XiaoMi-AI文件搜索系统
World File Search System笼统
添加 DSM-5 标准如何提高能量/...
在美国，制定精神障碍分类的最初动力是收集统计信息的需要。第一次正式尝试是 1840 年的人口普查，当时只使用一个类别：“白痴/精神错乱”。多年来，分类变得更加精细。所有类别分类的目的都是根据定义的操作标准进行精神病诊断，对可观察到的行为变化赋予不同的权重，从而实现较高的评分者间信度。 1952 年出版的《精神疾病诊断和统计手册》（DSM）第一版（DSM-I）列举了 106 种精神病诊断，而 1994 年发布的第四版 DSM-IV 已列举了 297 种。然而，在研究 DSM-IV 时发现，它只能正式诊断出不到 50% 的寻求治疗的各种主要精神疾病患者（1）。临床实践中代表严重精神障碍的标准与 DSM-IV 的定义之间明显存在巨大差距，对于躁郁症来说尤其如此。自 DSM-IV 推出以来，持续的讨论确定了诊断躁郁症的几个潜在陷阱。这些缺陷包括：持续时间标准是基于某种共识而非证据，优先考虑其他共病障碍（例如药物滥用），在许多情况下排除了躁郁症的主要诊断，以及任意截断症状数量以满足躁郁症的诊断标准。临床现实是，患者并不总是符合所有的诊断标准，而且缺乏可操作的亚阈值诊断（2）。因此，许多躁郁症患者最终被归为“未另作说明（NOS）”的笼统诊断，缺乏基于证据的治疗指导。除了任意的持续时间标准（尤其是轻躁狂发作的 4 天标准受到合理的批评）之外，DSM-5 试图接近临床现实，但在
博物馆中的人工智能——反思、观点和应用
本卷源自 2022 年 12 月 1 日至 2 日在卡尔斯鲁厄巴登州立博物馆举行的“人工智能文化：博物馆的新视角”会议，并同时在网上直播。人工智能尚未成为文化界的主流话题，但在关于数字化和数字化的一般辩论中确实占有一席之地。然而，与普遍假设相反，机器学习、神经网络和大型语言模型的使用多年来一直在增长。除了著名的灯塔之外，对国际博物馆格局的初步调查列出了数百个通过新方法解决传统博物馆工作和数字化辩论问题的项目。数量不断增加，而且并不总是容易获得所有发展的概览。因此，早在当前对 ChatGPT 的炒作之前，英语和德语的人工智能和博物馆网络就已经建立了——因此，此次会议旨在汇集尽可能多的学科的专家和代表，并就博物馆在这方面的新视角进行讨论。此次会议源于巴登州立博物馆与阿姆斯特丹 Allard Pierson 博物馆以及下萨克森基金会 LINK 资助计划的合作。多年来，我们与 Allard Pierson 一直保持着密切的合作，从联合展览和博物馆营到正在进行的“创意用户赋权”项目，该项目利用人工智能提供新的藏品访问权限，本卷将对此进行更详细的介绍。长期以来，我们与下萨克森基金会的 LINK 项目也进行了密切交流，这促成了德语网络 AI 与博物馆的成立。在这样的背景下，我们携手合作，共同组织这次会议，这是显而易见的一步。我们为本出版物选择了更为笼统的标题“博物馆中的人工智能”，其中还包括其他论文，以提供更广泛的范围；根据副标题，该卷分为三个较大的部分，分别介绍人工智能在博物馆中的反思、观点和应用。最后，我们仍然很高兴表达我们的感激之情：首先，我们必须提到德国联邦政府文化和媒体专员，
SmartLab Studio II
