XiaoMi-AI文件搜索系统
World File Search System软件架构
欧盟汽车行业的未来 - 欧洲议会
• 电动汽车电池推进系统过度依赖欧盟以外的世界制造商，这是“危险信号”，重复光伏板泡沫的风险很高； • 同样，虽然许多欧洲 OEM 都是软件架构、连接性和自动驾驶技术和战略能力方面的领先创新者，但目前没有一家欧洲 OEM 可以被视为顶级创新者，这意味着过度依赖欧盟以外的技术公司的风险； • 由于电动汽车的价值几乎有一半与电子产品有关，大型电子公司的作用变得越来越重要，使它们能够进入汽车市场。这种颠覆性趋势将获得动力，从而加剧欧盟 OEM 的竞争； • 约有 17,000 家欧盟中小企业活跃于汽车制造业，专门从事传统变速箱和内燃机 (ICE) 部件生产的汽车制造商面临重大风险。电动机只有大约 20 个活动部件，而内燃机有 2000 多个，这也导致维修减少，将对售后市场的中小企业产生负面影响；• 与美国和中国不同，欧盟的电动汽车生态系统起步较晚，但充满活力的初创企业正在加速发展；• 电动汽车电池供应、原材料和相关创新方面的薄弱环节对欧洲电动汽车的发展构成了重大威胁；• 电动汽车或“超级充电站”密集的地区容易导致当地变电站超负荷，从而引发短期“停电”，并在中期内导致电网运营商进行昂贵的补救投资；• 虽然欧盟汽车公司在研发强度方面处于领先地位，但欧盟必须增加 ICT 研发，这是数字化的关键先决条件。如果现有的 STEM 培训工人供应缺口持续存在，这一挑战将日益加剧； • 尽管电动汽车离开汽车展厅时没有任何排放，但与同一辆汽车相关的上游供应链已经产生了大量碳足迹。
欧盟汽车行业的未来 - 欧洲议会
• 电动汽车电池推进系统过度依赖欧盟以外的世界制造商，这是“危险信号”，重复光伏板泡沫的风险很高； • 同样，虽然许多欧洲 OEM 都是软件架构、连接性和自动驾驶技术和战略能力方面的领先创新者，但目前没有一家欧洲 OEM 可以被视为顶级创新者，这意味着过度依赖欧盟以外的技术公司的风险； • 由于电动汽车的价值几乎有一半与电子产品有关，大型电子公司的作用变得越来越重要，使它们能够进入汽车市场。这种颠覆性趋势将获得动力，从而加剧欧盟 OEM 的竞争； • 约有 17,000 家欧盟中小企业活跃于汽车制造业，专门从事传统变速箱和内燃机 (ICE) 部件生产的汽车制造商面临重大风险。电动机只有大约 20 个活动部件，而内燃机有 2000 多个，这也导致维修减少，将对售后市场的中小企业产生负面影响；• 与美国和中国不同，欧盟的电动汽车生态系统起步较晚，但充满活力的初创企业正在加速发展；• 电动汽车电池供应、原材料和相关创新方面的薄弱环节对欧洲电动汽车的发展构成了重大威胁；• 电动汽车或“超级充电站”密集的地区容易导致当地变电站超负荷，从而引发短期“停电”，并在中期内导致电网运营商进行昂贵的补救投资；• 虽然欧盟汽车公司在研发强度方面处于领先地位，但欧盟必须增加 ICT 研发，这是数字化的关键先决条件。如果现有的 STEM 培训工人供应缺口持续存在，这一挑战将日益加剧； • 尽管电动汽车离开汽车展厅时没有任何排放，但与同一辆汽车相关的上游供应链已经产生了大量碳足迹。
RAN 中的人工智能
根据目标问题，最佳 ML 模型和支持生命周期 (E4) 的复杂性可能会有很大差异。对于较简单的问题，线性回归、较小的决策树和具有少量节点和层的简单神经网络 (NN) 就足够了。对于更复杂的问题，可能需要具有许多层和节点以及多个卷积层的大型决策树或深度神经网络 (DNN) 来实现所需的准确性。用于控制优化目标的 RL 方法和支持代理 (E7) 在学习新颖的 RAN 管理策略方面尤其有效。训练 RL 模型依赖于通过软件代理的反复试验进行主动探索，这在实时 RAN 系统中并不总是可行或合适的。为了帮助解决这个问题，并生成训练模型所需的数据量，我们在我们的软件推动器集中包含了模拟 (E6)。经过训练后，ML 模型可用于推理阶段（E3 的一部分），其中选择的数据被用作模型的输入，然后模型将产生一组预测、操作或规则，具体细节取决于 ML 算法类型。