XiaoMi-AI文件搜索系统
World File Search System设计实现
通过设计实现人工智能伦理的参与式数据中心方法
摘要 基于机器学习技术 (ML) 的数据驱动人工智能 (AI) 已日益成为关键社会领域的推动者。然而，ML 系统的引入往往伴随着不合理、有偏见和歧视的结果，对受影响的个人造成严重后果。因此，近年来，基于价值的设计方法试图通过引起人们对与 AI 系统设计相关的伦理和认知挑战的关注来预测和减轻道德错误行为。本文通过促进和完善价值敏感设计方法系列贡献的见解，提出了一种以数据为中心的参与式 AI 伦理设计方法。该方法为解决 ML 开发项目早期阶段与数据活动相关的认知和伦理问题提供了可行的前景。因此，本文旨在通过强调搭建桥梁的必要性来增强系统开发人员和领域专家对给定数据领域及其与特定实践的相关性的共同理解，从而增加符合道德规范的人工智能设计的机会。
通过高效回收和改进设计实现电池存储关键材料的可持续利用：展望
图 3. 使用再锂化方法直接回收 LIB 阴极。（a）电池循环过程中阴极表面退化的示意图。（b）废阴极中再锂化的图示。（c）废 LiCoO 2 、NCM111 和 NCM523 阴极材料在水热再锂化和短暂退火之前和之后的电化学性能数据。
人工智能和机器学习助力先进生物医学材料设计实现毒性预测
先进材料和纳米材料领域知识的快速发展引发了人们对如何安全、可持续地开发这项新兴技术的最佳方法的讨论，同时又不限制这些进步在材料设计和配方方面带来的巨大潜在益处。[1] 这一领域遇到的首要困难之一是如何组织和利用产生的大量信息，这些信息与这些纳米级材料的性能以及环境和健康与安全 (EHS) 影响有关。纳米技术、机器学习 (ML) 和人工智能 (AI) 是这一领域的一些领先技术；尽管 ML 和 AI 最近在受欢迎程度上超过了纳米技术，但它们在很大程度上是相辅相成的。[2] 我们已经习惯于期待人工智能在广泛应用领域的发展，例如用于送货上门的飞行无人机、交通路线规划和小型机器人协助执行日常家务。我们可能
