XiaoMi-AI文件搜索系统
World File Search System生成式人工智能
潘多拉的潘多拉魔盒：高等教育中的生成式人工智能之年
自 2022 年 11 月发布 ChatGPT 以来，对人工智能的讨论几乎不可避免。从对有前途的应用的搞笑回应、道德困境到生存威胁，生成人工智能 (AI) 激发了无数的热门话题和全面的宣言。在高等教育的讨论中，对人工智能的恐慌、排斥、质疑、谨慎的热情和炒作是永恒的主题。学术图书馆员以不同的视角坐在这些修辞桌上，分享观察、实践经验和技术专长，经常在学术界各个角落的极端担忧之间进行调解。在威斯康星大学欧克莱尔分校，一所公立综合性文理学院，校园以相对非结构化、探索性的方式参与生成人工智能。图书馆员已经完成了熟悉的工作，即汇总有关生成式人工智能的新闻和分析，以便与学习生成式人工智能工具的同事进行各种讨论或安慰。虽然人工智能在学术研究和出版中的应用显而易见，但在威斯康星大学欧克莱尔分校，关于人工智能的早期讨论集中在“学生问题”上。这些讨论提出了一些问题，例如“如果学生使用 ChatGPT 撰写研究论文会怎样？”或“我该如何向我的学生解释生成式人工智能？” Bard、Bing Chat 和 ChatGPT 的快速推出对
爱达荷州立大学社区使用生成式人工智能工具的初步指南
● 合同审批与执行 ISUPP 1060 ● 电子和信息技术可访问性 ISUPP 1020 ● 平等机会、骚扰和非歧视 ISUPP 3100 ● HIPAA 合规性 ISUPP 1100 ● 采购 ISUPP 2560 ● 平等机会和平权行动 ISUPP 3080 ● 学术自由 ISUPP 4040 ● 学术诚信与不诚实 ISUPP 4000 ● 教师道德 ISUPP 4120 ● 学生行为准则 ISUPP 5000 ● 知识产权 ISUPP 7010 ● ISU 出口管制 ISUPP 7040 ● ITS 可接受使用 ISUPP 2400 ● ITS 访问控制 ISUPP 2410 ● ITS 采购、开发和维护 ISUPP 2420 ● ITS 资产管理 ISUPP 2430 ● ITS 信息安全 ISUPP 2500 ● ITS 安全角色和职责 ISUPP 2480
Political-RAG：使用生成式人工智能从媒体内容中提取政治信息
摘要：在数字时代，媒体内容对于政治分析至关重要，它们通过新闻文章、社交媒体帖子、演讲和报告提供宝贵的见解。自然语言处理 (NLP) 改变了政治信息提取 (IE)，使事件提取和情感分析等任务自动化。传统的 NLP 方法虽然有效，但通常针对特定任务，需要专业知识。相比之下，由生成人工智能 (GenAI) 驱动的大型语言模型 (LLM) 提供了更集成的解决方案。然而，特定领域的挑战依然存在，这导致了检索增强生成 (RAG) 框架的开发。RAG 通过整合外部数据检索来增强 LLM，解决了与数据可用性相关的问题。为了展示 RAG 的功能，我们介绍了 Political-RAG 系统，该系统旨在从媒体内容（包括 Twitter 数据和新闻文章）中提取政治事件信息。Political-RAG 系统最初是为事件提取而开发的，为开发各种复杂的政治 IE 任务奠定了基础。这些包括检测仇恨言论、分析冲突、评估政治偏见以及评估社会趋势、情绪和观点。
增强生成式人工智能时代的多媒体完整性
人工智能和机器学习工具（包括生成模型和深度伪造技术）的广泛使用，使得任何人都可以以最小的努力、低成本和更高的真实感令人信服地创建和/或修改媒体。这种快速发展对传统验证方法构成了重大挑战，传统验证方法可能难以跟上这些技术日益复杂化和规模化的步伐。因此，验证方法的准确性和有效性受到越来越大的压力，使消费者更容易受到错误信息的攻击和影响。人工智能生成的媒体 1 的滥用也对组织构成了重大的网络威胁，包括通过冒充公司高管和使用欺诈性通信来访问组织的网络、通信和敏感信息。其中一些威胁在之前的联合网络安全信息表 (CSI) 中有所描述：将深度伪造对组织的威胁具体化。[3] 除了这些特定的威胁之外，人们对多媒体内容固有的普遍信任正在迅速消失。因此，加强信息完整性的需求从未如此迫切。 [4] 虽然水印等其他技术也可用于媒体出处，但内容凭证（尤其是持久内容凭证）才是本报告的重点2。
生成式人工智能的快速应用