在 RAN 中，训练和推理阶段的硬件和软件要求可能大不相同。训练通常需要强大的中央处理单元或专用图形处理单元 (GPU) 硬件，具有大内存和数据存储。AI 软件平台（例如 TensorFlow、Keras 和 PyTorch）以及其他广泛的开源（E5）、通常基于 Python 的 ML 软件生态系统需要集成到软件工程流程中。在推理阶段，通过模型生命周期管理 (E4) 向 RAN 应用程序提供经过训练的模型（或多个模型）。对于延迟至关重要的 RAN 边缘应用，需要高效实现推理，具有低延迟、低功耗和内存占用，同时考虑目标硬件和软件架构的特性。我们的软件推动器与基于意图的管理解决方案完全兼容 [5]。
物理学缩写 M.Sc.
PO1：基础知识充实 学生将获得物理科学方面的基本理论和实践知识。他们将接受培训，成功完成 UGC-CSIR、NET、GSET、GATE 等测试。它还使学生能够使用物理学的核心概念来概念化特定领域，即理论物理学、材料科学和电子学。 PO2：批判性思维发展 物理学硕士课程的考试模式是问题和应用占 30%，理论占 70%。这一概念培养了批判性思维、程序求解、各种技术的评估性学习以及理解问题本质的技能。 PO3：先进的新兴技术意识 该课程的教学大纲包括高级 QM、先进材料科学、微电子学和微处理器。因此，学生在毕业时可以利用先进的知识。通过这些有关工业和研究机构正在使用的最新技术的知识，丰富他们的知识。持续的教学大纲审查为即将毕业的学生增加了课程价值，使他们准备好应对行业的挑战性要求。 PO4：高级工具使用 所有规范都必须使用计算机实验室，因此他们的软技能是通过编程来开发的。LCD项目智能教室、PPT 和视频用于常规教学。这种教学有助于他们应用先进的工具来解决现实世界的问题。 PO5：培养项目规划和管理能力 该课程训练学生设计和概念化软件架构，规划和管理复杂和实时软件项目的产品开发过程。它还让学生了解选择合适的项目管理能力的决策。 PO6：现实世界问题/项目开发 现实世界的项目让候选人有机会在充满挑战和苛刻的行业环境中工作。项目开发培训使学生具有就业能力并为进入行业做好准备。 PO7：团队合作和领导力发展 培养学生在团队中工作并领导项目管理团队。项目具体成果学习成果：PSO1：发展和加强解决复杂问题所需的基本核心概念。PSO2：培养所需的专业和创业技能
用于电生理 DMI 的交互式模块化系统
不同的音乐家和研究人员创建了各种音乐系统，目的是简化基于电生理信号和身体姿势的数字乐器的开发过程 [1,8]。然而，他们的努力往往与主流科学或音乐界隔绝，限制了知识和实践的相互交流。在脑电图领域，使用命令行界面的脑机音乐接口 (BCMI [9]) 软件 [11,12]、复杂的架构 [1,5,14,15] 或程序编程 [12,17] 使得一小部分潜在感兴趣的用户（即具有必要技术技能的用户）可以进行实时脑电图处理。此外，选择和实施脑电图分析需要一定程度的神经科学培训或至少是理解。虽然市场已经做出了反应，推出了越来越用户友好的系统（例如 [10] 最近的一篇评论），但它们通常没有提供足够开放和灵活的软件架构来满足艺术实践的需求。商业软件的价格也可能过高，而且通常专门用于特定的治疗或医疗用途。简而言之，目前缺乏将电生理信号处理纳入灵活音乐环境的标准化系统的需求。肌肉群识别、电极放置和任务设计方面的最佳实践需要传达给非专业用户。我们将要讨论的软件开发是对这种情况的回应，也是名为 Body Brain Digital Musical Instrument (BBDMI) 的大型项目的一部分。该项目的目的是为没有神经科学和信号分析领域专业知识的音乐家和艺术家开发一种数字乐器 [16]。换句话说，BBDMI 的主要目标是通过提供用户友好的界面来处理从采集到特征选择和声音映射的信号处理，从而创建一个灵活而富有创意的平台来试验电生理信号。本文的结构如下。我们首先介绍当前研究的相关工作。接下来，我们将详细描述我们的系统架构、遇到的技术挑战以及与音乐界的潜在相关性。然后，我们将展示我们的修补工作流程、信号处理模块以及在用户研究和音乐会期间开发的映射策略。最后，我们将总结如何改进系统的想法、可能的未来方向以及我们公共存储库的链接。在文中，我们使用术语 ExG 来指代肌电图 (EMG) 和脑电图 (EEG)。
