XiaoMi-AI文件搜索系统
World File Search System负面效应
欧洲农业的数字化和人工智能
摘要：本文通过应用定性治理分析，分析了农业领域数字化的环境机遇和局限性。农业被认为是数字技术（包括人工智能）的关键应用领域。这主要是因为它面临着重大的可持续性挑战，特别是在实现《巴黎协定》和《生物多样性公约》规定的气候和生物多样性目标以及欧盟环境立法中与水有关的目标方面。本文概述了数字技术在农业领域的可能应用，并对欧盟农业领域数字化相关的法律行为进行了现状分析。研究发现，在这种背景下，建立有关产品责任和产品安全以及数据隐私、数据访问和数据安全的可靠法律框架非常重要。此外，作为农业领域数字创新最重要的资助工具，欧洲共同农业政策的设计应使数字化相关目标与可持续性目标更紧密地联系起来。目前欧盟现行治理并未充分挖掘数字化在环境保护方面的潜力，忽视了可能产生的反弹、转嫁效应等负面效应，因此文章也对欧盟治理的优化提出了建议。
避免自主系统在...
在开放世界中运行的自主系统通常使用其环境不完整的模型。模型不完整是不可避免的，这是由于精确模型规范和有关开放世界环境的数据收集的实际限制。由于模型的有限性，部署时可能会产生负面影响（NSE）。负面效应是对环境对代理作用的不良，未建模的影响。nses在设计时识别出来的挑战性，并且可能影响系统的可靠性，可用性和安全性。我们提出了两种互补的方法来减轻NSE通过：（1）从反馈中学习，以及（2）环境塑造。解决方案通过不同的假设和代理职责来实现目标设置。在从反馈中学习时，代理商将学习与NSE相关的惩罚功能。我们研究了不同反馈机制的效率，包括人类的反馈和自主探索。该问题被称为多目标马尔可夫决策过程，以便优化代理的指定任务优先于减轻NSE。Slack参数表示允许的最大偏差与代理商任务的最佳预期奖励，以减轻NSE。在环境塑造中，我们研究了人类如何帮助代理人，除了提供反馈之外，并利用其更广泛的知识范围来减轻NSE的影响。我们将问题提出为与脱钩目标的人类合作。代理优化其分配的任务，并在其操作过程中可能会产生NSE。人类通过对环境进行适度的重新配置来协助代理，以减轻NSE的影响，而不会影响代理人完成其分配任务的能力。我们提出了一种用于塑造和分析其特性的算法。经验评估证明了在不同环境中缓解NSE的不同方法的贸易。