XiaoMi-AI文件搜索系统
World File Search System认识论
用于贝叶斯认识论证据评估的人工智能方法
1.Rajkomar A、Oren E、Chen K 等人。利用电子健康记录进行可扩展且准确的深度学习。npj 数字医学。2018；1(1):1 – 10。https://doi.org/10.1038/s41746-018-0029-1。2.Paydar S、Pourahmad S、Azad M 等人。利用人工神经网络建立甲状腺结节恶性风险预测模型。《中东癌症杂志》。2016；7(1):47-52。3.Amato F、López A、Peña-Méndez EM、Va ň hara P、Hampl A、Havel J.医学诊断中的人工神经网络。J Appl Biomed。2013； 11(2):47-58。 https://doi.org/10.2478/v10136-012-0031-x。4.莫赫塔尔 AM.未来医院：业务架构视图。马来医学科学杂志。2017；24(5):1-6。 https://doi.org/10.21315/mjms2017.24.5.1。5.Liu X、Faes L、Kale AU 等人。深度学习与医疗保健专业人员在医学影像检测疾病方面的表现比较：系统评价和荟萃分析。柳叶刀数字健康。2019；1(6):e271-e297。https://doi.org/10.1016/s2589-7500 (19)30123-2。6.Nagendran M、Chen Y、Lovejoy CA 等人。人工智能与临床医生：深度学习研究的设计、报告标准和主张的系统回顾。英国医学杂志。2020；368：m689。https://doi.org/10.1136/bmj.m689。7.Panch T、Pearson-Stuttard J、Greaves F、Atun R. 人工智能：公共健康的机遇和风险。柳叶刀数字健康。2019；1 (1):e13-e14。https://doi.org/10.1016/s2589-7500(19)30002-0。8.Landes J、Osimani B、Poellinger R. 药理学中的因果推理的认识论。欧洲哲学杂志。2018；8(1):3-49。 https://doi.org/10。1007/s13194-017-0169-1。9.Abdin AY、Auker-Howlett D、Landes J、Mulla G、Jacob J、Osimani B.审查机械证据评估者 E-synthesis 和 EBM +：阿莫西林和药物反应伴有嗜酸性粒细胞增多和全身症状 (DRESS) 的案例研究。当前药学设计。2019；25（16）：1866-1880。https://doi.org/10.2174/1381612825666190628160603。10.De Pretis F，Osimani B.药物警戒计算方法的新见解：E-synthesis，一种用于因果评估的贝叶斯框架。国际环境研究公共卫生杂志。11.2019;16(12):1 – 19。https://doi.org/10.3390/ijerph16122221。De Pretis F、Landes J、Osimani B。E-synthesis：药物监测中因果关系评估的贝叶斯框架。Front Pharmacol 。2019；10：1-20。https://doi.org/10.3389/fphar.2019.01317。12。De Pretis F、Peden W、Landes J、Osimani B。药物警戒作为个性化证据。收录于：Beneduce C、Bertolaso M 编辑。个性化医疗正在形成。从生物学到医疗保健的哲学视角。瑞士 Cham：Springer；2021:19 即将出版。13.那不勒斯 RE。学习贝叶斯网络。Prentice Hall 人工智能系列。新泽西州 Upper Saddle River：Pearson Prentice Hall；2004 年。14.Hill AB。环境与疾病：关联还是因果关系？J R Soc Med。2015;108(1):32-37。本文首次发表于 JRSM 第 58 卷第 5 期，1965 年 5 月。https://doi.org/10.1177/ 0141076814562718。15.Mercuri M、Baigrie B、Upshur RE。从证据到建议：GRADE 能帮我们实现目标吗？J Eval Clin Pract 。2018;24(5):1232- 1239。https://doi.org/10.1111/jep.12857。
