XiaoMi-AI文件搜索系统
World File Search System质疑
P＆C保险公司的RBC中的新气候质疑
一般豁免：1。保险公司使用公司间的汇集安排或配额股份安排与美国分支机构，占地100％的地震，飓风和野火风险；或2。被保险价值财产与保单持有人盈余的比率小于50％；或3。美国猫地区地震，飓风和野火覆盖范围的保险价值不到其保单持有人剩余的10％。
贝塔爆发质疑脑机接口的统治力
目前，构建可靠的脑机接口 (BCI) 的努力涵盖了多个方面，从硬件到软件，再到更复杂的实验协议和个性化方法。然而，尽管付出了这些努力，但仍有显著改进的空间。我们认为，一个相当被忽视的方向是将 BCI 协议与基础神经科学的最新进展联系起来。鉴于这些进展，特别是对 beta 频带活动的爆发性特征和 beta 爆发的多样性的描述，我们重新审视了 beta 活动在“左手 vs. 右手”运动想象任务中的作用。目前针对此类任务的解码方法利用了运动想象在感觉运动皮层中产生时间锁定的诱导功率变化这一事实，并依赖于带通滤波功率变化或协方差矩阵，这些矩阵也描述了从不同通道记录的信号中共同变化的功率变化。尽管人们对运动想象过程中 beta 爆发活动的动态知之甚少，但我们假设 beta 爆发的调节方式应该类似于其在执行真实上肢运动时的活动。我们表明，基于 beta 突发调制模式的分类特征产生的解码结果等于或优于多个开放脑电图数据集中通常使用的 beta 功率，从而提供了对这些生物标志物特异性的洞察。
定量分析质疑MECP2作为替代剪接的全球调节剂的作用
meCP2是成熟神经细胞中丰富的蛋白质，它与含甲基化胞嘧啶的DNA序列结合。MECP2基因中的突变引起严重的神经疾病RETT综合征（RTT），引发对基本分子机械性的深入研究。已经提出了多个功能，其中之一涉及剪接中的调节作用。在这里，我们利用高质量转录组数据集的最新可用性来定量探测MECP2对替代剪接的潜在影响。使用可以同时捕获线性和非线性关联的各种机器学习方法，我们表明MECP2级别差异很大，对三种不同系统中的替代剪接具有最小的影响。替代剪接显然也不对DNA甲基化水平的心理变化无动于衷。我们的结果表明，剪接的调节不是MECP2的主要功能。他们还强调了多变量定量分析在制定生物学假设中的重要性。
质疑 AI：为可解释 AI 用户体验提供设计实践
摘要 人们对可解释人工智能 (XAI) 的兴趣激增，导致了大量关于该主题的算法工作。虽然许多人认识到在人工智能系统中加入可解释性特征的必要性，但如何满足现实世界用户对理解人工智能的需求仍然是一个悬而未决的问题。通过采访 20 名从事各种人工智能产品的用户体验和设计从业者，我们试图找出当前 XAI 算法工作与创建可解释人工智能产品的实践之间的差距。为此，我们开发了一个基于算法的 XAI 问题库，其中用户对可解释性的需求以用户可能会问到的关于人工智能的典型问题的形式表示出来，并将其用作研究探索。我们的工作为 XAI 的设计空间提供了见解，为支持该领域的设计实践的努力提供了信息，并确定了未来 XAI 工作的机会。我们还提供了扩展的 XAI 问题库，并讨论了如何使用它来创建以用户为中心的 XAI。
质疑人工智能预测：影响力驱动的第二意见推荐
[1] Gagan Bansal、Besmira Nushi、Ece Kamar、Dan Weld、Walter Lasecki 和 Eric Horvitz。2019 年。人机协作团队向后兼容的案例。ICML 人机协作学习研讨会 (2019)。[2] Gagan Bansal、Tongshuang Wu、Joyce Zhou、Raymond Fok、Besmira Nushi、Ece Kamar、Marco Tulio Ribeiro 和 Daniel Weld。2021 年。整体是否超过部分？人工智能解释对互补团队绩效的影响。在 CHI 计算机系统人为因素会议论文集上。1-16。 [3] Umang Bhatt、Javier Antorán、Yunfeng Zhang、Q Vera Liao、Prasanna Sattigeri、Riccardo Fogliato、Gabrielle Gauthier Melançon、Ranganath Krishnan、Jason Stanley、Omesh Tickoo 等人。2020 年。不确定性作为透明度的一种形式：测量、传达和使用不确定性。arXiv 预印本 arXiv:2011.07586 (2020)。[4] Zana Buçinca、Maja Barbara Malaya 和 Krzysztof Z Gajos。2021 年。信任还是思考：认知强制函数可以减少人工智能辅助决策对人工智能的过度依赖。ACM 人机交互论文集 5，CSCW1 (2021)，1-21。 [5] Rich Caruana、Yin Lou、Johannes Gehrke、Paul Koch、Marc Sturm 和 Noemie Elhadad。2015 年。医疗保健的可理解模型：预测肺炎风险和 30 天内住院率。第 21 届 ACM SIGKDD 国际知识发现和数据挖掘会议论文集。1721–1730。[6] R Dennis Cook。1986 年。局部影响力评估。皇家统计学会杂志：B 系列（方法论）48，2（1986 年），133–155。