1。引言多晶材料中的晶体纹理（首选方向）对这些材料的性质各向异性具有显着影响。这意味着Crystallites的方向分布或方向分布函数（ODF）的定量描述是材料表征和预测其性质的重要任务。无法直接测量ODF；取而代之的是，可以测量极线（PF）来确定ODF。从测量的PFS重建ODF是定量纹理分析的主要目标。因此，应解决两个问题以获得ODF：从PFS的实验PFS和ODF重建的测量和处理。在X射线衍射技术中，有两种用于PFS测量的基本模式：使用2D检测器（1）的常规模式，具有0D检测器和更高级的模式。虽然使用2D检测器的PF进行测量更为先进，但需要其他工具将检测器的数据转换为PFS。准备PFS时，可以启动ODF重建过程。当前，使用三种方法进行ODF重建：串联扩展方法（3），组件方法（4），（5）和直接方法，例如WIMV（6）或ADC（7）。每种方法都有优势和缺点。系列扩展方法更为笼统，但是它需要大量测量的PF，并且在数值计算中存在一些问题。组件方法将ODF表示为具有明确物理含义的一组模型函数（组件）。此方法最方便地解释和表示结果，但可能需要大量时间来选择组件并拟合其参数。直接方法在旋转空间中使用离散网格上的ODF的数值计算。它们是最简单，最方便的，但不提供ODF的解释。在下一节中，我们将描述SmartLab Studio II的纹理插件，该插件旨在用于数据处理和定量纹理分析。该插件实现了ODF重建的上述两种方法：WIMV和组件方法。两者都可用于所有类型的晶体系统和两种类型的样品对称性（三角骨和正骨）。另外，插件可以使用
大众媒体信息对
大众媒体在塑造人们对所有社会问题的看法中起着至关重要的作用。这是通过大众媒体内容和用于向受众传播信息传播的各种渠道实现的。基于这种关键的影响和主导地位，媒体被认为是对受众群体的享受，一项混合方法研究采用了探索性顺序设计。肯尼亚邦戈马县的Elgon子县。这项研究旨在建立大众媒体信息对目标社区中患者权利产生的看法。许多研究从政策和公共卫生的角度关注患者的权利，而不是通过大众媒体角度进行交流。大规模培养基的议程制定理论和创新理论的扩散指导了研究。分别对定量数据和定性数据分别进行了描述和主题分析。数据是从Kaptama和Chemoge子分离的成年居民那里收集的。在两个子位置的13104名居民中，随机选择了130名成年居民的样本参加该研究。此外，还参与了肯尼亚领先媒体部门的6位关键知情人士和6位从肯尼亚领先的媒体中吸引的卫生记者。数据是借助问卷，采访指南（一个针对政策专家，另一个针对媒体从业者）以及焦点小组讨论时间表收集数据。可信赖性用于验证定性数据，而定量数据通过Cronbach Alpha共计算验证。研究表明，有关患者权利的大众媒体信息过于笼统地关注零星事件，而不是尤其不是患者权利。因此，对该主题传播的信息无法将登记悲观主义的研究受访者的心态转移到大众媒体信息的潜力，以塑造对患者权利的有利看法。记者需要从一般报告中挑出有关患者权利的消息，以提高其知名度，以获得媒体受众的所需感知。
委员会 人工智能 (AI) 应用特别委员会 问题编号 001 参考 2024 年 5 月 21 日 委员会成员 参议员 David Shoebridge
参议员 DAVID POCOCK：您提到了您所做的实验，让您的团队输入意见，然后让人工智能——您是否愿意提交一份关于生成结果差异的摘要？这是您可以做的吗？ Jefferson 先生：我们可以在通知中提供有关该实验结果的更多详细信息。 Longo 先生：我记得，当委员会听取有关此事的汇报时，人工智能给出了我称之为“平淡无奇”的意见摘要。它没有误导，但很平淡。它确实没有抓住意见的内容，而人类能够提取细微差别和实质内容。我认为这不是一个糟糕的总结。 Jefferson 先生：是的。我们主要感兴趣的是，在参议院财政和公共管理参考委员会对咨询公司的调查中，公众提交的意见中提到了 ASIC。