XiaoMi-AI文件搜索系统
World File Search System炒作
推荐引用 推荐引用 Allen, Jonathan P.，“人工智能炒作动态：学术研究在推动新技术发展中的作用”（2024 年）。ICIS 2024 TREOS。 82. https://aisel.aisnet.org/treos_icis2024/82
在过去两年中，人们对生成式人工智能产生了前所未有的兴奋，但人工智能遭到强烈反对的可能性正在上升。生成式人工智能的有效和公平使用的障碍清单越来越清晰：事实上不正确的结果、知识产权侵权、训练数据中的偏见和偏执、低质量的内容生成、对低薪数据标签劳动力的依赖、监控问题、隐私问题和安全问题（Apodaca，2024 年），以及不可持续的高成本和环境破坏。56% 的财富 500 强公司在最近的年度报告中将人工智能列为风险，远多于将人工智能列为关键机遇（Arize AI）。大多数 C 级高管表示，到目前为止，他们对生成式人工智能项目要么持矛盾态度，要么不满意（BCG）。新的 AI 产品和服务也面临消费者的抵制（Cicek 等人，2024 年），包括客户服务。现实世界任务的表现越来越多地接受实证检验，在某些情况下被发现存在不足。拟议的研究任务是探究所谓的生成 AI 的“炒作动态”（Dedehayir 和 Steinert，2016 年），特别是 IS 研究在新技术炒作动态中的作用。虽然“炒作周期”在业界众所周知，但这个五阶段的描述不够精确，无法提供理论见解，更不用说技术预测了。Dedehayir 和 Steinert 提出了一种“炒作动态”模型，其中中介机构塑造了生产者和用户之间的知识交流。在这个模型中，IS 学者就是这样一个中介，我们的“炒作”受到社会规范和制度实践的影响。我们想成为哪种中介？一个忽视我们自己对技术引发的变化的复杂性的发现，而倾向于技术新颖性和“颠覆”的人，只有在反弹来袭时才将我们的注意力转向下一个大事件？虽然人工智能的反弹和炒作本身就是一个值得讨论的话题，但更根本的问题是如何让我们的学术研究回归其适当的角色，即对数字创新产生的经济和社会价值（相对于其成本）进行中立评估。参考文献 Apodaca，T.（2024）。我如何尝试以新闻工程师的身份使用生成式人工智能——合乎道德。标记。摘自 https://themarkup.org/hello-world/2024/09/07/how-im-trying-to-use-generative-ai-as-a-journalism-engineer-ethically。
超越炒作的元宇宙：多学科视角下的新兴挑战、机遇以及研究、实践和政策议程
Yogesh K. Dwivedi a , b , * , Laurie Hughes a , Abdullah M. Baabdullah c , Samuel Ribeiro-Navarrete d , Mihalis Giannakis e , Mutaz M. Al-Debei f , g , Denis Dennehy h , Bhimaraya Metri i , Dimitrios Buhalis j , 1 , 克里斯蒂 M.K.张 k , 1 , Kieran Conboy l , 1 , Ronan Doyle m , 1 , Rameshwar Dubey n , o , 1 , Vincent Dutot p , 1 , Reto Felix q , 1 , D.P. Goyal r , 1 , Anders Gustafsson s , 1 , Chris Hinsch t , 1 , Ikram Jebabli u , 1 , Marijn Janssen v , 1 , Young-Gab Kim w , 1 , Jooyoung Kim x , 1 , Stefan Koos y , 1 , David Kreps z , 1 , Nir Kshetri aa , 1 , Vikram Kumar ab , 1 , Keng-Boon Ooi ac , ad , ae , 1 , Savvas Papagiannidis af , 1 , Ilias O. Pappas ag , ah , 1 , Ariana Polyviou ai , 1 , Sang-Min Park aj , 1 , Neeraj Pandey ak , 1 , Maciel M. Queiroz al , 1 , Ramakrishnan Raman , 1 , Philipp A. Rauschnabel , 1 , Anuragini Shirish ao , 1 , Marianna Sigala ap , aq , 1 , Konstantina Spanaki ar , 1 , Garry Wei-Han Tan , at , 1 , Manoj Kumar Tiwari音频 , 音频 , 1 , Giampaolo Viglia aw , ax , 1 , Samuel Fosso Wamba ay , 1
技术对工作场所的影响 - Tech.co
