XiaoMi-AI文件搜索系统
World File Search System决策系统
工作自由：理解、疏离和人工智能驱动的工作场所
1. 简介 想象一下，你生活在一个不公正的社会，这个社会的成员都是值得信赖、无所不知、异常直率的预言家。你问预言家你的社会是否会公正，并被告知你生活在幸运的时代：在未来五年内，全面的制度变革将使你的社会变成一个公正的社会。五年过去了，确实发生了全面的制度变革。由于你的预言家是值得信赖的，所以你知道你的社会现在是公正的。但你不知道为什么它是公正的，因为事实证明，正义是通过开发和实施一个集中的算法决策系统来分配利益和负担、执行法律等来实现的。这个系统太复杂了，你——或者除了预言家之外的任何人——都无法理解它的底层结构或它做出的决定。计算机科学、法律和哲学领域关于人工智能可解释性的新兴文献集中于解释人工智能的能力具有工具价值的各种方式。例如，可解释的人工智能被认为对追索权或对决策提出异议很有价值，这两者都是机构合法性和公平性的必要条件（Ventkatasubramanian 和 Alfano 2020；Vredenburgh 2021）。从该文献的角度来看，你相信神谕是无所不知的，那就错了。如果你的社会确实因其不透明性而令人反感，那么它一定是不公正的。然而，我想让你假设一下，想象中的社会确实是完全公正的。你是否仍然直觉地认为上述社会在某种程度上令人反感？我想很多人都这么认为。我将从解释的非工具价值的角度来解释和捍卫这种直觉。对组织和社会机构的结构和运作的解释具有非工具价值，因为它们构成了反思澄清我们每个人都不得不对自己的全面实践取向的基础。
理解、疏离和人工智能驱动的工作场所
1. 简介 想象一下，你生活在一个不公正的社会，这个社会的成员都是值得信赖、无所不知、异常直率的预言家。你问预言家你的社会是否会公正，并被告知你生活在幸运的时代：在未来五年内，全面的制度变革将使你的社会变成一个公正的社会。五年过去了，确实发生了全面的制度变革。由于你的预言家是值得信赖的，所以你知道你的社会现在是公正的。但你不知道为什么它是公正的，因为事实证明，正义是通过开发和实施一个集中的算法决策系统来分配利益和负担、执行法律等来实现的。这个系统太复杂了，你——或者除了预言家之外的任何人——都无法理解它的底层结构或它做出的决定。计算机科学、法律和哲学领域关于人工智能可解释性的新兴文献集中于解释人工智能的能力具有工具价值的各种方式。例如，可解释的人工智能被认为对追索权或对决策提出异议很有价值，这两者都是机构合法性和公平性的必要条件（Ventkatasubramanian 和 Alfano 2020；Vredenburgh 2021）。从该文献的角度来看，你相信神谕是无所不知的，那就错了。如果你的社会确实因其不透明性而令人反感，那么它一定是不公正的。然而，我想让你假设一下，想象中的社会确实是完全公正的。你是否仍然直觉地认为上述社会在某种程度上令人反感？我想很多人都这么认为。我将从解释的非工具价值的角度来解释和捍卫这种直觉。对组织和社会机构的结构和运作的解释具有非工具价值，因为它们构成了反思澄清我们每个人都不得不对自己的全面实践取向的基础。
航天/航空航天飞行器先进制导与控制算法综述
在过去的几十年里，航天/航空航天飞行器的先进制导与控制 (G&C) 系统的设计受到了全世界的广泛关注，并将继续成为航空航天工业的主要关注点。毫不奇怪，由于存在各种模型不确定性和环境干扰，基于鲁棒和随机控制的方法在 G&C 系统设计中发挥了关键作用，并且已经成功构建了许多有效的算法来制导和操纵航天/航空航天飞行器的运动。除了这些面向稳定性理论的技术外，近年来，我们还看到一种日益增长的趋势，即设计基于优化理论和人工智能 (AI) 的航天/航空航天飞行器控制器，以满足对更好系统性能日益增长的需求。相关研究表明，这些新开发的策略可以从应用的角度带来许多好处，它们可以被视为驱动机载决策系统。本文系统地介绍了能够为航天/航空航天飞行器生成可靠制导和控制命令的最先进的算法。