我们发现，正如主席所说，一般而言，这些摘要非常笼统，关于如何引用 ASIC 的细微差别并没有在 AI 生成的摘要中体现出来，而 ASIC 员工在做摘要工作时并没有体现出来。 参议员 DAVID POCOCK：是与一家澳大利亚公司合作吗？ Longo 先生：我们自己做的。 Jefferson 先生：我们与位于澳大利亚的 AWS 合作完成了这项工作。我们使用了 Llama 2 大型语言模型，我相信它是 Meta 的产品。 参议员 DAVID POCOCK：AWS 是亚马逊网络服务，您使用了两家美国公司来帮忙？ Jefferson 先生：基本上是的。…… 参议员 SHOEBRIDGE：您是否说过会接受参议员 Pocock 提出的提交报告的请求？您会有一份关于离线 AI 测试的报告。 Jefferson 先生：我们可以提供有关它的更多细节。隆戈先生：我能否向委员会坦诚相待？我会尽可能地坦诚相待，但要遵守公共利益豁免权。参议员 SHOEBRIDGE：我要求提交报告。如果您能注意到它，那么您就可以处理它。隆戈先生：我认为我们可以为委员会提供一些信息，以展示我们做了什么以及从中学到什么。参议员 SHOEBRIDGE：我要求提交报告；这就是我所要求的，我想您会注意到它？隆戈先生：好的。
循环经济指南的CEFLEX设计
灵活的包装服务在消费行业中很大一部分，包括欧洲所有食品的一半，是品牌与消费者交谈并满足法律（消费者信息）和食品安全要求的关键媒介。消费者家庭柔性包装的设计和功能使消费行业的大部分时间到1）在法律上符合消费者信息要求，2）满足食品安全法律要求和3）防止食物浪费。柔性包装已在越来越多的欧盟成员国中收集，分类和回收。此资源有效包装表格的未来不应通过笼统的可回收性定义置于危险之中，即相当一部分消费者功能灵活的包装无法现实地满足。为什么D4ACE指南应该是“访问”行业和立法指南，以评估A4大小以下的消费者灵活包装的“可回收性”？在过去的四年中，CEFLEX利益相关者在开发循环经济（D4ACE）指南的CEFLEX设计方面进行了广泛的合作。现在由170多个CEFLEX参与公司发布和通过，D4ACE指南被认为是“访问”的“访问”行业指南，用于消费者灵活包装1以下A4大小以下。CEFLEX公司已经投资了将其灵活包装组合的大部分部分适应这些准则，并且更多的工作正在继续加速此实施，最终的目标是使灵活的包装真正循环。2020年6月对CEFLEX品牌所有者的调查表明，所有人都在审查其柔性包装组合，用单材料版本代替多材料的柔性包装，并承诺完全可回收，可重复使用，可重复使用或堆肥，到2025年。CEFLEX D4ACE指南呼吁设计和商业化的简单，单材料软件包，同时以轻巧的资源高效软件包维持高价值的功能特性。D4ACE指南的应用可回收性要求柔性塑料包装的功能单元的至少90％是单材料的单材料，该单材料被收集，分类和回收 - 与基本要求的目标一致。
2023 年俄勒冈东部劳动力委员会更新
简介和关于广泛地理数据聚合的注意事项 俄勒冈州东部劳动力区由八个县组成（贝克县、格兰特县、哈尼县、马卢尔县、莫罗县、乌马蒂拉县、尤宁县和瓦洛厄县）。该地区约占该州总面积的 40%，但仅占该州总人口的 4.5%。该地区各县的行业、资源、人口统计和季节性各不相同。例如，瓦洛厄县的几个行业高度依赖旅游业，而莫罗县的就业支柱是制造业，格兰特县则依赖政府就业作为经济基石。由于许多人口中心在地理上孤立，与其他人口中心的经济凝聚力极小，因此了解整个地区的经济健康状况很困难。