XiaoMi-AI文件搜索系统
World File Search System犯错
适用于睡眠阶段评分的小说拒绝选项
抽象睡眠阶段评分是诊断睡眠障碍的重要组成部分。不幸的是，这是一项耗时的任务，需要临床专家注释每个患者的整夜录音。因此，机器学会了通过自动执行此任务来减轻这种负担的可能性。虽然学习的模型可在策划数据上获得可接受的准确性，但在部署在医疗中心时，这些模型仍会为某些患者产生高度的评分。这是因为在用于训练模型的数据中可能无法充分表示人口的特定子集。例如，数据不容易获得可获得的（例如，像给定年龄段的孩子）或难以收集（例如患有罕见疾病或以前未知病理学的患者）。这会产生信任问题，因为不正确的分数可能会带来严重的后果，例如未检测到的疾病。为了解决这个问题，我们建议使用拒绝选项增强现有模型，如果该模型面临犯错的风险，则可以放弃其做出预测。我们表明，在某些情况下，传统的拒绝框架可能会系统地谨慎，即使模型可以做出良好的预测，也可能会避免。我们通过考虑数据分布和模型预测来提出解决方案。我们在现实世界中的睡眠评分用例中演示了我们方法的效率。此外，我们发现我们的APARCH可以改善几种公开可用基准的性能。
德里警察局的村庄3050使用2020年武力
I.策略A.对公众使用武力的能力是将警察与社会其余部分区分开来的主要因素。由于责任，警察对部门，公众和法院的武力受到了仔细的审查。这种能力所带来的责任还要求所有官员都知道他们必须在最小的力量利用方面犯错，同时仍在保护自己和一般公共场合。为了澄清和定义适当的武力使用，军官将遵循对抗性的连续体（图1）作为指导。B.此连续性为执法管理人，公众和法院提供了评估武力使用的现实手段。连续体为官员提供了合理的指导，以确定所需的武力水平以及记录使用武力的手段。C.逮捕的物理过程发生在控制后。对控制受到影响时必须停止。使用武力或对已经受到控制的个人过度使用武力，超过了所有盛行的警察行为标准的界限，都可以通过刑事和内部纪律处罚。D.在警察事件的现场，可能有许多警官在场，一些成员可能不会直接参与采取警察行动。但是，这并不能履行任何官员的义务，以确保遵守法律要求和部门法规。不这样做将导致犯罪和民事责任。，如果对臣民使用武力的使用显然会或其他官员过度，则要求官员保持控制和干预，而不管官员的职级或资历如何。
航空维修专家专业活动中的人为因素作为飞行安全的一个要素
摘要。本文的目的是考虑人为因素对航空维修专家专业活动影响的特殊性。通过对这一问题进行理论分析，发现了这一活动领域专家人为因素发展的先决条件和最新趋势，并确定了上述现象的结构成分。据此，作者描述了人为因素在航空维修专家专业活动中表现的特征：员工的心理生理特殊性、开展此项活动的专业要求以及这些专家的工作条件。作者认为，所有这些都是航空维修专家人为因素表现的决定因素之一。关于该领域专家专业活动水平的提高，确定了航空维修专家人为因素表现的以下水平及其发展的精确层次结构：感觉-知觉水平（人为分析系统的工作）、个人水平（从事专业活动的价值动机方面）和专业水平（人员专业能力的发展）。在此基础上，作者阐述了航空维修专家人为因素的功能三阶段层次模型。为了降低专家在解决任何级别的专业问题时犯错的风险，提出了一些改善航空维修专家专业活动中人为因素的活动，这些活动旨在发展感觉-知觉、个人和专业水平。
能源部长 Jennifer Granholm 的证词和