推荐课程顺序航空航天工程选项 C – 航空电子与航空航天系统（合作）
课程名称 学分 先决条件 共同必修课程 SUM 1 SUM 2 秋季获胜 AERO 201 飞行与航空航天系统简介 4.00 ENGR 213 X AERO 290 飞机设计简介 3.00 AERO 201 ENCS 282 X AERO 371 建模与控制系统 3.50 PHYS 205; ENGR 213, ENGR 243 ENGR 311 或 ELEC 342 或 ELEC 364 XX AERO 390 航空航天工程设计项目 3.00 AERO 290, AERO 371; ENCS 282 X AERO 417 标准、法规和认证 3.00 ENGR 201 X* X AERO 471 飞机液压、机械和燃油系统 3.50 AERO 201. 或经部门许可。X AERO 472 飞机气动和电力系统 3.50 AERO 201; ENGR 361 N/AN/AN/AN/A AERO 480 飞行控制系统 3.50 AERO 371 或 ELEC 372 或 MECH 371 或 SOEN 385 X AERO 482 航空电子导航系统 3.00 ENGR 371 或 COMP 233; AERO 371 或 ELEC 372 或 MECH 370 或 SOEN 385 X AERO 483 航空电子系统集成 3.00 AERO 482；ELEC 481 X AERO 490 顶点航空工程设计项目 6.00 AERO 390；ENGR 301。学生必须完成该课程的 75 个学分。 X COEN 212 数字系统设计 I 3.50 MATH 204（Cegep 数学 105） XXX COEN 231 离散数学简介 3.00 MATH 204（Cegep 数学 105） XXX COEN 243 编程方法 I 3.00 MATH 204（Cegep 数学 105） XXX COEN 244 编程方法 II 3.00 COEN 243 或 MECH 215 或 MIAE 215 XXX COEN 311 计算机组织与软件 3.50 COEN 212, COEN 243 XXX COEN 313 数字系统设计 II 3.50 COEN 212, COEN 231 XXX COEN 317 微处理器系统 3.50 COEN 311 或 COMP 228 或 SOEN 228；COEN 313 XX COEN 320 实时系统简介 3.00 COEN 346 或 COMP 346 XX COEN 346 操作系统 3.50 COEN 311；COMP 352 或 COEN 352 XX COEN 352 数据结构和算法 3.00 COEN 231，COEN 244 XXX COEN 366 通信网络和协议 3.50 COEN 346 XX COEN 413 硬件功能验证 3.50 COEN 313 X COEN 421 嵌入式系统设计 4.00 COEN 317，COEN 320；SOEN 341 X COEN 498 计算机工程主题 3.00 需要获得部门许可。 X ELEC 242 连续时间信号和系统 3.00 ELEC 273； ENGR 213 XXX ELEC 251 应用电磁学基础 3.00 ELEC 273 或 ENGR 273 ENGR 233 XX ELEC 273 基本电路分析 3.50 PHYS 205 ENGR 213 XXX ELEC 311 电子学 I 3.50 ELEC 273 XX ELEC 331 电力工程基础 3.50 ELEC 251, ELEC 273 XX ELEC 342 离散时间信号与系统 3.50 ELEC 242 或 ELEC 264 XXX ELEC 351 电磁波与引导结构 3.50 ELEC 242, ELEC 251 XX ELEC 367 数字通信简介 3.50 ELEC 342 或 ELEC 364; ENGR 