XiaoMi-AI文件搜索系统
World File Search System热情高涨
底栖生物影像的人工智能方法
Google Scholar 上使用搜索词“CNN”、“物体检测分类”和“底栖”或“珊瑚”或“浮游生物”或“鱼类”的出版物数量，这表明在主要海洋生态学领域中使用 CNN 执行此类任务的热情高涨。
人工智能作为您的竞争优势来源......
• 人才招聘：借助人工智能改进可持续发展方法，组织可以吸引更多热情高涨、可能任职更长时间的人才。IBM 的一项调查发现，人们更有可能申请和接受环境可持续公司的职位。这些人才也愿意接受在可持续发展和社会责任方面积极主动的组织提供的较低薪水。
人工智能准备度晴雨表：东盟人工智能格局
尽管人们热情高涨，但许多领导者对人工智能应用仍心存疑虑。在整个组织内实施人工智能需要大量投资（人才、技术堆栈升级）和文化转变，以确保人工智能能够带来价值（例如做出更好的决策和增强客户体验）。专注于人才管理、客户参与和 IT 运营等影响深远的业务案例可以最大限度地提高人工智能计划的回报——东盟的组织正在这样做。
有目的的投资：
本报告是整个价值链协作的成果。我们的两个工作组包括投资管理公司、养老基金、公司董事和投资顾问以及 FCA、FRC、BEIS、DWP、TPR 和 HMT 的代表，他们都提供了宝贵的意见和评论。我们非常感谢投资协会的 Andrew Ninian 和 Sarah Woodfield，他们精力充沛、热情高涨，提供了关键的秘书支持，确保尽管发生了 Covid 危机，审查仍得以完成。我们得到了管理工作组副主席 Rachel Lord 和利益相关者小组副主席 Helen Dean 的大力协助。最后，我们感谢财政部经济大臣 John Glen MP 委托我们提交这份报告，并感谢他对投资者管理的力量和价值的个人信念。
促进经济增长：SWOT 分析
摘要 摘要 一千多年前，印度占世界 GDP 的 30% 或更多，这是历史上任何其他国家都未曾达到的水平。随后中国崛起，侵略者洗劫和掠夺印度。欧洲殖民者随后不久到来，继续更有系统地掠夺印度。今天，中国已经弥补了失去的增长，并已成为世界第二大经济体。在民主政治框架下，一些狡猾腐败的政治参与者正在努力取得进步。过去五年，印度的民族主义热情高涨，并产生了新的希望，即抓住古老而历史悠久的经济氛围和治理，并在 COVID-19 疫情下实现更快的进步。本 SWOT 分析列出并讨论了鼓励人们抱有快速增长希望的因素。它还强调了束缚哪怕是适度进步的制约因素。鼓舞人心的领导力可以帮助实现内在的经济老虎，从而至少在未来十年内实现 10-12% 的年增长率。
本期内容 - Have a Go 新闻
珀斯竞技场于 2012 年底开放，但它将于 11 月正式开放，届时将迎来澳大利亚音乐界的皇室成员 Cold Chisel。如果 Jimmy Barnes 独特的嗓音和 Ian Moss 优美的吉他演奏还未在你们的大厅中回荡，你们将无法成为这个国家的音乐场所。今年早些时候，竞技场迎来了澳大利亚音乐公主 Kylie Minogue，观众们热情高涨 - 但 Chisel 的音乐会则有所不同。自 1973 年 Kylie 五岁以来，这些家伙就一直在澳大利亚各地的场馆、节日和重大活动中表演。在 Cold Chisel 即将举行的 One Night Stand 巡回演唱会上，他们将在黄金海岸的 V8 Supercars、维多利亚的 Hanging Rock 和新南威尔士的 Hope Estate 酒庄加入到他们不断增长的征服名单中。他们还将重返新南威尔士州丹尼利昆的 Deni Ute Muster，五年前，他们曾帮助打破了在那里拥有最多 ute 的记录。如果你去珀斯体育馆看 Chisel 的演出，你会发现观众的年龄各不相同，但无论粉丝来自哪一代，他们都知道每首歌的歌词——传统的歌曲——尤其是 Bow River、Flame Trees、Cheap Wine、Khe Sanh 和 Sweethearts 的 Breakfast……“我们已经存在 40 年了，所以这些歌曲在人们的生活中已经存在很长时间了，”Barnsy 最近在他位于泰国的家中说道。“它们已经成为一些人生活中的配乐。但这些歌曲之所以流传这么久，是因为它们
