XiaoMi-AI文件搜索系统
World File Search System必要性
替代地面机器人穿越沙地和岩石地外地形的必要性和可行性
尽管这些火星车在月球和火星探索方面有着令人瞩目的记录，但它们的任务也暴露了轮式移动系统所面临的重大局限性，这阻碍了科学探索。例如，勇气号火星探测器在一个名为“特洛伊”的地方陷入一块松散的土壤中，最终因电量不足而终止任务。该地点的土壤以硫酸铁为主，内聚力很低，因此机械性能较弱，延伸至与车轮半径相当的深度。 [12] 不幸的是，这层沉积物隐藏在一层硬化程度较弱的土壤外壳之下，导致危险直到火星车嵌入土壤中才被发现。 [9] 在任务初期，勇气号的六个车轮中有一个出现故障，需要修改驾驶策略，这加大了救援难度。 [12] 机遇号探测器在穿越子午线平原随处可见的大型风成波纹时也遇到了类似的挑战。特别是，它被困在“炼狱”波纹的松散沙子中很长时间 [13]（图 1 A）。
圣卢西亚的经济增长和转型计划的必要性*
让我们从亚瑟爵士时代的经济增长理论开始。在1940年代，亚瑟爵士开始在LSE的学术生涯，随后，曼彻斯特，Harrod-Domar模型被广泛用于分析一个部门经济中的增长与资本需求之间的关系。2假定经济的产出主要取决于投资的资本数量。以最简单的形式，经济的增长率可以取决于其储蓄率（始终等于投资率）和增量资本产出比或资本边际效率的知识来确定。3此外，在标准的Harrod-Domar模型中，增长与储蓄率成正比，与资本的边际效率成反比。该模型还假定生产中资本和劳动力的规模和固定比例或可变比例的持续回报。4该模型可以在经济的个别部门的水平上应用，并且知道每个部门的产出，可以估计经济的产出。
102 个定义：合法性或必要性[第 2 版；同行评审：1
摘要 非正规经济的过程已经得到充分证实，但学术文献中对其概念的处理却并非如此。它们构成了跨部门和学科的复杂现象，并产生了同时排斥和鼓励它们的其他因素。对于许多经济中的正式利益相关者来说，它们是必须击败的敌人；对于当局来说，非正式活动被视为国库收入的损失；对于可持续发展目标而言，通过在目标 8 中隐含地承认它们，它们构成了范式转变。同时，对于那些参与非正规经济的人来说，现实是，这是一种生活方式，而不仅仅是一种选择，它会导致所有经济中最具社会性：必需品。学术界对非正规性及其影响没有共识，因此需要从理论构建的角度分析非正规经济的过程，以发现其范围和深度，以及其相互关系和理论含义。为此，通过识别和解构它们的维度并对其在 Google Scholar 中的引用频率进行计数，分析了 102 个非正规经济定义。该分析表明，定义中缺乏文化元素，而文化元素才是造成这种现象的真正根本原因，而且定义中过于突出法律层面。
Linux在空间中 digicampus Brett Bligh 量化重力场的必要性
• A European technology design house • Serving customers around Europe • Mechanical, electronic, software, and industrial design complete products • Sectors: space, defence & national security, industrial, healthcare and medical • ~400 people • Turnover 30 M€ • Offices in Finland and in Czech Republic • 150+ ESA projects completed • I've worked since 2015 in the Space & Defence business unit on spacecraft software projects
国防部射程能力必要性，以确保作战能力...
建议 3-1：为了使未来的靶场能够测试杀伤链和多域作战 (MDO)，从而能够整合整个国防战略现代化领域的影响，国防部长应解决需要，使国防部靶场能够提供定期场所，在集成系统的联合多域战场上进行“边打边试”的采购和原型设计项目。
摆脱代理型人工智能的必要性
我们提出了一种人机交互与人工智能系统 (HAII) 的新方法，以替代主流的二元方法，其中人类和人工智能被视为交互主体。通过两个定量实验和两个定性现场案例研究，我们表明主流 HAII 范式存在潜在的有害设计缺陷，因为它可能引发负面动态，例如自动化偏差和偏见。另一方面，我们的提议以计算机支持的协同工作文献为基础，其中人工智能可以被视为知识工件 (KA) 的一个组成部分。这由一个知识创造工具生态系统组成，其目标是支持 Ba（Nonaka 之后），即一群有能力的决策者。我们强调决策的合作性质以及 KA 应该嵌入的人工智能功能。这些包括旨在促进拨款的可解释人工智能解决方案，也包括能够在协作环境中进行推理的功能。最后，我们讨论了如何将智能和代理从个人转移到人类集体，以帮助减轻二元 HAII 的缺点（例如，技能降低），重新分配关键任务的责任，并重新审视 HAII 研究议程，以使其与日益广泛、异构和复杂的团队的需求保持一致。
