XiaoMi-AI文件搜索系统
World File Search System判断错误
Autoware-Challenge-2024
○从控制误差中估算车辆重量○轮胎扁平化的变化○修改控制算法中使用的控制参数在线上●在线上，一个困难是可以通过目标加速度和实际加速度来估计重量，但是从目标加速器中的转换器从目标加速器到Actuator的输出中的车辆组件中的转换器可能会产生错误。因此，该功能必须判断错误是来自转换器的错误还是权重错误。●对于确切的估计，我们可以假设如果车辆移动，重量不会改变。●确保该功能在简单的计划模拟器中效果很好。
人工智能和透明度如何影响公众对司法的信任
*1 ྠᚿ♫ᏛၟᏛ㒊ၟᏛ⛉ 同志社大学商学院 本研究的目的是调查导致人们对基于 AI 的审判信任度降低的因素。近年来，法官和预算短缺，而这又以牺牲用户的信心为代价。为了解决这些问题，人们期待在法庭上使用 AI。然而，AI 存在黑箱问题。部分原因是算法不可靠，这引发了人们对在法庭上使用 AI 的质疑。在本研究中，我们进行了一项调查实验，以调查透明度的存在是否会影响法官的可信度。我们还调查了判断错误对可信度的影响。从实验结果中，我们研究了人们更信任 AI 还是透明度。本研究为在法庭上使用 AI 的研究和努力提供了启示。
首次使用ADB Energy简报纸质问题...
有关的政党，尤其是ADB和其他ETM资助者，需要认识到，排除第三方的这种闭门过程可能会导致对ETM的无效使用，并最终导致失败。对保护“业务机密性”的过度考虑可能会导致面对有限信息的判断错误，这可能会阻碍资金的适当管理和项目的实施。民间社会，特别是在获得气候融资的国家中的公众，在面对气候融资的大量资金短缺的情况下，人们对如何有效使用有限的公共资金具有极大的兴趣。这包括对燃煤发电厂提前退休的任何支持。任何未能确保了解权的权利和民间社会的有意义参与，都使公众难以监控有限的公共资金的使用和运营，这反过来又可能会损害ETM本身的信誉。对于ETM也可以在Cirebon-1以外的其他项目中更有效地使用，这对于确保民间社会可以在利益相关者咨询和谈判的早期阶段获得信息并提供评论和信息至关重要。在简短的，透明的过程中，必须确保有意义的参与决策过程。
迈向实体器官移植领域有意义的人工智能应用
系统免疫学的进展（例如新的生物标志物）为高度个性化的免疫抑制方案提供了潜力，从而可以改善患者的预后。将来，将所有这些信息与其他患者病史数据整合在一起很可能要依靠人工智能 (AI)。AI 代理可以通过发现模式和对文献中未涉及的特定患者进行预测，或通过整合大量数据（例如，跨众多生物标志物的趋势）以人类无法预料的方式进行预测，从而帮助增强移植决策能力。与其他临床决策支持系统类似，AI 可能有助于克服人类的偏见或判断错误。但是，迄今为止，AI 尚未广泛应用于移植。在这篇快速评论中，我们调查了最近在移植相关 AI 应用研究中采用的方法，并确定了与实施这些工具相关的问题。我们确定了阻碍 AI 在移植中应用的三个关键挑战（偏见/准确性、临床决策过程/AI 可解释性、AI 可接受性标准）。我们还确定了近期可以采取的措施，以帮助推动 AI 在移植领域的有意义应用（在每个中心组建移植 AI 团队，建立临床和伦理可接受性标准，并将 AI 纳入共享决策模型）。
事故调查指南 - 美国农业部森林服务局
• 对距离、间隙、速度等判断错误 • 视觉错觉导致的错误感知。影响视觉表现的情况： — 毫无特征的地形（如沙漠、干湖、水、雪地）。 — 黑暗和能见度差。 — 烟雾和不断变化的烟雾形状。 — 山地地形或倾斜的跑道。 — 导致闪烁眩晕的异常灯光效果。 — 物体与背景对比度低或照明度差。 — 观看明亮的阳光或月光。 — 阴影。 — 白茫茫的雪景。 • 空间定向障碍和眩晕。影响身体位置感的情况： — 失去视觉线索。 — 不良医疗状况或生理状况（酒精和药物影响、宿醉、脱水、疲劳等）。 — 上下移动头部、前后张望以换取收音机、接听或使用手机。 • 失去态势感知。类型： — 地理定向障碍（如偏离路线、失去位置意识）。 — 普遍丧失情境意识（如无法察觉危险情况）。 — 错误的情况评估（误解情况或条件）。 — 无法预测或预期变化的情况。 — 错误假设确认偏差（持续错误感知或误解情况）。 • 注意力不集中（如在获得正确信息时无法监控或做出反应）。 类型： — 无法目视车辆或设备外部的危险情况。 — 遗漏清单项目。 —
