XiaoMi-AI文件搜索系统
World File Search System经过训练
用可解释的人工智能为分子着色——...
图神经网络能够解决某些药物发现任务，例如分子特性预测和从头分子生成。然而，这些模型被认为是“黑盒子”和“难以调试”。本研究旨在通过将集成梯度可解释人工智能 (XAI) 方法应用于图神经网络模型来提高合理分子设计的建模透明度。模型经过训练可以预测血浆蛋白结合、心脏钾通道抑制、被动通透性和细胞色素 P450 抑制。所提出的方法突出显示了与已知药效团基序一致的分子特征和结构元素，正确识别了特性悬崖，并提供了对非特异性配体-靶标相互作用的见解。开发的 XAI 方法是完全开源的，可供医生使用在其他临床相关终点上训练新模型。
97 38.人工智能和处理...
然而ChatGPT的出现促进了自然语言处理的发展。例如，其最新版本 GPT-4 与所有以前的 NLP 模型相比，可以生成更加自然、可读性更强的文本。此外，这个聊天机器人还经过训练可以自动完成文本。它被 ChatGPT 用于通讯程序和搜索引擎，使人与人之间的交流和在线搜索必要信息更快、更高效。该模型具有的高级预测技能使搜索引擎能够通过提供更准确的搜索建议来改善用户体验。还值得一提的是，在ChatGPT之前，AI翻译相当不准确。GPT-4 为用户提供更高质量的机器翻译，这在很大程度上要归功于 NLP。ChatGPT 不仅可以准确地将文本从一种语言翻译成另一种语言，而且还考虑到翻译文本的语气和语音的各种细微差别 [3]。
第四次工业革命和数字经济
精准农业。它使用地理信息系统、遥感技术、机器人技术、物联网和大数据等技术，实现精准种植、灌溉和除草。 传感器技术：传感器用于检测环境中的事件或变化，并将实时信息发送到其他电子设备，使生产者能够更有效地耕作，提高农场安全性和产品可追溯性 人工智能：农场周围的传感器向人工智能系统提供实时更新，该系统经过训练可以发送正确的响应，指导农民实现“完美”耕作，如果大规模使用，将产生巨大的效率。 区块链技术将安全透明地跟踪所有类型的交易。每次产品易手时，交易都会被记录下来，从而创建产品从制造到销售的永久历史记录 3D 打印使订单能够按需制造和小批量生产
BIOMRC：生物医学机器阅读数据集...
创建带有人工注释的大型语料库在时间和资源上都是一个艰巨的过程。研究团队通常采用远程监督或无监督方法从文本数据中提取训练示例。在机器阅读理解 (MRC)（Hermann 等人，2015 年）中，可以通过获取多句未标记的段落以及另一小段文本（也未标记，通常是下一句）来自动构建训练实例。然后用占位符替换小段文本的命名实体。在这种情况下，MRC 系统经过训练（并评估其能力）阅读段落和小段文本，并猜测被占位符替换的命名实体，该命名实体通常是段落的命名实体之一。这种问答 (QA) 也称为完形填空题（Taylor，1953 年）。有几个数据集
人工智能发展分析
游戏，有时也称为视频游戏，是一种基于现代技术的游戏形式。游戏是目前地球上的主要产业之一。由于来自世界各地的游戏爱好者数以亿计，甚至数十亿计，因此这个行业非常庞大。游戏可以在 PC、Android 设备或游戏机上离线和在线玩。人工智能也用于视频游戏。人工智能 (AI) 是在计算机系统上实现的人工智能，允许玩家在与其他玩家类似的游戏中与计算机竞争。人工智能，通常称为机器智能，是人类智力的模仿者，经过训练可以像人类一样思考。人工智能是一种使用数据作为知识的技术，以便创建的智能可以改进并从以前的失败中学习。当人工智能被人类使用时，它可以按照人类的命令启动，也可以根据人工智能的经验自行启动。本研究的目的是弄清楚人工智能在游戏行业的发展情况。
生成式人工智能对网络恐怖主义和极端主义影响的思考
大量人工书写的文本。LLM 旨在通过学习在特定上下文中预测下一个单词来流畅地响应用户提示。有了这个目标，它们可以用来生成各种各样的内容，从电子邮件信息和营销文案到有说服力的论点和宣传单张。重要的是，这种流畅性并不代表对内容有深入的理解，而且 LLM 很容易编造东西（这种现象被称为幻觉）。由于 LLM 在训练过程中开发了语言表达的复杂内部表示，因此模型可以对文本输入做出有说服力的响应。这使得 LLM 可以很容易地应用于各种自然语言处理任务，如文本分类、摘要和翻译。LLM 也经过训练并用于多模式任务，例如根据图像撰写故事，公司将继续改进这些模型处理混合输入数据类型的能力。
基于电动物联网的电池监视系统...