医疗必要性指南：改良 T 细胞疗法
概述 嵌合抗原受体 T 细胞疗法 (CAR-T 细胞疗法) 是一种免疫疗法，也称为过继性 T 细胞疗法，它试图对患者自身的免疫系统进行编程，使其识别和攻击癌细胞。这种疗法的第一步是通过血液分离术从患者体内取出 T 细胞，该过程会从体内取出血液并去除一种或多种血液成分（例如白细胞、血浆或血小板）。然后将剩余的血液返回体内。然后将 T 细胞送往药物制造厂或实验室，在那里对它们进行基因改造以在其表面产生嵌合抗原受体 (CAR)。这些 CAR 使 T 细胞能够识别目标肿瘤细胞上的抗原。基因改造的 T 细胞在实验室中生长，直到数量足够（数百万）以冷冻并返回治疗患者的中心。在那里，它们被注入接受者体内，期望 CAR T 细胞能够识别并杀死表面具有目标抗原的癌细胞。由于CAR-T细胞在输注后仍可能在体内停留很长时间，因此这种治疗有可能带来长期缓解。
新冠疫情与 RNA 历史和哲学研究的必要性
生命科学史与哲学 (HPLS) 为分析和应对 COVID-19 疫情提供了强大的资源。1 对生物本质、进化论、疫苗接种史或动物模型研究潜力的思考（仅举几个例子）都有助于分析当前的疫情及其后果。然而，疫情的一些关键要素迄今为止在 HPLS 中并未引起太多关注。其中一个要素是核糖核酸 (RNA)。接下来，我将探讨 RNA 对疫情重要的两个原因：它在病毒行为中的作用以及它作为生物医学研究工具的重要性。鉴于 RNA 的核心作用，发展这种分子的历史和哲学将为 HPLS 学者提供重要工具来分析疫情的展开和科学的
非人类人道主义：当人工智能的善举变成坏事时 Mirca Madianou 伦敦大学金史密斯学院 2018 年，有超过 1.68 亿人需要人道主义援助，同时有超过 6900 万人成为难民，人道主义部门面临着重大挑战。人工智能 (AI) 应用可以成为人道主义危机的潜在解决方案的提议受到了热烈欢迎。这是“人工智能用于社会公益”大趋势的一部分，也是“数字人道主义”更广泛发展的一部分，“数字人道主义”指的是公共和私营部门为应对人道主义紧急情况而使用数字创新和数据。聊天机器人、声称可以预测未来流行病或人口流动的预测分析和建模以及依赖于采用机器学习算法的先进神经网络的生物识别技术，都是在援助行动中越来越受欢迎的例子。本文建立了一个跨学科框架，将殖民和非殖民理论、人道主义和发展的批判性探究、批判性算法研究以及对人工智能的社会技术理解结合在一起。人道主义在这里被理解为一种复杂的现象：不仅仅是通常定义的“减少痛苦的必要性”（Calhoun，2008），而且是一种行业、一种话语和一种源于 19 世纪和 20 世纪殖民主义的历史现象（Fassin，2012；Lester & Dussart，2014）。人工智能同样是一个多面现象：不仅仅是基于先进计算和机器学习算法的技术创新，而且是一个行业以及关于技术的特定话语。人工智能只能与数据和算法一起理解——这三者是不可分割的，因为人工智能依赖于机器学习算法，而机器学习算法是特定数据集的产物。鉴于“大数据”本质上是不完整的，且具有本体论和认识论的局限性（Crawford & Finn，2014），人工智能应用会重现并可能放大大型数据集中发现的现有偏见（Benjamin，2019；Eubanks，2018；Noble，2018 等）。
非人类人道主义：当人工智能的善举变成坏事时 Mirca Madianou 伦敦大学金史密斯学院 2018 年，有超过 1.68 亿人需要人道主义援助，同时有超过 6900 万人成为难民，人道主义部门面临着重大挑战。人工智能 (AI) 应用可以成为人道主义危机的潜在解决方案的提议受到了热烈欢迎。这是“人工智能用于社会公益”大趋势的一部分，也是“数字人道主义”更广泛发展的一部分，“数字人道主义”指的是公共和私营部门为应对人道主义紧急情况而使用数字创新和数据。聊天机器人、声称可以预测未来流行病或人口流动的预测分析和建模以及依赖于采用机器学习算法的先进神经网络的生物识别技术，都是在援助行动中越来越受欢迎的例子。本文建立了一个跨学科框架，将殖民和非殖民理论、人道主义和发展的批判性探究、批判性算法研究以及对人工智能的社会技术理解结合在一起。人道主义在这里被理解为一种复杂的现象：不仅仅是通常定义的“减少痛苦的必要性”（Calhoun，2008），而且是一种行业、一种话语和一种源于 19 世纪和 20 世纪殖民主义的历史现象（Fassin，2012；Lester & Dussart，2014）。人工智能同样是一个多面现象：不仅仅是基于先进计算和机器学习算法的技术创新，而且是一个行业以及关于技术的特定话语。人工智能只能与数据和算法一起理解——这三者是不可分割的，因为人工智能依赖于机器学习算法，而机器学习算法是特定数据集的产物。鉴于“大数据”本质上是不完整的，且具有本体论和认识论的局限性（Crawford & Finn，2014），人工智能应用会重现并可能放大大型数据集中发现的现有偏见（Benjamin，2019；Eubanks，2018；Noble，2018 等）。