XiaoMi-AI文件搜索系统
World File Search System润色
生日快乐，人工智能！
[本文原德文版于2021年8月2日发表于德国国家日报《世界报》经济版AI专栏“Aus dem Maschinenraum der KI”，第10页。10.][使用www.DeepL.com/Translator（免费版）翻译 - 欧洲制造的AI技术，请参阅https://en.wikipedia.org/wiki/DeepL_Translator，随后由作者进行润色和修改。]来自AI引擎室的消息 生日快乐，AI！人工智能迎来 65 岁生日——是时候祝贺了 作者：Kristian Kersting 人工智能，简称 AI，正在迎来 65 岁生日：1956 年 6 月至 8 月，美国科学家 John McCarthy、Marvin Minsky、Nathaniel Rochester 和 Claude Shannon 在新罕布什尔州达特茅斯学院组织了“达特茅斯人工智能夏季研究项目”，这被认为是 AI 的诞生。这四个美国人的前提仍然是当今所有 AI 研究的基础：智能的每个方面，而不仅仅是学习能力，都可以被精确地描述，以便计算机可以模拟它。早在 1956 年，人们就开始讨论计算机是否能借助人工神经网络达到大脑的性能。如今，学习这样的网络（现在具有让人联想到大脑三维连通性的分层结构，因此称为深度学习）已带来许多突破 — 最近的一个突破是生物学的一个核心问题：预测蛋白质的三维折叠。对于 2009 年诺贝尔生理学或医学奖获得者伊丽莎白·布莱克本来说，这是革命性的，因为它将使我们能够更深入地了解基因组序列。回到克劳德·香农。他也被认为是数字时代之父，但他抵制了有关他创立的信息理论的炒作（及其后果）。在 1956 年的一篇题为“潮流”的文章中，他将炒作比作一辆被热情但并非总是知识渊博的追随者包围和陪伴的潮流。只要巧妙地将文章中的一些关键词替换掉，例如将“信息理论”替换为“深度学习”，将“控制论”替换为“数字化”，将“解码器”替换为“人工神经网络”，就会发现他的批评非常及时，Krisha Mehta、Charles Frye 和 Toby Walsh 已经注意到了这一点。我真的很惊讶，他在 1956 年的经历与我今天的经历如此吻合。这是我的结果：深度学习在过去几年里已经成为一种科学潮流。它最初是计算机视觉工程师的一种技术工具，在大众和科学媒体中都得到了极大的宣传。部分原因是它与计算机、控制论和自动化等时尚领域的联系；部分原因是它的主题新颖。因此，它的重要性可能已经超出了它的实际成就。我们许多不同领域的科学家同行们被这种宣传和科学分析的新途径所吸引，正在将这些想法应用于他们自己的问题。它被应用于生物学、心理学、语言学、基础物理学、经济学、组织理论等许多领域
黄金辉传播与信息学院
CS0201 传播学基础 (3 AU) 课程类型：核心 / GER-核心 (CS)、UE / BDE 先决条件：N/A 本课程介绍人类传播的基本理论、概念、原则和背景。本课程旨在介绍传播学领域。它概述了适用于许多职业的基本传播原则和实践。学生将学习如何反思和批判性地思考个人和公共环境中的传播，并探索传播如何创造和塑造我们的社会以及我们的个人生活。从主题上讲，本课程将重点关注我们学院的一些关键专业领域，包括（但不限于）大众传播、宣传传播、人际传播、组织传播、跨文化传播和新技术时代的传播。最终，本课程旨在培养对传播各个方面的持久兴趣、好奇心和热情，既是一门学科（即传播的“领域”），也是人类生活的基础。 CS0204 基础媒体写作 (3 AU) 课程类型：ICC 基础核心 / GER-核心 (CS)、UE / BDE 先决条件：N/A 本课程将向学生介绍媒体写作的基础知识。其中包括撰写新闻和宣传文案。课程还将向学生介绍传播理论，阐明写作的原因。他们希望实现什么目标？如何与观众产生共鸣？课程将涵盖媒体写作的内容，着眼于准确性、公正性、平衡性、简洁性和责任感的基本要素；以及客观写作和主观写作之间的区别。课程还将介绍一些媒体写作的原则，从信息收集、结构和风格到编辑和润色最终文本。 CS0205 基础媒体写作 (3 AU) 课程类型：专业-PE (IEM) 先决条件：N/A 本实践课程涵盖大众媒体写作的基础知识，重点是接触多样化和要求苛刻的公众。学生将学习如何为印刷和广播撰写新闻报道、公关稿和广告文案。