XiaoMi-AI文件搜索系统
World File Search System设计框架
持续环境跟踪
Randy J. Guliuzza，创造研究所，1806 Royal Lane，达拉斯，TX 75229 美国，rguliuzza@icr.org Phil B. Gaskill，克莱默鱼类科学公司，格雷舍姆，俄勒冈州 摘要 我们基于对 342 篇期刊文章和 67 篇在线报告的研究结果的解读，提出了一个理解生物适应性的新框架，这些文章和报告涉及适应、生物工程和设计，并且假设生物功能最能准确地解释工程原理。我们假设生物体会主动、持续地跟踪环境变量，并通过自我调整来应对不断变化的环境——利用工程原理来约束人类设计的物体如何自我调整以适应变化——从而实现适应。我们将这种假设称为持续环境跟踪 (CET)。CET 是一种基于工程、以生物体为中心的适应性表征。 CET 希望发现生物体通过具有与人类工程跟踪系统类似的元素的系统进行适应，即：输入传感器、选择合适响应的内部逻辑机制和执行响应的执行器。我们通过重新解释研究结果并在工程设计框架内形式化生物适应性得出了这一假设，考虑了：(1) 目标、(2) 约束、(3) 变量和 (4) 与前三个相关的生物系统。文献确实使用
Great Ashby GA2 Masterplan的东北部土地
1。执行总结本报告要求完整的理事会批准大阿什比东北部的战略总体规划框架到完整的理事会。本网站被分配用于理事会通过的本地计划（网站GA2，政策SP18），作为大约600户家庭和支持基础设施的战略地点。本地计划的政策要求为本网站准备总体规划。该网站的总体规划是由与理事会官员和顾问合作的申请人团队生产的。这遵循了批准的指导和程序。大师规划草案受到公众咨询和独立设计审查的约束，以告知最终版本。总体规划为该战略网站的未来计划和开发提供了适当的框架。2。建议2.1。附录A的Great Ashby（本地计划网站GA2）土地的战略总体规划框架被批准并通过作为与该网站有关的相关规划决策的重大规划考虑。3。建议3.1的原因。设定一个商定的设计框架，以在理事会通过的地方计划中提供战略地点。符合当地计划的政策要求。4。替代选项被认为是4.1。官员认为，战略总体规划框架（以下简称“总体规划”）已根据国家和地方政策，指导和建议进行了适当的准备。它是根据理事会的首选方法准备的；本地计划和相关的指导鼓励在战略站点之前为任何计划申请或决策分开准备大师图。
迈向研究工作中能量转移的中间实践
可持续人机交互 (SHCI) 领域将环境问题添加到交互系统的设计中，无论是在制造还是使用过程中 [11]。为了让用户意识到他们的行为对环境的影响，生态反馈界面会感知并提供关于这些行为的相关信息 [6]，例如：消耗的资源、产生的废物或资源状态。然而，Bremer 等人 [2] 指出，SHCI 参与者面临着以个人为中心的方法的局限性和批评，现在正转向影响团体或社区的方法。这样，以实践为导向的方法通过嵌入交互以及专业知识、规范和期望为团体和社区提供了设计框架 [1]。这种方法可以应用于能源使用问题 [1]。由于可再生能源的可用性是可变的并且没有有效的存储能力，转移能源需求是一种最大限度地利用可再生能源而不是不可再生能源的方法。为了支持住宅用户转移能源使用，Brewer 等人[3] 确定了三个挑战，这些挑战与用户对转变的理解、转变必须发生的时刻的定义以及可再生能源可用性的不可预测性有关。因此，设计转变实践具有挑战性，缺乏方法和流程。尽管无法解决所有实践方面（例如文化或政治），但我们表明，通过任务模型进行建模和分析任务可以通过识别潜在的苛刻任务并跟踪从当前实践任务到未来实践任务的实践转变来改进实践设计过程。
通过强化学习的动态反馈
