XiaoMi-AI文件搜索系统
World File Search System越来越快
GAO-21-105298，国防部软件采购
我们在 2021 年 6 月报道称，国防部 (DOD) 计划投资超过 1.8 万亿美元来购买其最昂贵的新武器系统，例如飞机、舰船和卫星。这些系统越来越依赖软件来为作战人员提供所需的能力。与此同时，该部门正在向信息技术 (IT) 系统和能力投入数十亿美元。美国面临的威胁正在以越来越快的速度变化，国防部的适应和响应能力现在取决于其快速开发和部署软件到现场的能力。过去几年来，国防部努力使其武器和 IT 系统的软件开发方法现代化，例如实施法律要求或国防科学委员会和国防创新委员会最近研究建议的改革。然而，我们最近的工作发现，国防部在执行现代软件开发方法和快速向用户交付软件方面仍然面临挑战。1
Sterman - UNPATTI 工业工程学习计划
经济、技术、社会和环境变化的加速要求管理者和决策者以越来越快的速度学习，而与此同时，我们所生活的系统的复杂性也在不断增加。我们现在面临的许多问题都是我们过去行为的意外副作用。我们为解决重要问题而实施的政策常常会失败、使问题恶化或产生新问题。在一个日益复杂的动态世界中，有效的决策和学习要求我们成为系统思考者——扩展我们思维模型的边界，开发工具来理解复杂系统的结构如何创造它们的行为。本书向您介绍了用于分析政策和战略的系统动力学建模，重点是商业和公共政策应用。系统动力学是一种视角和一套概念工具，使我们能够理解复杂系统的结构和动态。系统动力学也是一种严格的建模方法，使我们能够构建复杂系统的正式计算机模拟，并使用它们来设计更有效的政策和组织。这些工具结合起来，使我们能够创造管理飞行
今天赢得未来 - 武装部队部
在不到三十年的时间里，新技术和数字技术已经渗透到我们的社会，甚至渗透到我们日常生活中最细微的时刻。由此得出一个推论：信息流动的速度越来越快，数量也越来越大。冲突也未能逃脱这场即时性的革命。法国军队已经能够预测、整合并适应这一新形势。在这期新刊中，Esprit Défense 将带您沉浸在“信息化协同作战”的核心之中，特别是军备总局 (DGA) 领导的旗舰计划之一。凭借三辆超现代的 Griffon-Jaguar-Serval 装甲车，Scorpion 重新提升了陆军的作战能力。当然是从现代性的角度来说。而且在互连方面也是如此。从前线的士兵到指挥所的军官，地面上不同参与者之间传输的速度和交换的信息量继续不成比例地增长。这一切让我们在与敌人的斗争中赢得了宝贵的几秒钟时间，对于新任军备总代表 Emmanuel Chiva 来说，这是一件值得骄傲的事情。
网络安全和数据安全在数字时代的作用...
信息和技术资产的重要性日益增加 公共和私营企业正在积累大量且不断增长的信息资产，因为个人也在越来越多地创建、收集、共享和使用数据。 11 企业和个人越来越依赖信息和技术资产来提供或采购商品、服务和信息。12 企业 13 和个人 14 也正以越来越快的速度将其信息委托给其他企业或个人。无论是在高收入国家还是发展中国家，个人都在拥抱数字技术。15 发展中国家拥有家用电脑的家庭比例从 2005 年的 15.6% 增长到 2019 年的 36.1%，16 而 2005 年至 2020 年间，全球每 100 人手机用户数增长了三倍，中低收入国家增长了四倍。17 此外，2020 年，全球注册的移动货币账户数量增长了 12.7%，达到 12.1 亿个账户，是预测增长率的两倍。18
软件化基础设施中的量子密钥分发
非对称密码学 (又称公钥密码学) 是我们系统的基石之一：它被广泛用于加密、数字签名和密钥协商算法 (如 RSA [ 1 ]、DSA [ 2 ] 和 ECDH [ 3 ])，而这些算法则嵌入在互联网通信中最广泛使用的协议中 (如 TLS [ 4 ])。这些密码系统依赖于这样的假设：某些问题 (如素数分解和离散对数问题) 在使用传统计算的情况下很难在合理的时间内解决：由于这种“计算”安全性，以及缺乏能够破解它们的有效算法，这些问题被认为是安全的。量子计算利用量子物理学，提供了一个完全不同的环境，并因此能够在多项式时间内解决难题的新算法 (例如，用于素数分解的 Shor 算法 [ 5 ])。目前，量子计算机还不足以对这些密码系统构成真正的威胁，但随着 Google 1 和 IBM 2 等众多贡献者的加入，研究进展越来越快，推动了技术发展。一些算法的破解时间已经进行了讨论 [ 6 ]，结果显示 2048 位 RSA 分解只需 8 小时。需要找到传统密码系统的替代解决方案来克服这一威胁。
