XiaoMi-AI文件搜索系统
World File Search System炒作
第 2 章 引领人工智能走出炒作、恐惧和希望
在以下章节中，我们将展示 AI 用于标记五种不同现象：（a）一组探索人类认知本质和具有类似特征的机器潜力的科学领域；（b）用于创建此类工具或改进科学领域的计算方法；（c）在特定社会技术背景下结合计算系统、数据和物理机器的一系列技术实际应用；（d）一种塑造市场和政策议程的修辞手段；（e）一种探索人类状况和日益依赖机器有序化的社会的概念。该术语的这种“解释灵活性”（Pinch 和 Bijker 1984；Bakker 等人 2011）使其可以同时用于研究和辩论可能复制、替代或超越人类认知能力的机器，并作为一个包罗万象的术语来标记计算技术的最新进展。这一术语几乎被任意使用，以捕捉和促进期望、希望、担忧和别有用心，目的是使新的计算机技术和用途问题化或推广。在过去和现在的某些时刻，其他词语曾被用来描述完全相同或几乎相同的问题：自动化、电子大脑、计算、机器人、机器学习、大数据、信息化、机器智能（或机器视觉/翻译）、算法和智能技术等——在被（暂时）重新贴上人工智能的标签之前。今天使用人工智能一词来界定问题反映了它所有面向未来的包袱，唤起了希望和恐惧，但也掩盖了同一技术的其他平凡问题和用途。因此，人工智能在这方面提供了一个非常有趣的案例研究，因为许多政府、
人工智能炒作的机制及其对地球和社会造成的成本
摘要 全球新兴技术格局日益受到人工智能 (AI) 炒作的影响，这一现象对当今正在创建的全球 AI 叙事具有重大的大规模影响。本文旨在根据其核心机制剖析 AI 炒作现象，将当前浪潮与历史 AI 炒作进行比较，得出结论：当前的炒作在量级、规模以及地球和社会成本方面是历史上无与伦比的。我们识别并讨论了助长 AI 炒作的社会技术机制，包括拟人化、自称 AI“专家”的人数激增、地缘政治和私营部门的“害怕错过”趋势以及新兴技术中“AI”一词的过度使用和误用。本文的第二部分试图强调当前 AI 炒作经常被忽视的成本。我们研究了它的地球成本，因为 AI 炒作对有限的资源和能源消耗施加了巨大压力。此外，我们还关注人工智能炒作与社会经济不公正之间的联系，包括通过巨大的财富再分配和人类智能成本来延续社会不平等。在结论中，我们提供了关于如何减轻未来人工智能炒作的影响的见解。我们提出了关于开发者、监管者、部署者和公众如何驾驭人工智能炒作、创新、投资和科学探索之间关系的建议，同时应对关键的社会和环境挑战。
ChatGPT、LaMDA 和围绕交流式 AI 的炒作
作为媒体和传播研究人员，我们不想忽视这些警告，也不想陷入夸张的言论中。尽管如此，ChatGPT、LaMDA 和 Luminous 等通信技术需要得到认真对待，因为它们真正代表了通信自动化的新一步——尽管如此，这一过程仍将持续下去，并开启了大量进一步的讨论。例如，社交媒体平台上的机器人和算法个性化在传播虚假新闻和仇恨言论方面所扮演的角色引发了热烈的学术讨论（即 Lazer 等人，2018 年）。亚马逊 Alexa、谷歌助手、微软 Cortana 或苹果 Siri 等系统已经存在近十年，迫使我们质疑我们对人类交流和代理的思考（即 Guzman，2015 年）。关于新闻制作（即 Thurman 等人，2019 年）、监控资本主义（即 Zuboff，2019 年）和数据殖民主义（即 Couldry & Mejías，2019 年）的讨论中进一步探讨了自动化问题。原则上，通信自动化的历史比最近的公开讨论可能暗示的要长得多，并且可以影响社会生活的各个领域。然而，在社会交流方面，它尤其重要，新闻业就是个很好的例子。在这里，传播自动化起着双重作用：从内部来看，例如，由于内容的自动化制作和分发，新闻工作实践发生了变化（Carlson，2018 年；Diakopoulos，2019 年）；从外部来看，以这种方式创建的内容成为公开讨论的一部分（Graefe & Bohlken，2020 年；Volcic & Andrejevic，2023 年）。这些例子表明，自动化通信系统已成为我们媒体环境的一部分，并因此以特定的方式应用于公共话语、新闻、政治和教育等各种社会领域。这一发展带来了巨大的挑战（Fortunati & Edwards，2020）：从经验上讲，就如何研究自动化通信而言；从理论上讲，代理、媒体和通信的基本概念发生了巨大变化。在本文中，我们想更详细地定义通信自动化作为一个研究领域。我们的主要论点是，如果我们要全面处理与通信自动化相关的媒体环境转型，