大型语言模型（LLM）在为增强学习（RL）任务设计奖励功能方面显示出巨大的潜力。但是，获得高质量奖励代码通常涉及人类干预，大量LLM查询或重复的RL培训。为了解决这些问题，我们提出了卡片，即迭代生成和改进奖励功能代码的LLM驱动奖励设计框架。具体来说，卡包括生成和验证代码的编码器，而评估器则提供动态反馈，以指导编码器改进代码，从而消除了对人类反馈的需求。除了过程反馈和轨迹反馈外，我们还引入了轨迹偏好评估（TPE），该评估（TPE）基于轨迹偏好评估当前的奖励函数。如果代码失败了TPE，则评估器会提供偏好反馈，避免在每次迭代时进行RL培训，并使奖励功能与任务目标更好地保持一致。对Meta-World和Maniskill2的经验结果表明，我们的方法在任务性能和令牌效率之间取得了有效的平衡，在所有任务中都优于或匹配基线。在12个任务中的10个任务中，卡表现出与经过专家设计的奖励训练的政策更好或可比的性能，我们的方法甚至超过了3个任务的Oracle。
使用...进行室内产品设计的分布式框架
摘要 —本文提出了一种创新的室内家居产品数字化设计方法，将虚拟现实（VR）技术与智能算法相结合，以提高设计精度和效率。提出了一种结合红鹿优化算法和简单循环单元（SRU）网络的模型来评估和优化设计过程。本研究开发了一个包含关键评估因素的数字设计框架，通过红鹿优化算法优化SRU网络，以在设计应用中实现更高的精度。通过大量实验，使用平均绝对误差（MAE）、均方根误差（RMSE）和平均绝对百分比误差（MAPE）等指标验证了模型的性能。结果表明，RDA-SRU模型优于其他方法，最小MAE为0.133，RMSE为0.02，MAPE为0.015。此外，该模型的 R² 值达到 0.968，最短评估时间为 0.028 秒，展示了其在预测和评估家居产品数字设计应用方面的卓越性能。这些发现表明，VR 与智能算法的结合显著提高了用户体验、可定制性和数字设计流程的整体准确性。这种方法为设计师提供了一个强大的解决方案，可以创建更高效、以用户为中心的家居产品设计，满足客户对沉浸式和交互式设计体验日益增长的需求。
通过裂域 CRISPR-Cas12a gRNA 开关进行序列独立的 RNA 传感和 DNA 靶向
CRISPR 技术越来越需要对核酸酶活性进行时空和剂量控制。一种有前途的策略是将核酸酶活性与细胞的转录状态联系起来，通过设计引导 RNA (gRNA) 使其仅在与“触发”RNA 复合后发挥作用。然而，标准的 gRNA 开关设计不允许独立选择触发和引导序列，从而限制了 gRNA 开关的应用。在这里，我们展示了 Cas12a gRNA 开关的模块化设计，它可以将这些序列的选择分离。Cas12a gRNA 的 5' 端融合到两个不同且不重叠的结构域：一个与 gRNA 重复碱基配对，阻止 Cas12a 识别所需的发夹结构的形成；另一个与 RNA 触发物杂交，刺激 gRNA 重复的重新折叠和随后的 gRNA 依赖性的 Cas12a 活性。使用无细胞转录翻译系统和大肠杆菌，我们表明设计的 gRNA 开关可以响应不同的触发因素并靶向不同的 DNA 序列。调节传感域的长度和组成会改变 gRNA 开关的性能。最后，gRNA 开关可以设计为感知仅在特定生长条件下表达的内源性 RNA，从而使 Cas12a 靶向活性依赖于细胞代谢和压力。因此，我们的设计框架进一步使 CRISPR 活性与细胞状态挂钩。
通过裂域 CRISPR–Cas12a gRNA 开关进行序列独立的 RNA 传感和 DNA 靶向
CRISPR 技术越来越需要对核酸酶活性进行时空和剂量控制。一种有前途的策略是将核酸酶活性与细胞的转录状态联系起来，通过设计引导 RNA (gRNA) 使其仅在与“触发”RNA 复合后发挥作用。然而，标准的 gRNA 开关设计不允许独立选择触发和引导序列，从而限制了 gRNA 开关的应用。在这里，我们展示了 Cas12a gRNA 开关的模块化设计，它可以将这些序列的选择分离。Cas12a gRNA 的 5' 端融合到两个不同且不重叠的结构域：一个与 gRNA 重复碱基配对，阻止 Cas12a 识别所需的发夹结构的形成；另一个与 RNA 触发物杂交，刺激 gRNA 重复的重新折叠和随后的 gRNA 依赖性的 Cas12a 活性。使用无细胞转录翻译系统和大肠杆菌，我们表明设计的 gRNA 开关可以响应不同的触发因素并靶向不同的 DNA 序列。调节传感域的长度和组成会改变 gRNA 开关的性能。最后，可以设计 gRNA 开关来感知仅在特定生长条件下表达的内源性 RNA，从而使 Cas12a 靶向活性依赖于细胞代谢和压力。因此，我们的设计框架进一步使 CRISPR 活性与细胞状态挂钩。
