XiaoMi-AI文件搜索系统
World File Search System由众
Zhanwen Chen @弗吉尼亚大学
研究生研究助理（部分时间为10小时/周）2018年9月10日— 2019年12月•与Python，HTML/CSS，JavaScript，JavaScript和AWS机械库开发了自动众包管道Spectrum•在2020年联合IEEE第10届国际开发与学习与表观遗传机器人技术（ICDL- ePirob）上发表的工作
![arxiv：2401.11305v3 [CS.CR] 2024年10月28日](/simg/g:\will\search\icon\source\2\23083580b9199c403b25bf4a8f0a0fddf7e0c940.webp)
arxiv：2401.11305v3 [CS.CR] 2024年10月28日
数字时代的出现和信息超载的出现导致连接设备的大幅增加，从而产生了大量通过Internet传输的数据[8]。通过云基础架构，智能手机，平板电脑，智能手表和健身跟踪器等智能设备的无处不在，使其变得更加复杂。这些设备通常会收集有关用户（包括其位置，活动和环境条件）的广泛上下文信息，这些信息对于旨在预测用户行为和提供人员体验的应用程序至关重要[4，49]。响应这些发展，移动众包已经成为关键解决方案。此操作涉及个人通过各种数字平台共同贡献数据[36]。诸如流量监控系统之类的应用程序利用众包数据提供实时见解。但是，这些方法还引起了有关数据隐私和未经授权访问敏感信息的风险的重大关注[7，19]。移动数据流量的迅速增加对数据管理和过程构成了重大挑战。边缘计算已被确定为对这些挑战的有希望的解决方案，方法是将数据更接近其来源处理，而不是仅依靠中央服务器。这种方法有助于减轻网络的交通拥堵，但也引入了必须解决的新隐私和安全漏洞[67]。本文探讨了移动众包和边缘计算的交集，并特别强调隐私保护。它突出了整合这些技术以在维持用户隐私的同时提高数据处理效率的潜力。我们概述了有关这些技术及其对隐私的影响的现有研究。我们的目标是为研究人员，从业人员和政策制定者提供必要的见解，以浏览确保隐私的复杂性，同时推进技术能力。此外，我们讨论了减轻与分散数据处理相关的隐私风险的潜在策略，并提出了未来的研究方向，以全面解决这些挑战。
ECNL数字筹款的比较研究... -ECNL.org
数字革命和人工智能（AI）的使用为慈善事业打开了新的视野。数字技术在筹款的整个生命周期中都使用：从促进受益组织或原因，确定目标群体，存储数据，与他们联系并处理捐赠。ai-旨在作为机器学习算法 - 一般来说，自动决策可以帮助筹款人识别并接触特定的受众群体，以与观众有关的特定方式来制作消息传递，通过聊天机器人进行交流，并以成本效益的方式通过跨界进行聊天机器人和跑步活动。后端和Google Analytics（Analytics）允许我们监视点击并打开速率，客户反应以及选择与他们相关的自定义消息。筹款人可以利用新的数字平台，例如机器人鉴定。数百个慈善机构接受Alexa上的语音捐赠。2个投资者仪表板可以长期影响，并有助于驾驶慈善之旅。与金钱有关的新趋势也对筹款也有重大影响。分散的金融3（例如使用加密货币）消除了金融中介机构，并促进了点对点网络。民间社会组织（CSO），例如WWF和联合国儿童基金会4，已经接受比特币捐赠。covid-19大流行进一步扩大了虚拟货币和在线转移的作用。大流行还迫使公民社会组织将离线筹款活动转移到在线世界上。我们已经看到了在线组织盛会晚餐和步行马拉松的鼓舞人心的例子。欧元5。基于捐赠的非投资众筹平台或在线捐赠和数字筹款代表了替代金融科技行业的货币领域，该行业利用包括AI在内的数字技术。2018年全球基于捐赠的众筹市场的规模估计为639 mil。众筹平台除了动员财政资源以获得社会善，通过将项目的支持者与社会创新者直接联系起来，从而有助于更大的透明度和捐助者与受益人的联系
爱尔兰：美食进化之地
亿滋国际是众多在爱尔兰投资的跨国公司之一，其生产基地位于都柏林和克里。这家食品、零食和饮料制造商已投资 1 亿欧元，用于其都柏林巧克力工厂的自动化改造。除了通过安装新技术来支持工厂核心品牌的生产能力外，这项投资还有助于改善基础设施，提高劳动力的技能和人才培养。
HAEM：获得更高质量的分类任务...
