XiaoMi-AI文件搜索系统
World File Search System景中
引用 (APA) Theunissen, M., & Browning, J. (2022)。将可解释的人工智能置于背景中：医疗人工智能的制度解释。伦理与信息技术，24(2)，第 23 条。https://doi.org/10.1007/s10676-022-09649- 8
摘要 目前存在一场争论，即在医学背景下使用的机器学习系统是否需要可解释，以及在何种意义上需要可解释。赞成者认为，这些系统需要对每个个人决策进行事后解释，以增加信任并确保诊断准确。反对者则认为，系统的高准确性和可靠性足以提供认知上合理的信念，而无需解释每个个人决策。但是，正如我们所表明的，这两种解决方案都有局限性——而且目前还不清楚它们是否能解决使用这些系统的医疗专业人员的认知担忧。我们认为这些系统确实需要解释，但需要制度上的解释。这些类型的解释提供了医疗专业人员在实践中应该依赖该系统的原因——也就是说，它们专注于试图解决那些在特定环境和特定场合使用该系统的人的认知担忧。但确保这些制度解释符合目的意味着确保设计和部署这些系统的机构对系统中的假设是透明的。这需要与专家和最终用户协调，了解该系统在现场如何发挥作用、用于评估其准确性的指标以及审核系统的程序，以防止出现偏差和故障。我们认为，这种更广泛的解释是必要的，因为事后解释或准确性分数对医疗专业人员具有认识论意义，使他们能够依赖这些系统作为实践中有效和有用的工具。
实际应用场景中的表现与评估
智能传感器是一种快速发展的技术，它允许在资源受限的边缘设备上直接将数据采集与计算结合起来。因此，它们在非常接近传感微机械的地方在同一封装中执行机器学习。在物联网领域，需要越来越多的电池供电甚至无电池智能传感器，因为市场潜力是现场部署大约数千亿个传感器。为了维持不断增长的应用范围，最大限度地提高能源效率，同时允许此类设备中的传感器可编程，延长电池寿命和使用案例至关重要。为了将这一概念推向极致，意法半导体提出了一种新的传感器解决方案，允许将机器学习和二进制神经网络直接部署到超低功耗传感器本身。这带来了使用极其受限的内存的额外挑战。这项工作通过活动识别任务试验了这种超新颖且有前途的传感器内机器学习计算解决方案的功能，并介绍了性能和能效方面的初步发现。实验结果表明，该传感器在全浮点精度网络中可实现 10.7 个周期/MAC 的推理性能，在大型二进制模型中可实现高达 1.5 个周期/MAC 的推理性能。该传感器的运行功耗范围从大于 100 µJ 到低于 1 µJ，具体取决于所部署的机器学习计算（全浮点到全二进制）
职业军事场景中射频电磁场暴露评估：综述
摘要：（1）背景：目前使用的大多数设备都使用射频辐射，因此，对人体暴露于射频辐射的评估已成为一个备受关注的问题。即使在军事领域广泛使用射频设备，仍然缺乏对军事场景中人体电磁场暴露评估的清晰认识。（2）方法：对关于评估军事人员暴露于特定于军事环境的射频的科学文献进行了回顾。（3）结果：对科学文献进行了回顾，根据军事人员可能接触的军事设备的类型进行分组。根据军事设备的目的用途，它们分为四大类：通信设备、定位/监视设备、干扰器和电磁定向能武器。 (4) 讨论与结论：审查表明，在本文评估的暴露条件下，仅偶尔出现过度暴露的情况，而在大多数情况下，暴露量低于工人暴露限值。然而，由于研究数量有限，并且缺乏对某些设备的暴露评估研究，我们无法得出明确的结论，并鼓励对军事暴露评估进行进一步研究。
IAS 全球科学战略 2021 背景中的科学
《艾滋病毒治愈研究重点：IAS 全球科学战略 2021》发表于《自然医学》，重点介绍了艾滋病毒治愈研究中的关键差距和有希望的进展，为研究人员、捐助者、倡导者和其他利益相关者提供了未来五年的战略建议。IAS（国际艾滋病学会）通过其“迈向艾滋病毒治愈”计划召集了一个由 68 名成员组成的国际科学工作组，该工作组由顶尖研究人员、伦理学家、行业代表和社区倡导者组成，旨在制定第三个全球科学战略。开创性的第一个 IAS 全球科学战略：迈向艾滋病毒治愈
local-HDP：实时机器人场景中的交互式开放式3D对象类别识别✩
