XiaoMi-AI文件搜索系统
World File Search System负面
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
评估脑损伤患者的负面归因
Angelle M. Sander，博士 临床神经心理学和康复心理学部副教授兼主任 贝勒医学院和哈里斯医疗系统物理医学和康复系，德克萨斯州休斯顿 TIRR 纪念赫尔曼脑损伤研究中心高级科学家兼主任
技术对学生和教育者的负面影响
Findings ....................................................................................................................................... 21
利用雌激素剥夺的脱靶影响使雌激素受体负面乳腺癌对免疫杀害
抽象背景有雌激素受体（ER）+，孕酮受体（PR）+和HER2+乳腺癌的高效治疗策略。但是，对于被诊断为三阴性乳腺癌的妇女中的10％ - 15％的靶向治疗策略有限。在这里，我们假设靶向药物的ER会诱导表型变化，以使乳腺肿瘤细胞对免疫介导的杀戮敏感，无论其ER状态如何。进行了实时细胞分析，流式细胞仪，QRT-PCR，蛋白质印迹和多重RNA分析，以表征ER+和ER-乳腺癌细胞，并询问ER靶向药物的表型效应。通过他莫昔芬代谢产物4-羟基莫昔芬（4-OHT）和输卵剂的乳腺癌细胞对免疫细胞杀死的敏感性，是通过体外健康抑制天然杀伤细胞111释放内杀死测定方法来确定的。进行了一项合成性肿瘤研究，以在体内验证这些发现。用他莫昔芬代谢产物4- OHT或Fulvestrant进行预处理的结果导致ER+和ER-乳腺癌细胞的自然杀伤（NK）介导的细胞裂解增加。通过4-OHT处理的ER+和ER-细胞的多重RNA分析分析，我们确定了凋亡和死亡受体信号传导途径的激活增加，并确定了G蛋白偶联受体的雌激素（GPR30）参与度是一种假定的机制，是一种用于免疫开发的机制。使用特定的GPR30激动剂G-1，我们证明了靶向GPR30信号传导的靶向激活导致NK细胞杀死增加。此外，我们表明GPR30的敲低抑制了4-OHT和拟驱动介导的NK细胞杀伤的增加，这表明这取决于GPR30的表达。此外，我们证明了这种机制在4-OHT耐药的MCF7细胞系中保持活跃，表明即使在具有抗ER+肿瘤的患者群体中，对他莫昔芬的细胞毒性作用有抗性，4-OHT治疗也会使它们敏感它们对免疫介导的杀害。此外，我们发现肿瘤细胞的过饱和预处理与IL-15超级飞机N-803治疗NK细胞的处理协同，并使肿瘤细胞敏感到靶向高亲和力天然杀伤剂（T-Hank）细胞的编程死亡凸起1（PD-L1）。最后，我们证明了荧光动物和N-803的组合有效地在体内三阴性乳腺癌。
BRCA1 假基因通过抑制先天免疫防御机制负面调节抗肿瘤反应
摘要 ◥ 先天免疫防御机制在抗肿瘤反应中起着关键作用。最近的证据表明，抗病毒先天免疫不仅受外源性非自身 RNA 调节，还受宿主衍生的假基因 RNA 调节。越来越多的证据还表明假基因作为基因表达调节剂或免疫调节剂的生物学作用。在这里，我们报告了 BRCA1 肿瘤抑制基因的假基因 BRCA1P1 在调节乳腺癌细胞先天免疫防御机制中的重要作用。BRCA1P1 通过发散转录在乳腺癌细胞中表达长链非编码 RNA (lncRNA)。与正常乳腺组织相比，乳腺肿瘤中 lncRNA-BRCA1P1 的表达增加。BRCA1P1 的消耗会诱导抗病毒防御样程序，包括乳腺癌细胞中抗病毒基因的表达。此外，缺乏 BRCA1P1 的癌细胞通过刺激细胞因子和诱导细胞凋亡来模拟病毒感染的细胞。因此，BRCA1P1 的消耗会增加宿主的先天免疫反应
Sandhya Saisubramanian、Shannon C. Roberts 和 Shlomo Zilberstein。2021 年。了解用户对负面态度