非人类人道主义：当人工智能的善举变成坏事时 Mirca Madianou 伦敦大学金史密斯学院 2018 年，有超过 1.68 亿人需要人道主义援助，同时有超过 6900 万人成为难民，人道主义部门面临着重大挑战。人工智能 (AI) 应用可以成为人道主义危机的潜在解决方案的提议受到了热烈欢迎。这是“人工智能用于社会公益”大趋势的一部分，也是“数字人道主义”更广泛发展的一部分，“数字人道主义”指的是公共和私营部门为应对人道主义紧急情况而使用数字创新和数据。聊天机器人、声称可以预测未来流行病或人口流动的预测分析和建模以及依赖于采用机器学习算法的先进神经网络的生物识别技术，都是在援助行动中越来越受欢迎的例子。本文建立了一个跨学科框架，将殖民和非殖民理论、人道主义和发展的批判性探究、批判性算法研究以及对人工智能的社会技术理解结合在一起。人道主义在这里被理解为一种复杂的现象：不仅仅是通常定义的“减少痛苦的必要性”（Calhoun，2008），而且是一种行业、一种话语和一种源于 19 世纪和 20 世纪殖民主义的历史现象（Fassin，2012；Lester & Dussart，2014）。人工智能同样是一个多面现象：不仅仅是基于先进计算和机器学习算法的技术创新，而且是一个行业以及关于技术的特定话语。人工智能只能与数据和算法一起理解——这三者是不可分割的，因为人工智能依赖于机器学习算法，而机器学习算法是特定数据集的产物。鉴于“大数据”本质上是不完整的，且具有本体论和认识论的局限性（Crawford & Finn，2014），人工智能应用会重现并可能放大大型数据集中发现的现有偏见（Benjamin，2019；Eubanks，2018；Noble，2018 等）。
非人类人道主义：当人工智能的善举变成坏事时 Mirca Madianou 伦敦大学金史密斯学院 2018 年，有超过 1.68 亿人需要人道主义援助，同时有超过 6900 万人成为难民，人道主义部门面临着重大挑战。人工智能 (AI) 应用可以成为人道主义危机的潜在解决方案的提议受到了热烈欢迎。这是“人工智能用于社会公益”大趋势的一部分，也是“数字人道主义”更广泛发展的一部分，“数字人道主义”指的是公共和私营部门为应对人道主义紧急情况而使用数字创新和数据。聊天机器人、声称可以预测未来流行病或人口流动的预测分析和建模以及依赖于采用机器学习算法的先进神经网络的生物识别技术，都是在援助行动中越来越受欢迎的例子。本文建立了一个跨学科框架，将殖民和非殖民理论、人道主义和发展的批判性探究、批判性算法研究以及对人工智能的社会技术理解结合在一起。人道主义在这里被理解为一种复杂的现象：不仅仅是通常定义的“减少痛苦的必要性”（Calhoun，2008），而且是一种行业、一种话语和一种源于 19 世纪和 20 世纪殖民主义的历史现象（Fassin，2012；Lester & Dussart，2014）。人工智能同样是一个多面现象：不仅仅是基于先进计算和机器学习算法的技术创新，而且是一个行业以及关于技术的特定话语。人工智能只能与数据和算法一起理解——这三者是不可分割的，因为人工智能依赖于机器学习算法，而机器学习算法是特定数据集的产物。鉴于“大数据”本质上是不完整的，且具有本体论和认识论的局限性（Crawford & Finn，2014），人工智能应用会重现并可能放大大型数据集中发现的现有偏见（Benjamin，2019；Eubanks，2018；Noble，2018 等）。
未来的LIS教育和对数字信息环境的全球能力要求的不断发展：认识论概述
在不断发展的以数字为导向的图书馆和/或信息科学（LIS）纪律的背景下，由安德鲁·雅培（Andrew Abbott）的《学科理论》（Andrew Abbott）的混乱理论构建，本文介绍了对全球数字信息环境及其对未来LIS教育的影响的认识论概述。这样做，它借鉴了IFLA BSLISE（建立强大的LIS教育）工作组正在进行的研究的国际案例研究，以开发国际LIS教育评估质量标准的框架，以及一项国家（南非）案例研究，涉及在高度数字化的机构信息环境中汇编LIS能力索引。纪律理论的混乱最初被概念化，以证明社会学科的发展。其纪律和分形区别的核心原理被用作启发式工具，将这两个有目的选择的案例研究与LIS学科的固有性质联系起来，将经验证据连接起来，及其对专业实践的启示对高度数字化的全球信息环境和未来的竞争力的竞争力的意义，以实现专业实践的意义。
