XiaoMi-AI文件搜索系统
World File Search System能以
最准确的人工智能就是最好的队友吗？优化人工智能以促进团队合作
AI 从业者通常致力于开发最精确的系统，并隐含地假设 AI 系统将自主运行。然而在实践中，AI 系统通常用于为从刑事司法和金融到医疗保健等领域的人们提供建议。在这种 AI 建议的决策中，人类和机器组成一个团队，其中人类负责做出最终决策。但最准确的 AI 是最好的队友吗？我们认为“不一定”——可预测的性能可能值得稍微牺牲 AI 的准确性。相反，我们认为 AI 系统应该以以人为本的方式进行训练，直接针对团队表现进行优化。我们针对一种特定类型的人机合作研究了这一提议，其中人类监督者选择接受 AI 建议或自己解决任务。为了优化此设置下的团队绩效，我们最大化团队的预期效用，以最终决策的质量、验证成本以及人员和机器的个体准确性来表示。我们对现实世界的高风险数据集进行的线性和非线性模型实验表明，最准确的人工智能可能不会带来最高的团队绩效，并通过提高跨数据集的预期团队效用，显示了在训练期间对团队合作进行建模的好处，同时考虑到人类技能和错误成本等参数。我们讨论了当前优化方法的缺点，超出了对数损失等经过充分研究的损失函数，并鼓励未来研究由人机协作激发的人工智能优化问题。
评估STI功能以满足优先可持续发展目标
在本政策摘要中，采用了一种部门方法来评估可用的STI功能和差距，以促进优先可持续发展目标的实现，包括目标1、2、3、4、6、8和9。根据优先的可持续发展目标，在情境分析中关注的部门包括农业，工业，健康，教育和水和卫生和卫生以及增强的STI4SDG成果的互联链接。对于正在考虑的每个部门，对背景进行了分析，以提出发展挑战和STI差距。研究中采用的方法和数据收集技术包括台式研究，访谈，专家小组讨论（EGD）和在线调查。对加纳路线图的可持续发展目标的优先级是国家指导委员会（NSC），其中包括相关部门部和主要利益相关者的代表是加纳的STI4SDGS Roadmap的发展。NSC由环境，科学，技术与创新部（MESTI）和总统职位的可持续发展目标顾问共同主持。在NSC的主持下，
j节案例研究系列：建筑立面建筑立面性能以及对HVAC设计和建筑能源的影响
气候区域2和6使用能量仿真软件包IES ，使用初步2019节J修订模拟工作中使用的办公室建筑几何形状。建模结果表明，改变玻璃系统和建筑立面属性对不同气候区域的建筑物的影响有所不同。在像布里斯班这样温暖的潮湿气候（气候区2）中，热舒适性会以较差的玻璃表现降低，但是像墨尔本这样的凉爽气候（6号气候区）可能会在构建FACADE SOLARARARARANANASE时会增加，尽管在绝对的情况下会考虑到非常小的热舒适度。该观察结果并不能说明气候变化引起的全球变暖。但是，无论气候区域如何，都可以得出的一致结论是：
迈向机器人和人工智能以预防 Covid 19 大流行
2019 年底，中国武汉发现首例不明原因肺炎病例 [1]。高通量测序显示，这是一种新的严重急性呼吸综合征 β 冠状病毒 (SARS-CoV2) 和一种新型冠状病毒疾病 (COVID-19) [2]。截至 2020 年 4 月，COVID-19 的迅速蔓延已影响到 200 多个国家，实验室确诊病例超过 900000 例（中国、美国、西班牙和意大利的数量很高）。自世界卫生组织 (WHO) 宣布大流行以来，全球经济和社会生活受到严重威胁 [3, 4]。为了保持疾病管理的社会距离而设置的屏障尤其影响了旅行。这些设施中使用的传统措施不足加剧了医疗危机，并帮助 COVID-19 从国家流行病学阶段演变为可怕的国际大流行。病毒如何能在数月内席卷全球？如果不是，那么不同国家的疾病严重程度有何不同？主要因素是安全措施！ 20 世纪 20 年代末的西班牙流感夺去了 5000 多万人的生命。幸运的是，通过应用当今先进的技术，我们可以避免如此巨大的损失。
可解释的人工智能以及解释的哲学和实践 Kieron O'Hara
摘要：将解释的性质和法律结合起来，论证了人工智能系统输出的计算账户不能单独作为人工智能决策的解释。GDPR 第 22(3) 条规定了此项调查的重要背景。本文从科学哲学的角度探讨了解释是什么的问题 - 即它问的不是在法律术语中什么算作解释，也不是人工智能系统可以使用出处元数据计算什么，而是作为一种社会实践的解释是什么，认为解释是一种言外之意行为，应该被视为一个过程，而不是一个文本。因此，它无法计算，尽管人工智能系统的计算账户可能是解释过程的重要输入。
