XiaoMi-AI文件搜索系统
World File Search System明确
《可再生能源指令》的修订为可再生气体燃料制定明确发展路径创造了机会
如果有促进研发活动和进一步生产资料的监管框架支持，可再生液化气将提供一条长期、经济有效的途径，减少交通运输和农村供暖等难以脱碳行业的碳排放和空气污染物排放。与煤炭、取暖油、柴油和汽油等传统高碳燃料相比，液化石油气是最清洁的燃料之一。从燃油锅炉改用液化石油气可减少二氧化碳排放量（使用液化石油气时）高达 55%，使用生物液化石油气时高达 83%。2此外，与其他能源相比，来自化石和可再生能源的液化石油气在减少空气污染方面具有巨大的潜力。与固体和液体燃料锅炉（如煤、取暖油、泥炭和生物质）相比，使用液化石油气的锅炉可减少 80-99% 的 PM 排放和 50-75% 的 NOx 排放。液化石油气汽车几乎没有其他有害空气污染物排放。
关于首席数字和人工智能官角色明确的备忘录
国防部研究与工程部副部长 (USD(R&E))。USD(R&E) 将为国防部制定技术和创新战略及投资 - 与国家防御战略 (NDS) 的优先事项和任务一致 - 提供技术解决方案，使作战人员能够在战场上保持技术优势。USD(R&E) 还将与 CDAO 协调，通过高级组件和开发原型设计领导与基础研究相关的数据、分析和人工智能政策。CDAO 将与 USD(R&E) 和 USD(A&S) 协调，领导国防部从操作原型设计到操作对数据、分析和人工智能的采用。CDAO 还将与 USD (R&E) 和 DOT &E 合作，领导负责任的人工智能政策和人工智能保证政策。
从“没有明确的赢家”到有效的可解释人工智能流程：一段实证之旅
如果强化学习 (RL) 代理未接受过 AI 培训，那么当领域专家试图评估 AI 的适用性时，他们应该如何向这些领域专家解释自己？为了研究这个问题，我们进行了一项有 124 名参与者参与的实验，并通过以下方式衡量他们的心智模型：(a) 他们预测 AI 行为的能力和 (b) 他们认为 AI 如何做出决策的书面“规则手册”。我们这样做是为了在简单的 RTS 游戏环境中比较参与者对 RL 代理的心智模型。我们的目标是比较参与者在四种解释配置下对 AI 代理的心智模型：(控制) 无解释；(显着性) 显着性图，解释 AI 的注意力焦点；(奖励) 奖励分解条，解释 AI 对未来奖励类型的预测；和 (一切) 显着性和奖励。这些解释如图 1 所示。为了比较这些解释配置，我们设计了一项受试者间控制实验室研究，以测量人们对 RTS 游戏中不同解释组合的反应差异。为了控制可能采取的行动空间，我们构建了自己的游戏，我们称之为 4-Towers 游戏。在 4-Towers 游戏中，
![b'Centers具有明确定义的电子环境，以相互定义的方向为了实现合作效应。在基于金属的性质，氧化状态和协调数的各种促成因素中，金属距离（M M）距离调制已成为识别（Hetero）双金属系统中识别和微调合作效应的一种有希望的方法。 [4]尤其是桥接配体设计是决定性的，将多个金属中心纳入定义的方向和中心，并由施加的施加。 [5]选择配位环境，配体效应，例如柔韧性，英尺，电子参数和适当的间隔者，允许系统变化M M M M M M距离是至关重要的因素。 [6]可以通过共轭或非 - '](/simg/1/1049c45fda67c27c54733cdf3bc12a4430de5b8e.webp)