我们为开放式3D对象分类引入了一种非参数层次贝叶斯方法，称为本地层次结构dirichlet过程（local-HDP）。此方法允许代理商逐步学习每个类别的独立主题，并及时适应环境。每个主题都是视觉单词在预定义词典上的分布。使用推理算法，这些潜在变量是从数据集推断出来的。随后，对象的类别是根据从模型中生成3D对象的可能性确定的。层次结构贝叶斯的方法（例如潜在的dirichlet分配（LDA））可以将低级特征转换为3D对象分类的高级概念主题。但是，基于LDA的方法的效率和准确性取决于手动选择的主题数量。修复所有类别的主题数量可能会导致模型的过度拟合或不足。相比之下，提出的局部HDP可以自主确定每个类别的主题数量。此外，在本地HDP模型中，已对在线变分推理方法进行了调整以快速后近似。实验表明，所提出的局部 - HDP方法在准确性，可伸缩性和记忆效率方面优于其他最先进的方法。此外，已经进行了两个机器人实验，以显示拟议方法在实时应用中的适用性。©2021作者。由Elsevier B.V.这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
混合系统可增强汽车驾驶场景中基于脑电图的实时动作解码
驾驶过程中大脑同时发生的复杂过程使得这种人类行为成为神经人体工程学中研究最多的现实活动之一。人们已经尝试过多种方式来解码汽车驾驶过程中的大脑活动，无论是离线还是在线，最终目标是开发基于大脑的辅助设备系统。脑电图 (EEG) 是这些研究的基石，它提供了最高的时间分辨率来追踪那些潜在于明显行为的大脑过程。特别是在研究驾驶等现实场景时，EEG 受到诸如稳健性、舒适性和高数据变异性等因素的限制，这些因素会影响解码性能。因此，可以将额外的外围信号与 EEG 相结合，以提高可重复性和基于大脑的动作解码器的整体性能。在这方面，已经提出了用于检测驾驶场景中的制动和转向动作的混合系统，以提高单一神经生理测量的预测能力。这些最新结果代表了技术成熟度水平的概念证明。它们可能为提高周围信号（例如脑电图 (EOG) 和肌电图 (EMG)）的预测能力铺平道路，这些信号是在现实场景中收集的，即使只是在标准实验室环境中离线收集，也可以通过 EEG 测量获得信息。此类混合系统在神经人体工程学的其他领域具有广阔的可用性，值得进一步研究。
MBSE 在防空反导场景中的指挥与控制应用
国防部 (DoD) 正在转向数字工程，需要系统数字工件的权威来源。这些数字工件必须涵盖学科网络和从概念到处置的整个生命周期活动。国防部副助理部长办公室（系统工程）[ODASD (SE)，“数字工程”，国防采办大学 (DAU)，2017
南大西洋海上风电累积影响情景中的影响因素
环境质量委员会 (CEQ) 为执行《国家环境政策法》 (NEPA) 而制定的法规将累积效应定义为“该行动与其他过去、现在和合理可预见的未来行动相加所产生的增量对环境的影响，无论哪个机构（联邦或非联邦）或个人采取了此类其他行动。”（40 CFR §1508.7）因此，NEPA 要求各机构不仅要考虑特定行动对环境资源的增量直接和间接影响，还要考虑该行动与其他行动结合产生的累积效应。累积效应分析的目的是确保决策者充分考虑拟议行动的后果（CEQ 1997）。
MOOC 在新教育场景中的作用。教师发展的综合策略
COVID-19 疫情迫使我们的生活发生了深刻的改变。随着数字化转型的加速，我们的工作和学习方式被打乱了。为了正确适应这一变化，我们需要制定和实施新的紧急战略和方法，以学习为中心，支持工人和学生进一步发展“面向未来”的技能。在过去一段时间里，大学和教育机构已经证明，它们可以在这方面发挥重要作用，同时也利用了大规模开放在线课程 (MOOC) 的潜力，事实证明，在存在诸多限制的总体背景下，大规模开放在线课程是一种重要的灵活性和适应性工具。从 2020 年 3 月到现在，我们目睹了 MOOC 的注册人数呈指数级增长，而“传统”学生对不同主题感兴趣，而这些主题不一定与他们的课程学习相结合。为了在疫情蔓延期间支持学生和教师的发展，米兰理工大学专注于一个主要方面：教师发展，以便更好地将数字工具和内容融入电子学习体验中。当前的讨论重点是如何提高 MOOC 与现场活动的整合度，以创造有意义的学习和教学体验，从而利用混合学习方法吸引学生和外部利益相关者，为他们提供未来工作相关的技能。
使用大脑活动模式在增强现实场景中区分实际和虚拟的目标
摘要：增强现实是虚拟组件和我们真实的环境的融合。生成和天然对象的同时可见性通常要求用户将其选择性关注引导到真实或虚拟的特定目标上。在这项研究中，我们通过使用机器学习技术来对脑电图（EEG）进行分类和在增强现实场景中收集的眼睛跟踪数据进行分类，从而研究了该目标是真实的还是虚拟的。如果测试数据和培训数据来自不同的试验，则以人依赖的方式从20个参与者的3秒分类3秒的EEG数据窗口，平均准确度高于70％。使用包括记录的眼镜跟踪数据的多模式后期融合方法可以显着提高到77％。与20名参与者中有6个参与者中有6个相关的EEG分类可能高于机会水平。因此，这种大脑计算机界面的可靠性足以将其视为增强现实应用的有用输入机制。