基于CSP的新功能以及针对运动图像EEG分类
摘要：常见的空间模式（CSP）是基于运动图像的大脑计算机接口（BCI）中一种非常有效的特征提取方法，但其性能取决于最佳频段的选择。尽管已经提出了许多研究工作来改善CSP，但其中大多数工作都有大量计算成本和长期提取时间的问题。在本文中提出了基于CSP的三种新功能提取方法，并在本文中提出了一种基于非convex日志正规化的新功能选择方法。首先，EEG信号在空间上被CSP滤过，然后提出了三种新的特征提取方法。我们分别将它们称为CSP小波，CSP-WPD和CSP-FB。用于CSP小波和CSP-WPD，离散小波变换（DWT）或小波数据包分解（WPD）用于分解空间滤波的信号，然后将波浪系数的能量和标准偏差作为特征提取为特征。对于CSP-FB，通过过滤器库（FB）将空间过滤的信号滤光到多个频段中，然后将每个频段的方差的对数提取为特征。其次，提出了一种使用非convex log函数正规的稀疏优化方法，为我们称为log的特征选择，并给出了对数的优化算法。最后，集合学习用于辅助特征选择和分类模型构建。梳理特征提取和特征选择方法，总共获得了三种新的EEG解码方法，即CSP-Wavelet + Log，CSP-WPD + LOG和CSP-FB + LOG。使用四个公共运动图像数据集来验证所提出方法的性能。与现有方法相比，所提出的方法的最高平均分类精度分别为88.86、83.40、81.53和80.83，分别为1-4。CSP-FB的特征提取时间最短。实验结果表明，所提出的方法可以有效地提高分类精度并减少特征提取时间。全面考虑了分类精度和特征提取时间，CSP-FB +日志具有最佳性能，可用于实时BCI系统。
AI 融合：实现分布式人工智能以增强
AI 提供的关键优势之一是人类增强和增强决策支持，这是下面所示的传统“OODA 循环”的一部分。如今，必须花费过多的时间和人工监督来获取、传输、聚合和设计 AI 所需的海量数据集，以确保其准确、有效并弥补不确定性。当这种对数据聚合的关键依赖与边缘的高度动态和机会性通信相结合时，就会产生一个关键的漏洞，对手可以利用这个漏洞来破坏 AI 在多域操作中的影响或可用性——只需拒绝或降低 AI 对在战场各个领域运行的军事平台和传感器上收集或存储的关键数据的访问权即可。
b'one 在某种意义上用 O \xe2\x88\x9a \xf0\x9d\x91\xa1 步量子行走代替经典随机游走的 \xf0\x9d\x91\xa1 步。需要注意的是，量子快进只能以非常小的成功概率产生最终状态。然而，在我们的应用中，它以概率 e \xce\xa9 ( 1 ) 成功。这通过一个富有洞察力的论点表明，该论点根据经典随机游走来解释量子快进的成功概率。也就是说，它对应于经典随机游走从一个随机的未标记顶点开始，在 \xf0\x9d\x91\xa1 步后访问一个标记顶点，但在 \xf0\x9d\x91\xa1 个额外步骤后返回到未标记顶点的概率。我们表明，通过调整游走的插值参数，可以将该概率调整为 e \xce\xa9 ( 1 )。在第 2 节中描述了一些准备工作之后，我们在第 3 节中讨论了算法 1 和主要结果，并在第 4 节中提供了分析的细节。在第 5 节中，我们表明 HT + 和 HT 之间的差距确实可能非常大。我们在 \xf0\x9d\x91\x81 \xc3\x97 \xf0\x9d\x91\x81 网格上构造标记元素的排列，其中 HT + = \xce\xa9 ( \xf0\x9d\x91\x81 2 ) 但 HT = O( \xf0\x9d\x91\x93 ( \xf0\x9d\x91\x81 ))，其中 \xf0\x9d\x91\x93 任意缓慢地增长到无穷大。这表明当有多个标记元素时，Krovi 等人的算法可能严重不理想。原因是他们的算法实际上解决了一个更难的问题：它从限制在标记顶点的平稳分布中采样（在网格的情况下为均匀分布）。因此，当从该分布中采样比仅仅找到一些标记元素困难得多时，他们的算法可能会很慢。在第 6 节中，我们介绍了第二种更简单的新算法，我们推测 2 可以在 O \xe2\x88\x9a' 时间内找到一个标记元素
