XiaoMi-AI文件搜索系统
World File Search System揭穿
COVID-19 疫苗接种：心理健康专业人员的关键作用和机遇
除了应对精神疾病日益流行的问题、应对社会挑战和在危机期间增强社区复原力之外，精神卫生专业人员 (MHP) 还具有独特的优势，可以协助各国开展针对 2019 年冠状病毒病 (COVID-19) 的疫苗接种运动。社交媒体引发的错误信息、虚假新闻和疫苗犹豫对疫苗接种计划产生了不利影响。MHP 可以通过优先为患有严重精神疾病 (SMI) 和物质使用障碍的个人接种疫苗、提高认识和公众教育、揭穿错误信息以及将心理社会护理纳入疫苗接种运动来推动这一重要的公共卫生战略。为了针对 SMI 患者面临的健康不平等和歧视及其额外风险，作者敦促全球精神卫生界根据区域需求和情况，针对 COVID-19 疫苗接种量身定制这些关键角色。
使用加密资产的简单有效的投资组合结构
尽管加密货币和常规资产回报之间有记录的差异，但一些作者认为，这两个资产类别在根本上是相似的，即使加密资产的回报率和波动率更高，也有7个类别。我们同意这一观点。在本说明中，我们展示了一种使用风险分配框架 - 构建传统和加密资产投资组合的简单方法，（希望）揭穿了这样的想法，即新颖和综合机器学习方法对于管理包括加密资产在内的投资组合是必要的。基于风险分配方法的后期测试，我们提出了一种更简单的投资组合构建方法，让人联想到传统的60/40股票/债券拆分，该方法由90/10的传统和加密货币资产组成，随后是动态（时变）稀释的现金，以实现给定的Ex-ex-ante-ante风险。我们将此简单的投资组合称为DD90/10。
教育者对人工智能的看法为...
摘要 - 借助人工智能技术破坏了许多技术先进的国民经济的现状，教育工作者应面临挑战，以利用其潜力而没有对学习者的风险。这项探索性混合方法研究旨在增加越来越多的研究，重点是教育者对AI的态度，他们对教育的适用性的看法以及发展AI能力的必要性。这项研究涉及完成问卷调查的132次服务和服务前教育者； 9名参与者还参加了后续采访。结果表明，大多数教育者认为AI是一种有前途且有用的工具，尽管有时复杂，风险并且不是很聪明。大多数教育者都报告说，AI的能力水平较低，并且很少使用培训。研究结果表明，迫切需要设计和实施专业发展和教师培训课程，这些课程揭穿了有关人工智能的神话，并建立了实用技能，以在各种教育中应用AI。
《人工智能法案》中的通用人工智能系统：试图适应……
引言 2 I. 从人工智能代理到软件 5 A. 人工智能定义的演变 5 1. 人工智能的功能定义 5 2. 统计工具的兴起 8 B. 关于伤害的某些概念 11 1. 风险与背景的关系 11 2. 风险与数据的关系 14 C. 欧盟法律和《人工智能法》中的预期目的概念 15 1. 欧盟法律中的预期目的概念 15 2. 《人工智能法》中的预期目的概念 17 II. 从软件到人工智能代理 18 A.无预期用途模型的兴起 18 1. 基础模型和其他 GPAIS 18 2. 功能日益强大且具有代理性的人工智能系统 22 B. 相关危害 23 1. 揭穿《人工智能法案》中的一些误解 23 2. GPAIS 和潜在危害 25 C. 与 GPAIS 相关的法律问题 26 1 渥太华大学法学院博士候选人；图卢兹人工智能和自然智能研究所研究员。 2 麦吉尔大学计算机科学学院助理教授
深层生成模型的统计能力-ARXIV
summary深层生成模型通常用于从复杂的高维分布中生成样品。尽管取得了明显的成功，但其统计特性尚未得到很好的理解。一个常见的假设是，借助足够大的训练数据和足够大的神经网络，深层生成模型样本在从任何连续目标分布中采样时都会有很小的错误。我们建立了一个统一的框架，揭穿了这种信念。我们证明，广泛的深层生成模型（包括变异自动编码器和生成对抗网络）不是通用发生器。在高斯潜在变量的主要情况下，这些模型只能生成浓缩的样品，显示出轻尾。使用来自度量和凸几何浓度的工具，我们为更通用的对数concave和强烈的log-conconcove潜在变量分布提供了类似的结果。我们通过还原参数将结果扩展到扩散模型。，当潜在变量位于带正曲率的歧管上时，我们使用Gromov -levy不等式提供了类似的保证。这些结果阐明了常见的深层生成模型处理重型尾巴的能力有限。我们说明了工作与模拟和财务数据的经验相关性。
深层生成模型的统计能力