揭秘 AI IO 性能
简介 硬件和软件技术来来去去，但工作负载除了速度越来越快之外，并没有发生太大变化——直到人工智能深度学习 (DL) 流行起来。如果有一种新的工作负载正在改变企业 IT，那就是 DL。DL 和支撑它的神经网络从研究实验室中诞生，并迅速跃居过去 30 多年来不断发展的其他人工智能功能的前沿。毫不奇怪，企业组织打算采用 DL 技术来解决以前无法解决的业务问题。生产环境中 DL 的主要领域是计算机视觉、推荐引擎和自然语言处理。然而，生命科学中的许多特定问题（例如）也是使用神经网络解决的。尽管如今人们对 AI DL 训练和推理有了很好的理解，但执行 DL 所需的 IO 活动或带宽仍存在许多误解。本文试图揭开 DL IO 的神秘面纱。在这里，我们将回顾训练和推理的 DL 存储 IO 需求，包括并行处理要求，并将展示一些 DL 训练和推理 IO 示例。
量子比特上的图形：演示量子计算机上的三种图形算法
用于数据库和数据管理的量子计算是一个新兴的研究领域，近年来取得了长足的发展 [35,46]。该领域旨在满足对更复杂的优化方法的需求，这些方法至关重要，因为数据量和复杂性继续以越来越快的速度增长。该领域的主要愿景是未来数据库的优化可能部分在量子计算机上进行。之前的大部分研究集中于利用各种二次无约束二元优化公式来优化关系数据库 [4、11、15、17、25、33、34、36、37、44、45、49、53]。第二种最常见的量子计算方法是用量子机器学习来解决数据库问题 [18、19、47、51、52]。尽管关系数据库中的许多优化问题从根本上来说都是图问题（例如，连接顺序选择），但该领域中图算法的全部功能尚未得到充分研究。为了对量子计算中现有的图算法进行更系统的研究和基准测试，
预防反社会机器人：通往人工智能同理心的途径
人工智能中的一致、情感和同理心 人工智能 (AI) 为我们推荐产品；组织媒体；驾驶飞机、火车和汽车；诊断疾病；为保险定价；回答消费者的问题；照顾老年人；提供治疗；并且日益主宰制造业、战争和股票市场。这一变化正以越来越快的速度发生 (1)。这些人工系统的行为并不总是符合人类的期望或判断。人工智能找到违反直觉的解决方案的能力可能会导致灾难性的漏洞。人工智能可能无法模拟其行为的影响和后果 (2)，即“框架问题”。人们通常很难辨别人工智能是如何“解决”问题的，并且随着问题的规模和复杂性的增加，向人类直观地传达解决方案（可解释的人工智能，XAI）的难度也会增加 (3)。人工智能的目标和行为最好与其创造者的目标和行为保持一致（4、5）。当代研究一致性问题的研究人员强调，需要体现伤害和福祉等价值观（也称为价值规范），并避免过大的副作用和负面激励（也称为容错性）（2）。然而，目前的技术解决方案很少（2、5）。
生态学要义
朱色金刚鹦鹉 这种美丽的鹦鹉生活在中美洲和南美洲的亚热带森林中，包括哥斯达黎加、巴拿马南部以及巴西和秘鲁的亚马逊盆地。它们的寿命为 30 至 50 年，主要以种子和水果为食。这些吵闹的鸟儿的嘎嘎声和尖叫声在整个森林中都能听到很远的地方。朱色金刚鹦鹉因其美丽的羽毛和对人类的亲热方式而成为宠物，因此受到威胁。根据一项国际协议，未经特别许可将它们从野外带走是违法的。然而，许多这种稀有的鹦鹉被非法捕获，从其原生栖息地走私到美国和加拿大，并在黑市上以每只数千美元的价格出售。在它们向北飞行的过程中，许多被走私的鸟因压力和照顾不善而死亡。朱色金刚鹦鹉面临的更严重的威胁是其大部分森林栖息地的砍伐和破碎化，这种现象正在迅速发生，而且速度越来越快。由于这些原因，朱色金刚鹦鹉和许多其他热带鸟类面临灭绝的威胁。
收购研究 - 会议记录摘录
摘要 国防部 (DoD) 及其支持国防工业基地必须以可承受的价格维持我们的长期竞争力。同行对手正在寻求改变国际秩序的现状，以利于自己。为了阻止他们的侵略，国防部必须学会以越来越快的速度和规模创造、采用和调整新技术、创新和能力。这需要开发新的思维模式以及领导力和组织战略，以利用技术发展的指数级速度。本研究是一项相关研究、理论和实践的元研究，旨在更好地理解和阐明国防工业基地未来的挑战，使概念构造、领导风格、文化和运营属性、技术、流程和政策能够帮助提供和维持竞争优势。本研究汇集了一系列经验教训、最佳实践和新兴机会，以在创新生态系统的各个层面开发新的和新颖的运营模式的概念观点。这些模型反映了复杂自适应和预期系统 (CAAS) 思维、持续学习和流程改进、创新管理、先进技术以及领导和管理策略在加速文化变革和转型方面的理论应用。研究结果提供了支持加速研究的概念性观点、视角和思维模型