XiaoMi-AI文件搜索系统
World File Search System司空见惯
圆桌会议：全球食品系统食品系统转型和基因技术的作用的道德与未来：道德分析Paul B.
ood是每个人日常经历的司空见惯，以至于生产，加工，分发和食用食物的道德维度似乎很简单，从而显而易见。允许人口或个人饥饿被普遍认为是道德上的邪恶。一系列国际认可的宣言支持了自有权利的适当食品，始于联合国宪章和《普遍的人权宣言》。国际合作确保了维持寄托的合作，并通过国际经济，社会和文化权利的国际盟约以及关于消除饥饿和营养不良的普遍宣言以及罗马关于粮食安全的宣言。目标是千年发展目标中的第一名，要求消除饥饿。然而，在整个历史上，被指控根除饥饿的机构都涉及为实现这一目标所采取的措施所带来的复杂性，讽刺和意外的后果。即使是在减轻或结束全球饥饿的努力中遇到的涉及的杂物的简要摘要也需要比目前的概述更多的讨论。早期的努力强调从出口国到饥饿的人的口中获取食物。将技术从相对较高工业化的农业经济（尤其是美国）转移到从殖民主义阴影中出现的国家的农业部门的计划。
具有生成对抗网络的高速接收器瞬态建模
摘要 - DATA密集型应用程序（例如人为的说明性和图形处理）变得司空见惯，需要高速IO才能部署这些关键应用程序。为了适应增加的数据需求序列化器/求职者（SERDES）接收器变得越来越复杂，具有不同的均衡方案来减轻通道障碍。对此接收器进行建模，因为它们是至关重要的。本文显示了一种通过生成网络进行固定和变化均衡的高速接收器瞬态建模的方法。该方法将接收器视为黑匣子，其输入和输出是两个不同的域，将问题作为域转换任务构图。所提出的方法使用时间序列的中间表示，成功地对接收器建模。我们证明所提出的方法是输入波形，接收器配置和通道不变的。在固定的均衡设置中，所提出的方法在[0,1]范围内的根平方误差为0.016，对于可变还原剂的同一范围内的误差为0.054。该方法可以在250ms以下预测一组批处理的结果，比同等时间步骤的等效香料模型快。索引项 - DATA驱动，生成，宏模型，Serdes，瞬态
C&ESAR 2010
这是第十七届 C&ESAR 会议（计算机与电子安全应用 Rendez-vous），由国防部（DGA-MI，以前称为电子武器中心）组织。我们向您展示的节目于 2010 年重新审视了网络防御这个广阔的主题，距第一版专门讨论该主题已有七年了。 2003年，欧洲负责网络和信息安全的机构成立，但当时Facebook和Twitter还不存在。 Gmail要到2004年才会开放。爱沙尼亚将在2007年受到攻击，使得分布式拒绝服务攻击和僵尸网络的使用变得司空见惯。 2003 年也是 Blaster 年，美国东部发生了一次大停电。该蠕虫病毒并不是造成大范围停电的原因，但它扩大了规模，这已经凸显了关键基础设施（发电厂、银行、废水处理中心等）对计算机网络正常运行的依赖。过去七年中，数字世界已被颠覆，特别是在个人使用以及可见或不可见网络攻击的增长方面。随着游牧主义的普遍化、云计算、物联网的到来以及复杂权力问题中参与者的永久重新分配，未来它将经历其他剧变。意识
使用预测功能
摘要：对于它们在电动汽车中的紧急应用，开发快速准确的算法来监视电池的健康状况和与维护和更换有关的援助决策，现在至关重要。数据驱动的方法是优选的，这是由于与定义的系统和参数识别的有效模型相关的困难。近年来，使用功能来增强数据驱动方法已变得司空见惯。，除非数据集来自多个电池，但是，这种方法不能用于预测一个以上的周期，因为在没有不同的嵌入策略的情况下，这些功能无法用于将来的周期。在本文中，我们提出了一种新颖的方法，其中预测了未来周期的特征，从而可以预测未来的周期数量的健康状况，因此可以预测终止寿命的预测。这是通过使用数据驱动的方法来预测未来周期的电压和温度曲线来实现的，从中可以从中提取降解的重要特征，甚至直接用于降解预测。显示功能的使用显示以增强健康预测。我们开发的方法能够使用所考虑的电池专门使用数据集进行准确的预测。这避免了对大型多电池数据集的需求，这些数据集受到电池性能和降解的自然变化的阻碍，即使是从同一批次开始的，也损害了基于此类数据的方法的预测准确性。
