XiaoMi-AI文件搜索系统
World File Search System年代
教学设计的历史和发展...
本章将教学技术和教学设计的起源和发展视为独立的概念，尽管它们有着交织在一起的历史。与其他技术一样，它们的起源可以追溯到它们所基于的科学发现。二十世纪初，光学和电学的新发现刺激了教育工作者采用技术创新，如投影静态图像、电影和录音。个人以及后来的相关专业人员团体通过添加视觉和视听资源来丰富学习，而口头演示以前占主导地位。随着无线电广播在 20 世纪 30 年代的发展以及电视在 20 世纪 50 年代的发展，这些大众媒体被视为通过教育视听节目接触校内外观众的方式。20 世纪 60 年代，人们对将行为主义心理技术融入教学机器的兴趣浪潮
2025 年 1 月新款阿尔法罗密欧的价格表
新款 Junior 的前部以 Scudetto 和独特的“3+3”灯光标志为主。 “3+3”灯光标志使得 Junior 即使在夜间也能被辨认出是阿尔法·罗密欧。该功能首次在小型系列 SZ 车型上推出，目前每款阿尔法罗密欧都对此功能进行了诠释。 Junior 车型具有特色的品牌格栅 Scudetto 有两种版本，分别体现了阿尔法·罗密欧的不同侧面。 “Leggenda” 采用网格图案和历史字体，向 20 世纪 20 年代和 30 年代的跑车致敬。 “Progresso” 带有十字架和蛇的图案，而蛇是阿尔法·罗密欧的标志，其设计灵感来源于如今的 33 Stradale 以及 20 世纪 60 年代的历史概念研究，例如 2600 Pininfarina Coupé Speciale。
配给一般均衡模型
与美国不同，欧洲是带配给的一般均衡模型（GEMR）的温床。我们的目标是解释 GEMR 如何以及为何成为“欧洲特色” (Portes, 1987: p.1332)。我们展示了 GEMR 研究如何从 20 世纪 70 年代中期在法国和比利时起飞和发展，然后扩展到整个欧洲。我们还认为，有三个主要因素促使 GEMR 在 20 世纪 70 年代和 80 年代在欧洲部署。首先，GEMR 开辟了欧洲经济学家特定兴趣领域（例如一般均衡理论）的研究机会。其次，GEMR 受益于一些学术领军人物的支持，他们调动机构资源多年来不断刺激研究（例如运筹学和计量经济学中心的 Jacques Dr'eze）。第三，旧大陆特有的一些问题刺激了对GEMR的研究，即西欧的持续失业和东欧的计划。
C57BL/6NCrl (B6N) 无菌小鼠 | Charles River - NET
* 20 世纪 60 年代，洛克菲勒大学的 Russell W. Schaedler 从 NCS 小鼠的胃和肠道中分离出了四种来自 Schaedler 原始菌群的 ASF 细菌。20 世纪 60 年代，Schaedler 的研究生 Roger P. Orcutt 从 Charles River 的 CD-1 小鼠的大肠中分离出了其他 ASF 生物。
自动驾驶汽车实施预测
Waymo 的自动驾驶出租车是自动驾驶汽车的一个广为人知的例子。摘要本报告探讨了自动驾驶 (也称为无人驾驶、无人驾驶或机器人) 汽车的影响及其对交通规划的影响。它调查了根据以前的汽车技术经验，此类汽车可能开发和部署的速度；它们的可能优势和成本；它们将如何影响出行活动；以及它们对道路、停车和公共交通规划的影响。这项分析表明，到 2020 年代末，能够无人驾驶的 5 级自动驾驶汽车可能会在某些司法管辖区内实现商业化和合法使用，但最初成本高昂且性能有限。一些好处可能在 2030 年代开始显现，例如富裕非驾驶员的独立出行能力，但大多数影响，包括减少交通和停车拥堵、低收入人群的独立出行（从而减少对公共交通的需求）、提高安全性、节约能源和减少污染，只有当自动驾驶汽车变得普遍且价格合理时，才会显现出来，大概是在 2040 年代到 2060 年代，而一些好处可能需要专用的自动驾驶汽车车道，这引发了社会公平问题。
工程中的人工智能 - NIST 的 TSAPPS
人工智能的起源：1950-1980 我们现在所理解的人工智能 (AI) 领域，是在 1956 年夏天由人工智能创始人之一约翰·麦卡锡 (斯坦福大学) 在达特茅斯组织的为期两个月的研讨会上得到推动的。人工智能这个术语就是在这次研讨会上提出的。麻省理工学院 (MIT)、IBM、普林斯顿大学、卡内基梅隆大学 (CMU) 都有出色代表。来自 CMU 的 Allen Newell 和 Herbert Simon 展示了一个模拟逻辑决策某些方面的程序原型。这引起了人们对未来的极大兴趣和希望。在 20 世纪 60 年代和 70 年代，知识表示和问题解决的大部分基础都是在 CMU、斯坦福、麻省理工学院和 IBM 奠定的。这些努力（可能 IBM 除外）由国防高级研究局 (DARPA) 资助。