XiaoMi-AI文件搜索系统
World File Search System跳出
陆军 AL&T 杂志 2022 年冬季版 - DVIDS
替代性采购是指陆军采购人员如何打破疯狂循环，跳出“正常”的联邦采购条例 (FAR) 流程，积极寻求通过使用此类方法来打破这种循环。它们是什么？此类方法是法规中的采购或融资选项，但不属于正常采购流程。例如，还有其他交易授权协议、简化采购程序，这两种合同方法都旨在简化采购流程。随着国防部 5000 系列指令的修订，我们现在有了自适应采购框架及其采购途径，它们基于 FAR，但它们针对军队的六个主要采购类别进行了量身定制。自适应采购框架的中间层路径旨在使用创新技术进行快速原型设计，以便在需求出现后的五年内在运营环境中开发“可部署”原型。或者，快速部署可用于使用经过验证的技术部署新产品或升级产品，在六个月内开始生产，并在五年内完成系统部署。
基于D-Wave Advantage 的量子退火公钥密码攻击算法研究
抽象量子计算对加密安全性提出了令人兴奋但艰巨的挑战。各种量子计算机在攻击RSA方面的进步显然迟钝。与关键技术（例如通用量子计算机上的误差校正代码）所施加的约束相反，D-Wave特殊量子计算机的关键理论和硬件开发的发展显示出稳定的生长轨迹。量子退火是D-WAVE特殊量子计算背后的基本原理。它具有独特的量子隧道效应，可以跳出传统智能算法容易陷入的局部极端。可以将其视为具有全球优化能力的人工智能算法。本文使用纯量子算法和量子退火与经典算法相结合以实现RSA公共密钥加密攻击（分解大型Integer N = PQ），介绍了两种基于量子退火算法的技术方法。一种是将加密攻击的数学方法转换为组合优化问题或指数空间搜索
测量空中风对空中作业的重要性
不准确性和伤害继续在进行空降行动的风险评估中发挥作用，这增加了在静态线操作期间监测空中风的理由。尽管空降界普遍认为高空风速越快，伞兵在着陆时水平漂移越快，但有根据的数据极其有限。2022 年和 2023 年的两起轶事案例凸显了潜在影响，但需要进一步研究才能得出明确结论。在两次空降行动中，空中风速都超过了 25 节，但地面风仍在可容忍范围内。在这两种情况下，六名经验丰富的跳伞者都带着 MC-6 降落伞跳出，这是一种可操纵的伞盖，具有 10 节向前漂移的能力。即使跳伞者采取了适当的降落伞着陆 (PLF) 姿势，他们都迅速向后漂移并以极大的力量着陆。大多数人需要某种形式的医疗救治。如果这些伞兵使用 T-11 降落伞，潜在的伤害可能会更加严重。
夏威夷预科学院能源实验室
在夏威夷预科学院 (HPA) 能源实验室，水资源独立性和弹性具有全新的意义。能源实验室所在的夏威夷大岛的居民敏锐地意识到，他们不仅依赖进口化石燃料来发电，还依赖抽水和净化水。能源实验室主任 Bill Wiecking 希望开发一个自给自足的教育设施，鼓励社区跳出固有思维模式——无论是在水安全方面还是其他方面。项目经理、HPA 校友的父亲 Ken Melrose 是与当地官员合作的完美可靠倡导者。从监管角度来看，与这个以农村为主的岛屿上的法规官员合作既有好处也有障碍：尽管岛上许多自给自足的住宅开发项目为此类项目开创了一些先例，但监管机构不愿改变现有法规以适应仅服务于少数人的项目。然而，该项目最终成功地允许使用一个雨水收集设施和一个由三部分组成的化粪池设施来处理他们的灰水和黑水。
量子退火中的最佳退火方案是什么
在工程（以及其他学科）的许多实际情况下，我们需要解决优化问题：我们想要一个最佳设计，我们想要一个最佳控制，等等。优化的主要问题之一是避免局部最大值（或最小值）。有助于解决此问题的技术之一是退火：每当我们发现自己处于可能的局部最大值时，我们都会以某种概率跳出并继续寻找真正的最优值。组织这种确定性优化的概率扰动的自然方法是使用量子效应。事实证明，量子退火通常比非量子退火效果好得多。量子退火是唯一使用量子效应的商用计算设备——D-Wave 计算机背后的主要技术。量子退火的效率取决于退火计划的正确选择，即描述扰动如何随时间减少的计划。根据经验，已经发现两种计划效果最好：幂律和指数计划。在本文中，我们通过证明这两个时间表确实是最优的（在某种合理的意义上），为这些实证成功提供了理论解释。
存在的软件——信息的无限性
