XiaoMi-AI文件搜索系统
World File Search System深不可测
ELSC 时事通讯 九月
丹·奥里米安利用照片图像的模糊以及通过污点、形状和材料将现实分解为主要和原始成分，以此来表达观察母亲现在的形象与她死于阿尔茨海默病时内心空虚和无法接近的空间之间深不可测的差距。“我们与丹的旅程始于谈论大脑细胞的微观层面以及患病大脑中细胞的损失和功能障碍，最终讨论了我们眼前的个体因疾病而消失。丹的作品帮助我们重新找到了研究这种毁灭性疾病的动机的核心。”
2021 年人工智能思考
写这篇文章有什么特别的动机吗？我发现，关于非稳健特征的争论经常陷入一个简单的二分法：它们反映的是信号还是噪声。有趣的是，人工制品的概念介于这两个极端之间。人工制品捕捉信号源中的真实模式，这些模式可能很有用，但它们也可能导致错误的推断，因为它们会扭曲或夸大这些模式。这些扭曲对于某些目的来说可能是无害的，甚至是有益的，但对于其他目的来说却是灾难性的。我特别感兴趣的是，这个问题是如何与过去两个世纪科学哲学中最深刻的问题之一相交叉的：是什么让一个特征在归纳推理中“真实”或“可投射”到未来的案例中？最近，深不可测的深度学习取得了成功，这表明这个问题可能不再受人类认知局限性的支配。但这提出了一个令人不安的可能性，即科学进步从定义上来说并没有扩展人类对自然世界的理解。
化学数据科学与人工智能相关研究介绍化学...
本次专题会议将由去年在“计算毒理学研究组”内新成立的“化学数据科学与人工智能讨论与研究组”主办。近年来，IT相关技术的发展带来了大数据时代的到来，并带动了利用大数据的数据科学和人工智能技术的快速发展和普及。为了将此类数据科学和人工智能应用于现实世界（药物发现、医疗保健、生物技术、环境、食品、化学品等），必须了解各种问题和局限性并克服这些问题。都必须这样做。其中包括特定于单个应用领域的问题、与数据科学方法相关的问题、与人工智能应用相关的问题、多个数据库之间的问题以及其他问题。如果不了解这些，应用数据科学和人工智能将会让你陷入深不可测的泥潭。本次，我们将讨论医疗数据的量化问题、制药公司的IT基础设施发展、以及“自主化学研究”时代的到来及其轮廓。主持人： Kohtaro Yuta