[7] Maria De-Arteaga、Artur Dubrawski 和 Alexandra Chouldechova。2021 年。利用专家一致性改进算法决策支持。arXiv 预印本 arXiv:2101.09648（2021 年）。 [8] Maria De-Arteaga、Riccardo Fogliato 和 Alexandra Chouldechova。2020 年。《人机交互案例：在存在错误算法评分的情况下做出决策》。2020 年 CHI 计算机系统人为因素会议论文集。1-12。[9] Berkeley J Dietvorst、Joseph P Simmons 和 Cade Massey。2015 年。《算法厌恶：人们在发现算法错误后会错误地避开算法》。《实验心理学杂志：综合》144, 1 (2015)，114。[10] Kelwin Fernandes、Jaime S Cardoso 和 Jessica Fernandes。2017 年。《具有部分可观测性的迁移学习应用于宫颈癌筛查》。《伊比利亚模式识别与图像分析会议》。Springer，243-250。 [11] Yarin Gal 和 Zoubin Ghahramani。2016 年。Dropout 作为贝叶斯近似：表示深度学习中的模型不确定性。在国际机器学习会议 (ICML) 中。1050–1059。[12] Ruijiang Gao、Maytal Saar-Tsechansky、Maria De-Arteaga、Ligong Han、Min Kyung Lee 和 Matthew Lease。2021 年。通过 Bandit 反馈实现人机协作。IJCAI (2021)。[13] Pang Wei Koh 和 Percy Liang。2017 年。通过影响函数理解黑盒预测。在第 34 届国际机器学习会议论文集-第 70 卷中。JMLR。org，1885–1894 年。[14] Himabindu Lakkaraju、Jon Kleinberg、Jure Leskovec、Jens Ludwig 和 Sendhil Mullainathan。2017 年。选择性标签问题：在存在不可观测因素的情况下评估算法预测。第 23 届 ACM SIGKDD 国际知识发现与数据挖掘会议论文集。ACM，275–284。
未来的敌人？质疑新兴科学技术的承诺机制
本社论介绍了专题“未来的敌人？质疑新兴科学技术中的希望制度”的基本思想和内容。它阐明了技术未来的愿景和故事是如何产生的，以及它们如何结合在一起，稳定地形成“希望制度”，塑造了新兴技术科学领域并指导了这些领域的研究、创新和治理。专题放大了特定的说明性实例，揭示了主导希望制度的动态，也揭示了它们是如何崩溃的，在某些情况下是如何被替代制度取代的。本专题的目的是展示希望制度对研究和创新政策的重要性，并激发对替代希望制度及其影响的进一步讨论。
质疑人工智能：为可解释的人工智能用户体验提供设计实践
摘要 人们对可解释人工智能 (XAI) 的兴趣高涨，导致了大量关于该主题的算法工作的出现。虽然许多人认识到在人工智能系统中加入可解释性特征的必要性，但如何满足现实世界用户对理解人工智能的需求仍然是一个悬而未决的问题。通过采访 20 位从事各种人工智能产品的用户体验和设计从业者，我们试图找出当前 XAI 算法工作与创建可解释人工智能产品的实践之间的差距。为此，我们开发了一个算法驱动的 XAI 问题库，其中用户对可解释性的需求以用户可能会问到的有关人工智能的典型问题的形式表示出来，并将其用作研究探针。我们的工作为 XAI 的设计空间提供了见解，为支持该领域的设计实践的努力提供了信息，并确定了未来 XAI 工作的机会。我们还提供了一个扩展的 XAI 问题库，并讨论了如何使用它来创建以用户为中心的 XAI。
有证据质疑肠道菌群在炎症性肠病中的因果作用
1 浙江大学医学院儿童医院肾内科、国家儿童保健临床研究中心，浙江省杭州市 2 福建中医药大学附属第二人民医院、福建省脾胃中医临床医学研究中心，福建省福州市 3 广东省胃肠病研究所、生物医学创新中心、中山大学附属第六医院普通外科（结直肠外科），广东省结直肠盆底疾病重点实验室，广东广州市 4 同济大学医学院上海市第十人民医院消化内科、生命科学与技术学院，上海市
ImageExplorer：多层触摸探索，鼓励人们对不完美的 AI 生成图像标题提出质疑
盲人用户依靠替代文本 (alt-text) 来理解图像；然而，alt-text 经常缺失。AI 生成的字幕是一种更具可扩展性的替代方案，但它们往往会遗漏关键细节或完全不正确，而用户可能仍然会错误地相信这些细节。在这项工作中，我们试图确定如何通过额外的信息帮助用户更好地判断 AI 生成的字幕的正确性。我们开发了 ImageExplorer，这是一个基于触摸的多层图像探索系统，允许用户探索图像的空间布局和信息层次结构，并在一项有 12 名盲人参与者的研究中将其与流行的基于文本 (Facebook) 和基于触摸 (Seeing AI) 的图像探索系统进行了比较。我们发现，探索通常能够成功地激发人们对不完美字幕的怀疑。此外，许多参与者更喜欢 ImageExplorer 的多层次和空间信息呈现，以及 Facebook 的摘要和易用性。最后，我们确定了针对盲人用户的有效且可解释的图像探索系统的设计改进。