XiaoMi-AI文件搜索系统
World File Search System域值
能源领域值得信赖的人工智能
摘要 — 本研究旨在评估欧盟 (EU) 内可信人工智能 (TAI) 的当前模糊格局，特别关注能源领域。分析涵盖法律框架、指令、举措和标准，如可信人工智能的人工智能伦理指南 (EGTAI)、可信人工智能评估清单 (ALTAI)、人工智能法案和相关的 CEN-CENELEC 标准化工作，以及欧盟资助的项目，如 AI4EU 和 SHERPA。随后，我们介绍了一种新的 TAI 应用框架，称为 E-TAI，专为能源应用量身定制，包括智能电网和智能建筑系统。该框架从 EGTAI 中汲取灵感，但针对能源领域的人工智能系统进行了定制。它是为电力和能源系统 (EPES) 的利益相关者设计的，包括与输电系统运营商、配电系统运营商、公用事业公司和聚合商相关的研究人员、开发人员和能源专家。这些利益相关者可以利用 E-TAI 为能源部门开发和评估人工智能服务，重点确保整个开发和迭代评估过程的可信度。
L3HARRIS 是英国国防工业领域值得信赖的颠覆者
L3Harris 致力于在英国打造更安全、更可持续的未来，优先考虑环境目标、平等和包容性。我们的英国 ERG 团结员工，促进多元化并解决关键问题，包括支持国防女性和 LGBT+ 军事人员。我们通过赞助、志愿服务和捐赠积极支持 Combat Stress 和 SSAFA 等主要社区团体，加强我们的武装部队盟约承诺并支持在役和退役人员。
引领生命科学领域值得信赖的人工智能
除了食品药品管理局 (FDA) 和欧洲药品管理局 (EMA) 等卫生当局现有的标准外，即将出台的《欧洲人工智能法案》还引入了一层新的要求。该法案将围绕一系列技术引发创新，这些技术将成为发布任何合规人工智能产品的常见方式，例如：红队、专项拨款、针对即时注射的隔离、公平性评估和稳健性文档。改变游戏规则对于确保业务安全并预测严格的合规要求是必不可少的。全球范围内也出现了类似的趋势，各国或各地区都进行了调整。例如，美国 2024 年《负责任的高级人工智能法案》中的概念也将带来新的变化，该法案预计将成为法律。
未来人工智能：医学成像领域值得信赖的人工智能的指导原则和共识建议
人工智能 (AI) 的最新进展与当今临床系统产生的大量数据相结合，推动了整个医学成像价值链中成像 AI 解决方案的开发，包括图像重建、医学图像分割、基于图像的诊断和治疗计划。尽管 AI 在医学成像领域取得了成功并具有未来潜力，但许多利益相关者仍担心成像 AI 解决方案的潜在风险和伦理影响，这些解决方案被认为复杂、不透明，在关键临床应用中难以理解、使用和信任。为解决这些担忧和风险，提出了 FUTURE-AI 框架 [ 94 ]，该框架源自全球多领域专家共识，包括提高医疗保健领域对 AI 的信任、安全性和采用的指导原则。在本文中，我们将一般的 FUTURE-AI 医疗保健原则转化为简明而具体的 AI 实施指南，以满足医学成像界的需求。为此，我们仔细评估了 FUTURE-AI 框架的每个构建块，包括 (i) 公平性、(ii) 通用性、(iii) 可追溯性、(iv) 可用性、(v) 稳健性和 (vi) 可解释性，并分别根据欧洲五个大型健康成像 AI 项目积累的 AI 实施经验定义具体的最佳实践。我们为我们的具体分步医学成像开发指南提供了实用的 AI 解决方案成熟度检查表，从而使 AI 开发团队能够设计、评估、维护和部署技术、临床和道德上值得信赖的成像 AI 解决方案到临床实践中。
您在航空航天和国防领域值得信赖的合作伙伴
我们已进入一个新时代，私营企业太空探索和商业航天飞行正逐渐成为现实。随着对运载火箭和轨道飞行器投资的增加，对行业领先的分析测试的需求也日益增长，以确保下一代太空探索的可靠性和安全性。此外，下一代更轻、更坚固的航空航天材料也对纯度和可靠性的控制提出了挑战。EAG 凭借先进的分析工具和成熟的方法，能够支持从研发到故障分析的所有航空航天材料测试。
FUTURE-AI：医学成像领域值得信赖的人工智能指导原则和共识建议
