XiaoMi-AI文件搜索系统
World File Search System分类图像
Microsoft Word - 2023.9.8 - V. Epinstel 向参议院商务部提交关于人工智能的证词 - 最终版
BSA 首席执行官 Victoria Espinel 的证词 | 软件联盟 在参议院商务、科学和运输委员会消费者保护、产品安全和数据安全小组委员会就人工智能透明度的必要性举行的听证会 2023 年 9 月 12 日 下午好，主席 Hickenlooper、排名成员 Blackburn 和小组委员会成员。我叫 Victoria Espinel，是 BSA | 软件联盟的首席执行官。1 BSA 是全球企业软件行业的领先倡导者。2 我们的成员处于开发尖端服务（包括人工智能）的前沿，他们的产品被经济各个领域的企业使用。我赞扬小组委员会召开今天的听证会，并感谢您给我作证的机会。我还赞赏本委员会长期以来对人工智能的关注，包括您为建立国家人工智能计划所做的努力，以及您与 BSA 的联系，以了解我们的公司如何实施美国国家标准与技术研究所今年早些时候发布的人工智能风险管理框架。近六年前，我在本委员会的一次听证会上作证，重点讨论了机器学习和人工智能的基石。3 主席 Cantwell 和参议员 Young 还在当年提出了首批人工智能法案之一。从那时起，我们在 2017 年讨论的基石迅速涌现出来。随着研究人员推出衡量进展的新方法，衡量人工智能如何执行识别和分类图像或理解文本等任务的传统基准正在变得过时。4 正如我当时所说，人工智能是一种基础技术，推动着人们每天使用的产品和服务。它还提出了重要的政策问题，而这些问题是 BSA 工作的核心。我们开展了一项为期一年的项目，与会员公司合作制定了《BSA 构建 AI 信任框架》5，该框架于 2021 年发布，旨在帮助组织减轻 AI 系统中出现意外偏见的可能性。BSA 以大量研究为基础，
使用地理空间数据评估茶树健康和产量...
茶是印度最重要的饮料之一。它是第一大外汇收入来源。印度是世界上最大的茶叶生产国。印度的阿萨姆邦、梅加拉亚邦、特里普拉邦、北孟加拉邦（大吉岭）和锡金邦对该国的茶叶总产量贡献巨大。除此之外，印度南部的泰米尔纳德邦、卡纳塔克邦和喀拉拉邦也为茶叶生产做出了贡献。过去几年，人们发现茶产业正在失去立足之地。这主要是因为生产结构错误、由于生产成本高而无法与其他茶叶生产国竞争、小农户组织化、加工阶段的质量控制不佳以及更重要的害虫和疾病侵扰。遥感和 GIS 技术已被有效用于监测水稻、小麦等多种一年生作物。因此，开发一种使用遥感和 GIS 监测茶园的方法已成为迫切需要。之前缺乏使用遥感监测茶叶的研究，这为开发一种方法提供了想法，该方法可以帮助监测种植园的生长并在需要时采取有效措施。在本研究中，尝试使用遥感图像的纹理和色调变化来评估茶树的健康状况。应用灰度共生矩阵 (GLCM) 技术将茶斑分为健康、中度健康和患病茶。使用纹理和分类图像来描绘患病斑块。得出了健康、中度健康和患病茶的百分比。观察发现，2001 年 12 月的 LANDSAT 图像显示健康茶树的面积为 60.4%，中度感染茶树的面积为 23.6%，患病茶树的面积为 16.2%。对于 2004 年 2 月的 LISS III 图像，发现健康茶树的面积为 43.9%，中度感染茶树的面积为 36.8%，患病茶树的面积为 19.3%。同样，对于 2004 年 6 月的 ASTER 图像，发现健康茶树的面积为 24.9%，中度健康茶树的面积为 50.1%，患病茶树的面积为 25.1%。最后将结果与地面叶面积指数 (LAI) 和产量进行了比较。因此，这里尝试的纹理分析和色调变化可以在识别和检测茶园中的病斑方面发挥重要作用。这项研究表明，4 月、6 月和 8 月基于 MODIS 的 NDVI 与庄园层面的茶叶产量有显著相关性。为进一步检验 MODIS 得出的 NDVI 是否与 LAI 相关，建立了一个经验方程，结果表明茶叶的 LAI 与 NDVI 具有显著的线性关系 (R 2 =0.36)。然而，研究发现，仅凭不同时间段的 NDVI 观测结果无法解释茶叶产量的差异。这表明茶叶产量的统计模型似乎并不令人鼓舞。