本文首先简要概述了航天/航空航天飞行器的制导和控制问题。随后，讨论了有关基于稳定性理论的 G&C 方法的大量学术著作。回顾并讨论了这些方法中固有的一些潜在问题和挑战。然后，概述了各种最近开发的基于优化理论的方法，这些方法能够产生最佳制导和控制命令，包括基于动态规划的方法、基于模型预测控制的方法和其他增强版本。还讨论了应用这些方法的关键方面，例如它们的主要优势和固有挑战。随后，特别关注最近探索 AI 技术在飞行器系统最佳控制方面的可能用途的尝试。讨论的重点说明了航天/航空航天飞行器控制问题如何从这些 AI 模型中受益。最后，总结了一些实际实施考虑因素以及一些未来的研究主题。
超越视力：距离远距离的LVMS智能导航
摘要 - 大型视觉模型（LVM）在理解和生成图像描述方面表现出了令人印象深刻的技能。但是，为了进一步提高自动驾驶汽车的决策能力并实现真正的自动导航，重要的是要通过推理和距离测量能力来增强这些模型。通过整合可以准确估算出仅视觉提示的各种对象的计算机视觉技术，LVMS处理自动驾驶汽车的感知输入将能够提供更精确，详细和上下文相关的驱动环境描述。这将允许车辆的决策系统做出更有信息的选择，并有效地浏览复杂的现实世界情景。描述包括车辆和诸如汽车，行人，交通标志和车道标记等物体之间的估计距离。，LVM不仅可以描述图像显示的内容，还可以描绘关键对象之间具有数值距离值的场景。通过估计距离的推理和度量空间意识增强，LVM处理自动驾驶汽车的图像将支持更明智的导航和在不同条件下的操纵选择。该车辆将对周围环境有更定量的了解，以帮助自动决策。通过应用这种增强的看法，我们的辅助驾驶系统可能能够提高道路安全性。单独使用相机输入可以实时准确地量距。这使系统可以就安全后距离做出明智的决定，并向驾驶员提供警报。我们增强的感知模块有可能通过帮助驾驶员保持与前方车辆更安全的距离来减少事故。我们的辅助驾驶系统可以通过监视前方的道路并在安全距离上为驾驶员提供建议，从而减少碰撞。关键字：大视觉模型，增强感知，计算机视觉，Yolo 1。简介
评估纽约市新 AI 就业法的范围
随着越来越多的雇主使用人工智能工具来做出雇佣决策，行政机构和立法者开始注意到这一点。例如，美国平等就业机会委员会最近要求在线辅导公司 iTutorGroup 向据称遭受算法年龄歧视的求职者支付 365,000 美元。[1] 与此同时，今年早些时候，宾夕法尼亚州民主党参议员鲍勃·凯西 (Bob Casey) 提出了《禁止机器人老板法案》，该法案禁止雇主完全依赖自动决策系统，并实施披露、测试、验证、人工监督和员工培训要求。[2] 值得注意的是，纽约市消费者和工人保护局 (DCWP) 已开始执行第 144 号地方法律。[3] 该法律限制纽约市的雇主和就业机构在招聘和晋升决策中使用自动就业决策工具，除非该工具已接受独立审计师进行的年度偏见审计。它还规定了有关使用此类工具的通知和发布要求。在 7 月 5 日实施之前，纽约市的雇主们一直在呼吁更明确的指导，因为《地方法律 144》让许多人对法律的范围和偏见审计要求感到困惑。作为回应，DCWP 在 4 月发布了实施该法律的最终规则。[4] 随后，它于 6 月 30 日发布了常见问题解答。[5] 最终规则和常见问题解答有助于解决一些悬而未决的问题，但仍有许多问题。本文重点介绍了雇主在试图遵守这项试图规范新兴技术的新法律时面临的一些关键澄清和悬而未决的问题。纽约市办事处位置是关键 DCWP 明确表示，《地方法律 144》仅适用于使用自动化
软件工程
