XiaoMi-AI文件搜索系统
World File Search System福利金
维护计划手册
作为牙科计划的成员，如果您遭受牙科创伤、牙科紧急情况或被诊断出患有口腔癌，您将有资格向全球牙科紧急援助计划请求援助。该计划完全自行决定是否响应此类请求。这意味着，虽然该计划旨在在大多数情况下提供福利，但该计划没有义务提供任何福利，除非计划经理（被任命管理该计划的人）首先决定（全权酌情决定）该计划应该提供福利。在某些情况下，该计划不旨在提供帮助（这些情况类似于保险单下的排除条款），这些情况在全球牙科紧急援助计划手册中有更详细的说明。计划经理将单独审查每个案例以评估福利请求。如果您的援助请求被接受，可能会适用某些限制和约束，并且在某些情况下，计划经理可能会决定不提供福利。如果您的援助请求被计划经理接受，您将有资格在下列情况下从计划中获得福利金（最高限额由计划设定并不时公布）：
社会保障局
按照《社会保障法》第 201(g)(1) 节的规定，向社会保障信托基金支付 46,555,635,000 美元，用于支付管理费用，直至用完：但在本财政年度提供给某个州的任何资金，如果该州在该财政年度没有承担义务，则应返还给财政部：进一步规定，用于根据《社会保障法》第 1110、1115 和 1144 节进行研究和示范的资金不得超过 91,000,000 美元，并且这些资金必须一直可用到 2027 年 9 月 30 日。用于在本财政年度 6 月 15 日之后，根据《社会保障法》第 XVI 章向个人支付福利，以支付本财政年度发生的意外费用，以及可能需要的款项。用于根据《社会保障法》第 XVI 条支付 2026 财政年度第一季度的福利金，金额为 22,100,000,000 美元，在用完之前一直可用。注意：编制预算时尚未颁布 2024 年全年拨款；因此，预算假定该账户根据《2024 年持续拨款法案》和其他延期法案（经修订的公共法 118-15 的 A 部分）运作。2024 年的金额反映了持续决议提供的年度化水平。
Ben Williamson & Rebecca Eynon (2020) 教育、学习、媒体和技术中人工智能的历史线索、缺失环节和未来方向，45：
人工智能已成为日常生活中司空见惯的存在。通过网络获取信息、消费新闻和娱乐、金融市场的表现、监控系统识别个人的方式、司机和行人如何驾驶以及公民如何领取福利金，这些都是人工智能渗透到人类生活、社会机构、文化实践以及政治和经济进程中的无数例子。用于实现人工智能的算法技术的影响是深远的，激发了相当多的时代炒作和希望，以及反乌托邦的恐惧，尽管它们在技术专家的社交网络之外仍然在很大程度上不透明且理解甚少（Rieder 2020）。然而，人工智能的深远社会和伦理影响正变得越来越明显，并成为人们关注的重要对象。人工智能是争议的焦点，例如，工作场所和公共服务的自动化；算法形式的偏见和歧视；不平等和劣势的自动再现；以数据为中心的监控和算法分析制度；无视数据保护和隐私；政治和商业微目标；以及科技公司控制和塑造其所涉足的所有领域和空间的能力，从整个城市和公民群体到特定的集体、个人甚至人体 (Whittaker et al 2018)。人们已经制定了许多道德框架和专业行为准则，试图减轻人工智能在社会中的潜在危险和风险，尽管关于它们对公司的具体影响或这些框架和准则如何保护商业利益的重要争论仍然存在 (Greene, Hoffman & Stark 2019)。
错误控制策略 - 苏格兰社会保障局