b'Centers具有明确定义的电子环境，以相互定义的方向为了实现合作效应。在基于金属的性质，氧化状态和协调数的各种促成因素中，金属距离（M M）距离调制已成为识别（Hetero）双金属系统中识别和微调合作效应的一种有希望的方法。 [4]尤其是桥接配体设计是决定性的，将多个金属中心纳入定义的方向和中心，并由施加的施加。 [5]选择配位环境，配体效应，例如柔韧性，英尺，电子参数和适当的间隔者，允许系统变化M M M M M M距离是至关重要的因素。 [6]可以通过共轭或非 - '
b'Centers具有明确定义的电子环境，以相互定义的方向为了实现合作效应。在基于金属的性质，氧化状态和协调数的各种促成因素中，金属（M M）距离调制已成为识别（Hetero）双金属系统中识别和微调合作效应的一种有希望的方法。[4]尤其是桥接配体设计是决定性的，可以将多个金属中心纳入定义的方向，并通过施用的特点置于中心。[5]选择协调环境，配体效应，例如柔韧性，英尺，电子参数和适当的间隔者，允许系统地变化M M M M M M M M距离是至关重要的因素。[6]可以通过共轭或非 - '
观点 医疗人工智能：欧洲法律视角 尽管欧盟委员会今年早些时候提出了针对“高风险人工智能”使用的新立法，但现有的欧洲基本权利框架已经对医疗人工智能的使用提供了一些明确的指导。
所有因使用医疗人工智能而产生的法律问题？不幸的是，有一个主要例外，涉及责任法问题，这特别让人工智能界感到不安。当医疗人工智能造成伤害时，谁将承担法律责任？软件开发商、制造商、维护人员、IT 提供商、医院还是临床医生？确实，严格责任（无过错责任）在欧洲法律下并非未知，尤其是对于危险物体或活动。这种方法既不是 CFR 要求的，也不是禁止的，因此从基本权利的角度无法最终回答民事责任问题。欧盟委员会意识到了这一挑战，并在之前提到的关于人工智能安全和责任影响的报告中宣布，它将评估引入严格责任制度以及对特别危险的人工智能应用的强制保险——这可能涵盖大多数医疗人工智能。这样的制度肯定有助于消除许多现有的关于医疗人工智能应用责任的模糊关系。
引用 (APA) de Metz, J., Thoral, P. J., Chorus, C. G., Elbers, P. W. G., & van den Bogaard, B. (2021)。行为人工智能技术用于 COVID-19 重症监护分诊决策：使隐含变得明确。重症监护医学，47(11)，1327-1328。 https://doi.org/10.1007/s00134-021-06453-8
亲爱的编辑，2019 年冠状病毒病 (COVID-19) 大流行使全球重症监护病房 (ICU) 的容量达到极限。虽然定量配给 ICU 床位和对启动维持生命疗法的适当性做出伦理判断多年来一直是重症监护的常规部分 [ 1 , 2 ]，但 COVID-19 带来了对不堪重负的 ICU 中的患者进行分诊的独特需求。虽然确实存在指导方针，但 ICU 入院政策因国家、机构和个体重症监护医师而异 [ 3 ]。此外，虽然指南建议在撤回维持生命疗法方面采取多学科方法，但分诊决定往往由个体医生在下班后、危机时刻和床边做出。为了改进这一分类过程，我们探索了实施基于行为人工智能技术 (BAIT) 的决策支持模式的选项，BAIT 是一种源自离散选择建模的技术 [ 4 ]。通过离散选择建模，可以将专业知识编码，以深入了解通常隐含的决策权衡（背景信息、补充信息）。我们旨在开发一个模型，阐明荷兰重症监护医师用来确定 COVID-19 患者是否有资格入住 ICU 的隐含条件。在多次头脑风暴会议中，我们确定了重症监护医师可能用来评估 COVID-19 是否有资格接受 ICU 治疗和机械通气的因素