人工智能 (AI) 的最新进展与当今临床系统生成的大量数据相结合，推动了整个医学成像价值链中成像 AI 解决方案的开发，包括图像重建、医学图像分割、基于图像的诊断和治疗计划。尽管 AI 在医学成像领域取得了成功并具有未来潜力，但许多利益相关者仍担心成像 AI 解决方案的潜在风险和伦理影响，这些解决方案被认为复杂、不透明且难以理解、利用和信任关键临床应用。尽管存在这些担忧和风险，但目前还没有具体的指导方针和最佳实践来指导未来医学成像领域的 AI 发展，以提高信任度、安全性和采用率。为了弥补这一差距，本文介绍了从五个大型欧洲健康成像 AI 项目中积累的经验、共识和最佳实践中精心挑选的指导原则。这些指导原则被称为 FUTURE-AI，其基本要素包括 (i) 公平性、(ii) 普遍性、(iii) 可追溯性、(iv) 可用性、(v) 稳健性和 (vi) 可解释性。通过循序渐进的方法，这些指南进一步转化为具体建议框架，用于指定、开发、评估和部署技术上、临床上和伦理上值得信赖的 AI 解决方案到临床实践中。
共同设计医疗保健领域值得信赖的人工智能系统
Roberto V. Zicari 1，2，3 *，Sheraz Ahmed 4，Julia Amann 5，Stephan Alexander Braun 6，7，John Brodersen 8，9，FrédérickBruneault10，James Brusseaud 10，James Brusseau 11，James Brusseau 11，Erik Campano 12，Megan Campano 12，Megan Coffer Goffer 19，Christoffer Bjerre Haase 20,21，Thilo Hagendorff 22，Eleanore Hickman 23，Elisa Beth Holden，25岁，Sut Kringen，24UlrichKühne26，Adriano Lucieri 4，14，14 Hard Schnebel 1，Andy Spezzatti 34，Steven Jahmin Jahmin 36，Dennis Vetter 1，Holger Volland 37，Magnus Westerlund 2和Renee Wurth 38
已发表版本的引用（APA）：Zicari、RV、Brusseau、J、Blomberg、SN、Christensen、HC、Coffee、M、Ganapini、MB、Gerke、S、Gilbert、TK、Hickman、E、Hildt、E、Holm、S、Kühne、U、Madai、VI、Osika、W、Spezzatti、A、Schnebel、E、Tithi、JJ、Vetter、D.、Westerlund、M.、... Kararigas、G. (2021)。评估医疗保健领域值得信赖的人工智能：机器学习作为识别紧急呼叫中心脏骤停的辅助工具。人类动力学前沿，3，文章 673104。https://doi.org/10.17863/CAM.73264
Roberto V. Zicari 1，2 *，James Brusseau 3，Stig Nikolaj Blomberg 4，Helle Collatz Christensen 4，Megan Coffee 5，Marianna B. Ganapini 6，Sara Gerke 7，Sara Gerke 7，Thomas Krendl Gilbert 8 Andy Spezzatti 17，Eberhard Schnebel 18，Jesmin Jahan Tithi 19，Dennis Vetter 18，Magnus Westerlund 1，Renee Wurth 20，Julia Amann，21岁ASE 29，Thilo Hagendorff 30，Pedro Kringen 18，Florian Mheis，MössOmer33 33，Laura Palazzani 34，Martin Petrin 35,36，Karin Tafur 37，JimTørresen38