XiaoMi-AI文件搜索系统
World File Search System定中的
人工智能在风险管理和金融稳定中的应用：概述和经验教训
尼日利亚存款保险公司 (NDIC) 6.0 简介 斯坦福大学顶尖人工智能 (AI) 专家 Andrew Ng 将 AI 描述为“新电力”，它将彻底改变全球经济的每个领域 (Ng, 2017)。这种说法与事实相差无几，至少在银行和金融服务领域是如此。目前关于金融科技如何改变银行服务的预测可分为数据访问和开放银行、数字化、机器学习/AI 和个性化 (McWilliams, 2019)。AI 一词于 1955 年首次提出 1 ，仅指计算机无需程序员干预即可获取和应用知识的能力。AI 使银行和金融业能够以更智能、更方便、更安全的方式满足客户的需求，同时获取、消费、储蓄或投资资金 (Schroer, 2019)。AI 及其相关技术正用于多种金融服务应用 (FSB, 2017)。它正用于解决多种传统银行问题，解决方案因金融机构的规模、位置和类型而异。Maskey (2018) 提出的一个中肯观点是，发展中国家的多家金融机构虽然目前正在尝试改善其数据基础设施，但可以利用 AI。神经网络是一种 AI 类型，它通过自动化复杂的流程和决策来协助银行和其他金融服务，从而降低成本、提高准确性、改善客户服务并带来竞争优势 (Accenture, 2019)。一项针对大型银行的调查显示，银行的 13 个不同部门部署了 93 种不同的 AI 解决方案 (Sloane, 2018)。AI 是一种颠覆性技术，到 2030 年，银行业将受益，潜在成本节省高达 1 万亿美元 (Maskey, 2018)。中国计划在 2030 年成为 AI 领域的领导者 (Fischer, 2018)，其金融行业处于 AI 创新的前沿。不仅中国，加拿大、俄罗斯和阿拉伯联合酋长国 (UAE) 等其他国家也已将 AI 确定为未来的关键技术 (Fischer, 2018)。例如，Mark Carney 2 表示，人工智能和大数据的使用不断增加，可能会导致从这些进步中受益的高技能工人与被边缘化的工人之间出现显著的不平衡 3 。英格兰银行有一个专门的网页，上面有几篇关于使用金融科技和人工智能塑造金融服务的文章 4 。美国银行系统监管机构也在密切关注零售金融市场的发展，包括人工智能和大数据 (McWilliams, 2018)。
经济政策制定中的人工智能
• 尽管人工智能在数据分析和逻辑方面非常强大，但它在公平、正义和公正等政策相关概念方面表现不佳，而这些概念是人类的天性。人工智能理解人类现实的能力（包括理解因果关系和文化细微差别）仍然不足。 • 人工智能的开发者和开发方式也存在风险，因为偏见、成见或经验等人类因素会影响人工智能算法和模型，并最终影响生成的结果。此外，数据是推动人工智能解决方案的命脉，但可能容易受到基础设施限制、结构性偏见和道德问题的影响。 • 人工智能已被部署到政策制定中，以完成特定任务或分析大量数据。随着技术的进步，人工智能的采用将会增加，甚至会加速。因此，必须促进人工智能的负责任使用，并培养支持性条件，以确保它仍然是改善人类和社会福利的工具。这些措施包括：（1）建立人工智能治理框架；（2）加强数字生态系统；（3）建立对人工智能采用和使用的信任；（4）促进伙伴关系和合作；（5）利用区域合作。
对人类在人工智能政策制定中的角色的思考
摘要 目的 没有人就没有人工智能。人们设计和开发人工智能；他们修改和使用人工智能，并且必须重新组织他们在工作和日常生活中执行任务的方式。国家战略是描述不同国家如何培育人工智能的文件，由于人性维度是人工智能的一个重要方面，本研究旨在调查主要的国家战略文件，以确定它们如何看待人类在新兴人工智能社会中的角色。 方法 我们分析战略的方法是概念分析，因为技术的发展嵌入了人性的概念思想，无论是明确的还是隐含的，除了深化对明确论证的分析外，该方法还能够解构和重构战略中的含义和概念关系，揭示作者的假设和默认承诺。 结果 对文件的分析表明，国家战略的总体趋势是全球范围内以技术为主导，因为事态似乎正在创造新技术。然而，各种人类研究点，如可用性、用户体验、社会技术和基于生活的主题，并没有得到很好的体现。由于国家战略用于发展创新过程，我们认为，通过在议程中更积极地考虑人类研究问题，可以改善国家战略的未来发展。原创性我们的研究阐述了人工智能政策话语的当前趋势，并讨论了更全面的政策制定的原因和可能性，使其成为政策制定者、研究人员和广大公众的宝贵资源。
人工智能决策技术在医疗保险覆盖范围确定中的作用
执行摘要 人工智能 (AI) 驱动的决策工具在医疗保健领域有多种应用，从诊断患者到协助商业保险经纪人进行医疗保险购物过程。本文重点介绍涉及医疗保健利用管理 (UM) 的人工智能工具。此类工具可自动化医疗审查和事先授权流程、指导急性后护理并影响入院和出院计划。根据医疗保险宣传中心的经验，人工智能决策工具可能会促使提供者做出比医疗保险覆盖指南更严格的授权或继续护理决定。虽然大多数人工智能决策工具声称只提供并非旨在替代临床或医学判断或医疗保险法的建议，但根据该中心的经验，用户通常会实施工具的建议，而不会对其对患者的影响进行任何严格检查。换句话说，通常就像工具自己做出相关决定一样。在 UM 流程中使用这些工具可能会导致 Medicare 受益人的保险和护理过早终止，包括违反 Jimmo v. Sebelius 集体诉讼和解中澄清的专业护理保险标准的拒绝。1 虽然 Medicare 要求在某些护理环境中对每个受益人的保险资格进行个体化评估，但 AI 工具会根据患者之前的经验提供建议性决策。这忽略了当前患者病情的细微差别和个性。通常，计划、提供者和受益人并不完全了解这些工具的开发和使用范围。临床医生和计划依赖这些工具，但许多问题仍未得到解答。这部分是由于以 UM 为中心的 AI 决策工具的专有性质，这使得公众无法理解和质疑其结果。
iSCAT、COBRI 和暗视野显微镜在 3D 定位和质量光度测定中的精度基本界限
摘要 干涉成像是一种新兴的粒子跟踪和质量光度测定技术。质量或位置是根据纳米粒子或单个分子相干散射的弱信号估计的，并与同向传播的参考信号相干。在这项工作中，我们进行了统计分析，并从散粒噪声受限图像中推导出感兴趣参数测量精度的下限。这是通过使用干涉成像技术的精确矢量模型，计算定位和质量估计的经典克拉美-罗界限 (CRB) 来实现的。然后，我们基于量子克拉美-罗形式推导出适用于任何成像系统的基本界限。这种方法可以对干涉散射显微镜 (iSCAT)、相干明场显微镜和暗场显微镜等常见技术进行严格和定量的比较。具体来说，我们证明了 iSCAT 中的光收集几何极大地提高了轴向位置灵敏度，并且用于质量估计的 Quantum CRB 产生的最小相对估计误差为 σ m / m = 1 / ( 2 √