b'one 在某种意义上用 O \xe2\x88\x9a \xf0\x9d\x91\xa1 步量子行走代替经典随机游走的 \xf0\x9d\x91\xa1 步。需要注意的是，量子快进只能以非常小的成功概率产生最终状态。然而，在我们的应用中，它以概率 e \xce\xa9 ( 1 ) 成功。这通过一个富有洞察力的论点表明，该论点根据经典随机游走来解释量子快进的成功概率。也就是说，它对应于经典随机游走从一个随机的未标记顶点开始，在 \xf0\x9d\x91\xa1 步后访问一个标记顶点，但在 \xf0\x9d\x91\xa1 个额外步骤后返回到未标记顶点的概率。我们表明，通过调整游走的插值参数，可以将该概率调整为 e \xce\xa9 ( 1 )。在第 2 节中描述了一些准备工作之后，我们在第 3 节中讨论了算法 1 和主要结果，并在第 4 节中提供了分析的细节。在第 5 节中，我们表明 HT + 和 HT 之间的差距确实可能非常大。我们在 \xf0\x9d\x91\x81 \xc3\x97 \xf0\x9d\x91\x81 网格上构造标记元素的排列，其中 HT + = \xce\xa9 ( \xf0\x9d\x91\x81 2 ) 但 HT = O( \xf0\x9d\x91\x93 ( \xf0\x9d\x91\x81 ))，其中 \xf0\x9d\x91\x93 任意缓慢地增长到无穷大。这表明当有多个标记元素时，Krovi 等人的算法可能严重不理想。原因是他们的算法实际上解决了一个更难的问题：它从限制在标记顶点的平稳分布中采样（在网格的情况下为均匀分布）。因此，当从该分布中采样比仅仅找到一些标记元素困难得多时，他们的算法可能会很慢。在第 6 节中，我们介绍了第二种更简单的新算法，我们推测 2 可以在 O \xe2\x88\x9a' 时间内找到一个标记元素
如何设计人工智能以造福社会：七个基本因素
摘要 人工智能造福社会（以下简称 AI4SG）的理念正在信息社会，尤其是人工智能社区中逐渐流行起来。它有可能通过开发基于人工智能的解决方案来解决社会问题。然而，到目前为止，人们对人工智能在理论上造福社会的原因、在实践中什么才算是 AI4SG 以及如何在政策方面重现其最初的成功的理解有限。本文通过确定未来 AI4SG 计划必不可少的七个道德因素来解决这一差距。分析得到了 27 个 AI4SG 项目案例的支持。其中一些因素对人工智能来说几乎是全新的，而其他因素的重要性则因人工智能的使用而凸显。从每个因素出发，制定相应的最佳实践，这些最佳实践在考虑背景和平衡的情况下，可以作为初步指导方针，确保精心设计的人工智能更有可能服务于社会利益。
谁需要社会安全号码和个人纳税人识别号？为了合法工作并提交联邦纳税申报表，您、您的配偶以及您打算申请免税的任何受抚养人都必须拥有有效的社会安全号码 (SSN) 或个人纳税人识别号 (ITIN)。虽然所有军人通常都有 SSN，但如果军人最近由于结婚、离婚或任何其他法律原因而更改了其法定姓名，则必须立即通知社会保障管理局其姓名更改，方法是填写社会保障管理局社会保障卡申请表 SS-5 ( http://www.ssa.gov/online/ss-5.pdf ) 或 SS-5-FS ( http://www.ssa.gov/online/ss-5fs.pdf )。注意：只有当您居住在美国境外或代表居住在美国境外的孩子申请号码或卡时，才使用表格 (SS-5-FS)。此外，美国公民、美国公民所生的新生儿、持有美国绿卡的外国人以及获得美国移民归化局许可在美国工作的外籍居民都需要 SSN。属于上述任何类别但没有有效 SSN 的人也必须申请 SSN。纳税人识别号 (ITIN) 申请流程。如果您或您的任何家庭成员拥有或有资格获得美国社会安全号码 SSN，请不要申请 ITIN。ITIN 由美国国税局颁发，仅用于联邦税收目的。一旦您和/或社会保障局确定个人没有资格获得 SSN，他们必须使用美国国税局表格 W-7“申请美国国税局个人纳税人识别号”申请 ITIN。可以从 IRS 网站 @ http://www.irs.gov/pub/irs-pdf/fw7.pdf 下载并获取副本，其中包含所有说明。虽然在许多情况下，ITIN 申请是在提交联邦纳税申报表的同时提出的，但只要所有所需文件齐全，就可以随时完成。通常需要大约 4-6 周的时间才能完成该流程并获得 ITIN 分配。无论何时提出申请，该流程都涉及填写尽可能多的申请表，然后亲自将其带到位于萨利纳斯的 IRS 地区办事处（或任何其他 IRS 办事处），并附上说明中所述的所有所需文件的原件。