XiaoMi-AI文件搜索系统
World File Search System显现出来
疫情冲击下的经济和市场
COVID-19 导致全球经济活动陷入停滞。目前，国内生产总值 (GDP) 下降幅度有多大仍存在相当大的预测不确定性，但我们仍将进行初步评估。尽管 2020 年第一季度开局良好，但 2 月份形势急转直下。这意味着 1 月份和 2 月份的部分经济增长在一定程度上弥补了下半季度的损失。对于美国，我们目前估计第一季度 GDP 将较上一季度下降 0.2%，而 4 月至 6 月季度的降幅则更有可能达到 7.8%。将这些数字推算到全年，我们得出的结论是下降幅度约为 30%。以新加坡为例，一个经济体的崩溃程度显而易见。这个高度依赖国际贸易的城市国家，其第一季度的 GDP 已经比 2019 年第四季度下降了 10.6%。由于新冠病毒在年初就已经在亚洲迅速传播，因此其经济后果比西方更早显现出来。新加坡 GDP：其他国家的榜样
返校节活动登陆佐治亚州立大学 - GSU 数字馆藏
1 月 16 日星期三晚上 7 点开始放假，佐治亚州立大学许多夜校学生照常上课，但时间很短。就在这时，佐治亚州立大学电视台抢先播出了 ABC 和 CNN 的现场报道，报道美国和其他三个盟国——英国、沙特阿拉伯和科威特——对伊拉克空军基地和化学武器设施发动了大规模空袭。起初，许多学生只是忽略了这些广播，认为它们是常规国家新闻的一部分，但战争的现实很快就显现出来，学生们挤满了位于 Sparks Hall、Kell Hall、大学中心和综合教学楼的 GSTV 地点。虽然许多学生只是震惊不已，但其他学生很快就流下了眼泪，情绪失控。特殊教育研究生大卫·贝瑞 (David Berry) 表达了他对即将发生的情况的担忧，“我有一个兄弟在沙特阿拉伯首都利雅得，他是陆军上尉。我只希望他没有参与其中。”管理专业的伊娃·摩尔 (Eva Moore) 也表达了对家人的担忧。“我的兄弟刚刚回来
引用 (APA) Ivanov, S., & Umbrello, S. (2021)。旅游和酒店业中的人工智能和机器人化伦理：概念框架和研究议程。《智慧旅游杂志》，9-18。https://doi.org/10.52255/smarttourism.2021.1.4.3
摘要 人工智能和机器人系统对我们日常生活的影响已经显现出来。然而，关于人工智能和机器人在旅游和酒店业中的伦理影响和改善方法的研究还很缺乏。鉴于设计跨国界技术的重要性，以及旅游和酒店业从根本上以多元文化互动为前提，这是一个需要特别关注的研究和应用领域。具体而言，旅游和酒店业有一系列特定于环境的利益相关者，需要在要实现的人工智能系统的显著设计中考虑到这些利益相关者。本文采用利益相关者方法来开发概念框架，以在旅游和酒店业设计和部署人工智能和机器人系统时集中人类价值观。概念框架包括几个层次——“人-人-人工智能”互动层面、直接和间接利益相关者以及宏观环境。概述了每一层的道德问题以及一些可能的解决方案。此外，本文还制定了关于该主题的研究议程。
用于具有边缘计算的实时视频分析系统的分布式 AI 嵌入式集群
IHS Markit | Technology通过分析过去15年监控摄像头的年度出货量，预计截至2019年底全球投入使用的摄像头数量为7.7亿颗，未来两年安装的摄像头数量将达到10亿颗以上[1]。基于人脸和车辆算法的人工智能已经在公安、交通等各个领域得到广泛应用。人工智能如何应用于智能交通行业是一个新的研究方向。目前，桥梁、岛、隧道的养护都是通过各种传感器和视频数据进行人工判断。随着桥梁行业的快速发展，各种传感器被快速部署，想要实现人工识别难度极大。随着人工智能技术的进步，特别是计算机视觉技术和神经网络技术的进步，人工智能辅助工程师对桥梁各种传感器数据和视频监控进行研判的可能性已经显现出来。但与此同时，云端AI模型在桥梁场景中的应用也暴露出一些问题，例如数据隐私、网络带宽限制、对时延的苛刻要求等。
转型经济背景下的政治预算周期：阿尔巴尼亚案例