数据聚合通常会掩盖底层细节，而这些细节对于了解广阔地理区域的健康和功能至关重要。例如，俄勒冈州东部的专业和商业服务业在 2011 年至 2019 年间急剧下滑，减少了 740 个工作岗位，降幅为 19%。实际上，在此期间，Umatilla 县的行业工作岗位大幅减少 1,090 个（-47%），而六个县的行业工作岗位有所增长，Malheur 的行业工作岗位仅减少了 40 个。但是，由于 Umatilla 在该地区的就业份额以及该县的就业岗位流失规模，汇总起来看起来好像该地区的每个县的行业都急剧下滑，但事实并非如此。出于这些原因，对整个劳动力区域的分析无法提供对各个县的经济理解，就像对整个美国的分析无法提供对各个州的经济理解一样。但是，以下分析仍然试图解决整个地区的经济问题，同时也提请大家注意县级细节，这可能有助于减少误解。由于数据汇总过于笼统，而基于汇总的区域报告通常缺乏对底层细节的充分了解，因此像这样一份广泛的区域报告不仅可能提供对经济的不完整理解，而且实际上可能造成对经济的错误理解。因此，建议对八个县中的每一个县进行彻底的经济分析，但这不在本报告的讨论范围内。
识别和分类地球科学领域 AI/ML 中的偏见
过去几年，人工智能 (AI) 和机器学习 (ML) 在地球科学中的应用呈指数级增长。在本文的其余部分，我们将 AI/ML 更笼统地称为 AI。至关重要的是，AI 开发人员必须以合乎道德和负责任的方式创建方法，以免 AI 以可能造成伤害的方式开发和部署。在这项工作中，我们以我们早期的研究 (McGovern 等人，2022) 为基础，该研究展示了 AI 在环境科学和地球科学应用中可能出错的多种方式。在这里，我们特别关注偏见问题，因为它是最近许多关于道德 AI 的工作的关键线索之一（例如，Peng 等人，2021 年；McGovern 等人，2022 年；Balagopalan 等人，2022 年；Almuzaini 等人，2022 年；Buolamwini，2023 年）。偏见被认为是开发合乎道德和负责任的人工智能时必须解决的一个关键问题。它是美国国家标准与技术研究院 (NIST) 在制定可信人工智能标准 (Schwartz 等人，2022 年) 时讨论的关键问题之一，并在新的人工智能行政命令中得到了解决。1 对于地球科学应用而言，考虑偏见相对较新 [参见最近的美国地球物理联盟人工智能指南 (Stall 等人，2023 年)]。有偏见的人工智能模型会以多种方式造成伤害，包括影响人们获得工作、拥有稳定住房等的能力。有关此类影响的示例，请参阅 O'Neil (2016)、Eubanks (2018)、Benjamin (2019) 和 Kantayya (2020)。当带有负面偏见的模型被部署并成为新闻时，它们会削弱公众对人工智能的整体信任。私营企业和政府都已经部署了此类模型。创建和理解值得信赖的人工智能是参与这项工作的每个人的重点，因为他们都是美国国家科学基金会天气、气候和沿海海洋学可信人工智能研究所 (AI2ES) 的成员。我们在这项工作中的总体目标与确保地球科学人工智能值得信赖的目标紧密相关：确保现在开发和部署的模型尽可能没有有害偏见。乍一看，与更广泛的人工智能应用相比，偏见似乎不是地球科学人工智能的问题。最近的研究表明，人工智能可以在气象学、气候、水文学、地震学等各种应用中取得成功
美国金融监管
