XiaoMi-AI文件搜索系统
World File Search System新鲜事
董事会如何管理人工智能
1 Martin Mocker 是本文的接受高级编辑。2 作者感谢 Martin Mocker、Blaize Horner Reich、Joe Peppard 和审查团队成员在整个审查过程中提供的周到反馈和指导。我们还要非常感谢接受采访的董事会成员对他们的 AI 治理实践提供的见解。3 有关 C 级高管认为的 AI 技术对业务的关键性的讨论，请参阅 Reilly, A.、Depa, J. 和 Doug lass, G. AI: Built to Scale，埃森哲，2019 年，网址为 https://www.accenture.com/content/dam/accenture/final/a-com-migration/thought-leadership-assets/accenture-built-to-scale-pdf-report.pdf。4 《关注董事会效力：对 C 级高管的调查》报告，普华永道治理洞察中心。 2023 年 5 月，网址为 https://www.youtube.com/watch?v=SLqBZD5zp7E。5 董事会层面需要管理技术并不是新鲜事，先前的研究也曾提出过这一观点。例如，请参见：1) Nolan, R. 和 McFarlan, FW，“信息技术与董事会”，《哈佛商业评论》（83:10），2005 年 10 月，第 96 页；2) Weill, P.、Apel, T.、Woerner, SL 和 Banner, JS，“拥有一个精通数字技术的董事会大有裨益”，《麻省理工学院斯隆管理评论》（60:3），2019 年 3 月，第 41-45 页。
GER-3705 - GE 蒸汽轮机设计理念和技术计划
为多样化和不断变化的市场提供最先进的产品是 90 年代蒸汽涡轮发电机制造商面临的挑战。虽然通用电气不确定行业在规模、蒸汽条件和技术组合方面需要什么，但我们已经了解到严格遵守基于长期可靠性和效率测量的设计理念的价值。另一方面，技术需要动态和响应性，以支持发电行业的需求。回顾过去，我们会发现变化并不是什么新鲜事。1960 年至 1990 年之间的市场几乎一成不变。60 年代的特点是传统化石燃料市场和新兴核能市场的单位规模都在增长（图 1 和图 2）。这种规模的增长是由公用事业的策略推动的，该策略利用规模经济来满足不断增长的负载需求，从而降低发电成本，这要求发电能力每 10 年翻一番。 20 世纪 70 年代，核电机组规模继续扩大（图 2），但最大规模的化石燃料机组并未超过 60 年代安装的最大机组。70 年代不仅是机组规模不断扩大的十年，而且可以说是致力于可靠性和可用性改进的十年，因为很明显，60 年代安装的大型电厂没有达到预期。70 年代负荷继续增长，但超过
“工程部门是公司的管家... - 波音
当 Robert Atmur 接到求助电话时，他的目标很简单：增加价值。“从本质上讲，这就是我的工作，”位于加利福尼亚州亨廷顿海滩的波音国防、太空与安全机电和电力系统高级技术研究员 Atmur 说道。“我成为技术研究员的原因之一是因为我已经展示了去某个地方并增加价值的能力。” 波音民用飞机 777 项目的推进工程师 Tom Walton 和 Sigvard Wahlin 认为 Atmur 的价值与黄金一样宝贵。两人寻求他的帮助来调查并最终解决 777 超声波燃油探头难题。“在波音，我们可以接触并利用整个公司的大量专业知识，这很酷，”Wahlin 说道。 现在，波音的工程部门比以往任何时候都更像一个综合的全公司组织。民用飞机和 BDS 工程师互相支持彼此的项目已不再是新鲜事。这也不再是紧急情况下的专属。这是因为波音公司在过去几年中一直在加强工程部门，尽可能地在全公司范围内进行整合，最近又重新强调技术领导力和卓越性的重要性（请参阅第 49 页的相关报道）。该部门专注于跨企业整合和技术卓越性，由波音公司首席技术官兼工程、运营和技术高级副总裁 John Tracy 带头。