边界（重新）建构作为工作场所中人与非人类之间的内部作用 W. David Holford 魁北克大学蒙特利尔分校 本文提出了边界（重新）建构的概念。初始框架将主体通过制定现象塑造对象，正如对象反过来塑造主体的解释和经验一样。以下案例研究介绍强调了仍然存在于这个初始框架中的残余二元性。涉及混合类别和社会物质纠缠的本体论认识论洞察使我们能够随后将边界（重新）建构重新定义为人与物之间的内部作用（而不是相互作用）。有效的知识共享涉及富有成效的内部作用，而这反过来又需要内部作用成员之间的关系参与。这种参与需要管理层的努力，以确保工作场所内的心理安全网。引言 边界对象长期以来一直与实践社区联系在一起。原则上，这些对象是帮助在互动成员之间传递不同观点（即知识共享）的媒介。术语“边界”意味着这些对象位于两个或多个互动成员之间的社会交汇处。过去的研究经常探究边界对象的相对有效性，因此经常提出“关键”对象特征。对于管理者来说，这意味着关注
边界（重新）构建作为工作场所中人类与非人类之间的内部行动 W. David Holford 魁北克大学蒙特利尔分校 本文提出了边界（重新）构建的概念。初始框架描述了主体通过制定现象塑造客体，正如客体塑造主体的解释和经验一样。以下案例研究介绍重点介绍了仍然存在于初始框架中的残余二元性。涉及混合类别和社会物质纠缠的本体论认识论见解使我们能够随后将边界（重新）构建重新定义为人与物之间的内部行动（而不是相互作用）。有效的知识共享涉及富有成效的内部行动，而这反过来又需要内部行动成员之间的关系参与。这种参与需要管理层的参与，以确保工作场所内的心理安全网。简介 边界对象长期以来一直与实践社区相关联。原则上，这些对象是帮助在交互成员之间传递不同观点（即知识共享）的媒介。“边界”一词意味着此类对象位于两个或多个交互成员之间的社会交汇处。过去的研究经常探究边界对象的相对有效性，因此经常提出“关键”对象特征。对于管理者-实践者来说，这意味着关注有形的技术/物理属性。另一方面，本文主张将重点转向更多无形的人为/主观因素。随着这种重视程度的提高，管理层和成员在各自的行为和态度方面的责任也随之增加。为此，我们对边界对象的基本假设（即本体论或存在理论的问题）以及我们如何理解它们（即认识论或知识理论的问题）将受到质疑。在下文中，我们首先回顾了边界对象文献中过去的认识论和本体论立场，以及这些立场有时如何误导我们识别“有效边界对象”条件的重复处方，而这些处方未能充分强调人与物体的相互作用动态。接下来是替代性的认知、认识论和本体论线索，这些线索使我们能够将分析水平转向首先问自己哪些关键的有利条件允许获得有效的知识
战争游戏的认识论
这些复杂性并不能免除人类做出决策的责任——这些决策是艰难的——目的是引导他们的组织在战役中取得成功，无论是在战场还是在五角大楼的大厅里。思想必须事先做好准备，既要有一般的、受过教育的运作方式，也要有对他们所面临的冲突和竞争环境的具体、复杂的理解。这种准备必须以内化有关冲突环境的“有效”知识为前提。获得这种知识的方法有很多：研究历史和理论、实践经验以及接触各种研究和分析的结果。这些发展知识的方法都有自己独特的认识论——正式地说，是一种“知识的性质和基础理论，特别是关于知识的局限性和有效性”，或者更实际地说，是区分错误和真理的规则。战争游戏是一种独特且具有历史意义的工具，几个世纪以来，战士们一直用它来帮助他们了解战争的总体情况和即将发生的具体行动的性质。战争游戏的重要性要求我们认真审视其产生的知识的性质。
战争游戏的认识论
这些复杂性并不能免除人类做出决策的责任——这些决策是艰难的——旨在引导他们的组织在战役中取得成功，无论是在战场上还是在五角大楼的大厅里。思想必须事先做好准备，既要有一般的、受过教育的功能，也要有对他们所面临的冲突和竞争环境的具体、复杂的理解。这种准备必须以内化关于冲突环境的“有效”知识为前提。获得这种知识的方法有很多：研究历史和理论、实践经验以及接触各种研究和分析的结果。这些发展知识的方法都有自己特定的认识论——正式地说，是一种“关于知识的性质和基础的理论，特别是关于知识的局限性和有效性的理论”，或者更实际地说，是区分错误和真理的规则。兵棋推演是一种独特且具有历史意义的工具，几个世纪以来，战士们一直使用它来帮助他们了解战争的总体情况以及即将发生的具体行动的性质。兵棋推演的重要性要求我们认真审视它所产生的知识的性质。
确定性是有性的，可决定性是认识论
哲学话语传统上可以区分本体论和认识论，并通常通过保持两个学科领域的分离来实施这种区别。但是，这两个领域之间的关系对于物理和物理哲学至关重要。例如，许多与测量有关的问题迫使我们考虑我们对国家的知识和系统的知识（认知观点）及其状态及其状态和可观察到的知识，而与此类知识无关（Ontic Perspective）。这特别适用于量子系统。此贡献提出了一个示例，表明即使是经典系统，也要区分上的描述和认知级别的重要性。在稳定性和信息流的各个方面引入并讨论了对附带和偏见状态及其进化的相应概念。这些方面表明了为什么对表现出确定性混乱的系统尤其重要。此外，这种区别提供了对确定论，因果关系，可预测性，随机性和随机性之间关系的一些理解。