[1] Dario Amodei、Chris Olah、Jacob Steinhardt、Paul Christiano、John Schulman 和 Dan Mané。2016 年。《人工智能安全中的具体问题》。CoRR abs/1606.06565 (2016)。[2] Berkeley J. Dietvorst、Joseph P. Simmons 和 Cade Massey。2015 年。《算法厌恶：人们在发现算法有错误后会错误地避开它们》。《实验心理学杂志：综合》144, 1 (2015)，114。[3] Berkeley J. Dietvorst、Joseph P. Simmons 和 Cade Massey。2018 年。《克服算法厌恶：如果人们可以（即使稍微）修改算法，他们也会使用不完美的算法》。《管理科学》64, 3 (2018)，1155–1170。 [4] Julie S. Downs、Mandy B. Holbrook、Steve Sheng 和 Lorrie Faith Cranor。2010 年。您的参与者是否在玩弄系统？筛查 Mechanical Turk 工人。在 SIGCHI 计算机系统人为因素会议论文集上。2399–2402。[5] Jodi Forlizzi 和 Carl DiSalvo。2006 年。家庭环境中的服务机器人：对家用 Roomba 吸尘器的研究。在第一届 ACM SIGCHI/SIGART 人机交互会议论文集上。[6] Dylan Hadfield-Menell、Smitha Milli、Pieter Abbeel、Stuart J. Russell 和 Anca Dragan。2017 年。逆向奖励设计。在神经信息处理系统的发展中。[7] Bill Hibbard。2012 年。避免意外的 AI 行为。在国际通用人工智能会议上。Springer，107–116。[8] Lynn M. Hulse、Hui Xie 和 Edwin R. Galea。2018 年。对自动驾驶汽车的看法：与道路使用者的关系、风险、性别和年龄。安全科学 102（2018 年），1–13。[9] Rafal Kocielnik、Saleema Amershi 和 Paul N. Bennett。2019 年。您会接受不完美的人工智能吗？探索调整人工智能系统最终用户期望的设计。在 CHI 计算系统人为因素会议论文集上。[10] Moritz Körber。2018 年。衡量对自动化信任的理论考虑和问卷的开发。在国际人体工程学协会大会上。Springer，13–30。 [11] Victoria Krakovna、Laurent Orseau、Miljan Martic 和 Shane Legg。2019 年。使用逐步相对可达性惩罚副作用。在 AI 安全研讨会 IJCAI 中。[12] Victoria Krakovna、Laurent Orseau、Richard Ngo、Miljan Martic 和 Shane Legg。2020 年。通过考虑未来任务来避免副作用。在第 20 届神经信息处理系统会议论文集上。[13] Miltos Kyriakidis、Riender Happee 和 Joost CF de Winter。2015 年。公众对自动驾驶的看法：对 5000 名受访者的国际问卷调查结果。交通研究 F 部分：交通心理学和行为 32（2015 年），127–140。 [14] Ramya Ramakrishnan、Ece Kamar、Debadeepta Dey、Julie Shah 和 Eric Horvitz。2018 年。《发现强化学习中的盲点》。《第 17 届自主代理和多代理系统国际会议论文集》。[15] Stuart Russell。2017 年。《可证明有益的人工智能》。《指数生命，下一步》（2017 年）。[16] Sandhya Saisubramanian、Ece Kamar 和 Shlomo Zilberstein。2020 年。一种减轻负面影响的多目标方法。在第 29 届国际人工智能联合会议论文集上。[17] Sandhya Saisubramanian 和 Shlomo Zilberstein。2021 年。通过环境塑造减轻负面影响。在第 20 届自主代理和多智能体系统国际会议论文集上。[18] Sandhya Saisubramanian、Shlomo Zilberstein 和 Ece Kamar。2020 年。避免因对人工智能系统知识不完整而产生的负面影响。CoRR abs/2008.12146 (2020)。[19] Rohin Shah、Dmitrii Krasheninnikov、Jordan Alexander、Pieter Abbeel 和 Anca Dragan。 2019. 世界状态中的隐含偏好。第七届国际学习表征会议论文集。[20] Alexander Matt Turner、Dylan Hadfield-Menell 和 Prasad Tadepalli。2020. 通过可实现效用保存实现保守代理。AAAI/ACM 人工智能、伦理与社会会议论文集。[21] Ming Yin、Jennifer Wortman Vaughan 和 Hanna Wallach。2019. 理解准确度对机器学习模型信任的影响。CHI 计算系统人为因素会议论文集。[22] Shun Zhang、Edmund H. Durfee 和 Satinder P. Singh。2018. 分解马尔可夫决策过程中对副作用的 Minimax-Regret 查询以实现安全最优。在第 27 届国际人工智能联合会议论文集上。
