XiaoMi-AI文件搜索系统
World File Search System归因于
量化归因于人类的热有关的死亡率 -
图S2。温度异常归因于1969 - 2018年人为气候变化的气候模型，重新分析和站点观测。温度异常是根据1989 - 2018年的基线周期，每个观察到的数据集中的事实和反事实时间表之间的差异。基于观察的（重新分析和站记录）数据显示为虚线，而模型数据表示为实线。在显示的数据的早期部分（访问-CM2和MRI-ESM2-MM）中，在两个模型的时间表中看到的负异常（“构建反事实温度”）。在研究期结束时，所有模型的属性温度异常都在基于观察数据集的范围内。
量化归因于人类的热有关的死亡率 -
方法：我们使用日常站点观测，重新分析数据和气候模型的集合来得出观察到的气候数据的时间以及代表没有人类诱发气候变化的世界的反事实数据。我们通过使用观察到的每日均值温度和死亡率数据进行时间序列分析来估计温度 - 历史关系。，我们使用35观察到的死亡率和对应于平均温度的死亡率估计的死亡率估算，以最低死亡率为参考，以观察到的和反事实温度序列。为了量化随着时间的流逝的暴露和脆弱性的影响，我们比较了在1986 - 2003年得出的暴露响应关系中的死亡率，适用于2004 - 2018年，并根据2004-2018期间观察到的温度和死亡率重新计算了这种关系。40
将意识归因于人工智能：人机交互及其对人机交互的延续影响
近年来，人工智能 (AI) 是否可以被视为有意识，因此应该通过道德视角进行评估的问题浮出水面。在本文中，我们认为，人工智能是否有意识并不像人工智能在人机交互过程中可以被用户视为有意识这一事实那么令人担忧，因为这种意识的归属可能会对人机交互产生延续效应。当人工智能被视为像人类一样有意识时，人们对待人工智能的方式似乎会延续到他们对待他人的方式中，这是因为激活的模式与与人类交互时激活的模式一致。鉴于这种潜力，我们可能会考虑规范我们对待人工智能的方式，或者我们如何构建人工智能以引起用户的某些类型的对待，但不是因为人工智能天生具有感知能力。这一论点侧重于像人类一样的社交行为人工智能，例如聊天机器人、数字语音助手和社交机器人。在本文的第一部分，我们通过人机交互、人机交互和人工智能代理心理学方面的文献，为人工智能意识感知与对人类行为之间的延续效应提供了证据。在论文的第二部分，我们详细介绍了图式激活机制如何使我们能够测试意识感知作为人机交互和人人交互之间延续效应的驱动因素。本质上，将人工智能视为像人类一样有意识，从而在交互过程中激活一致的思维图式，是人工智能行为和感知的驱动因素，可以延续到我们对待人类的方式中。因此，人们可以将类似人类的意识归因于人工智能这一事实值得考虑，对人工智能的道德保护也值得考虑，无论人工智能固有的意识或道德地位如何。
归因于AI作者身份：迈向法律和道德披露的图标系统
abtract-在过去的一年中，大语言模型（LLM）和人工智能（AI）在文本生成中的普遍作用引起了人们对道德使用，作者身份和透明归因的关注。在法律实践，学术界和企业界以及无数其他领域都是如此。在本文中，我们确定了那些要求适当披露的人（我们应该知道何时何地AI是作者）和努力应对这些要求的人之间的差距。问题的一部分是没有系统，没有通用语言，没有用于这种披露的规范。在早期的Aughts中，类似的差距威胁着版权法，法律学者在创意共享中伪造了解决方案。现在，具有相似的形式但具有独特的物质和功能，我们介绍了AIA（人工智能归因），该系统适当且无缝地归因于AI文本作者身份。该系统涉及使用描述AI参与性质的徽章，从研究到编辑。除了填补上面确定的基本差距外，AIA与生成AI的益处至少三倍：（i）最大程度地减少AI使用的法律风险（即来自合同，消费者保护和知识产权和知识产权的法律暴露）； （ii）管理公众对AI使用的看法； （iii）促进道德行为。我们从理论和经验镜头中讨论了这些好处。“经验”，我们指的是我们为审查AIA进行的原始实验研究。我们的发现表明，使用AIA的使用，增强了人工智能作者身份的归因，可以改善公众的看法并降低法律风险。在讨论了这些好处后，我们提供了三个示例，涉及AIA徽章的外观
跨物种跨物种的跨物种和组织归因于哺乳动物物种
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2024年1月16日发布。 https://doi.org/10.1101/2024.01.15.575646 doi：biorxiv Preprint
使用CMIP6型号捕获和归因于西非萨赫勒的降雨量加强
摘要：Sahel的降雨每天对多年时间尺度的变化极为变化，挑战气候模型，以现实地模拟其过去和未来的演变，并质疑其与定义合适的气候变化适应策略的相关性。可以通过（i）评估其再现观察到的气候进化和（ii）归因这些演变的能力来实现气候模型中的提高信心。此外，从最终用户的角度来看，有必要考虑相关的插曲指标。完全耦合（CMIP6-AOGCM）具有理想化的检测和归因强制（DAMIP）以及仅大气模拟（AMIP）的模型，用于研究Sahelian降雨降雨法规的外部强迫因素和内部气候变化的各自作用。我们表明，CMIP6模型包含了过去35年来从区域每日观察网络中检测到的降雨状况的迹象。潮湿日的强度和发生的增加以及每日降雨的降雨都非常有效地通过融合了人为强迫因子的历史模拟，具有人为气溶胶，造成了这一趋势的最大份额。虽然受模型结构不确定性的影响更大，但温室气体强迫也表现出明显的健壮功能。模型显示出模拟观察到的干燥极端进化的失败。这些发现激励了进一步研究驱动萨赫勒降雨状态在区域范围内进化的基本物理机制。此外，应探讨萨赫勒（Sahel）的未来水电气候术语，尽管需要考虑要考虑哪种降雨指标。
共归因于强迫症和躁郁症的临床特征：系统评价和荟萃分析
<。 170，巴塞罗那08036，西班牙和研究所，老师，Dimitrie Gerota Genomics博士，CNRS，CNRS，CNRS，斯德哥尔摩，瑞典
尼日利亚高血压归因于高血压的心血管疾病的负担：一项使用摘要级别数据
这是一项使用摘要级数据的建模研究。采用这种方法从系统评价和全球研究（如中风和中风）中采用这种方法，估计了整个尼日利亚地缘政治区域中高血压的人群可归因于高血压的风险。整合回顾性分析和建模的设计，克服了传统的观察性研究局限性，提供了对高血压可归因的CVD的全面见解。建模研究有效利用现有数据来评估人口级别的影响，这对于尼日利亚的不同地区至关重要。该方法适应时间趋势，估计了1995年和2020年的可归因于人口的分数，并提供了一种强大的资源，有效的方法来了解高血压对尼日利亚心血管健康的不断发展的影响。