XiaoMi-AI文件搜索系统
World File Search System系统定义
设计支持社区福祉的人工智能系统的框架
虽然“人工智能促进福祉”通常是指使用人工智能工具（例如聊天机器人）来支持心理健康和福祉，但本文侧重于使用人工智能研究人员开发的理论来更好地理解如何设计大型系统来增强和支持福祉结果。例如，欧盟委员会将人工智能系统定义为“通过分析环境并采取行动（具有一定程度的自主性）来实现特定目标而表现出智能行为的系统”（2019 年，第 1 页）。更具体地说，一本流行的人工智能教科书将人工智能领域定义为“智能代理的研究和设计”，其中代理是可以被视为通过传感器感知其环境并通过执行器对该环境采取行动的任何东西（Russell 和 Norvig，2022 年）。要使这样的代理被视为智能，它必须具备“选择预期最大化 [a] 绩效指标的行动的能力……如果代理被赋予了明确的“目标函数”，并且它始终采取能够成功最大化其编程目标函数的行动，则该代理被认为更智能”（Russell 和 Norvig，2022 年，第 58 页）。基于这些标准，人工智能系统必须具备感知环境、对环境采取行动、衡量环境中明确目标状态（即绩效指标或目标）的能力
模型还原为分段平滑动力学系统中的光谱子手机
越来越多的需求减少复杂的高维二词系统为简单，低维模型产生了许多不同的还原技术（参见Benner等人。[1]，Rowley和Dawson [2]，Ghadami和Epureanu [3]，Brunton等。[4]，Taira等。[5]和Touzé等。[6]用于最近的评论）。在这里，我们专注于这些方法之一的扩展，频谱亚算物（SSM）还原到分段光滑的机械系统。最初针对Haller和Ponsioen [7]的平滑动力系统定义，主要SSM是最平稳的不变流形，与稳定状态下线性化系统的光谱子空间相切，并且具有相同的尺寸。因此，SSM数学上正式化并扩展了Shaw和Pierre [8，9]和Shaw等人在开创性工作中引入的非线性正常模式（NNM）的最初思想。[10]（有关最近的评论，请参见Mikhlin和Avramov [11]）。每当光谱子空间内的线性频谱与该子空间之外的线性频谱之间，SSM在自主和非自治系统中的存在，唯一性和持久性已得到证明（Haller and Ponsioen [7][12]以及Haro和de la llave [13]）。由最慢的线性模式跨越光谱子空间的主要SSM切线吸引了附近的所有轨迹，因此其内部动力学是一种理想的，数学上合理的非线性降低模型。最近的工作揭示了在𝐶∞
人工智能道德原则
Illumina 致力于通过释放基因组的力量来改善人类健康。这一使命驱动着我们所做的一切，包括我们开发的技术。Illumina 创建并使用人工智能 (AI) 系统来提供行业领先的测序质量、推动数据洞察、提高对与健康和疾病相关的基因组变异的理解并推动基因组科学的发展。我们将 AI 系统定义为包括机器学习、深度学习和预测模型。Illumina 致力于根据适用法律和以下指导原则开发和使用人工智能 (AI)： 透明度 我们开发的 AI 系统力求可解释和可解读。多样性、非歧视和公平性 我们支持 AI 系统整个生命周期的多样性和包容性，并促进高质量、通用的基因组和医疗保健数据集的创建和可访问性。价值驱动设计 我们设计的人工智能系统进一步实现了我们通过释放基因组的力量来改善人类健康的使命，并反映了我们的价值观，包括高标准的科学卓越性和诚信、负责任的数据管理以及我们的隐私原则、行为准则和人权承诺中所述的价值观。问责制 我们为我们开发的人工智能系统创建了明确的用例，并实施了适当的质量控制和安全措施。我们致力于在我们的人工智能系统中建立人工监督点，并为使用或受我们人工智能系统影响的个人和团体提供反馈机会。
基于数字孪生的信息物理系统测试
背景：信息物理系统对测试人员提出了挑战，为安全关键和协作环境带来了复杂性和规模。数字孪生通过与物理系统耦合的数据驱动和基于模拟的模型增强了这些系统，以提供可视化、预测未来状态和通信。由于数字世界和物理世界之间的耦合，数字孪生为信息物理系统测试提供了一个新的视角。 目标：本研究的目的是总结现有的基于数字孪生的测试文献。我们旨在发现新兴的采用领域、这些领域中使用的测试技术并确定未来的研究领域。 方法：我们进行了系统的文献综述，回答了以下研究问题：数字孪生目前用于测试哪些信息物理系统？如何为信息物理系统定义测试预言？在测试环境中，用于数字孪生的白盒、黑盒和灰盒建模技术的分布情况如何？如何定义测试用例以及这会如何影响测试输入？结果：我们通过精心挑选的搜索查询从 480 项研究中发现了 26 项相关研究。这些研究表明，在数字孪生引入行业后，人们开始采用基于数字孪生的测试，并且该技术的可访问性不断提高。测试中使用的预言机就是数字孪生本身，因此依赖于这两个系统