建议引用：von Garrel, Joerg；Jahn, Carlos (2022)：面向中小型制造企业实施基于人工智能（服务）商业模式的设计框架，《知识经济杂志》，ISSN 1868-7873，Springer US，第 14 卷，第 3 期，第 3551-3569 页，https://doi.org/10.1007/s13132-022-01003-z
摘要 在全球化的世界中，中小型制造企业（制造业 SME）面临着跟上全球竞争的挑战。尽管人工智能被认为具有从根本上改变整个市场、行业和一般商业活动的潜力，但问题仍然是中小企业如何有效和高效地在其运营中实施人工智能，从而建立潜在的（服务）商业模式。本文的目的是揭示这些系统的创新潜力，并指导中小企业如何使用它们。通过这些资源可以更有效地利用，并可以创建新的商业模式。人工智能很少使用的原因有很多，本文旨在寻求解决方案。结果是一个社会技术框架，允许制造业中小企业为自己建立基于人工智能的（服务）商业模式。
如何向最终用户解释人工智能系统
摘要目的——难以捉摸的机器学习 (ML) 模型越来越多地成为信息系统的一部分。了解这些模型的行为方式以及它们的输出基于什么，对开发人员来说都是一个挑战，更不用说非技术最终用户了。设计/方法/方法——作者通过系统的文献综述研究如何向最终用户解释人工智能系统及其决策。结果——作者对文献的综合表明，人工智能系统与最终用户的通信有五个高级目标：(1) 可理解性、(2) 可信度、(3) 透明度、(4) 可控性和 (5) 公平性。作者提出了几项设计建议，例如提供个性化和按需解释，并专注于关键功能的可解释性，而不是旨在解释整个系统。人工智能系统解释存在多种权衡，没有一种适合所有情况的最佳解决方案。研究的局限性/含义——基于综合，作者提供了一个向最终用户解释人工智能系统的设计框架。本研究通过提出如何使人工智能系统更易于理解、公平、可信、可控和透明的指导方针，为人工智能治理工作做出了贡献。原创性/价值——这篇文献综述汇集了有关人工智能系统通信和面向最终用户的可解释人工智能 (XAI) 的文献。基于该主题的先前学术文献，它提供了综合见解、设计建议和未来研究议程。关键词可解释人工智能、解释性人工智能、XAI、机器学习、人机交互、最终用户、文献综述、系统文献综述论文类型研究论文
我们该如何在人工智能世界中设计学习？
计算能力和人工智能 (AI) 算法的快速改进使我们能够自动做出影响我们日常生活和推动工作场所转型的重要决策。据预测，许多人将发现自己没有准备好应对某些行业日益由人工智能带来的高度变化和不确定性。一个关键的教育挑战是弄清楚如何支持年轻一代发展他们适应和创新人工智能世界所需的能力。本文认为，教育者和学习者不仅应该参与学习，还应该参与人工智能世界的共同设计学习。此外，他们应该共同探索可以帮助人们塑造未来人工智能场景的知识、目标和行动，并学会应对高度不确定性。本文的主要贡献是对人工智能世界中的学习设计的重新概念化，探索教育设计的问题空间，并说明教育工作者和学习者如何共同努力重新构想人工智能世界中的教育未来。作为这个问题空间的一部分，本文讨论了基础哲学（能力方法和价值创造）、高级教学法（强调共同创造）、教学策略（推测性教学法）和教学策略（人工智能场景）。然后，它提出了一个设计框架（ACAD）来支持教育工作者和学习者关于人工智能世界中学习设计的讨论。这种参与式设计方法旨在让人们意识到教育意味着什么、对谁来说意味着什么以及使用人工智能学习会是什么样子，它强调教育工作者和学习者积极参与共同设计他们想要的未来，帮助塑造人工智能世界中的学习和生活。