摘要:虽然 Twitter 一直被誉为有关灾害事件的最新信息的卓越来源,但推文的可靠性仍然令人担忧。我们之前的出版物提取了包含有关 2013 年科罗拉多州洪水事件及其影响的信息的相关推文。使用相关推文,本研究通过检查文本和图像内容并将其与其他公开可用的数据源进行比较,进一步检查了推文的可靠性(准确性和真实性)。我们实施了文本信息的手动识别和图像的自动(Google Cloud Vision、应用程序编程接口 (API))提取,以平衡准确的信息验证和高效的处理时间。结果表明,文本和图像都包含有关受损/被洪水淹没的道路/街道的有用信息。当足够多的推文包含地理坐标或位置/场地名称时,这些信息将有助于应急响应协调工作和明智的资源分配。本研究将确定可靠的众包风险信息,以通过更好地利用众包风险通信平台来促进近乎实时的应急响应。
近年来,循环经济被誉为不可持续生产系统的一种有前途的替代方案。通过比较两种不同的循环概念,即循环经济和生态循环,这两个概念分别在2010年代和1990年代的瑞典获得了政治发展势头,本文展示了责任、政治、限制、空间和可持续性问题,甚至圆圈本身的形状在千禧年间是如何变化的。基于对两份关于这两个概念的政策报告的话语分析,我们发现了对循环的强解释和弱解释。循环经济所代表的弱循环大概是没有限制的。二次资源只能补充日益增长的一次资源开采,而循环的责任则从国家转移到个人和企业家。弱循环排除了社会责任,并且往往会强化不平等的权力关系。另一方面,在循环概念化程度较高的情况下,生产者和国家有责任根据公平分配资源的原则,创建一个封闭的、规模和空间有限的物质循环。根据这些发现,人们呼吁寻找其他的循环方向,这些方向更面向全球、更具社会包容性。
• 香港科技园公司于 3 月 3 日至 7 日加入国际创新及科技局 (ITIB) 率领的具有里程碑意义的代表团,前往中东主要创新中心,从利雅得的 LEAP 2024 拉开帷幕,然后前往迪拜和阿布扎比 香港科技园公司与阿卜杜勒阿齐兹国王科技城 (KACST) 签署谅解备忘录,加强香港和沙特阿拉伯两个新兴生态系统之间的合作与创新 • 两大生态系统的专业知识、资源和对推进健康科技的承诺的融合,为变革性突破提供了无限可能性 (香港,2024 年 3 月 5 日)— 香港科技园公司(HKSTP)与创新、技术及工业局 (ITIB) 和香港数码港(数码港)一起,组成具有里程碑意义的代表团前往中东的第一站。香港科技园公司携手八家园区公司,首先亮相在沙特阿拉伯利雅得举行的被誉为全球最大科技盛会的 LEAP 2024,肩负着号召各个生态系统中的创新者,跟上全球颠覆性创新和技术 (I&T) 速度的使命。
近十年来,工业自动化发展迅速,如今,它拥有了一个耀眼的标签——工业 4.0,或第四次工业革命。它包括哪些趋势?答案几乎让地球上的每一位工程师都满意——工业 4.0 涵盖了自动化领域几乎所有重大的近期发展。它包括大量互联的物联网 (IoT) 设备,以人工检查无法实现的方式监控机器和结构的健康状况,从而实现高效的预测性维护。它包括将观察、分析、计算和控制分散到联网基础设施的最边缘,从而显著提高计算控制周期的效率。它涉及从不同的数据流中得出新相关性的能力,从而产生复杂的分析机制。它依靠强大的云引擎在后台同时、静默地处理数据流,而边缘的传感器和设备则与前台的环境进行智能交互。虽然大部分技术进步都是渐进式的,但企业适应的速度使得这场运动被誉为一场新革命,紧随第三次工业革命——二十世纪末数字时代的名称。
人工智能(AI)是计算机科学的一个分支,其目标是使计算机智能化。这些“智能”活动包括思考、推理、从环境中接收刺激并做出反应、解决难题、说话和理解语言等。约翰·麦卡锡(John McCarthy)于 1954 年在达特茅斯(Dartmouth)举行的计算机会议上创造了“人工智能”一词,表明其目标是实现与人类水平的智能相当的数字。20 世纪 70 年代,人工智能进入了一个低产时期,被称为“人工智能寒冬”。在此期间,人工智能的科学活动,尤其是商业活动急剧下降。1997 年,IBM 的“深蓝”人工智能程序战胜了当时的世界象棋冠军,这可能被誉为人工智能的最大成就。人工智能的另一项伟大成就是 IBM 的 Watson 在 2011 年战胜了世界 Jeopardy 冠军。本章简要概述了人工智能如何历经起起伏伏,发展到如今的水平,以及我们预计未来几十年人工智能的发展方向。