接种疫苗后发热的处理
亲爱的同事， 接种疫苗后发烧的处理 这是 DCMO 于 2020 年 9 月 28 日发布的电子邮件的更新版本。该电子邮件中提供的指南的更新内容如下（黄色部分）。 我们已经在苏格兰开始了最大规模的流感疫苗接种运动之一。一些 NHS 委员会已要求提供有关如何处理接种疫苗后发烧的儿童和成人的指导。显然，管理接种疫苗后出现的发烧对一线临床医生来说并不是什么新鲜事，但在当前大流行期间，发烧是与 COVID-19 相关的症状之一，因此，我们管理接种疫苗后发烧的方式在所有环境下都必须一致且适当。 您可能已经知道英国公共卫生部通过全英国流感疫苗接种计划委员会批准的以下指南 1： 应告知接种疫苗的个人、父母和看护者，流感疫苗可能会引起轻微发烧，通常会在 48 小时内消退。这是一种常见的、预期的反应，除非怀疑感染了 COVID-19，否则无需隔离。接种流感疫苗后，身体普遍感觉不适、发抖、疼痛和疲倦也是常见症状。这些症状通常在一到两天内消失，无需治疗，但必要时可以服用扑热息痛来缓解这些症状。正如一直建议的那样，接种疫苗后的任何发烧都应受到监测，如果个人、父母或看护者在任何时候担心自己或孩子的健康，他们应该向全科医生或 NHS 111 寻求建议。
历史性设施 - Ironworkers.org
在各种承包商和业主会议上，人们大肆宣扬钢铁工人、他们的领导人和国际组织为提高工作场所的安全性、质量和专业性而采取的“变化”。当你对正在发生的事情感到不满并对未来有远见时，就会发生变化。当然，没有人对我们的市场份额从 20 世纪 80 年代的 85% 下降到目前的 15% 感到满意，相信它会自我纠正并自行恢复并不是一个愿景。我们必须通过迈出第一步，凭借坚强的性格引领行业，实现这一目标。如果该公式的任何部分失败，那么我们就失败了。但人们寻求和见证的“变化”并不是什么新鲜事。这是对我们引以为豪的过去价值观的回归；价值观使我们的工会得以发展；达到 85% 的市场份额。然而，对于我们必须吸引、培训和输送给行业的下一代熟练钢铁工人来说，这是新的。我们必须确保不仅向他们传授技能，而且要传授我们核心价值观的传统和自豪感。我们通过以身作则来做到这一点；今天和每一天。我有幸参与钢铁工人每天工作和完成的众多巨大项目并从中获取知识。有些是数十亿美元的大项目，许多规模较小，但它们都是重要的项目。业主、工程师和建筑师的愿景，加上工厂制造的部件，最终落到承包商手中，承包商必须管理交付、现场条件、调度、劳动力和“其他”的所有事项，以完成一件事 - 将材料交到熟练的工匠手中，以安全、质量和生产力建造和架设这些重要结构；从桥梁到建筑物再到工厂。作为钢铁工人，我们是现场的第一批人，我们从地基到结构所做的工作可以为整个项目定下基调和时间表。
学生疫苗接种要求常见问题解答
所有学生都必须接种 COVID-19 疫苗吗？所有计划在 2022-2023 学年住在校园内的学生都必须接种 COVID-19 疫苗，并强烈建议接种适当的加强针，除非他们因医疗或宗教原因通过健康中心获得豁免。为什么迪金森要增加这项新的疫苗要求？美国高校对学生抵达前的疫苗接种要求并不是什么新鲜事，迪金森还要求学生接种许多其他疫苗（有关这些要求的具体信息可在此处找到）。与我们的其他免疫要求一样，COVID-19 疫苗也是必需的，以保护迪金森学生和员工以及卡莱尔社区成员的公共健康。接种疫苗是促进校园健康的主要策略，可防止疫苗可预防疾病的爆发。如果我们的大多数学生都相对健康，并且出现严重 COVID-19 症状的风险并不高，为什么还要求接种 COVID-19 疫苗？尽管公众普遍认为美国高校的学生都是健康的 18-23 岁学生，但许多教职员工和一些学生属于高危人群，可能存在健康问题，使他们面临患严重 COVID-19 疾病和并发症的高风险。