能源部长詹妮弗·格兰霍姆和核安全副部长吉尔·赫鲁比的证词 美国国家核安全局 美国能源部 在参议院军事委员会面前 2023 年 4 月 26 日 主席里德、排名成员威克和尊敬的委员会成员，感谢您今天有机会代表能源部 (DOE) 和国家核安全局 (NNSA) 出席。我们承认并感谢委员会对 DOE 持久国家安全使命的一贯支持。作为能源部长和核安全副部长，我们认识到国际环境恶化带来的独特挑战，并将继续致力于加强我们的核威慑力，同时降低全球核风险，促进和平利用核技术应对气候变化，并参与负责任的环境管理和清理工作。国家的核武器储备仍然是我们威慑力的基石，也是安抚盟友的关键工具。国防部意识到，我们没有犯错的余地，我们必须加快核现代化步伐。加快步伐的同时，还必须进一步推进核不扩散和反恐措施，以防止恐怖分子获取核和放射性材料和专业知识。随着全球民用核电部门扩大共享系统（例如，气象、地球物理、海洋学、情报、部队……国防采购、技术和后勤），这一点尤为重要。它还包括……
更高标准的书籍摘要
安·邓伍迪的领导策略在《更高标准：美国第一位女性四星上将的领导策略》一书中概述，该书重点介绍了她在军旅生涯中学到的关于领导力的经验教训。邓伍迪感谢她的上士温德尔·鲍恩 (Wendell Bowen) 向她灌输了追求卓越的动力，并首先将他人视为士兵。这本书传授了关于领导力的 11 个关键思想，包括永不犯错和对不同观点持开放态度的重要性。虽然这本书的写作风格有时会让人分心，但它为任何想要磨练领导技能的人提供了宝贵的见解。安·邓伍迪的自传是任何寻求领导榜样的人必读的书，尤其是军队中的女性。这位前美国陆军四星上将分享了她克服障碍实现伟大的励志故事。出生于军人家庭并从西点军校毕业是她的梦想，但当时这是不可能的。邓伍迪讲述了她的历程，从童年在世界各地的军事基地度过，到成为美国第一位女性四星上将。她的领导见解实用且引人入胜，尽管有些细节可能不一致。尽管如此，邓伍迪的勇气和决心使她成为任何致力于公共服务的人的真正榜样。
凝视失败：调查人类目光以应对协作任务中的机器人失败
摘要 - 机器人很容易犯错，这可能会对他们在与人类用户的协作任务中的队友的信誉产生负面影响。从这些失败中检测和恢复对于维持用户的有效信任水平至关重要。但是，机器人可能会失败而不意识到它。检测这种失败的一种方法可能是分析人类的非语言行为和对失败的反应。这项研究调查了人类凝视动力学如何表明机器人的失败，并检查了不同类型的故障如何影响人们对机器人的看法。我们与27名参与者进行了一项用户研究，与机器人移动操纵器合作解决了Tangram难题。机器人被编程为经历两种类型的故障 - 执行和决策 - 在任务的开头或结束时发生，无论是否确认失败。我们的发现表明，机器人故障的类型和时机显着影响参与者的凝视行为和对机器人的感知。具体来说，执行故障导致了更多的目光转移并增加了对机器人的关注，而决策失败导致感兴趣领域的凝视过渡的熵较低，尤其是在任务结束时发生故障时。这些结果表明，凝视可以作为机器人故障及其类型的可靠指标，也可以用于预测适当的恢复动作。索引术语 - 动物失败，凝视动态，人机协作
比较PTSD和抑郁症的动物模型中海马蛋白质和TFEB蛋白水平
尊敬的编辑，人工智能（AI）有可能通过为未来的医生提供最新的技术进步来彻底改变医学教育（1，2）。研究探讨了如何将AI集成到教育框架中，例如手术技能培训和基于病例的学习。一些研究重点介绍了AI在医学教育中的实际应用，例如通过模拟和评估使用AI驱动的机器人系统进行技能开发和知识获取（3，4）。但是，实施这些变化时存在挑战。尽管面临这些挑战，AI技术通过赋予医疗保健专业人员并改善患者护理结果来提供巨大的潜在收益（5）。为了充分意识到这些好处，有必要在医学课程中继续探索和采用AI。给编辑的这封信旨在探索与在医学教育中使用AI相关的机遇，挑战和道德问题。机会1。人工智能驱动的虚拟患者人工智能可用于为医学生创建虚拟患者，以练习诊断和治疗各种疾病。这为学生提供了一个安全且受控的环境，可以学习和犯错，而没有任何现实世界的后果（6）。2。基于人工智能的人体模型基于人工智能的机器人可以充当医学教育的人体模型。基于人工智能的医学教育将机器人用作人体模型，模拟场景，功能
布尔诺孟德尔大学的人工智能应用原理
