XiaoMi-AI文件搜索系统
World File Search System宾夕法尼亚大学
宾夕法尼亚大学克莱曼能源政策中心
今年夏天，克莱曼研究团队研究了一系列策略、技术和政策解决方案，以防止清洁能源系统避免的大部分碳排放被转移到不断发展的石化行业。这些策略包括寻找碳中性原料的替代来源——例如生物乙烯、电解和碳捕获；在价值链的所有环节为塑料回收创造新的激励措施；开发更适合回收或再利用的新型石化产品。研究团队得出结论，消除石化行业全球碳排放的最佳激励措施是确保嵌入碳的成本由生产商承担，而不是由消费者或报废加工商承担。将这种污染的全球成本归咎于报废加工商不会激励生产商改变现有的生产系统。相反，石化产品加工过程中的潜在排放应该归咎于化学品生产商自己，尽管只要产品存在，嵌入碳就会被有效地捕获。
理解图像记忆力 - 宾夕法尼亚大学艺术与科学学院
为什么有些图像比其他图像更容易记住？在这里，我们回顾了我们对“图像可记忆性”理解的最新进展，包括它的行为特征、它的神经相关性以及它所源于的优化原则。我们重点介绍了使用大型行为数据集来利用为单个图像计算的可记忆性分数的工作。这些研究表明，图像内容到图像可记忆性的映射不仅是可预测的，而且是非直观和多方面的。这项工作还通过发现高级视觉皮层以及经过训练以对物体进行分类的深度神经网络的更高阶段中出现的一种群体反应幅度变化，深入了解了图像可记忆性的神经相关性。
如何解决人工智能中的偏见 - UPenn CIS - 宾夕法尼亚大学
另一个主要的偏见来源是人工智能最初用来帮助它了解世界的标签。凯特·克劳福德 (Kate Crawford) 是微软的人工智能研究员，也是纽约大学 AI Now 的创始人之一，该研究所专注于人工智能的社会影响。2019 年，克劳福德与艺术家特雷弗·佩格伦 (Trevor Paglen) 合作开展了一项名为“数据集考古学”的艺术项目。他们采用了最大、使用最广泛的图像数据集之一 ImageNet，并研究了其标记和构建的值。他们的工具名为 ImageNetRoulette，“经常返回厌恶女性、种族主义和残忍的标签”。这些标签现在已成为许多图像识别系统的嵌入部分，该项目有助于展示人工智能系统的系统性偏见如何成为我们世界中普遍存在的特征。