371 XX ELEC 433 电力电子学 3.50 ELEC 311，ELEC 331 X ELEC 442 高级信号处理 3.50 ELEC 342 或 ELEC 364; ENGR 371 X ELEC 458 电磁兼容技术 3.00 ELEC 351 N/AN/AN/AN/A ELEC 464 无线通信 3.00 ELEC 367 X ELEC 481 线性系统 3.50 AERO 371 或 ELEC 372 或 MECH 371 X ELEC 482 系统优化 3.50 ENGR 391 或 EMAT 391 X ELEC 483 实时计算机控制系统 3.50 AERO 371 或 ELEC 372; ELEC 342 或 ELEC 364 X ELEC 498 电气工程主题 3.00 需要部门许可。N/AN/AN/AN/A ENCS 282 技术写作和交流 3.00 通过工程写作测试（EWT）或 ENCS 272，成绩为 C 或更高。 XXXX ENGR 201 专业实践与责任 1.50 XXX ENGR 202 可持续发展与环境管理 1.50 XXX ENGR 213 应用常微分方程 3.00 MATH 205（Cegep 数学 203） MATH 204（Cegep 数学 105） XXX ENGR 233 应用高等微积分 3.00 MATH 204（Cegep 数学 105）；MATH 205（Cegep 数学 203） XXXX ENGR 242 静力学 3.00 ENGR 213 PHYS 204；MATH 204 XXX ENGR 243 动力学 3.00 ENGR 213，ENGR 242 XXX ENGR 244 材料力学 3.75 ENGR 213； ENGR 242 或 ENGR 245 ENGR 233 XXX ENGR 251 热力学 I 3.00 MATH 203 XXXX ENGR 301 工程管理原理与经济学 3.00 XXXX ENGR 361 流体力学 I 3.00 ENGR 213, ENGR 233, ENGR 251 XX EC ENGR 371 工程概率与统计 3.00 ENGR 213, ENGR 233 XXXX ENGR 391 工程数值方法 3.00 ENGR 213, ENGR 233；COMP 248 或 COEN 243 或 MECH 215 或 MIAE 215 或 BCEE 231 EC EC EC ENGR 392 技术对社会的影响 3.00 ENCS 282； ENGR 201，ENGR 202 XXXX ENGR 411 特殊技术报告 1.00 ENCS 282. 需要获得部门许可。XXX Gen. Ed. 通识教育选修课 3.00 参见本科生日历第 71.7110 节 XXXX SOEN 341 软件流程 4.00 COMP 352 或 COEN 352；ENCS 282 XX SOEN 342 软件要求和规范 4.00 SOEN 341 XX SOEN 343 软件架构和设计 4.00 SOEN 341；SOEN 342 XX00 XXXX ENGR 361 流体力学 I 3.00 ENGR 213、ENGR 233、ENGR 251 XX EC ENGR 371 工程概率与统计 3.00 ENGR 213、ENGR 233 XXXX ENGR 391 工程数值方法 3.00 ENGR 213、ENGR 233；COMP 248 或 COEN 243 或 MECH 215 或 MIAE 215 或 BCEE 231 EC EC EC ENGR 392 技术对社会的影响 3.00 ENCS 282；ENGR 201、ENGR 202 XXXX ENGR 411 特殊技术报告 1.00 ENCS 282。需要获得部门许可。XXX Gen. Ed.