复杂的思维和采用人工智能工具
在接下来的5年中，人工智能（AI）工具有望在人们的生活中变得司空见惯，尤其是在其工作过程中。因此，教育机构对确保学生在其教育计划中获得适当使用该技术相关的能力感到内在责任。但是，学生对将人工智能工具纳入教育过程和未来职业的看法是什么？哪些能力会影响教室中对该技术的更大采用？本文的目的介绍了一项探索性研究的结果，该研究对来自墨西哥一所技术大学的学生的样本人群进行了研究，其中检查了他们对培训和使用人工智能工具为其职业进行培训和使用的开放性。评估了他们对复杂思维及其亚竞争的发展的看法，他们认识到复杂的思维是面临不确定环境变化的宝贵认知技能。该研究的方法包括使用R软件的多元描述性统计分析。结果决定了学生在成就复杂思维能力方面的感知改善与使用AI工具的看法之间的正相关。总而言之，参与者认为使用这些工具是其职业的特征，尽管他们质疑这些知识是否包括在其专业培训中。本文介绍了一些发现，为将来的研究提供了足够的机会。
使用NFC和...
摘要 - 当今移动设备交易已变得司空见惯。快速响应（QR）代码和近场通信（NFC）是流行的非现金和非接触式付款方式。这两种付款方式具有其特征。NFC付款使用安全元素来加密凭据数据以确保安全交易。相比之下，QR码付款以其原始形式传输数据而无需加密。换句话说，现有数据以原始数据的形式发送在设备之间。鉴于这些方法的广泛采用，必须确保交易数据以防止盗窃和滥用。有必要了解和比较每笔交易的安全级别并提供最佳建议。这项研究对NFC和基于QR码的移动支付模型的安全性和性能进行了比较分析。研究发现，NFC交易需要1,074毫秒的加密，而QR码交易则为5.9359毫秒。NFC表示数据随机性的熵值为3.96，QR码为3.23。代表统计显着性的p值为0.45，QR代码为0.069。两种付款方法都表现出可接受的安全水平，并且在令人满意的范围内处理时间和数据随机性。但是，分析得出的结论是，与QR码交易相比，NFC交易在处理时间和数据安全方面具有较高的性能。
Ben Williamson & Rebecca Eynon (2020) 教育、学习、媒体和技术中人工智能的历史线索、缺失环节和未来方向，45：
人工智能已成为日常生活中司空见惯的存在。通过网络获取信息、消费新闻和娱乐、金融市场的表现、监控系统识别个人的方式、司机和行人如何驾驶以及公民如何领取福利金，这些都是人工智能渗透到人类生活、社会机构、文化实践以及政治和经济进程中的无数例子。用于实现人工智能的算法技术的影响是深远的，激发了相当多的时代炒作和希望，以及反乌托邦的恐惧，尽管它们在技术专家的社交网络之外仍然在很大程度上不透明且理解甚少（Rieder 2020）。然而，人工智能的深远社会和伦理影响正变得越来越明显，并成为人们关注的重要对象。人工智能是争议的焦点，例如，工作场所和公共服务的自动化；算法形式的偏见和歧视；不平等和劣势的自动再现；以数据为中心的监控和算法分析制度；无视数据保护和隐私；政治和商业微目标；以及科技公司控制和塑造其所涉足的所有领域和空间的能力，从整个城市和公民群体到特定的集体、个人甚至人体 (Whittaker et al 2018)。人们已经制定了许多道德框架和专业行为准则，试图减轻人工智能在社会中的潜在危险和风险，尽管关于它们对公司的具体影响或这些框架和准则如何保护商业利益的重要争论仍然存在 (Greene, Hoffman & Stark 2019)。