背景自 2018 年部长们成立苏格兰社会保障局以来，我们在设计新服务时一直采取确保客户在申请援助之前、期间和之后都能获得清晰的信息、建议和支持的方法。但是，我们承认，有时客户在申请援助或更新索赔时可能会无意中犯错，这可能会导致福利金支付错误。我们将此描述为客户引起的错误。同样，有时我们在处理援助索赔时也会犯错，我们将其描述为官方错误。造成这种情况的一些原因可能是我们员工的人为错误、我们的 IT 系统出现技术问题或其他政府部门（例如工作和养老金部）与我们共享的错误数据。我们预计，在推出新福利或对现有福利进行重大更改时，官方错误的风险会增加。通过审批检查和错误监控，我们发现了改进指导、流程和 IT 系统的机会。鉴于我们的主要目标是在正确的时间向正确的人支付正确的钱，我们已仔细考虑将发生错误的风险降至最低，并快速识别和解决发生错误的地方。此错误策略的目的是提供有关我们打算如何降低错误风险的更多细节。概述 2018 年《社会保障（苏格兰）法案》（以下简称“该法案”）概述了苏格兰部长的义务，以确保个人获得他们有权获得的援助（第 24 条）。它进一步要求他们告知申请援助的人他们必须报告的情况变化；以及应通知变化的方式（第 56(2)(a) 条）。这两项职责都与确保正确支付援助款有关。此外，苏格兰部长发布了《苏格兰公共财政手册》，为苏格兰政府和其他相关机构提供有关如何正确处理和报告公共资金的指导。它需要效率、效力和良好实践。苏格兰社会保障局的公司和商业计划还规定了如何以负责任的方式运营我们的服务，并将有助于最大限度地减少支付错误。苏格兰社会保障局的错误策略旨在符合这些要求，并将通过四个主要领域的有效设计和交付来取得成果——预防、识别、解决和学习。
引用本文：Ben Williamson & Rebecca Eynon (2020)：教育、学习、媒体和技术领域人工智能的历史线索、缺失环节和未来方向，DOI：10.1080/17439884.2020.1798995
人工智能已成为日常生活中司空见惯的事情。通过网络获取信息、消费新闻和娱乐、金融市场的表现、监控系统识别个人的方式、驾驶员和行人如何导航以及公民如何领取福利金，这些只是人工智能渗透到人类生活、社会机构、文化实践以及政治和经济进程中的无数例子。用于实现人工智能的算法技术的影响是深远的，激发了相当多的时代炒作和希望，以及反乌托邦的恐惧，尽管它们在技术专家的社交网络之外仍然很大程度上不透明且理解甚少（Rieder 2020）。然而，人工智能的深刻社会和伦理影响正变得越来越明显，并成为人们关注的重要对象。人工智能是争议的焦点，例如，工作场所和公共服务的自动化；算法形式的偏见和歧视；不平等和劣势的自动再现；以数据为中心的监视和算法分析制度；无视数据保护和隐私；政治和商业微目标定位；以及科技公司控制和塑造其渗透的所有部门和空间的权力，从整个城市和公民群体到特定的集体、个人甚至人体（Whittaker 等人，2018 年）。已经制定了许多道德框架和专业行为准则，试图减轻人工智能在社会中的潜在危险和风险，尽管关于它们对公司的具体影响或这些框架和准则如何保护商业利益的重要争论仍然存在（Greene、Hofferman 和 Stark，2019 年）。目前，人工智能在网络、智能手机、社交媒体和通过互联物体和传感器网络在空间中的实例化的历史比最近一些划时代的说法所暗示的要长得多。人工智能的历史至少可以追溯到 20 世纪 40 年代计算机科学和控制论的诞生。 “人工智能”这一术语本身是在 20 世纪 50 年代中期达特茅斯学院的一个项目和研讨会中提出的。从 20 世纪 60 年代到 90 年代，人工智能经历了一段“寒冬”，其研究和开发首先侧重于对人类推理的编码原理进行模拟，然后侧重于“专家系统”，即基于定义的知识库模拟专家的程序性决策过程。2010 年之后，人工智能逐渐以一种新范式回归，不再是模拟人类智能或可编程专家系统，而是能够通过对大量“大数据”进行分类和关联来学习和做出预测的数据处理系统。计算过程包括数据分析、机器学习、神经网络、深度学习和强化学习是大多数当代人工智能的基础。人工智能可能只是一系列统计、数学、计算和数据科学实践和发展的新的总称，它们各自都有复杂且相互交织的谱系，但它也标志着这些历史脉络的独特联系（Schmidhuber 2019 , 2020 ）。现代人工智能的重点不是创造计算“超级智能”（“强人工智能”），而是理想情况下致力于开发能够从自身经验中学习、适应变化的机器。