XiaoMi-AI文件搜索系统
World File Search System决策
航空决策过程中的人工智能。...
创新、变革管理和飞行操作中人为因素的实施描绘了航空业。国际航空运输局 (IATA) 技术路线图 (IATA, 2019) 和欧洲航空安全局 (EASA) 人工智能 (A.I.) 路线图提出了正在进行的技术前景的概述和评估，这些技术前景通过实施人工智能和引入扩展的最低机组操作 (eMCO) 和单飞行员操作 (SiPO) 改变了航空环境。工作量的变化将影响人的表现和决策过程。该研究接受了人工智能方法中普遍确立的定义，即“任何看起来模仿人类表现的技术”(EASA, 2020)。通过对现有直接语音输入 (DVI) 应用文献的回顾，结构化了人工智能航空决策研究主题，包括驾驶舱设计和用户的感知 - 体验。通过采访主题专家（人为因素分析师、人工智能分析师、航空公司经理、考官、教员、合格飞行员、受训飞行员）和问卷调查（分发给一组专业飞行员和受训飞行员），考察了人工智能在驾驶舱设计和操作中的应用。分析结果并评估了决策方面的适用性和 e-MCO 和 SiPO 的显著差异。
多准则决策的 MULTIMOORA 概述
MULTIMOORA 是一种有用的多标准决策技术。MULTIMOORA 的输出是通过汇总三元排序方法的结果获得的排名：比率系统、参考点方法和完全乘法形式。在 MULTIMOORA 的文献中，没有全面的评论研究。在本文中，我们通过对主要研究进行理论和实践分类和分析，对 MULTIMOORA 进行了概述。首先，我们从下属排序方法、排序聚合工具、加权方法、群体决策、与其他模型的结合以及方法的稳健性等方面对 MULTIMOORA 进行了理论调查。我们根据不确定性理论仔细研究了 MULTIMOORA 的发展，并分析了突破性模型的数学公式。MULTIMOORA 的实际问题分为涉及工业、经济、公务员和环境政策制定、医疗保健管理以及信息和通信技术的应用领域。所有研究都实施了文献计量分析。此外，我们还面临着重大的理论和实践挑战。从理论角度来看，参考点方法的扩展、合作群体决策结构以及 MULTIMOORA 模型中新不确定性集的利用是主要挑战。从实践角度来看，工业和社会经济领域需要深入研究。
算法决策与控制问题
摘要 多年来，研究复杂机器人类操作员的工业心理学家和工程师已经认识到，人类操作员将责任转移给机器，而无法发现机器故障的情况，这种危险是存在的。我们称之为“控制问题”，理解为人机控制回路中的人在面对可靠自主系统的输出时，容易变得自满、过度依赖或过度缺乏自信。虽然控制问题已经研究了一段时间，但到目前为止，它在机器学习环境中的表现还没有受到重视。本文旨在填补这一空白。我们认为，除某些特殊情况外，算法决策工具不应用于高风险或安全关键决策，除非相关系统在相关决策领域或子领域明显“优于人类”。更具体地说，我们推荐三种策略来解决控制问题，其中最有希望的策略涉及高效算法工具与人类代理之间的互补（且可能动态）耦合。我们还确定了所有此类人机系统在设计中都应反映的六个关键原则。这些可以作为评估任何此类人机系统可行性的框架，也可以作为指导此类系统的设计和实施的框架。
机场 - 协作决策 (A-CDM)
航空机场协作决策小组 (AACG) 最初于 2015 年在 IATA 的支持下成立，旨在解决许多不协调的 A-CDM 欧洲流程和程序，这些流程和程序只会增加复杂性，在某些情况下还会导致航空公司运营效率低下和延误。该小组由十家主要航空公司组成，从长途到短途，包括低成本和传统组织。该小组最初专注于欧洲网络，但现在在全球范围内处理接口问题，因为许多国际机场都采用 A-CDM，并且未来几年计划采用更多机场。AACG 的总体目标是协调 A-CDM 程序，同时也影响实施，以便制定适当的程序来简化流程并为航空公司运营商增加价值。
通过融合实现决策优势
陆军在实现这一联合网络的技术、创新和实验方面处于领先地位。其 PC 学习活动已证明其能够利用新兴技术和创新概念实现跨军种和跨域融合。陆军未来司令部、CFT、作战能力发展司令部和软件工厂正在结合士兵的经验、行业资源和科学家的专业知识来开发和交付未来的战斗力量。通过实验和联合协作，陆军正在将 JADC2 变为现实，从而增强战略竞争中的威慑力和冲突中的强势对抗。
乘客决策行为及其对...的影响
宣誓书................................................................................................................................................ 2
有效决策过程的理论方法
本研究开发并阐述了为 2019 年马耳他 PIC 国际会议所做的关于决策过程的研究。决策是在两个或多个行动方案之间进行选择的行为。在更广泛的问题解决过程中，决策涉及在问题的可能解决方案之间进行选择，这些决策可以通过直觉或推理过程或两者结合来做出。决策过程的研究被理解为人为因素的作用，在复杂的组织中变得特别有趣。本研究旨在分析组织内的有效团队如何制定更正确、更有效的决策，以获得最佳解决方案，克服典型的不确定性。本文描述了在复杂、时间紧迫、不确定、模糊和变化的环境中决策的出发点。使用一个典型案例（特内里费空难，1977 年）将使我们获得预期结果，即展示有效的决策过程（包括团队动态）如何有助于降低所有决策中存在的风险并减少错误。特内里费空难案例证实了我们的研究。事实上，在该案例中，群体动态被证明不起作用。因此，我们可以说，如果采用团队方法而不是更个人化的方法，结果可能会有所不同。
通过联合全域指挥与控制实现决策优势
在建立美国北方司令部和北美防空司令部 (NC&N) 的指挥部后，我们显然需要迅速提高我们的能力，以履行保卫国土的神圣使命。我们的对手已经适应了这种变化，他们在新的领域开展行动，使用速度更快、更先进的武器来绕过我们老化的防御系统。为了对抗这些武器并以当今的快速度开展行动，我们必须具备全域 C2 感知能力，提供涵盖水下、海上、陆地、空中、近太空、太空和网络活动的融合威胁图景，并拥有能够抵消对手针对我们关键基础设施的攻击的击败机制。这两种能力之间的关键是联合全域指挥与控制 (JADC2)。什么是 JADC2？描述并最终生产 JADC2 对国防部 (DOD) 来说一直是个难题，部分原因是很难将一个理想概念转化为共同愿景，然后再转化为编程要求。一种方法是通过其期望属性来描述 JADC2。从这个意义上讲，我们谈论的是一种冗余且有弹性的架构，以实现更快、更可靠的通信，或者能够将融合的传感器和报告数据链接到最佳射手，从而消除不必要的组织层次结构，获得阻止敌人对我们构成危险所需的优势。虽然这些描述当然很有用，但 JADC2 的最终目的可能最能描述它：决策优势。JADC2 是数字时代的 C2——从战术优势到战略领导者，为我们的作战人员做出更快、更好的决策所需的架构。JADC2 与以前的 C2 构造的不同之处在于，它建立在数据丰富的基础上，利用机器的力量来增强决策能力。这种新功能超越了人类能力的限制，可以产生机器支持的洞察力，可以识别异常事件，预测接下来会发生什么，并生成具有相关影响和风险的选项。为了说明这一点，最近的亚马逊网络服务下一代统计商业广告