XiaoMi-AI文件搜索系统
World File Search System开源
利用人工智能（AI）和开源情报（OSINT）预防冲突：
尽管拉丁美洲和加勒比地区 (LAC) 在过去 20 年里没有发生过国家间武装冲突，但暴力、政变、侵犯人权以及非法武装团体的存在继续对该地区的和平与安全构成重大挑战。随着联合国将注意力集中在为所有人建立一个开放、自由、安全和以人为本的数字化未来，包括最近制定的全球数字契约 (GDC) ，拉丁美洲和加勒比地区的和平建设者正在开拓性地探索如何利用人工智能 (AI) 和开源情报 (OSINT) 以本地化、包容和冲突敏感的方式支持建设和平和预防冲突 1 。 ___________________________________________________________________________
生态和保护研究人员应采用开源技术
鉴于全球生物多样性下降（ Butchart 等人，2010 年；IPBES，2019 年）以及对稀有和常见物种的威胁（ Gaston 和 Fuller，2008 年； Dirzo 等人，2014 年），有人呼吁利用现代技术进行监测和保护（ Pimm 等人，2015 年； Lahoz-Monfort 等人，2019 年； Wich 和 Piel，2021 年； Schulz 等人，2023 年）。正在部署技术以改进陆地和水生环境中的数据收集和分析（ Lahoz-Monfort 和 Magrath，2021 年）。与传统调查方法相比，这些进步可以实现更高效的数据收集（Witt 等人，2020 年），并有助于众包数据收集和处理（Dorward 等人，2017 年；Fraisl 等人，2022 年）。出现了一些实践社区，例如 Conservation X Labs 1 或 WILDLABS 2，它们报告了保护技术的现状（Speaker 等人，2022 年）并提供社会责任使用指南（Sandbrook 等人，2021 年）。保护技术的进步与开放科学实践的广泛采用相吻合。根据联合国教育、科学及文化组织（UNESCO，2021 年）批准的《开放科学建议书》的定义，开放科学需要对科学实践和产出采取包容、公平和可持续的方法。生态研究越来越多地采用这些做法（Hill 等人，2019 年），尤其是通过更加开放和公平的数据（Hampton 等人，2015 年；Wilkinson 等人，2016 年）。生物多样性研究也使用开源软件，例如 R 编程语言（R Core Team，2023 年）和基于该语言构建的分析包。然而，与软件和数据不同，用于生态研究的硬件通常仍然是闭源的（即专有的），其设计（以及随附的软件源代码）受到法律限制，阻止他人研究、复制或修改它们。
开源硬件和国家新载体......
本文由 SCSP 高级研究员 Rick Switzer 撰写，他正在美国国务院休假一年。在加入 SCSP 之前，Rick 是国家情报大学的国务院客座教授，教授有关中国经济和创新体系的研究生课程。Rick 还曾担任国务卿政策规划委员会成员。2018 年至 2019 年，他担任国防部高级国务院顾问，与空军和陆军合作。此前，他曾担任中国驻北京大使馆环境、科学、技术和卫生公使衔参赞，该大使馆是世界上最大的科学部门。在加入政府之前，Rick 共同创办了一家无线技术初创公司，并在加州大学进行创新政策研究。
为贯彻落实党中央、国务院关于人工智能发展的决策部署，推动人工智能技术在开源开放的产业生态中不断自我优化，充分发挥基础通用标准、伦理标准、安全标准、隐私标准的引领作用，指导人工智能国家标准、行业标准、团体标准的制定、修订和协调，形成标准引领人工智能产业全面规范发展的新格局，制定《国家新一代人工智能标准体系建设指南》。
全面贯彻党的十九大和十九届二中、三中、四中全会精神，落实党中央、国务院关于新一代人工智能发展的决策部署，坚持市场驱动与政府引导相结合，按照“统筹规划、分类施策、市场主导、急用先行、跨界融合、协同推进、自主创新、开放协作”的原则，立足国内需求，放眼国际，建立新一代人工智能国家标准体系，加强标准顶层设计和宏观指导。加快创新技术与应用转化为标准，加强标准实施和监督，推动创新成果与产业深度融合。注重对智能制造、工业互联网、机器人、车联网等相关标准体系的统筹和支撑。深化人工智能标准国际交流合作，注重国际国内标准协同，充分发挥标准对人工智能发展的支撑引领作用，保障高质量发展。
欧盟人工智能法案支持开源和开放科学
4 数据表记录了收集给定数据集背后的动机，以及任何数据处理和受影响的利益相关者。模型卡包括有关模型架构和开发、其预期和超出范围的用途、评估指标、训练数据和道德考虑的披露。
开源AI
Acknowledgments 3 Executive Summary 4 Introduction 7 Data and training AI systems: the state of play 9 AI systems and openness 10 AI systems and data 11 The challenge: the openness of datasets and Open Source AI development 15 Problem definition 17 A paradigm shift is needed 19 First paradigm shift: from beyond open data to data commons 19 Second paradigm shift: a stakeholder universe beyond AI developers and dataset creators 21 Searching for solutions 26 Six focus数据和开源AI 28重点区域：数据准备28重点领域：偏好信号和许可29重点领域：数据管理员和保管人30重点区域：环境可持续性31重点领域：互惠和薪酬31焦点区域：政策干预32前进34关于白皮书35
Twitter的创建者推出了一个带有开源的AI助手 div>
Blok将鹅描述为执行指令并自动化工作的助手，尤其是对于软件开发人员。他可以调试代码，提供更改并与GitHub和Google Drive等工具集成。用户可以选择一个首选的AI模型，但是Block推荐来自Anthropic的Claude 3.5 SONNET模型，并且来自OpenAI的O1。
散装转录组分析，inmoose，python中的综合多摩管开源环境
我们引入了Inmoose，这是一种旨在OMIC数据分析的开源Python环境。我们说明了其批量转录组数据分析的功能。由于其广泛的采用，Python在对生物信息学管道（例如数据科学，机器学习或人工智能（AI））中越来越重要的领域中已成为一种事实上的标准。作为一种通用语言，Python的多功能性和可扩展性也被认可。Inmoose旨在将历史上用R的最先进的工具带入Python生态系统。我们的目的是为R工具提供替换，因此我们的方法专注于对原始工具成果的忠诚。第一个开发阶段集中于批量转录组数据，当前功能包括数据模拟，批处理效应校正以及差分分析和荟萃分析。