I.软件工程课程简介 软件工程硕士 (MS) 课程侧重于培养软件设计和应用方面的高级知识和能力。课程涉及将工程原理应用于软件开发，包括设计方法、操作原理以及维护和测试方法。软件工程硕士课程以软件工程学士学位课程为基础，旨在培养该学科的专业技能，并为学生提供参与和发展研究能力的机会。在亚利桑那州立大学的计算与增强智能学院 (SCAI)（前身为计算、信息学和决策系统工程学院 (CIDSE)），我们设想一个社会，在这个社会中，安全、准确和最新的信息无处不在，数据被无缝收集、管理并转换成信息，为个人提供娱乐，为企业提供支持，并指导双方在日常事务中的决策。我们设想我们的学校是一个社区，被国际同行公认为构想和实现信息驱动型社会的领导者，被学生公认为获取实现这一愿景所需知识和技能的首选之地。我们设想一个学者社区，合作从事跨学科研究，应对现代社会的巨大挑战，支持学生和同事的智力成长。我们的使命是通过卓越的教育、从基础到转化的实用研究以及为专业和社区服务的领导力造福社会。我们寻求提供一个支持性的环境，促进创造力、多样性、多学科合作、学术和道德行为，以推进计算、信息和决策技术方面的知识和实践，从而促进社会发展。ASU 禁止一切形式的歧视、骚扰和报复。要查看 ASU 的政策，请参阅 https://www.asu.edu/aad/manuals/acd/acd401.html 。
去殖民化人工智能；算法公平性符合土耳其和伊斯兰价值观
摘要：我们目睹了这样一个时代，即使是那些从国际概念、规范和价值观中引入、发展并不同程度地受益于霸权的国家和机构，也不遵守或维护这些所谓的国际规范或价值观。例如，一个根据联合国规范建立和认可的国家可能会对平民和联合国维和特派团采取敌对行动，但联合国国家对此的抗议却微弱无力。我们地区社会对充满双重标准的所谓国际司法体系的不可信性、伊拉克和阿富汗等不义入侵的灾难性后果以及破坏性的全球伊斯兰恐惧症的正常化有着深刻的记忆，这说明有必要记住并将地区规范和价值观放在首位。关于公平与欧洲价值观相符：人工智能监管的跨学科视角或去殖民化人工智能协调：开放性、Vis ́ esa -Dharma 和包括被排除的知识等主题的研究工作产生了寻找人工智能 (AI) 与土耳其和伊斯兰价值观协调的动机。这项研究工作的驱动力是，所有算法决策系统都在某种程度上包含偏见，非西方世界需要构建自己的基于价值观的技术和社会学发展模式，因为对所谓的国际正义或所谓的民主价值观没有多少信心。这项研究包括对大数据、算法和人工智能基础知识的简要信息的检查。强调了厚数据和数字人类学的重要性。人工智能的误用和滥用已被确定为最重要的挑战之一。维果茨基关于社会学习、技术理论的社会建构和世界观理论的论点可能为构建一种可能按照土耳其和伊斯兰价值观发展的人工智能方法的理念提供了一些论据。我们还利用了去殖民化人工智能论证、人工智能方法的公平性以及安纳托利亚酵母世界观来支持我们的论证。最后，我们简要介绍了土耳其和伊斯兰价值观，但仅限于本研究的范围。
支持协同决策的智能系统...
a 国立航空大学飞行学院，Dobrovolskogo Str., 1, Kropyvnytskyi, 25005, Ukraine b 国立航空大学，Liubomyra Huzara ave., 1, Kyiv, 03058, Ukraine c 国立航空航天大学 H.E.朱可夫斯基“哈尔科夫航空学院”，Chkalov Str., 17, Kharkiv, 61070, 乌克兰 d 哈尔科夫国立空军大学（I. Kozhedub 命名），Sumska Str., 77/79, Kharkiv, 61023，乌克兰 摘要 为了全面考虑影响飞行紧急情况（FE）中飞行员/空中交通管制员的协同决策（CDM）过程的因素，提出了一个自适应智能支持协同决策系统（ISSCDM）的概念模型，该系统考虑了管制对象（飞机）、环境（空中交通管制区和机场的特征）和空中导航系统运营商（飞行员/空中交通管制员的特征）的状态的动态、静态和专家信息。 div>FE 中的飞行员/空中交通管制员的 ISSCDM 使用基于人工神经网络的 CDM 模型。为了评估飞行员和空中交通管制员在 FE 中发生 CDM 的风险，开发了一个四层循环神经网络，并附加输入 - 偏差：第一层（输入） - FE 中的损失FE 取决于飞行情况；第二层（隐藏）——FE 格挡技术程序的规范时间；第三层（隐藏）——FE 格挡技术程序的规范顺序；第四层（输出）——风险FE 评估。由于偏差而开发的神经网络模型使得在执行 FE 规避技术程序时可以考虑飞行员和空中交通管制员之间的相互作用，并借助反馈来根据运营商对时间协调标准和规范行动序列遵守情况的动态数据，修正预测的CDM风险评估。借助 NeuroSolutions 神经模拟器（版本 7.1.1.1），以 FE“飞机起飞后爬升时发动机故障并起火”为例，构建了具有偏差的多层前馈感知器，并通过误差反向传播过程与老师一起训练。关键词 1 人工神经网络，偏差，协调行动，交互，神经模拟器，风险评估，技术程序