在此期间出版的 Herbert Simon 的《人工智能科学》（麻省理工学院出版社）、Christopher Alexander 的《形式合成笔记》（哈佛大学出版社）和 Marvin Manheim 的《层次结构：设计和规划过程模型》（麻省理工学院出版社）为 20 世纪 80 年代和 90 年代人工智能在设计领域的应用奠定了基础。人工智能的两个显著应用在 20 世纪 70 年代中期首次亮相，推动了知识型专家系统 (KBES) 的发展：用于内科的 MYCIN 和用于地质勘探的 PROSPECTOR。这些系统专注于分类类型问题，并导致开发用于构建诊断 KBES 的领域独立工具。除了 Thanet Norabhoompipat 在 Steven Fenves 教授的指导下发表了一篇博士论文，讨论了解决工程问题所需的几种 AI 问题解决技术外，很少有关于将 AI 应用于工程问题的活动。工程领域 AI 的兴起：20 世纪 80 年代 20 世纪 80 年代，AI 在工程领域的应用开始兴起，该领域主要由美国的卡内基梅隆大学、斯坦福大学和麻省理工学院主导。我很幸运当时在卡内基梅隆大学，在那里我接触到了该领域中坚力量的讲座。我将自己进入该领域的功劳归功于语音识别先驱、卡内基梅隆大学机器人研究所所长 Raj Reddy 教授和土木工程计算应用先驱、美国国家工程院院士 Steven J. Fenves 教授。
工程中的人工智能 - NIST 的 TSAPPS
人工智能的起源：1950-1980 我们现在所理解的人工智能 (AI) 领域，是在 1956 年夏天由人工智能创始人之一约翰·麦卡锡 (斯坦福大学) 在达特茅斯组织的为期两个月的研讨会上得到推动的。人工智能这个术语就是在这次研讨会上提出的。麻省理工学院 (MIT)、IBM、普林斯顿大学、卡内基梅隆大学 (CMU) 都有出色代表。来自 CMU 的 Allen Newell 和 Herbert Simon 展示了一个模拟逻辑决策某些方面的程序原型。这引起了人们对未来的极大兴趣和希望。在 20 世纪 60 年代和 70 年代，知识表示和问题解决的大部分基础都是在 CMU、斯坦福、麻省理工学院和 IBM 奠定的。这些努力（可能 IBM 除外）由国防高级研究局 (DARPA) 资助。在此期间出版的 Herbert Simon 的《人工智能科学》（麻省理工学院出版社）、Christopher Alexander 的《形式合成笔记》（哈佛大学出版社）和 Marvin Manheim 的《层次结构：设计和规划过程模型》（麻省理工学院出版社）为 20 世纪 80 年代和 90 年代未来在设计领域使用人工智能奠定了基础。人工智能的两个显著应用在 20 世纪 70 年代中期首次亮相，推动了知识型专家系统 (KBES) 的发展：用于内科的 MYCIN 和用于地质勘探的 PROSPECTOR。这些系统专注于分类类型问题，并导致开发用于构建诊断 KBES 的领域独立工具。除了 Thanet Norabhoompipat 在 Steven Fenves 教授的指导下发表了一篇博士论文，讨论了解决工程问题所需的几种 AI 问题解决技术外，将 AI 应用于工程问题的活动非常少。工程领域 AI 的兴起：20 世纪 80 年代 20 世纪 80 年代，AI 在工程领域的应用开始兴起，该领域主要由美国的卡内基梅隆大学、斯坦福大学和麻省理工学院主导。我很幸运当时在卡内基梅隆大学，在那里我接触到了该领域中坚力量的讲座。我将自己进入该领域的功劳归功于语音识别先驱、卡内基梅隆大学机器人研究所所长 Raj Reddy 教授和土木工程计算应用先驱、美国国家工程院院士 Steven J. Fenves 教授。
米尔杜拉机场 2024 年总体规划
该机场历史悠久，其早期起源可追溯到 20 世纪 20 年代。从 1942 年到 1946 年，米尔杜拉机场是澳大利亚皇家空军基地，并容纳了第 2 作战训练部队。20 世纪 60 年代，定期商业客运航班开通，将米尔杜拉与澳大利亚主要城市连接起来。随后几十年，机场设施和基础设施不断发展，以满足该地区的航空需求。
2 联结主义认知模型
本章回顾了专注于使用神经网络的计算机认知模型。这些架构受到对大脑计算方式研究的启发，特别是以下观察结果：由相对简单的处理元素组成的大型密集连接网络可以相当轻松地通过少量连续步骤解决某些复杂任务。后续工作产生了具有独特风味的认知模型。处理的特点是跨连接成复杂网络的简单处理单元的激活模式。知识存储在单元间连接强度中。正是由于这个原因，这种理解认知的方法获得了联结主义的名称。自本书第一版以来，很明显该领域已进入人工神经网络研究的第三个时代。第一个时代始于 20 世纪 30 年代和 40 年代，是第一种正式计算理论起源的一部分；第二个时代始于 20 世纪 80 年代和 90 年代，伴随着认知的并行分布式处理模型；第三个时代始于 21 世纪中期，伴随着“深度”神经网络的进步。关于如何创建和训练更强大的人工神经网络的新见解引发了这两个时代的转变。