摘要 - 由于环境益处，电动汽车（电动汽车）的突出性越来越大，但是监控电池的健康是一个巨大的挑战。因此，本文提出了用于电动汽车的实时电池监控系统，该系统可以测量并跟踪重要参数，例如电压和电流。Arduino Uno与当前和电压传感器集成在一起，以收集数据并将其上传到ThingsPeak Server。基于随机森林和决策树算法的机器学习模型经过训练，以估计电池的健康及其负荷状态（SOC）。此外，还创建了友好的用户网站界面，以显示实时电压，电池健康和警报。这种整体方法可确保更好地管理电池，确保安全并降低运营成本。索引条款 - 物联网，电动汽车电池，电网，充电状态，消息队列遥测运输（MQTT），电池管理系统。
![arxiv：2404.10760v1 [CS.CV] 2024年4月16日](/simg/7\70d947aa8f66b82096ce4a7550447a2d8add3f1e.webp)
arxiv：2404.10760v1 [CS.CV] 2024年4月16日
抽象异常检测（AD）通常集中于检测用于工业质量检查和医疗病变检查的异常区域。然而，由于特定的方案目标，AD的数据量表相对较小，与经典视觉任务（例如对象检测和语义分割）相比，评估指标仍然不足。为了填补这些空白，这项工作首先通过将可可扩展到广告字段来构建一个大规模和通用可可AD数据集。这可以在此挑战性的基准中对不同方法进行公平的评估和可持续发展。此外，当前的指标（例如AU-ROC）几乎在简单的数据集上达到饱和，该数据集对不同方法进行了全面评估。受到分割领域的指标的启发，我们提出了几个更实用的阈值依赖性AD特异性指标，即M f 1。2。8，MACC。 2。 8，miou。 2。 8和miou-max。 是由GAN反演高质量重建能力的促进的，我们提出了一个简单但功能更强大的Invad框架，以实现高质量的效果重建。 我们的方法改善了对流行的MVTEC AD，VISA和我们新提出的可可AD数据集的基于重建的方法的有效方法，在多类无监督的设置下，只有一个单个检测模型经过训练以检测不同类别的异常。 广泛的消融实验证明了我们入侵的每个组成部分的有效性。 完整的代码和模型可在https://github.com/zhangzjn/ader上找到。8，MACC。2。8，miou。2。8和miou-max。是由GAN反演高质量重建能力的促进的，我们提出了一个简单但功能更强大的Invad框架，以实现高质量的效果重建。我们的方法改善了对流行的MVTEC AD，VISA和我们新提出的可可AD数据集的基于重建的方法的有效方法，在多类无监督的设置下，只有一个单个检测模型经过训练以检测不同类别的异常。广泛的消融实验证明了我们入侵的每个组成部分的有效性。完整的代码和模型可在https://github.com/zhangzjn/ader上找到。
人工智能和生物安全：治理的必要性
这些人工智能模型经过训练，或者能够对大量生物数据进行有效操控，其进步可能会给人类带来巨大福祉，从加快药物和疫苗设计到提高农作物产量（13）。但与任何强大的新技术一样，这种生物模型也会带来相当大的风险。由于其通用性，能够设计良性病毒载体进行基因治疗的生物模型也可以用来设计一种能够逃避疫苗诱导免疫的更具致病性的病毒（4）。开发人员自愿承诺评估生物模型的潜在危险能力，这很有意义也很重要，但不能孤立存在。我们建议包括美国在内的各国政府通过立法并制定强制性规则，以防止先进的生物模型严重造成大规模危害，例如产生能够引发重大流行病甚至大流行病的新型或增强型病原体。
法律信息法典：将人工智能与人类结合起来的法律信息学方法
摘要 — 人工智能 (AI) 能力正在迅速发展。功能强大的 AI 可能会带来截然不同的未来，具体取决于其开发和部署方式。我们无法以可靠地指导 AI 行为的方式指定人类目标和社会价值观。除了非常有限的一组状态-动作-值之外，指定 AI 在特定世界状态下采取特定行动的可取性（价值）是非常困难的。机器学习的目的是针对一组状态进行训练，并让生成的代理概括出在未遇到的情况下选择高价值行动的能力。不可避免的是，在训练期间将价值归因于代理行为的函数是对人类价值观的不完整封装，并且训练过程是对所有可能的未来相关状态的稀疏探索。因此，经过训练后，AI 会部署在人类偏好领域的粗略地图上，并且通常会选择与我们偏好的路径不一致的行动。