物理互联网 (PI, π) 对运输和物流效率提升寄予厚望。PI 代表物理对象的物流网络,类似于数据互联网 (DI)。道路交通代表这些物流网络之一。在这里,仍然有很多空载和未充分利用的行程(国际运输论坛,2019 年)。因此,基于道路的物理互联网 (RBPI) 具有很大的潜力,它将对运输和物流战略以及车辆设计产生影响。在 DI 上,物流策略在协议中实施。为了将这些概念转移到 RBPI,已经分析了 DI 的相关协议并将其转移到物理对象世界。但是,并非所有功能都可以一对一地转移,例如如果发生损坏或丢失,DI 中的数据包可由集线器简单地重新生成。为了应对挑战,我们根据设计科学原理 (vom Brocke, 2007) 设计了一个具有适当转换定制的框架工件。由此得出了对未来车辆的要求。本文为 RBPI 的实施做出了贡献,以使公路车辆适应未来的运输和物流世界。
在从资源到最终能源产品的道路上,一方面有许多技术用于原料制备,另一方面用于转化为最终产品,即电力、热能或运输燃料。由于这种多功能性,这里采用综合方法来增强协同效应和规模经济,实现价值链中的经济效益,最终降低生产成本并优化所有生物能源产品的温室气体性能。虽然成本结构受原料成本的严重影响,但这些是市场变量,因此本文件仅关注转化步骤的研发需求和目标。就数量而言,生物燃料目前是运输中化石燃料的主要替代品。特别是直接替代型生物燃料允许现有运输车队和燃料基础设施平稳过渡到低化石碳燃料。资源效率和可持续性优化对基于生物质残留物和木质纤维素能源作物和废物的先进生物燃料寄予厚望,这些燃料将在欧盟 2020 年后能源和气候政策框架中发挥越来越重要的作用。这也是本实施计划针对运输生物燃料的重点关注内容。
目前,我们看到人们对人工智能 (AI) 产生了浓厚的兴趣,尤其是对深度学习 (DL)/深度神经网络 (DNN) 的兴趣。原因之一似乎是此类系统所实现的无与伦比的性能。这导致人们对此类技术寄予厚望,这些技术通常被视为万能的解决方案。但大多数此类系统无法解释做出特定决定的原因(黑匣子),有时在其他系统无法解释的情况下会惨遭失败。因此,在医疗保健和国防等关键应用中,从业者不喜欢信任此类系统。尽管 AI 系统通常是从大脑中汲取灵感而设计的,但真正意义上利用大脑线索的尝试并不多。我们认为,要实现具有类似人类推理能力的智能系统,我们需要利用脑科学的知识。在这里,我们讨论了一些可能有助于设计智能系统的脑科学发现。我们解释了透明度、可解释性、从几个例子中学习以及 AI 系统的可信度的相关性。我们还讨论了一些可能有助于在学习系统中实现这些属性的方法。
摘要 信息技术无处不在,人工智能的进步如此鼓舞人心,以至于法律专业人士也体验到了它的好处并寄予厚望。与此同时,人工智能的力量如此强大,以至于人工智能应用(无论是在法律领域还是其他领域)有助于促进良好社会的发展已不再显而易见;事实上,它们有时是有害的。因此,许多人认为需要采取保障措施确保人工智能值得信赖、具有社会性、责任感、人道性和道德性。简而言之:人工智能应该对我们有益。但如何为人工智能建立适当的保障措施?一个现成的强有力的答案是:考虑在《人工智能与法律》中研究的问题和解决方案。几十年来,《人工智能与法律》一直致力于设计与人类价值观相一致的社会性、可解释性、负责任的人工智能,《人工智能与法律》解决了人工智能各个领域(推理、知识、学习和语言方面)最棘手的问题,《人工智能与法律》激发了新的解决方案(论证、方案和规范、规则和案例、解释)。有人认为,对人工智能作为法律的研究支持了对我们有益的人工智能的发展,使得人工智能与法律比以往任何时候都更具相关性。
本文对供应链管理 (SCM) 领域人工智能 (AI) 的实证研究进行了系统的文献综述 (SLR)。在过去十年中,人工智能技术发展迅速,成熟度足以催化商业和社会的变革。在 SCM 社区中,人们对其对当前实践的颠覆性影响寄予厚望。然而,这并不是人工智能第一次引发商业兴奋,往往没有达到炒作的程度。因此,重要的是研究其实际实施中出现的机遇和挑战。我们的分析阐明了当前的技术方法和应用领域,同时阐述了围绕四个关键类别的研究主题:数据和系统要求、技术部署流程、(跨)组织集成和性能影响。我们还介绍了文献中确定的背景因素。这篇评论为未来对供应链管理中人工智能的研究奠定了坚实的基础。通过专门考虑经验贡献,我们的分析最大限度地减少了当前的热议,并强调了未来与人工智能、组织和供应链 (SC) 交叉研究的相关机会。我们的努力还旨在为管理受众巩固现有的研究见解。