在向学生介绍不同媒体行业的不同需求的同时，课程的各个部分共同强化了沟通中的准确性、诚实和正直等共同原则，以及对清晰、简洁和有效写作的欣赏。 CS0209 媒体法、道德与政策 (3 AU) 课程类型：核心 (CS)、UE/BDE 先决条件：N/A 本课程介绍媒体法、道德和政策的基础知识，强调新加坡的独特方法。您将学会识别潜在的法律问题，知道何时安全，并更好地证明您的决定是正确的。我们将比较英国的法律（和政策），因为新加坡法律是从英国法律演变而来的。我们更经常地会对比美国的法律（和政策），美国的法律是从英国演变而来的，但有很大的不同。您还将学习评估新加坡的法律和政策，并考虑替代方案，例如在某些领域限制法律的范围，以便道德标准发挥更大的作用。
文章
1南京中医药大学第一临床医学院，南京 210029。 * 通讯作者：李旭，男，南京中医药大学教授，主任中医师，从事中医药治疗肿瘤研究，电话：13913887528，邮箱：13913887528@163.com。摘要：目的：利用网络药理学和分子对接技术探讨薏苡仁、白花蛇舌草、莪术、鼠尾草治疗胃癌前病变的物质基础和分子机制，为进一步的临床研究提供理论基础。方法：利用GeneCards和OMIM网络数据库，寻找、筛选4个药物成分抗胃癌前病变（PLGC）的作用靶点。利用Cytoscape3.7.2软件构建中药成分-靶点网络，利用字符串数据平台构建4种治疗PLGC药物的蛋白质互操作网络，通过拓扑分析寻找核心靶点，最后对药物-疾病交叉靶点进行生化及富集分析。结果：4种肠溶药共收集到19个活性成分、123个成分靶点。对于PLGC共识别出1487个靶点，收集到64个针对药物成分和疾病的靶点。以大于平均度（29.0）的值进行拓扑分析，得到64个关键核心靶点（包括TP53、EGFR、TNF、VEGFA），通过网络拓扑和蛋白质互操作网络分析，筛选出TP53、EGFR、TNF、VEGFA等关键靶点。 GO功能富集分析得到1337个生物过程条目，46个细胞组成条目，74个分子功能条目。KEGG（京都基因和基因组百科全书）通路富集分析和筛选得到254条信号通路，包括胃癌、乳腺癌、前列腺癌、非小细胞肺癌、结肠癌等。结论：四种肠溶药可能通过作用于TP53、EGFR、TNF、VEGFA靶点和相关胃癌、炎症、免疫通路来防治PLGC。关键词：网络药理学 中药 癌前病变 机制研究。致谢：感谢编辑对稿件语言的润色。缩写：ADME，吸收、分布、代谢和排泄；OB，口服生物利用度；DL，药物类别；PDB，蛋白质数据库。作者贡献：DM 和 LM：手稿草稿和文献收集。DM、LM 和 WJL：文献整理和修订稿。FW 和 GW：构思和监督审查、修订稿。所有作者阅读并批准最终稿。利益竞争：作者声明不存在利益竞争。引用：Feng X, Wang Y, Xu L . 基于网络药理学和分子对接技术探讨四种化疗药物用于治疗胃癌前病变肠上皮化生的作用机制。胃肠肝病学研究。2022；4(1)：2。doi: 10.53388/ghr2022-03-044。执行主编：程鑫。提交日期：2022 年 3 月 2 日，接受日期：2021 年 3 月 21 日，出版日期：2022 年 3 月 30 日© 2022 作者。由 TMR Publishing Group Limited 出版。这是一篇根据 CC-BY 许可 (http://creativecommons.org/licenses/BY/4.0/) 开放获取的文章。
人工智能的理论永无止境！
[本文的原始德文版本于 2022 年 3 月 20 日作为德国周日报纸 Welt am Sonntag 经济版 AI 专栏“Aus dem Maschinenraum der KI”的一部分出现，第 24 页。][使用 www.DeepL.com/Translator（免费版）翻译 - 欧洲制造的 AI 技术，请参阅 https://en.wikipedia.org/wiki/DeepL_Translator ，随后由作者进行润色和修改。]AI 中的理论永无止境！人工智能依靠假设、理论和数据蓬勃发展。你知道 1968 年斯坦利·库布里克的《2001：太空漫游》吗？就像《星球大战》或《公民凯恩》一样，这部电影已经成为我们流行文化的一部分，邪恶的计算机 HAL 也是如此。HAL 是一种人工智能 (AI)，仍然是我们对 AI 的所有希望和恐惧的原型：HAL 聪明、狡猾，控制着发现一号宇宙飞船上的所有系统。而且它是有意识的。