XiaoMi-AI文件搜索系统
World File Search System可理解性
人工智能“无处不在”：解决公共服务新闻中的人工智能可理解性问题
摘要 算法系统和人工智能在新闻制作中的日益普及引发了人们对记者是否有能力以不违背新闻规范和价值观的方式理解和使用它们的能力的担忧。这种“可理解性”问题对于公共服务媒体来说尤其严重，因为这种复杂而不透明的系统可能会扰乱问责制、决策和专业判断。本文通过文件分析和对 14 名记者的访谈，概述了人工智能在 BBC 新闻制作中的部署，并分析了记者如何理解人工智能和算法。我们发现日益普及的人工智能与 BBC 记者的理解水平之间存在脱节，他们用猜测和想象来代替对这些技术的准确概念。这可能会限制记者有效和负责任地使用人工智能系统的能力，质疑其产出和在新闻制作中的作用，或者适应和塑造它们，也可能妨碍对人工智能如何影响社会进行负责任的报道。我们建议 PSM 在个人、组织和社区三个层面制定促进人工智能可理解性和素养的策略，并且我们从社会文化角度而不是单纯的技术角度重新定义人工智能可理解性问题，以便更好地解决规范性考虑。
第二个清晰度预测挑战：助听器可理解性预测的机器学习挑战
本文报告了第二个清晰性词典挑战（CPC2）的设计和结果，以预测听力障碍的人听到的助听器处理信号的清晰度。挑战旨在促进新方法，以估算可用于未来助听器算法开发的助听器信号的清晰度。它在许多关键方向上扩展了较早的一轮（CPC1，2022），包括来自新的语音清晰度聆听的较大数据集，测试材料的可变性更大，以及一个需要预测系统才能推广到不看见的Al-Gorithms和听众的设计。本文提供了有关新公开可用的CPC2数据集，CPC2挑战设计和基线系统的完整描述。挑战吸引了9个研究团队的12个系统。审查了系统，其性能是分析的，并提出了结论，参考了自早期CPC1挑战以来所取得的进展。，可以看到基于预训练的大声学模型的无参考，非侵入性系统如何在这种情况下表现良好。
TBM的预测 肺炎的塞斯是肺炎的孩子。 Oko法律在1991 - 2019年应用 可理解性说
这项工作的重要性在于情感经历对生存的重要性（Darwin，1872； Ledoux，2012）以及人类的适当心理社会发展（Borges＆Naugle，2017; Pleeging等，2019）。当情感体验不足或不足以适合情境需求时，它就成为适应的问题（Aldao等，2010； Colombo等，2020）。情感经历发生在经历它的人的有机体中（Blair＆Diamond，2008； Raz等，2016）。因此，我们认为，与情感体验过程的特征的了解一起，必须了解其生物基础，以促进基于基础改善情绪状态的资源。
Meza-González，Yilmar Alexader；纳塔利亚（Natalia）Arrieta；萨拉索（Stephany）； Florez-Garcia TBM的预测 肺炎的塞斯是肺炎的孩子。 Oko法律在1991 - 2019年应用 可理解性说
心力衰竭（HF）是一种心血管疾病，具有高发病率和死亡率，这是公共卫生中最关键的问题之一。尽管近几十年来进步，但患者继续进行重大的心血管事件，并明显降低生活质量。- 葡萄糖共转运蛋白2型抑制剂（SGLT2抑制剂）最初进入市场，以治疗2型糖尿病（T2DM）患者的高血糖症（T2DM），但是HF患者的心血管造成益处的发现，无论HF患者是否在临床或不存在T2DM的临床上都在A sek New at As As New As As As An As An As An New As An As An New at A.在由全面的文献搜索（MEDLINE，COCHRANE和EMBASE）产生的最新综述中，我们描述了SGLT2抑制剂对HF患者死亡率和再培育病毒的影响，我们建议对HF患者进行治疗计划，以最大程度地利用益处。