摘要 越来越多的研究关注转型经济体的政治预算周期，这些经济体的制度、经济和社会与发达国家有很大不同。新兴民主国家更容易受到政治预算（财政）周期的影响。大多数研究侧重于政策工具（例如财政政策），而不是宏观经济结果。在本文中，我们分析了转型后共产主义国家阿尔巴尼亚的政治预算/财政周期。我们分析了预算平衡（赤字）的月度数据。研究结果显示，选举前和选举后季度的赤字存在很大差异，而当对年度崩溃数据进行计量经济学分析时，这种差异并不会显现出来。本文强调了根据选举结果区分不同选举类型的重要性。选举竞争激烈（现任者对选举失败的恐惧加剧）、管理效率较低、现任者在政治对手任期内对预算状况的漠视以及腐败率较高，都可能与轮换选举（执政党/联盟的更替）有关，从而导致更高的预算赤字。
推荐引用 推荐引用 Johri, A., Lindsay, E., & Qadir, J. (2023)。工程教育中生成人工智能的伦理问题和负责任使用。欧洲工程教育协会 (SEFI)。DOI：10.21427/ 0T6R-FZ62
与数据相关的一个问题是数据是如何被分析和使用的。系统越来越多地使用机器学习技术来理解数据。要开发这些算法，必须对它们进行数据集训练。这些数据集主要是通过现成、方便、可用且不一定代表特定问题的数据开发的。例如，要开发面部识别算法，必须将大量面部输入算法，然后将其标记为“面部”，以便算法知道这是一张面部。如果用于执行此操作的数据主要是白人面孔（历史上的情况如此），那么该算法在其他肤色上的表现就会很差。因此，算法天生就会产生偏见，除非有意纠正，否则它们使用得越多，就越容易“训练”出错。识别先前的隐性偏见本身就存在问题。我们应该如何应对这样一个发现：我们当前实践的准确模型识别出了一种明显的偏见实践？如果我们的算法已经将同事判定为有偏见，而他们的偏见只有通过他们自愿同意参与我们的建模研究才显现出来，那么我们应该如何对待他们呢？
建筑师报纸 - 美国现代主义者
参观华盛顿特区国家美术馆贝聿铭设计的标志性东楼的游客们看到了意想不到的户外展览：绿色建筑围栏环绕着建筑，博物馆正准备拆除并重新安装所有 16,200 块粉红色田纳西大理石外墙面板。博物馆官员对这一情况守口如瓶，参与的承包商也受到严格的保密协议的约束。但国家美术馆最近向国会申请 4000 万美元的维修资金，称该问题为“系统性结构故障”，源于固定大理石面板的锚和夹子。预算请求指出，该项目预计总成本为 8500 万美元，耗时约四年，修复工作“必须尽快进行”。 2005 年，当人们发现进气井周围的面板向外倾斜时，这一大规模故障首次显现出来。博物馆聘请了 Robert Silman Associates 工程公司调查这一问题。工程师们使用探测器监测大理石饰面被拆除的地方的支撑系统。问题继续，第 6 页
量化人为错误
首先是唯一的。然而，当检查大量案例时，此类事故的某些一般特征就会显现出来。图 3 旨在以简化的方式表明如何表示这种通用模型。通用模型称为 MACHINE（使用分层影响网络的事故因果模型）。所有事故的直接原因是人为错误、硬件故障和外部事件的组合。图 3 对这些进行了更详细的分解。主动、潜在和恢复错误已经讨论过。在硬件故障的情况下，这些可以分为两类。随机故障是可靠性模型考虑的正常故障，例如由于预期的磨损过程。从测试和其他来源可以获得有关此类故障分布的大量数据。人为故障包括两个子类别，一类是由于组装、测试和维护等领域的人为行为造成的，另一类是由于固有的设计错误造成的，这些错误会导致不可预测的故障模式或缩短生命周期。所有可靠性工程师都知道，从现场数据得出的大多数组件故障率实际上包括人为故障的影响。从这个意义上讲，这些数据不是组件的固有属性，而是取决于人为影响（管理、
利用第二量子革命的力量
第二个量子革命建立在物理和信息科学的基础研究的基础上，从而引起了我们现在称为量子信息科学（QIS）的学科。寻求新知识和理解的追求推动了新的实验工具和严格的理论的开发，该理论定义了第二波量子技术的路线图，包括量子计算机，量子增强的传感器和通信系统。随着技术的成熟，开发和商业化近期应用程序的竞赛已经加速。在嘈杂的中间量表量子（NISQ）设备的术中[J. Preskill，Quantum 2，79（2018）]，基础研究的持续必要性显现出来。在什么条件下，我们可以真正利用量子的复杂性，以及它对潜在有用应用的影响？这些问题在很大程度上仍未得到答复，随着质量质量行业的加剧，基础科学和技术之间的持续反馈至关重要。从这个角度来看，我回顾了好奇心驱动的研究如何导致了激进的新技术，以及为什么寻求基本理解对于进一步的进步至关重要。