summary深层生成模型通常用于从复杂的高维分布中生成样品。尽管取得了明显的成功，但其统计特性尚未得到很好的理解。一个常见的假设是，借助足够大的训练数据和足够大的神经网络，深层生成模型样本在从任何连续目标分布中采样时都会有很小的错误。我们建立了一个统一的框架，揭穿了这种信念。我们证明，广泛的深层生成模型（包括变异自动编码器和生成对抗网络）不是通用发生器。在高斯潜在变量的主要情况下，这些模型只能生成浓缩的样品，显示出轻尾。使用来自度量和凸几何浓度的工具，我们为更通用的对数concave和强烈的log-conconcove潜在变量分布提供了类似的结果。我们通过还原参数将结果扩展到扩散模型。，当潜在变量位于带正曲率的歧管上时，我们使用Gromov -levy不等式提供了类似的保证。这些结果阐明了常见的深层生成模型处理重型尾巴的能力有限。我们说明了工作与模拟和财务数据的经验相关性。
生成的AI不成比例地损害长尾巴用户
民主国家成功运作的组成部分，尤其是公民对公共机构和彼此的信任。随着Genai的民主化，由有说服力和个性化的机器生成[5]文本和合成媒体提供支持的虚假信息可以侵蚀这一信任。尽管强大而稳定的民主国家可能会将这一挑战与丰富的媒体生态系统3斗争，但新兴和脆弱的民主国家没有那么奢侈。这些国家经常缺乏强大的机构（例如，事实检查和网络安全智能单位），国防技术（例如，检测AI模型和技术基础设施）以及资源（例如，财务和人类专业知识）有效地抵消了虚假叙述所必需的。虚假信息通过较少突出的渠道和多种语言迅速循环。恶意行为者通过针对特定的语言，文化或社会群体来利用现有的社会分裂和脆弱性。这种有针对性的方法使当局在获得牵引力之前很难识别和揭穿虚假主张。本质上，Genai的出现使人们对真理的寻找更具挑战性甚至难以捉摸，尤其是在最需要真理和透明度的地区。
3 我用我的小人工智能来观察——酷儿的身体是如何变得肮脏的......
他们的学术文章可能不那么雄心勃勃，并指出与通过看图片推断性取向的人类检测器数据集相比，人工智能在区分男同性恋和异性恋方面更有效率为 81%，在区分女性方面更有效率为 74%。这一说法引发了媒体的强烈抗议，媒体既拒绝了这一说法，也警告不要将人工智能技术武器化，甚至不要尝试这样的实验（Vincent 2017）。一些权威人士对这项实验及其主张表示反对，性别和性权利倡导团体的活动家以及他们自己学科的学者揭穿了他们的实验，指出了他们数据采样的缺陷，揭示了他们分析的偏见，并指出了这项研究中存在的潜在恐同症和异性恋偏见，这项研究因为媒体的夸大报道和学术机构的支持而受到了广泛关注（Levin 2017）。人权运动组织 (HRC) 和同性恋反歧视联盟 (GLAAD) 立即将此称为“垃圾科学”，并提醒我们，“同性恋雷达”的概念以及将人类性行为简化为感知特征的想法既“危险又有缺陷”。HRC 公共教育和研究主任 Ashland Johnson 在一份声明中表示，
研究有助于解决人工智能生成的虚假信息
人工智能生成的虚假信息与传统的人类生成的虚假信息有何不同？在这里，我们重点介绍了四个潜在的差异因素：规模、速度、易用性和个性化。首先，人工智能使大规模生产虚假信息活动的内容变得更加容易，这些内容可以转化为更多的虚假故事、同一故事的多种变体、不同语言的呈现、自动对话等等。其次，与手动内容生成相比，人工智能技术可以在几秒钟内生成虚假信息。前两个因素——规模和速度——对事实核查人员来说是一个挑战，因为他们将被虚假信息淹没，但仍需要大量时间来揭穿真相。第三，随着人工智能工具更广泛地渗透到社会中，它们将降低开展影响力行动的门槛。人们可以使用人工智能工具创建逼真的假图像和视频，而无需专业知识或耗时的手动编辑。这可能会使网络喷子农场变得民主化。第四，人工智能技术使得针对特定受众（或个人）及其偏好或信仰发起个性化的虚假信息活动成为可能，而无需深入了解目标的语言或文化。例如，个性化的虚假信息可能针对不同年龄、政治意识形态、宗教信仰和性格类型（例如外向或内向）的人，这可能会增加虚假信息活动的说服力。那些已经被社会边缘化或媒体素养较低的人可能特别容易受到攻击。
专家称经济将下滑 50％
合作政府和传统事务部长恩科萨扎娜·德拉米尼-祖马 (Nkosazana Dlamini-Zuma) 于 4 月 29 日星期三在国家指挥委员会 (NCC) 发表讲话时表示，虽然一些产品已被添加到封锁期间的基本商品清单中，但香烟和酒精仍然不允许出售。德拉米尼-祖马将吸烟者之间共享香烟作为修改决定的原因。部长在周三的电视新闻发布会上说：“除了烟草本身对人的肺部的影响之外，共享烟草的方式也不允许保持社交距离。病毒会在他们之间传播。”虽然南非政府的决定似乎是出于政治动机，受到大多数 ANC 高层支持的反吸烟倡导团体的压力，但科学研究继续揭穿吸烟在感染 Covid-19 病毒方面可能发挥的大部分传播作用。尽管科学家并不否认吸烟可能带来的健康危害，但越来越多的“奇怪”证据表明吸烟者的风险可能较小。英国《每日邮报》4月28日报道，一项对28项研究的回顾显示，住院患者中吸烟者的数量低于预期。据报道，大学