此外，我国长期存在的健康不平等使许多有色人种大学社区成员面临更高的 COVID 相关发病率和死亡率风险。如果学生接种了未经美国食品药品监督管理局 (FDA) 批准的 COVID-19 疫苗怎么办？如果学生接种了未获准在美国使用的 COVID-19 疫苗，只要学生接种的疫苗已获世界卫生组织批准（即使未获 FDA 批准），迪金森大学仍会认为该学生已完全接种疫苗。2022-2023 年还将实施哪些其他与 COVID 19 相关的限制。 2022-2023 学期的计划仍在制定中。
新数字经济与发展 - 联合国贸易和发展会议
摘要：本技术说明将“新”数字经济 (NDE) 定义为，最突出的是：1) 先进制造、机器人和工厂自动化，2) 来自移动和无处不在的互联网连接的新数据源，3) 云计算，4) 大数据分析，以及 5) 人工智能。NDE 的主要驱动力是遵循摩尔定律，信息和通信技术 (ICT)（主要是微电子技术）的性价比持续呈指数级提升。这并不是什么新鲜事。几十年来，设计、先进制造、机器人、通信和分布式计算机网络（例如互联网）的数字化一直在改变创新过程、任务内容和工作迁移的可能性。然而，NDE 的三个特征相对较新。首先，从智能手机到工厂传感器等新的数据源正在将大量数据发送到“云”，在那里，这些数据可以被分析以产生新的见解、产品和服务。其次，基于技术和产品平台的新商业模式——平台创新、平台所有权和平台补充——正在显著改变行业的组织结构以及一系列前沿行业和产品类别的竞争条件。第三，ICT 硬件和软件的性能已经发展到人工智能和机器学习应用激增的地步。这些新特性的共同点是依赖非常先进且几乎无处不在的 ICT，嵌入在不断发展的平台生态系统中，该生态系统具有高度的互操作性和模块化。NDE 似乎准备将组织和地理上的工作分散性扩展到新的领域，包括以前不可分割且具有地理根源的活动，这些活动位于全球价值链的前端，尤其是研发、产品设计和其他知识密集型和创新相关的业务功能。对就业和国际竞争的影响将主要取决于变化的速度以及组织和社会管理变化的能力。本技术说明讨论了如何定义 NDE，探讨了它对创新和制造业选址的可能影响，特别是涉及发展中国家。讨论了对小型和发展中国家公司的可能影响，以及对整个社会的积极和消极情景。
热点已然出现 - CIR 杂志
供应链风险并非新鲜事，但近年来持续存在的问题似乎将导致全球贸易发生永久性变化——在此过程中改变供应链风险管理方法。供应链风险以前很少被贸易或风险管理圈外的人考虑，但近年来，在一系列事件导致（并继续成为）全国头条新闻之后，供应链风险成为人们关注的焦点，这些事件都是出于错误的原因：2020 年开始的芯片短缺导致汽车生产线关闭，至今仍影响着高科技和电子公司；2021 年长赐号搁浅，导致瓶颈，其影响仍在显现；英国脱欧和新冠疫情相关的延误导致我们长期以来习以为常的家庭基本生活用品长期供应短缺。现在，乌克兰战争和中国正在进行的零新冠政策是持续供应问题的最新根源，导致货物物流进一步出现代价高昂的延误和改道。由于中国港口的拥堵和停留时间大幅增加，以及乌克兰战争对北海的影响，荷兰国际集团 (ING Bank) 的分析师预计，全球船期可靠性在近期不会改善。对俄罗斯的制裁和其他禁令进一步加剧了供应链的持久重组，影响到世界各地，因为压力正处于历史最高水平。由于乌克兰战争，ING 预计贸易流将发生永久性转变，因为之前从俄罗斯购买商品和货物的市场参与者正在寻找替代品。“话虽如此，其他国家可能会介入并从折扣中受益。总体而言，这应该会导致航运航线更长。例如，谷物和能源产品的一些航线已经在重新规划中。印度是仅次于中国的第二大小麦生产国，但并不是主要出口国，目前已加大出口力度，”该银行指出。“根据联合国粮食价格指数，4 月份世界粮食价格较上年同期上涨 29.8%，这对印度生产商来说有利可图——
透视数字市场动态及......