CIPL 对欧盟委员会关于《人工智能法案》草案的咨询的回应 CIPL 1 欢迎就欧盟委员会关于《欧洲人工智能法案》2（“AI 法案”或“法案”）的提案进行咨询，以将其纳入欧盟立法程序。CIPL 很高兴看到《人工智能法案》采纳了 CIPL 关于采用基于风险的方法监管欧盟人工智能的文件中提出的几项建议。3 这些建议旨在培养对人工智能的信任，而不会妨碍其负责任的发展。特别是，CIPL 欢迎该法案基于风险的方法，该方法将适用于高风险的人工智能用例，而不会监管人工智能技术本身或整个行业。CIPL 还欢迎拟议使用统一标准和行业自我评估产品符合性，因为这些机制已被证明能够成功推动创新并在欧盟市场开发安全可信的技术。CIPL 还欢迎旨在支持创新的措施，特别是通过为监管沙盒提供法定基础。最后，CIPL 很高兴看到《人工智能法案》中概述的一些要求与一些现有的行业惯例相一致，这些惯例为确保负责任地开发和使用人工智能设定了高标准。4 然而，CIPL 遗憾的是，《人工智能法案》没有充分考虑到一些必要条件，例如提供基于结果的规则；明确允许组织根据人工智能系统的风险和收益来调整对要求的遵守情况；奖励和鼓励负责任的人工智能实践；利用监管沙盒的经验教训；并澄清《人工智能法案》的监督和执行条款也应基于风险。CIPL 重申，要使《人工智能法案》有效地保护基本权利，同时也为欧盟创新的新时代奠定基础，它需要足够灵活以适应未来的技术。此外，该法案不能过于严格，以免抑制包括公共卫生或环境在内的一系列行业和部门对人工智能的宝贵和有益的创新和使用。最后，《人工智能法案》将受益于有针对性的调整，以更好地明确人工智能提供者、部署者和用户的责任平衡，特别是对于通用人工智能和开源人工智能模型。
CIPL 对欧盟委员会关于《人工智能法案》草案的咨询的回应 CIPL 1 欢迎就欧盟委员会关于《欧洲人工智能法案》2（“AI 法案”或“法案”）的提案进行咨询，以将其纳入欧盟立法程序。CIPL 很高兴看到《人工智能法案》采纳了 CIPL 关于采用基于风险的方法监管欧盟人工智能的文件中提出的几项建议。3 这些建议旨在培养对人工智能的信任，而不会妨碍其负责任的发展。特别是，CIPL 欢迎该法案基于风险的方法，该方法将适用于高风险的人工智能用例，而不会监管人工智能技术本身或整个行业。CIPL 还欢迎拟议使用统一标准和行业自我评估产品符合性，因为这些机制已被证明能够成功推动创新并在欧盟市场开发安全可信的技术。CIPL 还欢迎旨在支持创新的措施，特别是通过为监管沙盒提供法定基础。最后，CIPL 很高兴看到《人工智能法案》中概述的一些要求与一些现有的行业惯例相一致，这些惯例为确保负责任地开发和使用人工智能设定了高标准。4 然而，CIPL 遗憾的是，《人工智能法案》没有充分考虑到一些必要条件，例如提供基于结果的规则；明确允许组织根据人工智能系统的风险和收益来调整对要求的遵守情况；奖励和鼓励负责任的人工智能实践；利用监管沙盒的经验教训；并澄清《人工智能法案》的监督和执行条款也应基于风险。CIPL 重申，要使《人工智能法案》有效地保护基本权利，同时也为欧盟创新的新时代奠定基础，它需要足够灵活以适应未来的技术。此外，该法案不能过于严格，以免抑制包括公共卫生或环境在内的一系列行业和部门对人工智能的宝贵和有益的创新和使用。最后，《人工智能法案》将受益于有针对性的调整，以更好地明确人工智能提供者、部署者和用户的责任平衡，特别是对于通用人工智能和开源人工智能模型。