想象一下，跳出你对现实的惯常看法——超越长度、宽度、高度和日常生活中稳定的时间流逝。想象一个由无限的纯信息维度交织而成的无界“程序”。在这幅宏伟的挂毯中，每个可能的“宇宙”、每一套可以想象的物理定律以及任何形式的智能——无论是自然的还是人造的——都已经存在。没有什么真正“开始”或“结束”。相反，所有潜在的配置都嵌入在一个永恒的、结晶的整体中。本文提出了一个框架，在这个框架中，我们熟悉的世界被理解为无限可能性海洋中的一个单一的“连贯岛”。根据这种观点，只有当意识“读取”宇宙代码的局部片段时，诸如“过去”或“未来”之类的传统类别才会出现——从而构建出一种连续事件和一致因果规则的体验。与此同时，该代码的无数其他角落仍然超出我们的直接掌握，形成了具有截然不同甚至难以理解的逻辑的现实。
利用生成式人工智能革新商业咨询
汽车人工智能正处于迅速颠覆商业咨询行业的前沿，它重振了战略制定和管理、创新和流程改进的核心问题。这项技术通过处理大量材料、跳出固有思维模式思考业务解决方案以及在比以前更高的水平上优化流程，帮助顾问解决问题。企业可以从人工智能技术中受益，因为人工智能模型可以进行更深入的数据分析、自动化流程、改进决策并为未来的改进提供环境。在本文中，作者探讨了生成式人工智能在商业顾问中应用的本质，特别是分析了其对提高战略执行力和组织绩效的价值。该研究侧重于案例分析和对 20 名咨询从业人员的访谈，探讨了应用人工智能的有效和无效做法。研究表明，尽管生成式人工智能 POS 对增强咨询模型具有巨大的价值，但组织可以观察到一些挑战，例如道德问题和对专业知识的要求。本文将为有兴趣充分发挥人工智能潜力的组织提供一般性建议，讨论人工智能集成的正确和不正确的方式。
超越可解释性的 AI 可解释性要求
摘要 随着人工智能 (AI) 在社会中的兴起，越来越多的人开始在日常生活中接触复杂且不透明的软件系统。这些黑盒系统通常难以理解，因此对最终用户来说并不可信。可解释人工智能 (XAI) 的研究表明，解释有可能解决这种不透明性问题，使系统更加透明和易于理解。然而，可解释性和可解释性之间的界限充其量是模糊的。虽然 XAI 中对可解释性有许多定义，但大多数定义都没有超越输出的合理性，即提供可解释性。与此同时，XAI 之外的当代研究已经采用了更广泛的可解释性定义，并研究了除算法及其输出之外的系统方面。在本立场文件中，我们认为 AI 系统的需求工程师需要考虑可解释性以外的可解释性要求。为此，我们提出了一个医疗领域的假设场景，该场景展示了 XAI 研究人员通常不会考虑的各种不同的可解释性要求。这篇文章旨在在 XAI 社区中引发讨论，并激励 AI 工程师在提出可解释性要求时跳出黑匣子。
2023 年 6 月 - 海军海上系统司令部
在我写这篇文章的时候，有一项关键的水下船舶管理 (UWSH) 任务正准备开始 - 在水中更换 USS IWO JIMA 上的两个舵。这项工作在最近和过去的 UWSH 操作中脱颖而出，因为它的复杂性和需要向前倾斜的程度才能进入正确的头部空间以确保成功。以前从未做过 - 检查。需要新的专业围堰 - 检查。需要新的程序 - 检查。需要集中注意力的船上设备的细节 - 检查。这项工作结合了 MARMC、合同潜水员、UWSH 计划和工程支持人员，所有这些都将在狭小空间内的私人造船厂设施中完成。这清楚地表明了 RMC 能够跳出固有思维模式，让必要的实体参与评估什么是可能的，开发和改进流程以使其可行，然后将概念从想法推广到海滨执行。这种思维方式体现并继续展示海军潜水社区以任务为中心的心态。而且，这正是海军继续评估其执行战斗损伤评估和修复 (BDAR) 等任务的能力时所需要的心态——从问“能做到吗？”转变为接受“必须做到”的想法。
充满争议和混乱的世界中的联合部队
尽管冲突、暴力和战争持续存在，但追求政治目标的方法却一直在演变。冲突性质的这种变化将如何发挥作用，以及联合部队必须做些什么来准备满足未来的需求，这些都需要我们共同关注。展望未来，美国与潜在和实际对手之间的竞争行为将是公开和暴力的。但同样常见的是，我们与竞争对手的互动将包括试图阻止和阻止我们实现战略目标，或者以模糊但仍然具有强制性的政治目标为标志，并以威胁或潜在应用军事力量为后盾。在未来二十年里，不同军事力量之间公开和模糊的竞争互动将成为联合部队的正常和经常性情况。展望未来充满挑战。然而，展望未来的困难并不能成为军事专业人员不考虑未来战争需求的借口。作为美国安全的最终保证者，联合部队必须同时适应和发展，同时既不忽视也不希望未来冲突、冲突和战争的现实。为了有益地思考未来，我们必须以严谨和可信的方式描述变化。同时，我们必须创造性地解释意外情况，跳出今天束缚我们的假设和确定性。联合部队将为 p 做出最大贡献