技术对商业世界的干预彻底改变了商业运作方式。今天，我们生活在数字经济中，并通过数字市场进行交易。商业世界的数字化使企业和消费者都受益匪浅。通过数字平台开展业务对企业来说既方便又便宜，同时也为消费者提供了大量购买商品和服务的选择。通过数字平台运作的数字市场的双重优势使数字经济前所未有地蓬勃发展。虽然商业数字化是好事，但也存在对消费者和竞争企业利益保护的担忧。虽然处理这些问题对任何竞争管理机构来说都不是什么新鲜事，但在数字市场中处理这些问题无疑是一项挑战。挑战在于数字世界从未涉足的领域。数字世界虽然很有吸引力，但并不能免受不公平商业行为的侵害。数字市场是商业数字化的结果，是一个新概念，具有传统市场中未知的独特特征。技术每时每刻都在更新，这使得研究这些市场及其对消费者、企业和整个经济可能产生的影响变得困难。这种不透明性为不公平行为的滋生提供了温床，使消费者处于弱势，并使企业之间现有的竞争变得不公平和不公正。传统市场被数字市场所取代，数字市场在复杂的网络效应和数据挖掘网络中运作。这些通过数字平台运作的市场同时涉及多个参与者，这使得竞争管理机构很难分析任何不公平商业行为的影响。确定市场支配地位及其对市场的不利影响的标准已经改变，使得传统工具无法有效遏制任何不公平的商业行为。技术融入我们日常生活及其无处不在的性质使数字市场反竞争行为的影响成为政府和政策制定者讨论的话题。政策制定者和各种组织正在进行大量研究，研究这些技术创新对市场及其经营方式以及消费者和其他竞争企业的负面影响。对这些市场运作的基本了解表明，现有的竞争制度及其执法工具在识别和
社论：医疗保健中的机器学习和人工智能安全性、有效性和可解释性
机器学习和人工智能 (ML/AI) 模型性能的不断提高，使得它们在日常生活中越来越常见，包括临床医学 (Bruckert 等人; Rosenfeld 等人，2021 年)。虽然对 ML/AI 工具不透明的“黑匣子”性质的担忧并不是什么新鲜事，但随着 ML/AI 设备从实验室转移到尚未完全赶上最先进水平的监管流程 (Benrimoh 等人，2018a) 并进入临床，对可解释性问题的实际解决方案的需求变得更加迫切。本特别版针对医疗保健领域实施 ML/AI 方法需要创新和更清晰的最佳实践的三个关键领域：确保安全、证明有效性和提供可解释性。值得注意的是，前两个标准长期以来一直是药品和医疗器械评估的主要内容（即，为了获得批准用于人类，产品必须证明其安全有效——通常与合理的比较物进行比较）（Sp ł awi´nski 和 Ku´zniar，2004 年）。第三个要求——可解释性——似乎是 ML/AI 所独有的，因为它面临着解释模型如何得出越来越准确的结论的挑战。然而，经过仔细研究，人们可能会认为可解释性标准在过去就已经隐含了：药物和设备的作用机制通常在其产品文档中描述（加拿大卫生部，2014 年）。然而，这可能会产生误导。例如，许多药物具有已知的受体结合谱和假定的作用机制，尽管它们在临床实践中广泛使用，但它们产生作用的确切机制仍不清楚。这方面的主要例子是锂（Shaldubina 等人，2001）和电休克疗法（Scott，2011），这两种治疗方法都存在已久且非常有效，但其作用机制仍存在争议。事实上，即使是全身麻醉的确切机制也是争论的主题（Pleuvry，2008）。因此，我们必须考虑一个折衷方案——即足够的可解释性（Clarke 和 Kapelner）。这涉及回答以下问题：我们必须对模型了解多少才能确定它在临床实践中是安全的？本期特刊中的文章开始探讨这一问题的可能答案，以及 ML/AI 在医疗保健环境中的应用中的其他关键问题。