疟疾疫苗研发的新前景
2021 年 10 月 6 日，世界卫生组织 (WHO) 建议在中度至高度传播地区儿童中接种首种疟疾疫苗，以预防恶性疟原虫疟疾 [ 1 ]，这是儿童健康的一个分水岭。这一历史性事件是基于世卫组织在加纳、肯尼亚和马拉维试点实施 RTS,S 疫苗接种的结果而制定的，这些结果证明了通过常规免疫系统进行接种的可行性、提高疟疾预防公平性的能力、强大的安全性、显着减少严重疟疾和高成本效益 [ 2 ]。最近对 RTS,S 试点实施结果的分析表明，即使在疫苗覆盖率仅为中等的情况下，全因死亡率也降低了 13% [ 3 ]。在疟疾流行国家，RTS,S 的实施热情高涨，迄今已有 18 个国家批准 Gavi 支持引进疫苗，目前到 2025 年的有限供应分配给了其中 12 个国家 [4]。两年后，世卫组织建议在 2023 年 10 月 2 日推出第二种疟疾疫苗 R21/Matrix-M (R21) [5]。与 RTS,S 一样，R21 也能产生对恶性疟原虫环子孢子蛋白 (CSP) 的免疫力。最近在 5 至 36 个月大的儿童中开展的 R21 Ⅲ期临床试验表明，在 2 个季节性传播地点的有效率为 75%，在 3 个常年传播地点的有效率为 68% [6]。虽然尚未对 RTS,S 和 R21 进行过正面比较，但预计它们的表现将相似，并对疟疾流行地区的发病率和死亡率产生重大影响。 R21 具有显著的成本优势，每剂售价 2 至 4 美元，预计将填补巨大的供需缺口。现在，随着 2 种高效疟疾疫苗的问世，这一里程碑如何影响疟疾疫苗的研发工作？本文旨在进一步解释疟疾疫苗开发的当前形势。
白皮书：安全 AI。这如何实现？ - Fraunhofer IKS
具有认知能力的新一代信息物理系统 (CPS) 正在为现实世界的控制应用而开发。例如自动驾驶汽车、柔性生产工厂、自动化手术机器人、智能电网和认知网络。这些系统基于人工智能 (AI)，利用 AI 领域的技术灵活应对不精确、不一致和不完整，具有从经验中学习的固有能力，并根据不断变化甚至不可预见的情况进行调整。然而，AI 的这种额外灵活性使其行为更难预测，而挑战在于构建基于 AI 的系统而不产生“类似 AI”行为的弱点 [1]。此外，信息物理 AI 系统通常是安全关键的，因为它们可能会在现实世界中造成真正的伤害。因此，安全 AI 的核心目标是处理甚至克服安全与复杂 AI 系统很大程度上不可预测的行为之间的矛盾。例如，考虑一种汽车的自动紧急制动系统，该系统基于机器学习 (ML) 不断感知操作环境，通过基于操作环境模型（及其自身）的 AI 决策模块评估当前情况，并在必要时通过超越人类驾驶员来启动紧急制动操作。当然，这种紧急操作的目的是防止在时间紧迫的情况下发生事故，因为人类操作员可能无法再控制这些事故。紧急制动操作本身也与安全有关，因为错误执行可能会造成严重伤害。安全 AI 挑战并不新鲜 [2]，很可能可以追溯到 20 世纪 50 年代初的图灵本人。尽管如此，由于人们对人工智能的热情高涨，它最近变得至关重要，因为人工智能技术的接受度和在现实世界应用中的成功取决于有意义、可靠和安全的控制。关于在现实世界中负责任地部署人工智能的持续讨论范围从以人为本的社会规范和价值观 2 到其稳健和安全的实现 [3] [4]。然而，在这个思想大纲中，我们将自己限制在安全人工智能系统的技术设计和工程原理上，这是将任务和安全关键型人工智能系统负责任地部署到我们的社会结构中的必要步骤。此外，尽管我们在这个思想大纲中只关注安全方面，但我们相信，所建议的方法也能与人工智能系统的相关可靠性属性（如安全性、隐私、逆向隐私、公平性和透明度）有效地交叉。
评估离网交流连接太阳能光伏-质子交换膜系统制氢规模的最优性