炒作还是启发式？加入订单优化的量子加固学习
摘要 - 识别最佳加入订单（JOS）在数据库研究和工程中引人注目。由于较大的搜索空间，已建立的经典方法依赖于近似和启发式方法。最近的努力成功地探索了JO的强化学习（RL）。同样，RL的量子版本也受到了相当大的科学关注。然而，如果他们能够通过改进的量子处理器获得可持续的总体实践优势，这是一个悬而未决的问题。在本文中，我们提出了一种新的方法，该方法基于混合变量量子ANSATZ，使用量子增强学习（QRL）。它能够处理一般的灌木丛树木，而不是根据基于量子（ - 启发）优化的方法来求助于更简单的左底变体，但需要多个幅度较少的量子，即使对于nisq后系统来说，这也是一个稀缺的资源。尽管电路深度中等，但ANSATZ超过了当前的NISQ功能，这需要通过数值模拟进行评估。虽然QRL在解决结果质量方面解决JO问题（尽管我们看到奇偶校验）可能并没有明显超过分类方法，但我们发现所需的可训练参数的大幅度降低。此优势实际上相关的方面，从较短的培训时间到经典的RL，涉及的经典优化通过或更好地使用可用培训数据，并且适合数据流和低延迟处理方案。索引术语 - Quantum机器学习，加固学习，查询优化，数据库管理系统我们的全面评估和仔细的讨论对可能的实际量子优势提供了平衡的观点，为将来的系统性处理提供了见解，并允许定量评估数据库管理系统最关键问题之一的量子方法的权衡。
早期非小细胞肺癌的靶向治疗：炒作还是希望？
摘要：非小细胞肺癌 (NSCLC) 约占肺癌的 85%，全球发病率逐年增加。几种新的更有效的分子药物在临床实践中的引入，使局部晚期和转移性 NSCLC 的生存率和生活质量不断提高。特别是致癌驱动因素确实改变了 NSCLC 的治疗算法。近 25% 的患者在早期被诊断出患有 NSCLC，此时 NSCLC 仍可进行根治性手术。尽管如此，完全切除的早期患者的五年生存率仍然令人失望。辅助化疗显示出适度的生存益处，具体取决于分期，但超过一半的患者会复发。鉴于这种改进需求，过去几年来，人们在早期 NSCLC 中评估了不同的靶向疗法，但对未经选择的患者没有生存益处。然而，在转移性环境中确定这些药物的可靠预测生物标记、分子导向研究的设计以及新型强效且毒性较小的药物的出现为早期 NSCLC 治疗开辟了新时代。在这篇综述中，我们将讨论早期 NSCLC 靶向治疗方案的当前前景。
营销中的AI代理：导航炒作，风险和机会
•企业采用率正在增长，但谨慎。不到1％的企业评估/追求代理AI•大多数组织仍然专注于基本的Genai教育•供应商营销与现实之间的差距•超过80％的企业在某种程度上接受了AI作为核心技术（Vention Teams）。•29％的企业领导团队对企业范围内的AI采用具有近期愿景（1 - 3年），而46％的企业领导团队则预计长期采用（3岁以上）7。
制药行业的生成式人工智能：从炒作走向现实
然而，数字只是故事的一部分。即将到来的由人工智能驱动的生命科学革命，将对人类健康和福祉产生难以量化的影响。例如，加速药物研发流程将有助于更快地治愈更多疾病，从而释放更多资源，并将其应用于目前医疗资源匮乏的地区。从海量患者数据中获取洞见和模式的能力，将催生更加个性化的治疗方案，并改善患者的治疗效果。人工智能工具还可以通过减少治疗药物生产和给药过程中的偏差，使患者护理更加一致。最后，通过自动化文档创建和记录保存等繁琐耗时的任务，人工智能有望提高研究人员和医疗联络员的工作效率，使他们能够更好地服务于临床医生和患者。
透过炒作看清监管科技工具从实验到监管的转变
这些见解指出，在国际层面上，以流程为中心而非以问题为中心来开展监管科技工作非常重要。监管科技的国际实验工作主要集中在气候相关金融风险和加密资产监控等问题上，这有助于说明如何针对特定问题开发工具。然而，如果国家当局对如何监管这些问题的考虑有限，其可用性程度可能会受到限制。对于每个感兴趣的问题，清楚地了解监管流程中的常见步骤以及国家监管机构在完成这些步骤时面临的常见挑战可能很重要。清楚地了解监管流程可能有助于确定国际层面的监管科技实验。
真正的炒作：通过呼吸工程减少藻类损失，提高产量和生产力
1. 藻类生物量生产力 o M. gaditana 菌株的生物量生产力提高 20%，将显著提高 2030 年 25 克/立方米/天的目标生产力 o 户外使用可能还需要做出额外努力： 批准避免重组蛋白的转基因生物或突变方法 扩大规模测试 SNL 温室中的 100 升微型跑道池 o 遗传目标还可以通过减少暗损失来提高其他藻类菌株的生物量生产力