通识教育选修课 3.00 参见本科生日历第 71.7110 节 XXXX SOEN 341 软件流程 4.00 COMP 352 或 COEN 352；ENCS 282 XX SOEN 342 软件要求和规范 4.00 SOEN 341 XX SOEN 343 软件架构和设计 4.00 SOEN 341；SOEN 342 XX00 XXXX ENGR 361 流体力学 I 3.00 ENGR 213、ENGR 233、ENGR 251 XX EC ENGR 371 工程概率与统计 3.00 ENGR 213、ENGR 233 XXXX ENGR 391 工程数值方法 3.00 ENGR 213、ENGR 233；COMP 248 或 COEN 243 或 MECH 215 或 MIAE 215 或 BCEE 231 EC EC EC ENGR 392 技术对社会的影响 3.00 ENCS 282；ENGR 201、ENGR 202 XXXX ENGR 411 特殊技术报告 1.00 ENCS 282。需要获得部门许可。XXX Gen. Ed.通识教育选修课 3.00 参见本科生日历第 71.7110 节 XXXX SOEN 341 软件流程 4.00 COMP 352 或 COEN 352；ENCS 282 XX SOEN 342 软件要求和规范 4.00 SOEN 341 XX SOEN 343 软件架构和设计 4.00 SOEN 341；SOEN 342 XX
![arXiv:2005.02963v1 [cs.AI] 2020 年 5 月 6 日](/simg/1\1ff46bc4a4991cc3fcff22a53e9f44928e73b335.png)
arXiv:2005.02963v1 [cs.AI] 2020 年 5 月 6 日
人类参与者根据解释者对被解释者 1 的信念，向不同的被解释者（即解释的接受者）给出了不同的解释。当然，玛丽的解释好坏取决于她能否模拟室友的心理状态，以及他们如何根据她的解释改变自己的心理状态。玛丽对鲍勃和汤姆的信念的信念，或者她对他们每个人如何修改信念的信念，很可能是错误的，在这种情况下，她对他们的解释可能无法解释为什么地板是湿的。解释已在多种学科中得到研究。Miller [28] 对人工智能中的解释进行了广泛的调查，其中包括一系列哲学历史著作（例如，Hempel 和 Oppenheim [19]；Peirce [32]；Harman [17]），主张哲学和社会科学在未来解释研究中的重要作用。在人工智能领域，早期的解释研究包括各种基于逻辑和概率的溯因推理方法或所谓的最佳解释推理，包括 Pople [35]、Charniak 和 McDermott [10]、Poole [33] 和 Levesque [24] 的早期作品。在 20 世纪 80 年代中期，解释在专家系统的背景下得到普及，其中解释通常通过对一组符号推理步骤进行反向链接而生成（例如，[18, 40]）。在此之后，解释成为符号 AI 推理各种应用中的共同元素（例如，[26、3、42]）。最近对解释兴趣的复苏主要是以所谓的可解释 AI (XAI) 为幌子，其动机是需要为黑箱分类和基于机器和深度学习的决策系统中的决策提供人类可解释的解释（例如，Samek 等人[39]；Gunning 等人[14]）。许多研究人员已经承认心智理论在解释中的重要性。在 20 世纪 80 年代和 90 年代，G¨ardenfors [12] 和 Chajewska 和 Halpern [7] 等学者提出的正式解释理论认为，对一个代理的解释可能不适用于对另一个代理的解释，因此解释者必须根据被解释者的信念为其量身定制解释。在用户建模和对话领域，同样设定在 20 世纪 80 年代和 90 年代，Weiner 的 [46] BLAH 系统和 Cawsey 的 [6] EDGE 系统都根据假定的用户模型定制解释。[16]；Kaptein 等人。[22]）。最近，Westberg 等人。最近，研究人员利用信念-愿望-意图 (BDI) 架构作为反映心智理论的自然解释框架。此类软件架构可使解释者明确表达自己的信念、愿望和意图，以及被解释者的信念、愿望和意图，并将解释与其自己的信念和目标或被解释者的信念和目标联系起来（例如，Harbers 等人。[47] 认为，结合认知科学对心智理论的各种观点将有助于创建更适合与人类交流和解释自己的代理。此外，Miller [28] 调查了这方面的工作，并强调了解释者的重要性