氢气 (H2) 在低全球变暖潜能值 (GWP) 负荷的生产过程中被广泛认为是一种宝贵的能源载体，能够实现化学工业、钢铁制造或重型运输等具有挑战性的行业的脱碳[1 e 3]。当由可再生能源电解水生产时，氧气是该过程的主要副产品，并且在运行阶段不会直接排放温室气体 (GHG)；因此，生产的 H2 被称为“绿色”[4]。此外，基于绿色氢的存储系统被认为是整合大量间歇性可再生能源、提供季节性存储服务以及弥合供暖、运输和电力等难以耦合的能源系统空白的最相关途径之一[5]。此外，政府间气候变化专门委员会 (IPCC) 指出，采用绿色 H2 是一条可行的气候变化减缓途径 [6 e 8]。与其他 H2 生产途径相比，绿色 H2 的 GWP 负担最小，但目前其生产成本比最常见的基于化石燃料的 H2 生产途径（在实施碳捕获时也称为化石 H2 或蓝色 H2）更高 [3,4,9]。化石 H2 生产途径成本低，但 GWP 负担严重。此外，尽管目前国际社会对绿色 H2 热情高涨，但在 2020 年全球消耗的 9000 万吨 H2 中，约 80% 来自化石燃料途径，大部分来自未减排工艺，其余主要来自石化工业残余气体，造成的总排放量约为 9 亿吨二氧化碳当量 [10]。因此，开发和优化绿色 H2 生产途径具有重要意义和紧迫性。生产绿色 H2 的途径之一是利用太阳能光伏 (PV) 发电厂为电解系统供电，从而确保零排放能源供应。这就是所谓的光伏电解水分解 (PV-EL)，也是本研究的重点。如第 2 节后面所述，有几种将太阳能光伏连接到 PEM 电解器的拓扑可能性。在本研究中，我们重点关注通过交流链路与 PEM 电解器耦合的离网太阳能系统（如图 1 所示），其中光伏电池板的电力通过逆变器从直流转换为交流，然后通过交流/直流整流器供电解器使用。本文将这种类型的系统称为离网交流链路 PV-PEM。尽管需求和使用阶段与项目特定分析相关，但在本研究中，我们仅关注生产阶段以及推动其最佳尺寸和设计的要素。
可解释的人工智能助力可解释的信用评分
随着人工智能 (AI) 的不断进步和金融科技的热情高涨，信用评分等应用引起了学术界的广泛兴趣。信用评分是一种帮助金融专家更好地决定是否接受贷款申请的方法，这样违约概率高的贷款就不会被接受。表现良好的信用评分模型能够区分更有可能违约的贷款申请和不太可能违约的贷款申请，这是非常有益的，因为它们减少了贷款审批流程所需的时间，并可以节省大量成本。除了此类信用评分模型面临的嘈杂和高度不平衡的数据挑战之外，最近出台的法规，例如《通用数据保护条例》(GDPR) 和《平等信贷机会法》(ECOA) 引入的“解释权”，也增加了对模型可解释性的需求，以确保算法决策是可以理解和连贯的。因此，这要求黑盒机器学习 (ML) 模型（如 ANN 和 XGBoost）不仅在分类性能上准确，还必须能够解释它们的预测，以便金融专家愿意信任和采用这样的模型。最近提出的一个有趣概念是可解释的人工智能 (XAI)，其重点是使黑盒模型更具可解释性和可说明性。多年来，已经提出了多种旨在通过规则或视觉说明来解释 ML 算法预测的 XAI 方法，其中一些是本质上可解释的模型，而另一些是事后可解释性技术。在这项工作中，我们旨在提出一种既准确又可解释的信用评分模型，并且总体上比 Dash 等人 (2018) 提出的最先进的基准通过列生成布尔规则 (BRCG) 方法更好；Dash 等人是 FICO 最新的可解释机器学习挑战赛的获胜者。本工作中进行的实验表明，最先进的 XGBoost 模型比逻辑回归 (LR)、决策树 (DT)、随机森林 (RF) 和人工神经网络 (ANN) 技术以及基准 BRCG 模型表现更好，在 HELOC 数据集上的 ROC 曲线下面积 (AUROC) 为 0.78，在 Lending Club 数据集上的 AUROC 为 0.71。XGBoost 模型通过三种 XAI 技术得到进一步增强；SHAP+GIRP 提供全局解释，Anchors 提供基于局部特征的解释，ProtoDash 提供基于局部实例的解释。这三种类型的解释为可解释性提供了全面的解决方案，因为不同的人在不同情况下需要不同的解释。通过使用功能基础（即通过形式化措施评估）、应用基础（即由人类专家评估）和人为基础（即通过对文献的分析（通常由普通人评估）表明，所提供的解释简单、一致、完整，并且满足了正确性、有效性、易理解性、细节充分性和可信度等六项预定假设。