通过实时面部识别增强安全性
庞迪切里大学，印度帕德切里摘要：随着暴力犯罪者（包括儿童性犯罪者）的累犯率令人震惊，对维护脆弱环境的高级安全措施的需求越来越紧迫。学校，育儿中心和其他高风险地区特别容易受到潜在威胁的影响，因此必须实施积极的解决方案，以确保儿童和员工的安全和福祉。在很大程度上依赖安全人员手动监控的传统监视系统正越来越多地证明实时识别和应对威胁的不足。人类的监督通常受到诸如延迟反应和判断错误之类的局限性，留下了关键的安全差距。我们建议的工作提供了一种新颖的视频监视系统，该系统使用DeepFaceNet，这是一种高度优化和模块化的深度学习模型，旨在克服这些困难。由于该技术主要旨在处理监视摄像机的实时视频供稿，因此它可以识别和检测具有犯罪背景的人的面孔，尤其是那些被归类为高风险罪犯的人。通过利用最新的面部识别技术，我们建议的系统提供了强大而全面的威胁检测解决方案。随着公共安全的改善，它还可以抑制犯罪行为，这有助于避免这种事件。该系统通过强调高精度，实时处理和可靠性来解决并确保安全和监视领域的更安全环境。索引术语：面部识别，深度学习，深度，监视，安全性。
尼泊尔公共财政管理改革的运行风险评估：挑战与机遇的回顾
致谢 本报告由 ODI 团队起草，该团队由 Philipp Krause、Stephanie Sweet、Edward Hedger 和 Bhola Chalise 组成。Hiramani Ghimire 和 Bigyan Pradhan 在世界银行驻尼泊尔国家办事处的 Tahseen Sayed 的指导下管理了这项研究。该团队谨对尼泊尔政府在 ODI 团队于 2012 年 10 月和 2013 年 2 月访问尼泊尔期间给予的热情款待和支持表示感谢。特别感谢 PEFA 指导委员会成员，该委员会由财政部长 Krishna Hari Baskota 于 2012 年 10 月担任主席，由 Shanta Raj Subedi 于 2013 年 2 月担任主席。我们还要感谢 Pratap Kumar Pathak 和 Narendra Dahal 在不同时期担任金融审计长时给予的指导和支持。Mahesh Prasad Dahal 领导 PEFA 秘书处，是政府方面研究的联络人，他为研究团队提供了宝贵的支持。Suresh Pradhan 接替他担任 PEFA 秘书处的协调员，并提供类似的支持，并加入团队进行实地考察。FCGO/PEFA 秘书处的 Rajendra Bajracharya 和 Baburam Subedi 通过协调 FCGO 对报告草案的回应来支持这项工作。该团队还想记录下对 DTCO 负责人及其在 Kavre、Chitwan、Rupandehi 和 Palpa 的同事的感谢，感谢他们非常热情的支持，不仅在收集信息方面，而且在召集与各地区相关对话者的互动方面。特别感谢 Suresh Pradhan 及其在 FCGO 的团队，他们在协助会议和提供数据和报告方面发挥了重要作用。如果没有他们的帮助，团队不可能在有限的时间内覆盖如此多的内容。尽管还有其他紧迫的任务，但加德满都和全国各地的所有受访者（请参阅附录 B 中的受访者名单）都非常慷慨地付出时间和见解。我们要感谢世界银行和 PFM 多捐助方信托基金的成员，包括 DFID、AusAID、挪威、丹麦和欧盟，感谢他们在国家访问期间和远程与团队合作并提供资金。世界银行华盛顿特区办事处的 Verena Fritz 在整个过程中提供了有益的评论和指导，并参加了两次国家访问。我们收到了来自 Hiramani Ghimire、Bigyan Pradhan 和 Verena Fritz 以及多个政府机构和发展伙伴对本报告早期草稿的大量评论和反馈。Ruth Larbey 和 Roo Griffiths 编辑了本报告。Suran KC Shrestha 在团队在尼泊尔期间提供了宝贵的后勤支持。所有事实或判断错误均由作者负责。本报告中表达的调查结果、解释和结论完全是作者的观点，并不一定代表世界银行集团、其执行董事或他们所代表的国家的观点，也不应该归咎于他们。