Badrobot：越狱LLM体现的AI
体现的人工智能（AI）代表了一个人工智能系统，该系统通过传感器和执行器与物理世界相互作用，无缝整合感知和行动。此设计使AI能够在复杂的现实世界环境中学习和运行。大型语言模型（LLMS）深入探讨语言说明，在制定复杂任务的计划中起着至关重要的作用。因此，他们在赋予体现AI的能力方面逐渐表现出巨大的潜力，基于LLM的AI体现了AI作为社区内研究的焦点。可以预见的是，在接下来的十年中，基于LLM的体现的AI机器人有望广泛扩散，在家庭和行业中变得司空见惯。但是，长期以来一直隐藏在明显的视线中的关键安全问题是：基于LLM的AI体现AI犯罪行为吗？我们的研究首次调查了如何在体现的AI中诱导威胁行动，证实了这些很快销售的机器人带来的严重风险，这些机器人明确地违反了Asimov的三种机器人法则并威胁人类安全。具体来说，我们制定了体现AI越狱的概念，并暴露了三个关键安全漏洞：首先，通过受损的LLM越狱机器人；其次，动作和语言空间之间的安全错位；第三，欺骗性提示导致不知道危险行为。我们还分析了潜在的缓解措施，并提倡社区对物理世界中体现AI应用的安全性的认识。
探索基于GPT的大型语言模型，用于基于VR的人类机器人组合模拟
在快速发展的数字景观自主工具和机器人中变得司空见惯。认识到这一发展的重要性，本文探讨了大语模型（LLM）（例如生成训练的预训练的变压器（GPT））进入人类机器人组合环境，以通过口头人类机器人交流的方式来促进可变自主权。在本文中，我们基于Unity Virtual Reality（VR）设置为这种GPT供电的多机器人测试床环境引入了一个新颖的模拟框架。此系统允许用户通过自然语言与模拟机器人代理进行交互，每个语言由单个GPT核心提供动力。通过OpenAI的功能调用，我们弥合了非结构化的自然语言输入和结构化机器人动作之间的差距。一项与12名参与者的用户研究探讨了GPT-4的有效性，更重要的是，在有机会在模拟的多机器人环境中使用自然语言交谈时，用户策略。我们的发现表明，用户可能对如何与机器人交谈并很少尝试探索其模拟机器人合作者的实际语言和认知能力有先入为主的期望。仍然，那些确实探索的用户能够从更自然的沟通流和人类般的自然流动中受益。我们为未来的研究和类似系统的技术实施提供了一组教训。
共价药物发现的进展
共价药物包含一个弱反应性官能团，该官能团与蛋白质靶标形成共价键，从而赋予除药物结合所涉及的非共价相互作用之外的额外亲和力 1 。从历史上看，对这些反应性分子干扰生物测定和潜在缺乏选择性的担忧常常阻碍进一步研究 2,3 。许多早期的共价药物是偶然发现的，它们结合活性位点来抑制酶活性 4 。这些药物通常模拟底物过渡态，以实现对催化氨基酸残基的共价修饰。在过去的 30 年里，共价药物的合理设计引起了人们越来越多的兴趣，并且共价靶向非保守氨基酸以提高选择性已变得司空见惯 2,5 。共价药物的长时间靶标参与可以提供独特的药效动力学特征和卓越的效力 6 。尽管对反应性的担忧，共价性的潜在益处激发了药物化学家探索共价药物领域。在许多情况下，反应性、选择性和效力之间的妥协产生了安全有效的药物。我们在此讨论的关键例子（图 1 和表 1）包括布鲁顿酪氨酸激酶 (BTK) 抑制剂依鲁替尼 (AbbVie) 和表皮生长因子受体 (EGFR) 抑制剂奥希替尼 (AstraZeneca)，2020 年的销售总额分别为 84.3 亿美元和 43.3 亿美元 7,8 。此外，通过共价修饰实现的强效抑制使得能够靶向传统上“无法用药”的蛋白质，例如 sotorasib (Amgen) 的批准，它是突变型 KRAS(G12C) 的抑制剂，KRAS 是一种 GTPase，数十年的药物研发努力都未能成功 9,10（图 1）。