研究文章通过负面和正面激励来调节人工智能发展
人工智能 (AI) 领域正处于一个被寄予厚望的时期，这在研究、商业和政策方面引发了一定程度的焦虑。人工智能竞赛的叙事进一步加剧了这种焦虑，让人们相信他们可能会错失良机。无论是否真实，相信这种叙事可能是有害的，因为一些利益相关者会觉得有必要在安全预防措施上偷工减料，或者为了“获胜”而忽视社会后果。从一个描述获胜者比其他人获得显著利益的广泛技术竞赛（如人工智能进步、专利竞赛、制药技术）的基线模型开始，我们在此研究积极（奖励）和消极（惩罚）激励措施如何对结果产生有益影响。我们发现，在某些情况下，惩罚要么能够降低不安全参与者的发展速度，要么能够通过过度监管来减少创新。或者，我们表明，在几种情况下，奖励那些遵守安全措施的人可能会提高发展速度，同时确保安全的选择。此外，在后一种制度下，奖励不会像惩罚那样受到过度监管问题的影响。总体而言，我们的研究结果为在平稳和突然的技术转变背景下最适合提高安全合规性的监管行动的性质和种类提供了宝贵的见解。
中度到重度创伤性脑损伤和健康衰老的负面神经可塑性，以及
2.3 Results ....................................................................................................................................................... 29
我们的环境战略致力于通过规划和创新将负面影响降至最低
简介 ContourGlobal 是一家多元化、高增长的发电公司。我们的使命是开发、收购和运营全球发电业务，通过更好的运营创造经济和社会价值，并使我们工作的社区因我们的存在而变得更好。自 2005 年成立以来，我们已发展成为一家国际知名公司，在 18 个国家/地区运营 4,833 兆瓦电力。我们的 107 项运营资产组合技术多样，我们的运营是一流的，得益于我们全球团队的深厚专业知识。我们在一些极具挑战性的国家/地区开展业务，并致力于为世界上许多电气化率低于 50% 的地区提供安全、可靠和低成本的电力。我们还将包括可再生能源在内的新形式的发电带入以前几乎没有或根本没有可再生电力来源的市场。
将基因组编辑生物作为转基因生物进行监管会对农业、社会和经济产生负面影响
7 月 25 日，欧洲法院 (ECJ) 裁定，通过 CRISPR 等现代诱变方式获得的生物体不属于欧盟转基因立法的豁免范围。因此，基因组编辑生物体必须遵守欧盟转基因立法的严格条件。这与法院总检察长在今年 1 月发表的意见形成了鲜明对比，该意见建议作出相反的裁决。我们对法院纯粹基于过程的立法解释感到遗憾，并得出结论，欧盟转基因立法没有正确反映当前的科学知识状态。通过精准育种进行简单和有针对性的基因组编辑且不含有外来基因的生物体至少与通过传统育种技术衍生的生物体一样安全。因此，我们呼吁所有欧洲当局迅速对这一裁决作出回应，并修改立法，使含有此类编辑的生物不受《转基因指令》规定的约束，而是属于适用于传统育种品种的监管制度。从长远来看，应彻底修订《转基因指令》，以正确反映生物技术的科学进步。欧洲和全球农业必须变得更加可持续的原因有很多。农业实践给我们的环境带来压力，我们面临着不断增长的人口（到 2050 年估计将增加到 100 亿张嘴要养活），气候变化给农作物带来了越来越大的挑战——2018 年夏季的气候测量强调了这一信息的紧迫性。时间是我们没有的奢侈品。减少农业对环境的影响并使农业适应不断变化的气候势在必行。例如，对快速变化和更恶劣环境更具耐受性的作物对于未来粮食生产方法的成功至关重要。为了应对这样的挑战并有效实现粮食生产目标，我们需要利用所有可用的知识和技术手段，因此也需要新技术，特别是生物技术。该领域的最新突破之一是精准育种，这是一种基于基因组编辑的创新作物育种方法。通过精准育种开发的作物可以帮助农民减少化肥和杀虫剂等投入。精准育种还可以考虑到特定地区的环境因素，使作物适应特定区域。例如拥有抗旱植物意味着无需增加耕地面积就能提高农作物产量。