贝叶斯人工智能
在我们的理解中，贝叶斯人工智能是将贝叶斯推理方法融入人工智能 (AI) 软件架构的开发中。我们认为，这种架构的重要组成部分将是贝叶斯网络和通过观察和实验进行的贝叶斯网络贝叶斯学习 (贝叶斯因果发现)。在本书中，我们介绍了贝叶斯网络技术的要素、自动因果发现、从数据中学习概率，以及如何在开发概率专家系统中使用这些技术的示例和想法，我们称之为使用贝叶斯网络的知识工程。这是一个非常实用的项目，因为使用贝叶斯网络进行数据挖掘 (应用因果发现) 以及在工业和政府中部署贝叶斯网络是当今应用人工智能最有前途的两个领域。但这也是一项非常理论化的项目，因为贝叶斯人工智能的成就将是一项重大的理论成就。我们的标题中有许多我们可以自然而然地包括但尚未包括的主题。因此，有效贝叶斯人工智能的另一个必要方面是概念的学习以及概念的层次结构。存在用于概念形成的贝叶斯方法（例如，Chris Wallace 的 Snob [290]），但我们在此不讨论它们。我们还可以讨论贝叶斯分类方法、多项式曲线拟合、时间序列建模等。我们选择贴近使用和发现贝叶斯网络的主题，因为这是我们自己的主要研究领域，而且尽管其他贝叶斯学习方法很重要，但我们认为贝叶斯网络技术是整个项目的核心。我们的文本在许多方面与其他关于贝叶斯网络的文本不同。我们的目标是对该技术的主要概念进行实用且易于理解的介绍，同时关注基础问题。该领域的大多数文本需要比我们更多的数学复杂性；我们假设只对代数和微积分有基本的了解。此外，我们对网络的因果发现和使用已发现网络的贝叶斯推理程序给予大致相同的重视。大多数文本要么忽略因果发现，要么轻描淡写。Richard Neapolitan 的最新著作《学习贝叶斯网络》[200] 是个例外，但它在技术上比我们的要求更高。我们还根据我们自己的应用研究，详细阐述了该技术的各种应用。我们文本的另一个显著特点是，我们提倡对贝叶斯网络进行因果解释，并讨论使用贝叶斯网络进行因果建模。我们希望这些例子会引起人们的兴趣，并指出一些可能性
在使用人工智能和数据科学方法时优先考虑环境可持续性 Caroline Jay 1,2,3 , Yurong Yu 4 , Ian Crawford 5 , Scott Archer-Nicholls 6 , Philip James 7 , Ann Gledson 6 , Gavin Shaddick 8,3 , Robert Haines 2, 6, , Loïc Lannelongue 2 ,9,10,11,12 , Emily Lines 3 ,13 , Scott Hosking 3 ,14 , David Topping 3,5 人工智能 (AI) 和数据科学将在改善环境可持续性方面发挥关键作用，但如果没有可持续的设计和使用，这些方法的能源需求将对环境产生越来越负面的影响。在计算资源的可用性将持续增加且成本将持续降低的隐含假设背景下，研究人员在设计或选择分析方法时很少明确考虑环境影响。我们相信，环境科学界有机会推动方法的改变，在进行自己的计算研究时优化能源使用，并倡导其他研究领域也这样做。在计算研究中考虑环境可持续性将加速创新并使其民主化：受气候变化影响最大的地区——以及当地研究可能带来巨大好处的地区——不太可能获得重要的计算资源。将能源效率和可持续性作为主要考虑因素还将催化科学研究的创新方法
在使用人工智能和数据科学方法时优先考虑环境可持续性 Caroline Jay 1,2,3 、Yurong Yu 4 、Ian Crawford 5 、Scott Archer-Nicholls 6 、Philip James 7 、Ann Gledson 6 、Gavin Shaddick 8,3 、Robert Haines 2, 6, 、Loïc Lannelongue 2 、9,10,11,12 、Emily Lines 3 、13 、Scott Hosking 3 、14 、David Topping 3,5 人工智能 (AI) 和数据科学将在改善环境可持续性方面发挥关键作用，但如果没有可持续的设计和使用，这些方法的能源需求将对环境产生越来越负面的影响。