1. 文本包含一般已知信息，但其表述方式与作品主题无关，且未遵循术语和上下文相关性。 2. 经常重复表达相同思想的句子。人工智能生成的文本包含重复的短语，重复使用相同的结构和单词。人类撰写的文本往往具有更自然和多样化的风格，句子结构和词汇选择范围广泛。 3. 文本包含相互矛盾的陈述（即使在同一个条款或段落中）。 4. 文本中出现事实扭曲，声称某个问题只有一个答案。 5. 使用的论点毫无意义、相互矛盾或与主题无关。 6. 文本表现出低水平的情感表达。如果人工智能收到的问题没有任何关于语气或其他属性的提示，它会生成没有个人见解或情感的事实文本。 7. 文本包含基于偏见和刻板印象的陈述，偏向于西方对世界的理解。 8. 文本引用的资料来源仅截至 2021 年（当前模型是在时间有限的数据集上训练的）或包含对不存在的资料来源的引用（AI 捏造）。9. 文本中没有错误（语法、语言、拼写错误），尽管犯错是人类的本性。10. 文本包含长句——AI 倾向于产生冗余单词，尤其是在给定广泛词汇时
Kudan 首席技术官解释人工智能与人工感知之间的联系
上个月，Kudan 参加了在圣何塞举行的 NVIDIA GPU 技术大会 (GTC) 和 Jetson 合作伙伴日。这是一个绝佳的机会，可以亲自了解生成式人工智能和更广泛的机器人领域的最新发展，加深我们对 NVIDIA 对市场趋势的看法，并推进与 NVIDIA 机器人团队和其他潜在合作者的合作。目前，NVIDIA 的大部分增长都集中在数据中心，反映了生成式 AI 的现状，其中计算密集型模型占主导地位。大规模语言模型 (LLM) 通常具有数十亿个参数，而 GPT-4 等最新进展估计将达到万亿个参数大关。 然而，谈到机器人加速计算和边缘计算，我们仍处于早期阶段。小型语言模型 (SLM) 和微型视觉语言模型 (VLM) 可以在 NVIDIA Jetson 设备（包括 Orin Nano）上运行。然而，边缘计算机预计要处理多项任务，而且机器人和边缘设备执行的任务的关键性要求对错误的容忍度要低得多。聊天机器人可以犯一些错误，但仍然可以为用户提供价值，但是当机器人犯错时，代价可能是灾难性的。 NVIDIA 对边缘计算和机器人技术的未来的乐观前景正在指导我们在这些领域的战略投资。尽管目前还处于早期阶段且面临诸多挑战，但边缘人工智能的市场机会无疑是巨大的。尽管这一市场扩张的时机仍不确定，但它所代表的机遇规模却是显而易见的。
应用于土地利用和土地覆盖的时间序列指标...
摘要。山体滑坡是巴西经常发生的现象，造成了许多社会经济损失和人员伤亡。为了监测山体滑坡，土地利用和土地覆盖 (LULC) 以及山体滑坡清单图对于识别高易发区域至关重要。从这个意义上讲，本研究的主要目的是通过半自动方法，使用遥感时间序列图像的数据挖掘技术，对以山体滑坡检测为重点的 LULC 进行分类。为此，从 Sentinel-2 图像中提取了不同的指数，例如归一化差异植被指数、归一化差异建筑指数 (NDBI) 和土壤调整植被指数。从时间序列中提取了基本、极坐标和分形指标。从航天飞机雷达地形任务数字高程模型中提取了六个地貌特征。然后，使用四种不同方法的随机森林进行分类：单时间、双时间、度量和全部。在每种方法中，NDBI 指数或从中得出的度量都具有最高重要性，而斜率则排在前六个预测因子之中。全部方法显示出最高的总体准确率 (OA) (88.96%)，其次是度量 (87.90%)、双时间 (82.59%) 和单时间 (74.95%)。简而言之，度量方法呈现出最有益的结果，呈现出高 OA 和低水平的犯错和遗漏错误。© 作者。由 SPIE 根据知识共享署名 4.0 国际许可发布。分发或复制本作品的全部或部分内容需要完全注明原始出版物，包括其 DOI。[DOI：10.1117/1.JRS.16.034518]