执行摘要 财务数据可以讲述一个人的故事，包括一个人的“宗教、意识形态、观点和兴趣”1 以及一个人的“政治倾向、所在地等等”。2 由于这些数据的实用性，联邦执法机构越来越多地与金融机构协调，以确保更多地获取美国人的私人财务信息，通常不需要经过法律程序，并使用《银行保密法》等联邦法律来做到这一点。这份中期报告延续了司法委员会及其专门小组委员会对联邦政府武器化在美国金融监控方面的监督。根据非公开文件，本报告揭示了美国人金融隐私的腐朽状态以及联邦政府广泛的、无证的监控计划。在一名举报人披露 2021 年 1 月 6 日事件发生后，美国银行 (BoA) 未经法律程序自愿向联邦调查局 (FBI) 提供了一份当时在华盛顿特区使用 BoA 信用卡或借记卡的所有个人名单后，委员会和特别小组委员会开始对政府主导的金融监控进行调查。3 为了回应这些指控以及 FBI 官员的确凿证词，委员会和特别小组委员会向 BoA 和其他六家国家金融机构索取了关于在未经法律程序的情况下向联邦执法部门提供美国人私人财务信息的文件。4 2024 年 3 月 6 日，委员会和特别小组委员会发布了一份中期报告，揭露联邦执法部门使用“MAGA”和“TRUMP”等笼统的搜索词来针对美国人，甚至将购买宗教文本或枪支视为“极端主义”的指标。 5 该报告详细说明了联邦执法部门如何嘲讽美国公民——将那些反对枪支管制、开放边境、新冠疫情封锁、疫苗强制令和“深层政府”的美国人视为潜在的国内恐怖分子。6 在这些披露之后，委员会和特别小组委员会要求 17 个不同的实体（包括国家银行、众筹网站、货币服务企业和美国财政部）提供更多文件和通信，以进一步审查联邦政府和金融机构的信息共享关系，并确定联邦政府是否滥用其获取美国人敏感财务信息的权限。7 迄今为止，委员会和特别小组委员会已经审查了超过 48,000 页文件，并进行了三次额外的转录采访。
单元计划项目
单元计划项目 作业目的：这是一个机会，让您展示在您的学科领域规划连贯单元和课程的技能。具体来说，您将考虑如何在为期 2 到 3 周（10-15 节课）的单元计划中融入最佳实践、进行修改和评估。 要求： A. 单元组成部分 1. 标题页：为您的单元创建标题 — 表示正在研究的主题，例如“美国体育”。 2. 介绍性陈述：在此陈述中，描述您的单元的目标受众（年龄组、课程背景）。讨论您的单元的基本原理或单元本身对课程的重要性的原因。它应该回答学生的问题“我们为什么必须知道这个？”通过阅读这个陈述，应该能够辨别出主要思想或子主题的大致顺序。 3. 矩阵：制作一个图表或矩阵，列出单元中包含的内容重点、术语、概念、技能和情感学习。 4. 目标：为本单元写出目标，并说明您希望学生学习的内容。这些一般性陈述应描述学生通过参与本单元将获得的知识、技能或态度。 5. 聚焦活动：描述您可能开始本单元的聚焦活动。您如何“吸引”学生？您如何利用他们以前的知识或确定他们已经知道的内容？您如何根据他们的兴趣构建本单元？ 6. 概述：提供显示单元概述的计划 - 一页日历或时间表。这相当笼统。描述本单元每节课的活动（粗略的课程计划或每天的活动列表），并确保解决教学形式（讲座、大型小组讨论、小组工作、学生工作等）。例如，“第一天：介绍神话。大型小组讨论神话是什么以及它们与其他文学类型有何不同。可能的问题……” 7. 课程计划：为每一天制定详细的课程计划，包括当天课程的目标、程序、材料和评估方法。请参阅课程计划讲义以获取帮助。您还必须包含一个部分，展示您可能为班上特殊教育或 ESL 班的学生采用的潜在修改。8. 技术：至少有一节课必须包含技术。9. 材料：在您的单元中包括样本材料（工作表、测试、项目或活动描述等）。例如，如果您将在课程中使用工作表，请包含一个样本。