人工智能造福社会：人机交互增强智能视频可理解性评估，促进健康素养
2022 年 12 月 3 日 据估计，美国有 74% 的成年人会访问互联网，其中高达 80% 的人会在网上寻找健康信息。然而，只有 12% 的美国成年人被评估为具备熟练的健康素养，能够有意义地解读健康信息。全球数十亿个人在社交媒体平台上获取医疗保健信息，他们可能会接触到误导性、有害或不相关的信息。社交媒体平台缺乏把关，对公共健康产生了严重的不利影响。美国国家医学院 (NAM) 和世界卫生组织 (WHO) 等组织强调了规范性指南的重要性，这些指南对于通过技术支持的解决方案在社交媒体上识别可靠的健康信息来源至关重要。从社交媒体使用中收集的数字跟踪数据的可用性以及通过算法进行的信息搜索的普遍性，需要更好地理解内容审核挑战和规范性干预措施，将人类智能融入机器学习。 2021 年，美国卫生局局长的咨询报告指出，社交媒体平台迫切需要扩大高质量的健康信息。我们借鉴患者教育材料评估工具 (PEMAT)，这是一种系统化的视听教育材料评估方法，开发了一种从患者教育角度评估视频可理解性的方法。我们从 YouTube 中提取视频特征和元数据，开发了一种人机互动评估，该评估明确侧重于人机算法交互，结合基于 PEMAT 的患者教育结构、领域专家的注释和机器学习的共同训练方法，以评估糖尿病视频的可理解性。我们进一步研究了可理解性对视频参与度的几个维度的影响。讨论了对研究和实践的影响。致谢：作者感谢 AIDR 研讨会、AMIA、机器学习、优化和数据科学会议、Informs 数据科学研讨会、VIDE 研讨会系列、Neurips MLPH、WITS、WISE 和 SCECR 会议的参与者对本文早期草稿的评论，以及波士顿大学、麦吉尔大学、麻省理工学院、MSU Outreach、马里兰大学、纽约大学、天普大学、德克萨斯 A&M 大学和伊利诺伊大学芝加哥分校的研讨会参与者对本文早期草稿的评论。我们感谢 Ernestina Bioh、Sreeja Nair、Mukund Nakhate 和 Namrata Navge 的研究协助。我们还要感谢美国国家医学图书馆 (NIH Grant R01LM013443) 的资助。
Oko法律在1991 - 2019年应用可理解性说
摘要/摘要/摘要可再生能源产生的增长以及将电网的整合开始影响电气系统操作的安全性和稳定性。因此，由于风能和光伏太阳能等可再生能源开始逐渐替代常规植物，网络集成要求已成为主要问题。因此，已经建立了一些新的法规和技术要求，以确保网络稳定性。本研究对可再生电厂集成到电网的最新要求进行了更新的综述。进行了审查，以比较与网络稳定性有关的电压，频率稳定性，能量质量，主动和反应性能源法规有关的主要要求。严格的审查表明，尽管最近的集成要求可以提高网络稳定性，但仍然需要进行其他改进。单词clave：网络稳定性，可再生发电，集成要求。
可视化和文本的处理速度和可理解性
由于可视化在每天的生活中变得越来越重要，因此了解它们实际上有多帮助，尤其是与文本相比，至关重要。此最先进的报告概述了人类对静态可视化或文本是否更快，哪个是更好的综合性。为此，讨论了19项研究，两个荟萃分析和一篇文章。一般而言，没有任何全球范围都无法找到，因为只有少数研究直接将文本与没有其他文本的可视化进行比较，而这些研究产生了冲突的结果。大多数研究将文本与文本与其他拟合性进行了比较，并显示出其积极和负面影响。在处理时间时，根本没有比较研究。关于可理解性，研究显示了一些有趣的结果。如果仅存在可视化或仅文本，则两者似乎同样可以理解。在大多数情况下，将可视化添加到文本中的可理解性。装饰图片可以提高情绪并增加学习的表现，但他们也可以将注意力从重要方面转移出来。此外，尤其是年幼的孩子和贫穷的学习者可能会遇到链接文本和可视化信息的问题。