然后，IRS 将协助您完成申请并将其邮寄出去进行处理。在前往 IRS 办事处之前，请仔细阅读申请表随附的说明，以确保您拥有所有所需文件。在纳税季节开始之前完成此过程并分配 ITIN 特别有益。通过在提交纳税申报表之前分配 ITIN，VITA 税务中心将能够以电子方式提交您的纳税申报表，您将在 7-10 天内收到应得的任何退税。如果在您提交联邦和州纳税申报表的同时申请 ITIN，您的纳税申报表和任何应得的退税将至少延迟 4-6 周，直到分配 ITIN。如果没有 SSN 或 ITIN，联邦和州纳税申报表都不能以电子方式提交，因此它们不是以电子方式提交的，这迫使您提交两者的硬拷贝。这种提交申报表的硬拷贝方法被称为“纸质提交”，比电子提交慢得多。如果在纳税季节申请 ITIN，ITIN 和纳税申报表的处理时间很有可能会超过 4-6 周。延迟的原因是因为纳税申报表被搁置，直到分配 ITIN 之后。然后，一旦分配了 ITIN 并将其添加到纳税申报表中，就会处理纳税申报表。美国国税局强烈鼓励每个人尽可能以电子方式提交纳税申报表，并已公开宣布只有在所有以电子方式提交的纳税申报表之后才会处理纸质纳税申报表。
谁需要社会安全号码和个人纳税人识别号？为了合法工作并提交联邦纳税申报表，您、您的配偶以及您打算申请免税的任何受抚养人都必须拥有有效的社会安全号码 (SSN) 或个人纳税人识别号 (ITIN)。虽然所有军人通常都有 SSN，但如果军人最近由于结婚、离婚或任何其他法律原因而更改了其法定姓名，则必须立即通知社会保障管理局其姓名更改，方法是填写社会保障管理局社会保障卡申请表 SS-5 ( http://www.ssa.gov/online/ss-5.pdf ) 或 SS-5-FS ( http://www.ssa.gov/online/ss-5fs.pdf )。注意：只有当您居住在美国境外或代表居住在美国境外的孩子申请号码或卡时，才使用表格 (SS-5-FS)。此外，美国公民、美国公民所生的新生儿、持有美国绿卡的外国人以及获得美国移民归化局许可在美国工作的外籍居民都需要 SSN。属于上述任何类别但没有有效 SSN 的人也必须申请 SSN。纳税人识别号 (ITIN) 申请流程。如果您或您的任何家庭成员拥有或有资格获得美国社会安全号码 SSN，请不要申请 ITIN。ITIN 由美国国税局颁发，仅用于联邦税收目的。一旦您和/或社会保障局确定个人没有资格获得 SSN，他们必须使用美国国税局表格 W-7“申请美国国税局个人纳税人识别号”申请 ITIN。可以从 IRS 网站 @ http://www.irs.gov/pub/irs-pdf/fw7.pdf 下载并获取副本，其中包含所有说明。虽然在许多情况下，ITIN 申请是在提交联邦纳税申报表的同时提出的，但只要所有所需文件齐全，就可以随时完成。通常需要大约 4-6 周的时间才能完成该流程并获得 ITIN 分配。无论何时提出申请，该流程都涉及填写尽可能多的申请表，然后亲自将其带到位于萨利纳斯的 IRS 地区办事处（或任何其他 IRS 办事处），并附上说明中所述的所有所需文件的原件。然后，IRS 将协助您完成申请并将其邮寄出去进行处理。在前往 IRS 办事处之前，请仔细阅读申请表随附的说明，以确保您拥有所有所需文件。在纳税季节开始之前完成此过程并分配 ITIN 特别有益。通过在提交纳税申报表之前分配 ITIN，VITA 税务中心将能够以电子方式提交您的纳税申报表，您将在 7-10 天内收到应得的任何退税。如果在您提交联邦和州纳税申报表的同时申请 ITIN，您的纳税申报表和任何应得的退税将至少延迟 4-6 周，直到分配 ITIN。如果没有 SSN 或 ITIN，联邦和州纳税申报表都不能以电子方式提交，因此它们不是以电子方式提交的，这迫使您提交两者的硬拷贝。这种硬拷贝提交申报表的方法被称为“纸质提交”，比电子提交慢得多。如果在纳税季节申请 ITIN，ITIN 和纳税申报表的处理时间很有可能会超过 4-6 周。延迟的原因是因为纳税申报表被搁置，直到分配 ITIN 之后。然后，一旦分配了 ITIN 并将其添加到纳税申报表中，就会处理纳税申报表。美国国税局强烈鼓励每个人尽可能以电子方式提交纳税申报表，并已公开宣布只有在所有以电子方式提交的纳税申报表之后才会处理纸质纳税申报表。