通过多标准决策分析和利益相关者参与来确定可持续能源转变的集成能源系统建模
摘要：本文的目的是提出一个决策支持系统（DSS），以捕获在多个可持续性主题的背景下，国家能源系统向零净净的复杂性。本文提出了一个集成的评估框架，该框架结合了动态系统模型，可持续性指标和多标准决策分析（MCDA）与直接利益相关者的参与。为了说明DSS的使用，论文比较了旨在脱碳的气候变化政策，以使冰岛的公路运输部门脱碳。基于三个主要驱动力的组合，为冰岛能源系统定义了18个场景和替代发展轨迹。这些首先是经济发展（三个案例）；其次，能源效率的变化（两种情况）；最后，三个旨在增加电动汽车份额的气候政策捆绑包。根据综合评估框架的结果，在以下五个可持续性主题中比较气候政策束的性能得分：社会影响；经济发展；环境影响；能源安全；和技术方面。调查结果证实，与传统的技术经济标准相比，将多个可持续性主题应用于首选策略捆绑包中时可能会得出不同的结论。禁止对化石燃料车辆的注册，再加上经济工具，提供了同时达到气候和能源政策目标的最佳脱碳策略。
KI-Engineering – 人工智能系统工程
人工智能 (AI) 和机器学习 (ML) 在许多应用领域都取得了巨大成功。然而，许多成功案例都是在固定不变的基准数据集或模拟环境中取得的。从这些基准环境转移到真实系统时，还需要考虑许多其他因素。可以观察到，人工智能在工业系统中的许多应用在概念验证实施中取得了良好的结果，但并没有转变为长期的生产用途。无论是在科学领域还是在国际标准化领域，都没有一个普遍认可的人工智能定义。然而，[12] 将人工智能系统定义为“为给定的一组人类定义的目标生成内容、预测、建议或决策等输出的工程系统”。我们认为，这样的人工智能系统通常是更大的整体系统的元素（或子系统），人工智能在定义的约束下协助实现其目的。我们假设的系统模型如图 1 所示。整个系统最终投入使用并交付生产。整个系统分解为子系统层次结构，通过接口链接，其中一些子系统可能应用人工智能方法。整个系统的其他子系统示例包括机械和电气部件、传感器、执行器、数据管理和人机界面。此外，基于人工智能的支持系统可以是开发环境的一部分（不作为整个系统的一部分部署到运行中）。这方面的例子是包含机器学习方法、训练算法和模拟环境的训练样本的数据库。根据 Simon Ramo 的说法，系统工程考虑“整体设计与部分设计的区别” [5]。我们认为这种整体方法尚未应用于人工智能工程
Scarlet Spacehawks RMC 2021 系统工程...
1 - 简介 1 1.1 团队介绍 1 1.2 为何使用系统工程 1 2 - 系统工程 1 2.1 - 阶段 A 前：概念研究 1 2.1.1 任务概述 1 2.1.2 任务声明 1 2.1.3 利益相关者 2 2.1.4 设计理念 2 2.1.5 设计优化标准 2 2.1.6 系统要求 2 2.1.7 概念研究 3 2.1.8 设计更新和新元素 3 2.1.9 任务概念评审 (MCR) 3 2.2 - 阶段 A：概念开发 3 2.2.1 系统层次结构 3 2.2.2 作战概念 3 2.2.3 系统要求和定义评审 (SRR 和 SDR) 4 2.2.3.1 系统定义评审 (SDR) 4 2.2.3.2 系统要求评审 (SRR) 4 2.3 - 阶段 B：初步设计 4 2.3.1 电气 4 2.3.2 机械 5 2.3.2.1 移动性 5 2.3.2.2 框架 5 2.3.2.3 挖掘 5 2.3.2.4 收集 6 2.3.3 软件与自主性 6 2.3.4.1 自主性 6 2.3.4.2 控制 6 2.3.4.3 控制中心 7 2.3.5 初步设计审查 (PDR) 7 2.4 - 阶段 C：最终设计和制造 7 2.4.1 电气 7 2.4.2 机械 8 2.4.2.1 移动性和框架 8 2.4.2.2 挖掘机 8 2.4.2.3 收集 8 2.4.3 软件与自主性 9 2.4.3.1 自主性9 2.4.3.2 控件 10 2.4.3.3 控制中心 10 2.4.4 接口 11 2.4.4.1 电气 11 2.4.4.2 机械 11 2.4.4.3 软件 11 2.4.5 关键设计评审 (CDR) 12 2.4.6 制造 12 2.5 - 阶段 D：系统组装、集成、测试 12 2.5.1 组装和集成 12 2.5.1.1 电气 12 2.5.1.2 机械 12 2.5.1.3 软件 12 2.5.2 测试 13 2.5.2.1 电气 13
国家核安全管理局...