摘要 人工智能 (AI) 被誉为第四次工业革命,其对人们生活的影响日益加深。医学领域对人工智能应用的研究正在迅速发展。这场革命有望实现更精确的诊断、简化的工作流程、提高医疗服务的可及性,并对不断增长的全民数据集提供新的见解。虽然一些应用已经进入当代患者护理领域,但我们仍处于医学领域人工智能时代的早期。尽管这些新技术很受欢迎,但许多从业者对人工智能方法、其优点和缺陷缺乏了解。本综述旨在提供有关机器学习 (ML) 一般概念的信息,特别关注此类技术在心血管医学中的应用。它还阐述了与人工智能医学应用相关的研究的当前趋势。随着新的可能性出现,新的威胁也随之出现——承认和理解它们与理解 ML 方法本身一样重要。因此,还要注意关于人工智能工具的验证和安全性的当前意见和指南。 (Cardiol J 2021;28,3:460–472)关键词:机器学习、人工智能、心脏病学
近年来,人工智能 (AI) 与医疗保健的融合被誉为革命性力量,尤其是在癌症检测领域。头条新闻宣称 AI 系统在识别肿瘤方面的表现优于人类放射科医生,并预示着未来癌症诊断将更快、更准确、更普遍。然而,当我们站在这场由 AI 驱动的医疗革命的风口浪尖时,至关重要的是要看清炒作背后的真相,并解决一个重大挑战:AI 驱动的癌症检测系统中的偏见。AI 技术越来越多地用于从乳房 X 光检查、CT 扫描图像或活检图像中识别早期癌症。深度学习算法的应用范围正在不断扩大,新方法在癌症筛查、诊断、风险预测、预后、治疗策略、反应评估和随访方面表现出了卓越的能力 [1]。这些进步为早期发现癌症、改善治疗决策和计划以及降低发病率和死亡率带来了希望。
电网是生产、传输和分配电力的关键,对经济和社会发展至关重要。其核心作用在于空间分配电力[1, 2, 3, 4]。尽管被誉为 20 世纪最重要的工程壮举之一 [5] 并受到消费者的高度依赖,但目前的电力输送方式却十分死板。当今的输送系统由各种输电和配电网络组成,通过集中发电站向消费者提供电力 [6]。然而,这个庞大而复杂的系统很难满足对实时、可重构和自适应功能日益增长的需求。由于缺乏在当今动态环境中至关重要的自动自我校正功能,其持续运行很大程度上取决于人为干预 [7]。虽然这些系统正在不断改进,但为了满足对智能系统日益增长的需求,彻底改造基础设施是必不可少的。智能电网 (SG) 的出现预示着电力输送的范式转变。SG 集成了现代电信和传感技术,以增强电力输送策略 [8]。与传统的单向电网不同,SG 引入了双向框架,促进了双向流动
摘要 — 神经形态计算被誉为现有和新兴数据处理应用的游戏规则改变者。朝着这个方向,人工神经网络实现已成为研究的重点。将神经网络推进到光学领域具有多种优势,例如在飞行时间推理延迟下具有高数据吞吐量。本研究提出了相干突触互连作为通往无滤波器神经网络的途径,具有更高的路由灵活性。实验研究并评估了具有集成称重功能的相干突触受体,用于 1 GHz 130 ps 宽尖峰序列。通过使用光学注入锁定本地振荡器来实现零差检测,同时利用其相位和共积分光电二极管的响应度在接收传入的光尖峰时实现可调权重。此外,还显示了检测权重的符号切换,支持将突触分配扩展到波长和时间维度的可行性。索引词——光信号检测、神经网络硬件、电吸收调制激光器、神经形态学
可靠性是一个流行概念,多年来一直被誉为一个人或一个产品的值得称赞的属性。它的起源可以追溯到 1816 年,比大多数人想象的要早得多。“可靠性”一词最早由诗人塞缪尔·泰勒·柯尔律治 [17] 创造。在统计学中,可靠性是一组测量或测量仪器的一致性,通常用于描述测试。可靠性与随机误差成反比 [18]。在心理学中,可靠性是指测量的一致性。如果我们反复得到相同的结果,则测试被认为是可靠的。例如,如果测试旨在测量某种特征(例如内向),那么每次对受试者进行测试时,结果应该大致相同 [19]。因此,在第二次世界大战之前,可靠性一词的含义是可信赖性或可重复性。其现代用法由美国军方在 20 世纪 40 年代重新定义,并演变至今。它最初的含义是产品能够按预期运行。当前含义包含一系列附加属性,涵盖产品、服务应用程序、软件包或人类活动。这些属性现在渗透到当今技术密集型世界的方方面面。让我们来回顾一下“可靠性”一词从早期到现在的发展历程。