生成式人工智能 (AI) 是一项潜在的重要新技术，但其对经济的影响取决于采用的速度和强度。本文报告了一系列具有全国代表性的美国调查结果，这些调查涉及生成式人工智能在工作和家庭中的使用情况。截至 2024 年底，美国 18-64 岁人口中近 40% 使用生成式人工智能。23% 的就业受访者在前一周至少使用过一次生成式人工智能进行工作，9% 的受访者每天使用生成式人工智能。相对于每种技术首次大规模上市的产品，生成式人工智能在工作中的采用速度与个人电脑 (PC) 一样快，总体采用速度比 PC 或互联网都快。在教育、职业和其他特征方面，生成式人工智能和 PC 具有非常相似的早期工作采用模式。目前，所有工作时间中有 1% 到 5% 由生成式人工智能辅助完成，受访者报告节省的时间相当于总工作时间的 1.4%。这表明，生成式人工智能可以大幅提高生产力。
利用生成式人工智能进行智慧城市和物联网数据收集
现代城市的快速城市化需要创新的数据收集和集成方法，以实现更智能的城市管理。物联网 (IoT) 是这些进步的核心，高效收集、分析和利用数据的能力变得至关重要。生成人工智能 (AI) 通过在互联系统中实现智能合成、异常检测和实时决策，彻底改变了数据收集方式。本文探讨了生成人工智能如何增强智能城市中物联网驱动的数据收集，重点关注交通、能源、公共安全和环境监测方面的应用。通过解决数据隐私、可扩展性和道德考虑等挑战，该研究强调了生成人工智能如何改变城市治理并为可持续和以公民为中心的发展铺平道路。本文讨论了主要趋势、案例研究和未来研究方向，展示了生成人工智能作为智能城市计划基石的潜力。
关于生物和生物医学科学中生成式人工智能的建议
2024 年，美国实验生物学会联合会 (FASEB) 董事会召集了生成人工智能 (Gen AI) 工作组，负责制定有关在生物和生物医学研究界的常规研究活动中适当且负责任地使用 Gen AI 的建议。这些发现和建议针对五个主要利益相关者群体：美国联邦机构、政策制定者、机构（研究、教育和企业）、学术团体和个人研究人员。通过工作组研究，广泛审查丰富的资源、审议和利益相关者参与、工作组会议以及与外部专家的磋商，确定并概述了以下明确的主题。
利用生成式人工智能彻底改变索赔裁决
它涉及将数据分解为可消化的部分，并仅将最相关的块发送给模型。这样，我们就能得到想要的精确见解。块大小决定了应该使用什么嵌入模型。对于我们的 POC，我们使用大块大小和前 k 个检索到的块以及一系列块大小（我们从 512 或 1024 个标记开始探索），以限制我们可以输入到 LLM 中的数据量。在各种分块方法中，我们使用可变大小分块，因为我们需要完整的文本或段落和更大的块。可变分块通过保留句子结构来实现这一点，从而产生更好的结果。它将根据内容特征（例如句末标点符号、行末标记、标题等）对 SOP 进行划分。
71% 的消费者希望将生成式人工智能融入到他们的购物体验中
报告方法 凯捷于 2024 年 10 月和 11 月对北美、欧洲和亚太地区 12 个国家/地区的 12,000 名 18 岁以上的消费者进行了调查。 关于凯捷 凯捷是全球业务和技术转型合作伙伴，帮助企业加速向数字化和可持续世界的双重转型，同时为企业和社会创造切实影响。它是一家负责任且多元化的集团，在 50 多个国家/地区拥有 340,000 名团队成员。 凯捷拥有超过 55 年的悠久历史，深受客户信赖，能够释放技术价值，满足他们所有的业务需求。它提供端到端的服务和解决方案，利用从战略和设计到工程的优势，所有这些都得益于其在人工智能、云和数据方面的市场领先能力，以及其深厚的行业专业知识和合作伙伴生态系统。该集团公布的 2023 年全球营收为 225 亿欧元。 获得您想要的未来 | www.capgemini.com 关于凯捷研究院 凯捷研究院是凯捷内部的智库，致力于研究所有数字化问题。该研究院发布有关数字技术对大型传统企业影响的研究报告。该团队利用凯捷全球专家网络，与学术和技术合作伙伴密切合作。该研究院在印度、新加坡、英国和美国设有专门的研究中心。该研究院连续六次被独立分析师评为全球研究质量第一，创下行业第一。请访问我们的网站 https://www.capgemini.com/researchinstitute/
GAO-25-107651，无障碍版本，人工智能：生成式人工智能训练、开发和部署注意事项
生成式人工智能 (AI) 可以根据用户的提示创建文本、图像、音频或视频等内容。生成式人工智能与其他人工智能系统的不同之处在于，它能够生成新颖的内容，需要大量的数据进行训练，并且其模型的规模和复杂性更高。商业开发人员已经创建了各种各样的生成式人工智能模型，这些模型可以生成文本、代码、图像和视频输出，以及增强现有产品或支持模型定制开发和改进的产品和服务。生成式人工智能的使用呈爆炸式增长，一位商业开发人员表示，其一种模型的每周活跃用户已超过 2 亿。生成式人工智能技术的商业开发迅速加速，业界不断更新模型，增加新特性和能力。然而，一些利益相关者对模型使用训练数据以及产生有害输出的可能性提出了信任、安全和隐私方面的担忧。