在有限的预算下，获得固定的分类任务集的高质量结果是众包中的一个关键问题。应探索引入人工智能模型来补充该过程。然而，现有的方法很少直接解决这个问题；现有的方法是在如何使用嘈杂的众包数据训练人工智能模型的背景下提出的。本文提出了一种更直接的方法来解决在有限的预算下引入人工智能来提高人类工作者在固定数量任务中的结果的问题；我们将人工智能模型视为同事，并汇总人类和人工智能工作者的结果。提出的“人机协同 EM”（HAEM）算法扩展了 Dawid-Skene 模型，将 AI 模型视为同事，并明确计算它们的混淆矩阵以得出更高质量的聚合结果。我们进行了大量的实验，并将 HAEM 与两种方法（MBEM 和 Dawid-Skene 模型）进行了比较。我们发现，在大多数情况下，基于 AI 的 HAEM 比 Dawid-Skene 模型表现出更好的性能，并且当 AI 模型性能不佳时，它表现出比 MBEM 更好的性能。
评估相关推文的可靠性并使用手动和自动方法进行验证以进行洪水风险沟通
摘要：虽然 Twitter 一直被誉为有关灾害事件的最新信息的卓越来源，但推文的可靠性仍然令人担忧。我们之前的出版物提取了包含有关 2013 年科罗拉多州洪水事件及其影响的信息的相关推文。使用相关推文，本研究通过检查文本和图像内容并将其与其他公开可用的数据源进行比较，进一步检查了推文的可靠性（准确性和真实性）。我们实施了文本信息的手动识别和图像的自动（Google Cloud Vision、应用程序编程接口 (API)）提取，以平衡准确的信息验证和高效的处理时间。结果表明，文本和图像都包含有关受损/被洪水淹没的道路/街道的有用信息。当足够多的推文包含地理坐标或位置/场地名称时，这些信息将有助于应急响应协调工作和明智的资源分配。本研究将确定可靠的众包风险信息，以通过更好地利用众包风险通信平台来促进近乎实时的应急响应。
物联网能源服务中的体验质量优化
物联网 (IoT) 是一种使日常物品 (即事物) 能够连接到互联网并交换数据的范例 [1] [2] [3]。物联网设备（如智能手机和可穿戴设备）通常具有增强的功能，包括传感、联网和处理。使用服务范例抽象这些物联网设备的功能可以为交换大量新颖的物联网服务（又名众包物联网服务）提供机会 [4] [5]。例如，物联网设备可以提供 WiFi 热点或无线能源服务来为其他物联网设备充电 [6] [7]。这些众包物联网服务为资源受限的设备提供了一种便捷、经济高效的解决方案，有时甚至是唯一可能的解决方案。我们的重点是物联网设备之间的无线能源共享。能源即服务 (EaaS) 是附近物联网设备之间无线传输能源的抽象 [8]。 EaaS 是一种物联网服务，通过无线方式将能源从能源供应商（例如智能鞋）输送到能源消费者（例如智能手机）。智能纺织品或智能鞋是可以从自然资源（例如体热或身体活动）中收集能源的能源供应商的例子 [9]。例如，佩戴 PowerWalk 收集器可以在以舒适的速度步行一小时后产生能量，为四部智能手机充电 1 。收集到的能量可以作为服务提供给附近的物联网设备。可以通过新开发的“无线”无线充电技术部署能源服务 [10]。目前，包括小米、Energous 和 Cota 在内的多家公司正在开发远距离物联网设备的无线充电技术。例如，Energous 开发了一种可以在 5 米距离内充电高达 3 瓦的设备。众包 EaaS 生态系统是一个动态环境，由聚集在微蜂窝中的供应商和消费者组成。微蜂窝是任何密闭区域，人们
人工智能助力新冠肺炎类疫情评估动员：曲线早期趋平案例研究
摘要：2019 年冠状病毒病 (COVID-19) 大流行的全球爆发暴露了医疗保健和公共卫生对流行病/大流行的准备和规划的脆弱性。除了治疗和免疫的医疗实践外，彻底了解社区传播现象也至关重要，因为相关研究报告称 17.9–30.8% 的确诊病例仍无症状。因此，有效的评估策略对于在短时间内最大限度地增加受检人群至关重要。本文提出了一种人工智能 (AI) 驱动的流行病/大流行移动评估代理动员策略。为此，使用从过去的移动众包感知 (MCS) 活动中获得的数据训练自组织特征图 (SOFM)，以模拟城市多个地区的个人流动模式，从而在最短的时间内用最少的代理最大限度地增加评估人群。通过移动众包感知模拟器对真实街道地图的模拟结果，并考虑最坏情况分析，结果表明，在社区传播风险下，在城市出现第一例确诊病例后的第15天，通过AI驱动的评估中心动员，可以在评估代理随机部署到全城的情况下，将未评估人口规模减少到未评估人口的四分之一。