如果您没有听说过 HAL，您可能熟悉《2001：太空漫游》著名的开场片段，其中太阳从地球和月亮上方升起，伴随着理查德施特劳斯的《查拉图斯特拉如是说》（原作德文标题“查拉图斯特拉如是说”）。这是对德国哲学家弗里德里希·尼采的同名诗作的暗示。AI 经常让我想起尼采。为什么？《查拉图斯特拉》表现出尼采的极端倾向。根据德国文学评论家丹尼斯·谢克的说法，“在温和的地区没有调解或思考。”山谷与山顶，强者。弱者，超人（英文。“Übermensch”）与普通人。实际上，《查拉图斯特拉》的副标题是“一本为所有人和无人而写的书”。在公众话语中，人工智能要么被视为救世主，要么被视为人类的堕落。这种极端的两极观点是完全错误的，而且确实对任何人都有帮助。人工智能是一门科学，也是一种工具。不多也不少。我们需要细致入微的讨论！不幸的是，尼采在这里帮不了我们。他确信没有因果关系，相反，生活只是“事物和状态的偶然并置”。如果尼采是对的就好了！我会立即剃光头！因为，对于男性来说，很容易观察到收入和头发数量之间的高度“负相关性”：头发越少，钱越多。然而，实际上，没有一次去理发店让我变得更富有！年龄越大，头发越少。男人只是在变老。从统计学上讲，年龄越大，收入越高。另一方面，身高和体重是“正相关的”，因为它们的行为方式相同：随着成长，体重增加。事实上，这可能并不适用于我们每个人，但总的来说，这是正确的。当前的机器学习算法非常擅长寻找相关性。它们不太擅长告诉我们原因和结果：这是否导致了那里的那个？如果我这样做会怎样？这就是为什么人们对人工智能重新产生了浓厚的兴趣，研究因果关系
生成人工智能在出版中的作用。什么是可以接受的，什么是不可接受的。
毫无疑问，生成式人工智能 (AI) 是近年来媒体上的热门话题。这最初是由 ChatGPT 和其他平台的流行和广泛使用推动的，这些平台可根据用户输入的提示生成书面材料、图像甚至音频/视频作品。AI 将生成式人工智能定义为：“一种使用机器学习算法来创建新的原创内容（如图像、视频、文本和音频）的人工智能” [1]。这些技术进步如何影响我们的科学出版界？具体来说，在撰写出版的科学文章时，何时使用此类工具是合适的，或许更重要的是，何时不适合？严格来说，每当文字处理器建议一种更好的句子措辞方式时，基础人工智能就会被应用到写作中。从更复杂的层面来看，作者可以使用大型语言模型 (LLM) 将粗略撰写的草稿提交给生成式 AI 平台，然后可以生成更复杂的书面输出并最终提交。如果英语课的学生提交了这样一篇作业，而这堂课的目的是教学生如何写好文章，那么这种使用 AI 的行为可能构成作弊。然而，当作者使用 AI 来帮助润色他们的作品以供出版时，这应该是完全合适的，因为这样的应用程序可以增强作品，帮助读者更好地理解和欣赏这些作品。我们的期刊最近开始为我们的作者提供使用“综合写作和出版助手”来改进他们的投稿的选项。投稿作者应该看到我们与 Paperpal 飞行前筛选工具合作的服务链接。只需支付非常合理的费用，该工具就可以对上传的手稿草稿进行翻译、释义、一致性和期刊提交准备情况检查。这项服务对一些可能难以满足我们的语言要求标准的国际作者特别有用。在另一个适用于出版的场景中，假设同行评审员希望使用 AI 来评估投稿。你可能会问：“等等，AI 能做到吗？”当然可以！但这可以接受吗？确实有一些平台在公开的生物医学出版物上进行了训练，因此 AI 能够查找参考文献来帮助同行评审员评估稿件。也许同行评审员只是需要帮助开始撰写评审的第一稿，或者他们可能觉得作者的语言技能需要很多帮助，就像前面的情况一样。然而，这里的一个主要区别是，当同行评审员在其中一个平台上上传稿件时，他们会违反保密规定，这是不可接受的。美国国立卫生研究院不允许将 AI 用于资助申请的同行评审 [ 2 ]，这种技术也不应用于出版同行评审，因为当作者的手稿上传到第三方平台时，也会发生同样的保密性泄露。Hosseini 和 Horbach (2023) 指出的其他担忧是“ LLM 的训练数据、内部运作、数据处理和开发过程的根本不透明性”，这可能导致“潜在的偏见和评审报告的可重复性” [3]。因此，将指示 JECT 同行评审员在进行评估时不要依赖此类系统。此外，编辑不会仅使用 AI 工具就任何手稿的最终结果做出决定。为了帮助作者驾驭这一新领域，JECT 将努力在我们的《作者须知》中提供新的指导，就像其他期刊目前正在实施的那样 [4]。其他期刊推荐的一些原则，我们可能会采用，包括：