通过提供众多武器组件和系统来有效地支持多个武器现代化计划。ntess迅速解决了NNSA生产地点的利率生产问题，以使B61-12准时交付给美国空军（USAF）。ntess完成了所有W88更改（ALT）370硬件的计划生产生产生产。ntess成功执行了W93第2阶段的开发活动，包括领导和托管客户需求交换以审查和验证利益相关者计划的要求。ntess成功要求的W80-1组件，避免了大约1000万美元（M）的成本。ntess完成了B83计划的所有核心监视和技术基础研究，包括提前计划的额外的会计年度（FY）测试。为支持数字化转型，NTESS领导了整个核安全企业（NSE）的基于模型的系统工程功能的开发和实施。ntess超出了发展，成熟和应用创新策略和技术来维持强大库存的期望。ntess并未按计划按计划提供组件/系统定义和硬件，从而延迟了其他站点的产品实现活动，尽管正在努力恢复计划时间表。ntess错过了一个关键的射击组装组件（FSA）设计要求，直到生产准备工作后期，就会在堪萨斯城国家安全校园延迟时间表延迟。
欧洲人工智能法案
• 确保重点关注最广泛和最严重的社会损害可能发生的地方，特别是在有关人工智能系统定义、人工智能价值链中不同参与者之间的责任分配、确定禁止行为的标准以及高风险系统分类的提案中。• 使用人工智能高级专家组提出的定义，重点关注表现出智能行为并采取一定程度自主行动的人工智能系统。目前提出的“人工智能系统”定义过于宽泛。• 完善高风险人工智能的拟议分类规则，以确保与附件二中的行业立法保持一致。AIA 应仅在存在明显监管差距的领域监管高风险人工智能应用。• 重新评估和明确人工智能价值链中不同参与者的责任，以确保将义务分配给能够确保合规的参与者。• 确保拟议的合规框架是相称且灵活的。• 确保欧盟在人工智能方面的标准化活动与国际努力保持一致。• 支持和嵌入沙盒方案的使用，并制定完善的标准，以确保企业（尤其是中小企业）能够有效访问。支持受控实验以评估（尚未预见的）风险并找出潜在的法律障碍和不一致之处。• 支持并促进国家和欧盟层面相关监管机构之间的有效合作，以防止出现不同的意见、解释和决定以及内部市场的分裂。
改善医疗保险急性后护理转型法案...
第 1 节：简称 第 2 节：急性后数据的标准化 标准化评估数据的要求。修改《社会保障法》（SSA）第 XVIII 条，添加新的第 1899B 节。要求急性后护理（PAC）提供者报告标准化患者评估数据，并要求 PAC 提供者报告标准化质量指标和资源使用指标。要求部长修改 PAC 评估工具，以允许提交标准化患者评估数据，并允许在所有此类提供者之间比较此类数据。PAC 提供者的定义。将 PAC 提供者定义为：1) 家庭健康机构 (HHA)；2) 专业护理机构 (SNF)；3) 住院康复机构 (IRF)；和 4) 长期护理医院 (LTCH)。PAC 评估工具的定义。将 PAC 评估工具定义为：1) 结果和评估信息集 (OASIS)；2) 最小数据集 (MDS)； 3) IRF 患者评估工具 (IRF-PAI)；和 4) LTCH 连续性评估和记录评估 (LTCH-CARE)。适用报告条款的定义。将适用的 PAC 报告条款定义为：1) HHA 质量报告计划；2) 新要求的 SNF 质量报告计划；3) IRF 质量报告计划；和 4) LTCH 质量报告计划。适用 PAC 支付系统的定义。将适用的 PAC 支付系统定义为：1) HHA 预付费系统 (PPS)；2) SNF PPS；3) IRF PPS；和 4) LTCH PPS。标准化 Pa