1995 年，信息技术公司 Gartner 提出了“炒作周期”这一概念，该概念描绘了新兴技术在获得广泛采用之前所经历的阶段。在“技术触发”启动该过程之后，下一步是“期望膨胀的顶峰”，这标志着这项新技术将获得有史以来最大规模和最耀眼的宣传。在此期间，无休止的新闻报道赞扬（偶尔谴责）最新的热门技术概念，而实际企业本身却投资不足。最终，泡沫破裂，炒作崩塌，然后最终上升到中等但可持续的关注水平。
人工智能系统和个人选举决策
假新闻、虚假宣传、上传过滤器甚至选举推荐应用程序并不是什么新鲜事。然而，人工智能系统的使用提高了它们的效率和重要性。此外，人工智能（AI）的使用往往不符合民主公众的透明度要求，机器行为越来越多地取代人类行为。因此，关于人工智能的讨论非常激烈，有时带有“炒作性质”，在两个极端之间摇摆不定：一方面是对更好系统的深远希望，另一方面是失去控制、监视、依赖和歧视等各种担忧。辩论的“炒作性质”可以从民主与人工智能的关系中观察到——尤其是在选举背景下的个人意见形成方面。
对氢经济研究，发展和期望的历史分析，1972年至2020年
摘要：全球气候变化问题已通过采用清洁技术来推动国际政府行动以减少温室气体排放，希望过渡到更可持续的社会。氢经济是实现未来能源景观深度脱碳的潜在长期选择。尽管全球努力加速了它，但朝着运营氢经济发展的进展仍然令人震惊。围绕氢经济的当前情况与以前提议的里程碑之间存在重大不匹配。这项研究的总体目的是了解在实现氢经济方面是否取得了重大进展，或者当前的利益是否过于夸张（炒作）。这项研究使用文献计量分析和内容分析，通过量化和分析三组互连数据，从历史上绘制从1972年到2020年的氢经济发展。的发现表明，基于学术出版物，媒体报道和项目的越来越多，对氢经济的兴趣在过去五十年中取得了显着发展。然而，各种内源性和外源性因素影响了氢经济的发展，并在不同的时间点创建了炒作。合并的结果探讨了变化的趋势以及特定事件或参与者如何通过其议程，炒作周期的出现以及对未来氢经济的期望影响氢经济的发展。
释放了生成AI改变零售和消费行业的力量
图1：艺术智能的炒作周期，2023年，2023年Gartner Hype Cycle的人工智能新事物，Gartner，Gartner，8月17日，2023年： https://www.gartner.com/en/articles/what s-new-inew-in-in-in-timial-intelligence-from-the-2023-gartner-hype-cycle
炒作与希望：深度学习比标准机器学习能够编码更具预测性和稳健性的脑成像表征
摘要 深度学习 (DL) 方法在多个复杂任务上取得的成功大大提高了人们对其学习复杂脑成像数据的细微特性以及扩展到大型数据集的能力的期望。也许是为了应对这种膨胀，最近的批评性评论不利地将 DL 与用于分析脑成像数据的标准机器学习 (SML) 方法进行了比较。然而，他们的结论是基于预先设计的特征，这剥夺了 DL 的主要优势：表征学习。在这里，我们对此进行了评估，并展示了表征学习对于 DL 在脑成像数据上的表现的重要性。我们报告了在 12,314 张结构性 MRI 图像上进行的十向年龄和性别分类任务中对 SML 方法与 DL 进行大规模系统比较的结果。结果表明，如果按照流行的 DL 实践实施和训练 DL 方法，则与 SML 方法相比，DL 方法有大幅改进的潜力。我们还表明，尽管 DL 方法更复杂，但其扩展性特别好，在相对计算时间中呈现出较低的渐近复杂度。我们的分析表明，随着训练样本量的增长，性能改进会趋于饱和，但始终表现出显著更高的性能。我们还提供了证据，表明 DL 的卓越性能主要归功于出色的表示学习能力，并且 SML 方法在对经过训练的 DL 模型生成的表示进行操作时也可以表现得同样出色。最后，我们证明 DL 嵌入跨越了可理解的投影谱，并且 DL 始终定位有判别力的大脑生物标志物，这为预测相关性估计的稳健性提供了一个例子。我们的研究结果强调了大脑成像数据中存在非线性，DL 框架可以利用这些非线性来生成用于表征人脑的卓越预测表示，即使在当前可用的数据量下也是如此。
变性生物伦理学和CRISPR基因编辑
本演讲将从变性社区的角度探讨CRISPR基因编辑技术的承诺和危险。演讲将特别关注CRISPR在高科技转换实践中的潜在作用和与个性化过渡相关的干预措施，然后再对炒作伦理进行一些思考。
Eunika Mercier-Laurent。人工智能的未来：赋予人类力量并帮助保护地球。2023 年国际信息研究峰会，石忠植；Wolfgang Hofkirchner，2023 年 8 月，中国北京。10.3390/cmsf2023008038。hal-04346548
摘要：人工智能系统 (AIS) 已成为我们生活的一部分，许多系统甚至允许自己被基于人工智能的应用程序“编程”。然而，人工智能还可以帮助人们开展各种活动。人工智能的第三次炒作集中在对呈指数级增长的数据量的探索上，其中大部分数据都不受管理。第四次炒作会是什么？人工智能发起者追求打造比人类更智能的机器的梦想以及实现计算机能力的竞赛提出了一些问题：这与人类和地球的可持续性兼容吗？人工智能研究和应用能走多远？人工智能研究和企业未来可以采取哪些方向？本文将介绍人类与人工智能系统协同作用的观点。讨论了两个方面：通过人工智能赋予人类权力，以及利用人工智能保护地球，旨在尝试回答如何平衡研究人员的野心、贪婪的企业和可持续发展与保护地球之间的难题。