥着重要作用，针对疫苗信任度低和疫苗接种率低地区的卫生中心开展工作有助于战略规划，优化有限资源，并更好地协助卫生中心开展具有文化针对性的外展活动，提高人们对疫苗的信心。
Tanya Nazaretsky、Mutlu Cukurova 和 Giora Alexandron。2021 年。《一种衡量教师对基于人工智能的教育信任度的工具》
F1-1 Q19, Q18, Q17, Q1, Q3 0.78 F1-2 Q19, Q18, Q17, Q1, Q2, Q3 0.79 F1-3 Q19, Q18, Q17, Q1 0.80 F1-4 Q19, Q18, Q17 0.81 F1 使用基于人工智能的教育技术的自我效能 F2-1 Q25, Q24 0.88 F2 基于人工智能的教育技术与人类建议/推荐 F2-2 Q25, Q24, Q8 0.71 F1 + F2 Q19, Q18, Q17, Q25, Q24 0.75 F3 Q14, Q15, Q16 0.69 F3 使用基于人工智能的教育技术相关的焦虑 F4 Q10, Q9, Q12, Q11 0.66 F4 基于人工智能的教育技术缺乏人性化 F5-1 Q5, Q6, Q2 0.69 F5-2 Q5, Q6, Q2, Q7 0.68 F5-3 Q5, Q6, Q2, Q7, Q1, Q3, Q4 0.75 F5 对基于人工智能的教育技术的感知优势 F5-4 Q5, Q6, Q2, Q13 0.52 F6 Q23, Q22, Q21 0.67 F6 提高对基于人工智能的教育技术的信任度的首选方式 F7-1 -Q13, Q7 0.27 F7-2 -Q13, Q7, -Q12 0.45
量子 PUF 在量子计算中的安全性和信任度
摘要 — 量子计算是一种很有前途的解决计算难题的范例。IBM、Rigetti 和 D-Wave 等多家公司使用基于云的平台提供量子计算机，该平台具有几个有趣的特性，即：(i) 云端存在具有不同数量量子比特和耦合图的量子硬件，可提供不同的计算能力；(ii) 套件中存在具有相同耦合图的多个硬件；(iii) 具有更多量子比特的较大硬件的耦合图可以适应许多较小硬件的耦合图；(iv) 每个硬件的质量都不同；(v) 用户无法验证从量子硬件获得的结果的来源。换句话说，用户依赖云提供商的调度程序来分配请求的硬件；(vi) 云端的量子程序队列通常很长，并且可以最大化吞吐量，这是降低成本和帮助科学界进行探索的关键。上述因素促使了一种新的威胁模型，该模型具有以下可能性：（a）未来，第三方不太可信的量子计算机可能会分配质量较差的硬件，以节省成本或满足其虚假宣传的量子比特或量子硬件规格；（b）工作负载调度算法可能存在错误或恶意代码段，这些错误或恶意代码段将试图以分配给质量较差的硬件为代价来最大化吞吐量。可信提供商也有可能存在此类错误；（c）可信云供应商中的恶意员工可能会试图通过篡改调度算法或重新路由程序来降低用户计算质量，从而破坏供应商的声誉；（d）恶意员工可以通过将程序重定向到他们具有完全控制权的第三方量子硬件来窃取信息。如果分配的硬件质量较差，用户将遭受质量较差的结果或更长的收敛时间。我们提出了两种量子物理不可克隆函数 (QuPUF) 来解决此问题 - 一种基于叠加，另一种基于退相干。我们在真实量子硬件上的实验表明
影响医疗保健领域人工智能用户信任度的影响因素
信任是一个难以捉摸的概念，其定义和操作在不同的学科和背景下各不相同，导致人们对信任的理解有些支离破碎（Chopra & Wallace，2002）。信任通常被描述为信任者（例如用户）、受信任者（例如机器）和情况的函数（例如 Hoff & Bashir，2015；Merritt & Ilgen，2008；Siau & Wang，2018）。当涉及不确定性和风险时，信任变得重要（Kini & Choobineh，1998）。信任的决定至少在一定程度上取决于受信任者的可信度，即其可靠和可预测的属性。它反映了对受信任者属性的评价（McKnight、Carter、Thatcher & Clay，2011）。鉴于“技术缺乏意志和道德主体性，与 IT 相关的信任必然反映对技术特征的信念，而不是其意志或动机，因为它没有。” （McKnight 等人，2011：5）。因此，本评论采用了一个工作定义，其中对人工智能的信任被定义为个人对人工智能应用程序执行对个人很重要的特定操作的能力的态度。