玛丽亚山学院提倡卓越和公平,支持以学生为中心的整体教育方法,认识到学生具有不同的优势、需求和背景。我们致力于满足这些个人需求,关注学生的进步和成长,无论起点如何。我们的教育目标特别注重培养学生的能力,以培养他们在协作、创造力、批判性思维和沟通方面的同理心增强技能。我们努力释放每个学生的潜力,渴望扩展他们的潜力并发展他们的学习能力,成为积极和知情的社区成员。我们肯定教育在培养年轻人的适应力和心理健康方面的作用,使他们能够自信地认识、适应和管理变化。在实现我们的愿景时,我们对学生和教职员工寄予厚望。我们支持所有学生——无论学生的背景、相对优势或文化遗产如何——发展成长心态,使他们成长为自我导向、自信和富有创造力的终身学习者。我们的教师力求积极、热情、有参与感,以提供差异化、优质的教学和学习体验,从而吸引和激励我们的学生。
本文对供应链管理 (SCM) 领域人工智能 (AI) 的实证研究进行了系统的文献综述 (SLR)。在过去十年中,人工智能技术发展迅速,成熟度足以催化商业和社会的变革。在 SCM 社区中,人们对其对当前实践的颠覆性影响寄予厚望。然而,这并不是人工智能第一次引发商业兴奋,往往没有达到炒作的程度。因此,重要的是研究其实际实施中出现的机遇和挑战。我们的分析阐明了当前的技术方法和应用领域,同时阐述了围绕四个关键类别的研究主题:数据和系统要求、技术部署流程、(跨)组织集成和性能影响。我们还介绍了文献中确定的背景因素。这篇评论为未来对供应链管理中人工智能的研究奠定了坚实的基础。通过专门考虑经验贡献,我们的分析最大限度地减少了当前的热议,并强调了未来与人工智能、组织和供应链 (SC) 交叉研究的相关机会。我们的努力还旨在为管理受众巩固现有的研究见解。
人工智能 (AI) 领域正处于一个被寄予厚望的时期,这在研究、商业和政策方面引发了一定程度的焦虑。人工智能竞赛的叙事进一步加剧了这种焦虑,让人们相信他们可能会错失良机。无论是否真实,相信这种叙事可能是有害的,因为一些利益相关者会觉得有必要在安全预防措施上偷工减料,或者为了“获胜”而忽视社会后果。从一个描述获胜者比其他人获得显著利益的广泛技术竞赛(如人工智能进步、专利竞赛、制药技术)的基线模型开始,我们在此研究积极(奖励)和消极(惩罚)激励措施如何对结果产生有益影响。我们发现,在某些情况下,惩罚要么能够降低不安全参与者的发展速度,要么能够通过过度监管来减少创新。或者,我们表明,在几种情况下,奖励那些遵守安全措施的人可能会提高发展速度,同时确保安全的选择。此外,在后一种制度下,奖励不会像惩罚那样受到过度监管问题的影响。总体而言,我们的研究结果为在平稳和突然的技术转变背景下最适合提高安全合规性的监管行动的性质和种类提供了宝贵的见解。
许多行业的生产力和增长都受到人工智能的影响(例如通信、交通、金融和商业)。然而,教育领域有一个显著的例外,目前只有少数基于人工智能的学习系统普遍用于课堂或家庭。尽管如此,它们对教育系统产生了巨大的影响:当今的教育软件会定期根据个人的特定需求调整学习,连接学生,提供数字信息访问,允许分散的学习平台,并使学习更简单。作为一个社会,我们对教育系统寄予厚望(培训工人、科学和创造性发展、文化转移等),但无论教育取得了多大的成就,社会仍对教育抱有更高的期望。没有机会为社会服务或动态改变目前的教育环境(固定的教室、重复的讲座和静态的印刷教科书)。教室和印刷教科书特别不适合那些每天使用技术的人。例如,在并行处理中,数字原生代通过视觉实时学习和工作并与他人相连(与独立相比)。对于这些数字时代的原住民来说,信息是即时可用的,变化是持久的,时间和距离并不重要,多媒体娱乐无处不在。难怪学校和教室会变得枯燥无味。
实现端到端所有流程的数字化转型,成为数字化化学公司 我们的数字化部门被赋予了三大关键角色:(1)值得信赖的运营者,创造充分利用数字技术的环境;(2)业务创造者/共同创造者,创造和共同创造新价值;(3)变革推动者,引领我们的转型之旅*。 在成为数字化化学公司的道路上,我们正在实施一系列项目。 我们明确了在这三个角色下需要做什么,设定了KPI,并监控进度以稳步执行我们的战略。 在过去的几年里,人们对数字化部门寄予厚望,希望他们能够扮演业务创造者/共同创造者和变革推动者的角色,因此我们正集中精力在可以扮演这些角色的项目上。 在实施项目时,我们会考虑预期成果的时间表和规模以及我们所扮演的角色。在实施“战术改进”以快速释放潜在价值的同时,我们正在分阶段实施多个项目,涵盖从“基础转型”到“企业转型”的各个方面,以产生对中长期产生重大影响的成果。通过这些计划,我们将以 MCG 集团的端到端流程作为我们组织和企业运营的起点。 * 根据 Deloitte Tohmatsu Group 的 2020 年全球技术领导力研究内部创建