利用数据实现安全：机器学习/人工智能实现及时航空安全 Nikunj C. Oza 博士、Chad Stephens 美国宇航局全系统安全项目 现代喷气式客机每飞行一次记录近 1GB 的原始数据，几乎是不到十年前投入使用的喷气式客机记录数据的两倍。鉴于这一宝贵的数据宝库，数据分析是一项非常重要的能力，它可以将这些数据转化为知识，从而帮助理解和实现安全操作。数据分析的实践涉及应用人工智能 (AI) 和机器学习 (ML) 等方法来获取见解并识别数据中的有意义关系。人工智能是一门专注于在基于计算机的代理中开发模拟人类智能的研究领域。ML 是人工智能的一个分支，涉及开发预测或决策算法，这些算法不是明确编程来预测或决策的，而是从代表过去预测或决策的数据中学习的。您可能体验过 ML 支持的功能，例如 Netflix 或 Amazon 中的自定义推荐。由于机器学习算法具有从过去的操作中学习的能力，因此虚拟助手（例如 Apple 的 Siri 或 Amazon 的 Alexa）以及部分或完全自动驾驶汽车成为可能。
利用数据实现安全：机器学习/人工智能实现及时航空安全 Nikunj C. Oza 博士、Chad Stephens 美国宇航局全系统安全项目 现代喷气式客机每飞行一次记录近 1GB 的原始数据，几乎是不到十年前投入使用的喷气式客机记录数据的两倍。鉴于这一宝贵的数据宝库，数据分析是一项非常重要的能力，它可以将这些数据转化为知识，从而帮助理解和实现安全操作。数据分析的实践涉及应用人工智能 (AI) 和机器学习 (ML) 等方法来获取见解并识别数据中的有意义关系。人工智能是一门专注于在基于计算机的代理中开发模拟人类智能的研究领域。ML 是人工智能的一个分支，涉及开发预测或决策算法，这些算法不是明确编程来预测或决策的，而是从代表过去预测或决策的数据中学习的。您可能体验过 ML 支持的功能，例如 Netflix 或 Amazon 中的自定义推荐。由于机器学习算法具有从过去的操作中学习的能力，因此虚拟助手（例如 Apple 的 Siri 或 Amazon 的 Alexa）以及部分或完全自动驾驶汽车成为可能。
雷蒙德·塔利斯的《明确的动物》研究
雷蒙德·塔利斯的作品致力于理解人类的独特之处，因此经常被誉为“人文学科的警钟”。鉴于哲学在人文学科中的核心地位，这本书可以看作是对哲学在方向盘上睡着的延伸抗议。“人类的独特特征——自我、自由意志、被称为人类世界的集体空间、我们过着自己的生活而不是简单地像有机体一样生活的感觉——被许多人，甚至哲学家视为幻想而抛弃，他们应该更深入地思考，质疑科学的魅力，而不是屈服于它。”《明确的动物》致力于“使人类意识与动物意识的区别变得清晰可见”。它“反对意识的神经解释，反对一般意识，特别是人类意识，可以用进化的术语来解释为一种适应性。”
无法进行明确沟通是人工智能系统失败的原因之一
人类的语言能力允许任何特定的说话者“无限地使用有限的手段” [Chomsky, 2006]。这就是说，所有可能的句子的集合是无限的，而组成它们的单词的集合是有限的。然而，歧义（即对一个表达式有多种解释）在自然语言中随处可见 [Wasow et al. , 2005]。目前尚不清楚自然语言中为何存在歧义。鉴于它会阻碍交流，人们可能认为语言会进化来避免它，然而这并没有被观察到 [Wasow et al. , 2005]。一种解释是，将一个词映射到多个含义可以节省记忆。另一种说法认为，歧义是人类偏向较短词素的结果 [Wasow et al. , 2005]。还有一种解释认为，歧义是语言进化过程中效率优化（最小努力原则）的产物。根据这种观点，歧义是语言进化到最小努力的代价 [Sol´e and Seoane, 2015]。在本文中，我们不会试图解释歧义的根本原因，而是展示它如何给人工智能系统带来问题。首先，我们将确定语音、句法和语义层面上出现的歧义类型，并注意现代自然语言处理 (NLP) 系统如何消除歧义输入。最后，我们将考虑更先进的人工智能如何利用歧义，以及不法分子如何利用此类系统来达到他们的目的。