SOAM 与 ... 的定性比较分析
摘要 欧洲空中交通管制组织 (Eurocontrol) 提倡使用系统性事件分析方法 (SOAM) 来分析空中交通管理 (ATM) 事件。麻省理工学院的 Nancy Leveson 教授定义了基于系统理论的系统理论事故模型和过程 (STAMP)，用于解释系统性事故（事故由组件之间的相互作用引起，而不是单个组件故障）。本研究使用 SOAM 和 STAMP 分析了一起 ATM 事件，并比较了它们在确定系统性对策方面的实用性。结果表明，SOAM 是一种有用的启发式方法和强大的通信设备，但它在突发现象和非线性相互作用方面较弱。SOAM 指导调查人员考虑事件发生的背景；失败的障碍和组织因素；“瑞士奶酪中的漏洞”，但不考虑造成这些漏洞的过程，或者整个系统如何向安全操作的边界迁移。STAMP 指导调查人员更深入地研究系统组件之间相互作用的机制，以及系统如何随着时间的推移进行适应。 STAMP 有助于确定防止系统组件之间发生不良相互作用所必需的控制和约束。STAMP 还通过对系统控制结构上层进行结构化分析来指导调查，这有助于确定高级系统对策。全球 ATM 系统正在经历一段技术和政治快速变革时期。欧洲的单一欧洲天空 ATM 研究 (SESAR) 和美国的 NextGen 计划意味着 ATM 正在从集中式人机控制系统转变为半自动化分布式决策系统。根据当地约束条件和合并交通时间定制的、在数据链接的 4D 飞行路径上飞行的连续下降到达需要大规模的数字信息共享和协作决策，以及为实现最佳空域效率和安全性而设计的功能空域块。现在需要像 STAMP 这样的详细的新系统模型来防止正常运行的系统组件之间发生不良相互作用，并了解日益复杂的 ATM 系统中随时间的变化。
Meghna Sinha AI 副总裁 Verizon - CDN
Meghna Sinha 人工智能副总裁 Verizon Meghna Sinha 是 Verizon 的人工智能副总裁，她的组织负责设计高弹性、可重复使用和可扩展的模型，为 Verizon 所有主要决策系统提供支持。凭借 1.2 亿客户、1600 多家零售店、13.2 万名员工和积极的 5G 扩展路线图，业务问题的范围非常广泛，需要对传统统计方法以及机器学习和深度学习方法具有深厚的专业知识。Meghna 的数据科学职业生涯跨越二十四年，其中十年一直致力于数字商务、零售、个性化和实验的交叉领域。她热衷于用人工智能解决现实问题，因此她为南加州的早期创业公司提供建议和指导。Meghna 之前曾在中央橙县海岸男孩女孩俱乐部董事会任职三年，该俱乐部每年为橙县地区的 9,500 名青少年提供支持。任职期间，她率先推出了一项名为“未来的工作”的沉浸式劳动力发展计划，旨在向初中和高中学生揭开人工智能的神秘面纱。加入 Verizon 之前，Meghna 在 Target 工作了十年，在 Target 从纯实体店向全渠道零售商的多年转型过程中，建立和扩展了机器学习和实验能力。她所领导的能力是许多首创的关键推动因素，包括实时个性化、试验和扩展 Target 的 Drive-up 等履行能力、推出 Target 的 Circle 忠诚度计划、扩展新品牌发布的数字体验以及改造 Target 的 2000 多家门店。Meghna 还负责领导 Target 的一项企业范围的测试和测量计划，该计划创造了尝试新想法的敏捷运动和文化。在数据科学时代之前，Meghna 在 IRI 工作了十多年，为 CPG（消费包装商品）公司建立统计预测能力。 Meghna 拥有辛辛那提大学统计学和数学学士学位以及统计学硕士学位。