XiaoMi-AI文件搜索系统
World File Search System胎记
自然
胎记作为种族测试。Bealz 先生最近提出，骶骨区域的蓝色斑块是一种有价值的种族测试。中国人、韩国人、日本人和马来人的孩子身上都有这种胎记。印度人口普查专员 Gait 先生指示，在 1911 年人口普查期间应对此问题进行调查。有关该主题的大量信息可在 CM Webb 先生最近发布的《缅甸人口普查报告》（第一卷，第 281 页及以下）中找到。结果并不具有决定性，目前没有办法提供显示这些胎记流行程度的统计数据。但它们在缅甸广泛发现，似乎“表明人口中存在蒙古人种”。印度医学科学院的外科上尉梅纳德也提出了黑舌症的问题，韦伯先生也调查了舌头上这些黑斑的普遍性（同上，第 86 页），在缅甸的雅利安移民中，这种现象非常罕见，但在德拉威人中却很常见，舌头的色素沉着似乎与皮肤的色素沉着不同。希望印度能进一步关注这个问题，并进行更大规模的调查，以确定这些黑斑的统计发生率。
人工智能和物联网如何彻底改变医疗保健
说到这，在医学和医疗保健领域，最新的人工智能技术的应用正在取得长足进步，尤其是机器学习、深度学习和神经网络。2018 年有一个广为人知的故事，关于一位德国顶尖皮肤科医生向世界各地的医学皮肤癌专家发出挑战：他们能否在诊断历史上潜在的黑色素瘤癌症病例图像时击败他的原型人工智能神经网络系统？这一次，人被机器打败了，在参与的 58 位皮肤科医生中，只有 13 位成功击败算法，正确识别出更多实际的皮肤癌病例，而不是无害的胎记。
生物识别和人工智能偏见
I.背景：物理特征作为生物识别技术 虽然人类拥有许多共同的物理特征，但他们在外表上并不是彼此的复制品。尽管人类各有不同，但共同的特征意味着可以进行比较。通过面部识别某人的能力一直是人类将彼此作为不同个体联系起来的最基本方式之一 [1]。识别某人实际上是人类视觉信息处理的一种形式 [2]。早在古代世界出现镜子之前（大约公元前 5 世纪，希腊人使用手镜梳妆 [3]），对一个人面部的描述总是由另一个人的目光决定，或者充其量是自己对自己在阳光照射的清水中倒影的描述。有些人甚至通过识别额头、鼻子、眼睛、眉毛、耳朵和脸颊上的独特特征，或通过一些明显的标记，如雀斑或胎记，获得昵称。这些都是记住个人的常用方式；不是为了歧视，而只是为了识别。在不超过 250 户的村庄，有可能了解并记住每个人 [4]，特别是考虑到亲属具有相似和家庭特征。今天，我们将这些独特的身体特征称为生物识别 [5]。自 20 世纪初以来，我们一直使用指纹等生物识别技术来表示唯一性（例如，苏格兰场于 1900 年 6 月推出了 Galton-Henry 指纹分类系统 [6]）。到 20 世纪 80 年代中期，美国执法部门已经实现了指纹自动匹配，到 20 世纪 90 年代，已有 500 个自动指纹识别系统 (AFIS) 用于定罪 [7]。AFIS 的实施标志着自动化首次用于交叉检查细节。目前，全球范围内已经使用高分辨率相机收集了数百万个细节信息，而不再使用传统的基于墨水的方法（例如，在印度，世界上最大的生物识别系统 Aadhaar 已系统地收集了超过 10 亿个指纹）。仅国际刑警组织的 AFIS 就拥有来自 17,000 多个犯罪现场标记的 220,000 个指纹记录，每天进行 3,000 次比对 [8]。同样，直到最近二十年，自动面部识别才成为可能并广泛用于各种应用，例如解锁手机、定位失踪人员、减少零售犯罪，甚至跟踪学生和工人出勤情况等 [9]。