在计算资源的可用性将继续增加且成本将继续降低的隐含假设的背景下，研究人员在设计或选择分析方法时很少明确考虑环境影响。我们相信环境科学界有机会推动方法的改变，在进行自己的计算研究时优化能源使用，并倡导其他研究领域也这样做。在计算研究中考虑环境可持续性将加速创新并使其民主化：受气候变化影响最大的地区 - 以及当地研究可能带来巨大利益的地区 - 不太可能获得重要的计算资源。将能源效率和可持续性作为首要考虑因素还将催化科学研究的创新方法。通过将这些变化与基于领域的科学需求理解相结合，我们可以以战略方式为最佳实践制定标准。计算方法的能源需求净零被定义为人类向大气中排放的温室气体与人类从大气中清除的温室气体相平衡的状态。实现净零排放需要社会、政治、经济和技术领域的协调努力 1 。人工智能和数据科学将在这一复杂过程中发挥关键作用，帮助我们了解并最终优化人为能源使用 2 。与这一潜在优势相竞争的是，人工智能和数据科学本身具有巨大的能源和环境成本 3,4 。人工智能研究、开发和应用的资源需求不断增加，各国面临着投资更大规模计算设施以跟上步伐的压力 5 。将环境可持续性嵌入人工智能。人们认识到这种做法对环境的潜在影响，从而推动人们努力使计算更具可持续性，包括采用更节能的硬件、更好地管理数据中心以及使用可再生能源为系统供电 6 。人们还认识到软件架构的作用很重要，要取得进展，需要用户熟练编写高效的代码，以最大限度地减少对环境的影响 5 。有一些举措正在推广用于研究的节能软件（例如，https://greensoftware.foundation/ ），同时还努力为计算科学家制定高级原则 7 。尽管如此，方法的环境可持续性目前并不是计算科学研究界任何部分的主要考虑因素，而且对于那些希望以可持续的方式开发或使用人工智能和数据科学的人来说，几乎没有指导方针。艾伦图灵研究所环境与可持续发展兴趣小组首次会议于 2022 年 3 月 15 日在曼彻斯特举行，会议以一场关于
Gary B. Solomon 合伙人
遥感设备制造商：为一家大型遥感设备公司准备和申请专利申请，用于识别和跟踪零售和其他环境中的物流运营中的物体。饮料制造商：为一家大型饮料制造商管理包含数百项专利的全球专利组合；准备和申请了数十项专利。半导体公司：为大型半导体公司准备和申请了有关电路、工艺和系统的众多专利。海洋技术：开发了涵盖船舶所有技术方面的专利组合，包括通信、系统控制、船舶跟踪、自主操作、用于监控系统操作的机器学习、结构设计等。医疗器械制造商：开发了真空辅助伤口治疗系统的系统级专利组合；准备和申请了数十项系统和敷料专利；为以下领域进行专利准备和申请：超声波系统；MRI 系统；筋膜组织治疗装置；X 射线传感器；用于监测的植入式装置；手术器械及其所用设备；轮椅；病床；残障人士使用的代步车。电信公司：准备了数百份专利申请，包括管理全球申请，形成了包含 600 多项专利的专利组合。国防承包商：为一家中型国防承包商准备并起诉专利申请，该承包商拥有各种国防相关技术，包括独立技术和 OEM 解决方案。新产品开发商：为各种初创企业和中型产品开发商制定美国和国际知识产权战略，以使用专利保护新产品并保护其他知识产权资产。广告公司：为零售广告领域的一家初创公司开发了专利组合，其中包括多种广告、营销和产品推广业务方法。财富 500 强公司：为财富 500 强公司开发了相当大的专利组合，以保护其创新信息技术，包括软件架构工具和方法，包括互联网工具、项目开发软件工具、能源交易指数、数据库管理工具和许多其他软件工具。在线媒体：为多家数字媒体公司开发了专利组合，包括传统报纸公司的在线分拆公司和新媒体初创公司。时尚和美容行业：制定了一项知识产权战略，结合使用设计和实用专利、版权和商标来保护客户在鞋子、钱包和其他时尚配饰方面的知识产权。计算机打印机公司：在针对一家非实施实体的专利侵权案中，该公司此前曾与另一家行业被告达成 4 亿美元的和解，制定并执行了一项成功的辩护策略，包括非侵权定位和无效性搜索，其中涉及软件注册系统和流程。