XiaoMi-AI文件搜索系统
World File Search System适得其反
评论文章 基因编辑和 CRISPR 在临床中的应用：当前和未来的前景
基因组编辑技术，特别是基于锌指核酸酶 (ZFN)、转录激活因子样效应核酸酶 (TALEN) 和 CRISPR（成簇的规律间隔的短回文重复 DNA 序列）/Cas9 的技术，正在迅速进入临床试验。迄今为止，CRISPR 的大多数临床应用都集中在体外对细胞进行基因编辑，然后将其重新引入患者体内。体外编辑方法对许多疾病状态都非常有效，包括癌症和镰状细胞病，但理想情况下，基因组编辑也应用于需要体内细胞改造的疾病。但是，CRISPR 技术的体内使用可能会因脱靶编辑、低效或脱靶递送以及刺激适得其反的免疫反应等问题而受到阻碍。当前针对这些问题的研究可能为 CRISPR 在临床领域的应用提供新的机会。在这篇综述中，我们研究了 ZFN、TALEN 和基于 CRISPR 的基因组编辑的临床试验的现状和科学基础、CRISPR 在人类中使用已知的局限性，以及快速发展的 CRISPR 工程领域，这些为进一步转化为临床应用奠定基础。
个性化试验伦理和机构审查委员会意见书
任何与人类受试者相关的临床活动的伦理和监管通常基于其临床实践或研究的分类。著名的生物伦理学家批评了用于划分这些类别的传统区分，称其适得其反且过时，并主张应谨慎且适当地将学习与临床实践相结合。个性化试验代表了一种兼具两种类别特征的临床活动，这使得伦理和监管要求变得不那么明确。当个性化试验的主要目的是协助开展个性化患者护理，并强调保护临床决策免受常规临床实践中固有偏见的影响时，应该如何监管此类活动？在本文中，我们将探讨个性化试验的伦理基础，并提出满足监管要求的各种方法。我们建议，个性化试验参与者和机构审查委员会 (IRB) 小组不应对所有个性化试验的实施施加标准研究法规，而应考虑参与个性化试验是否会导致与常规治疗相比，参与者的风险有任何可预见的增量增加。这种方法可以减少监管障碍，从而促进个性化试验的更广泛应用。
人工智能伦理学家的困境：通过支持科技巨头来对抗科技巨头
摘要 假设一位研究人员发现了当前社交媒体使用方式的一个主要问题。当他们随后必须决定是否使用社交媒体来提高对这个问题的认识时，会出现什么样的挑战？这种情况经常发生，因为伦理学家在如何实现变革和潜在地解决他们发现的问题方面做出选择。在本文中，强调与新技术和通常被称为“大科技”相关的挑战。我们提出了所谓的人工智能伦理学家的困境，当人工智能伦理学家必须考虑他们自己在传达已发现问题方面的成功与降低成功解决问题的机会的高风险如何相关时，就会出现这种困境。我们研究伦理学家如何通过结合三种伦理理论来解决困境并找到合乎道德的行动路径：美德伦理学、义务论伦理学和结果主义伦理学。文章的结论是，试图仅使用大科技公司提供的技术和工具来改变它们的世界有时会适得其反，想要实现长期变革的伦理学家也应该认真考虑政治和其他更具颠覆性的行动途径。这两种策略各有利弊，结合使用可能是实现这些优势并减轻讨论的一些弊端的理想选择。
工作中非工作目的的技术使用：以行为为重点的综合评论
在工作中将科技用于非工作相关目的是一种普遍现象，其定义为工作时间内由科技促成的、与工作任务基本无关的行为。然而，对这些行为的研究分散在三个领域：适得其反的工作行为（即“网络懈怠”）；恢复行为（即“微休息”）；以及将行为等同于结构的描述性类别（例如“社交媒体使用”）。我们回顾了 135 项研究，发现三个领域都研究了相同的行为，但存在严重缺陷：每个领域内的关注领域不同，包括理论分歧；概念重叠，测量标准模糊；对使用行为的细微差别考虑不足；对关键工作和非工作结果的积极和消极影响的均等性解释不足。鉴于这些不足，我们确定了五个以评论为主导的主题，这些主题围绕着 2 3 2 框架的出现，该框架将具体行为精确地划分为从被动到主动（即，使用需要付出多少努力）以及从个人到关系（即，涉及多少人际互动）。我们的框架为未来的研究和实践提供了指导，指导如何最好地确定特定使用行为发生的时间以及它们是否会导致积极或消极结果的精确模式和情况。
使用数据驱动的方法对政府支出与影子经济之间的非线性依赖性进行建模
摘要：本文旨在使用非线性方法对影子经济规模与最重要的政府支出分别建模社会保护，健康和教育之间的关系。我们在1995年至2020年之间的横截面数据集上应用了四种不同的机器学习模型，即支持向量回归，神经网络，随机森林和XGBoost。我们的目标是校准一种算法，该算法可以比线性模型更好地解释影子经济规模的差异。此外，最大的模型已被用来预测30,000多个模拟支出组合的影子经济规模，以概述一些可能的拐点，之后政府支出变得适得其反。我们的发现表明，ML算法在R平方和根平方误差方面优于线性回归，而社会保护支出是阴影经济规模的最重要决定因素。进一步进行了我们对28个欧盟州的分析，在1995年至2020年之间，结果表明，当社会保护费用大于GDP的20％，健康费用大于GDP的6％，而教育费用占GDP的6％和8％的范围。据作者所知，这是第一篇用ML模拟影子经济及其决定因素（即政府支出）的论文。我们提出了一种易于复制的方法，可以在未来的研究中开发。
影子经济
工厂工人在夜间兼职开无牌出租车；水管工为客户修理破损的水管，以现金支付报酬，但不向税务人员申报收入；毒贩在街角与潜在客户进行交易。这些都是地下经济或影子经济的例子——合法和非法的活动每年总计达数万亿美元，这些活动“秘密进行”，税务人员和政府统计人员无法看到。尽管犯罪和影子经济活动早已成为现实——而且现在在世界各地日益增多——但几乎所有社会都试图控制其增长，因为这可能会带来严重后果：• 繁荣的影子经济使官方统计数据（失业、官方劳动力、收入、消费）变得不可靠。基于不可靠统计数据制定的政策和计划可能不合适且适得其反。• 影子经济的增长可能引发破坏性循环。影子经济中的交易逃避税收，从而使税收收入低于应有水平。如果税基或税收遵从度受到侵蚀，政府可能会通过提高税率来应对，从而鼓励更多人涌入影子经济，进一步加剧公共部门的预算约束。（另一方面，影子经济中至少三分之二的收入会立即用于官方经济，从而对官方经济产生相当大的积极刺激作用。）
OECD 2024 年数字经济展望（第 1 卷）
2D 二维 3D 三维 3GPP 第三代合作伙伴计划 5G 第五代无线蜂窝技术 6G 第六代无线蜂窝技术 ADHD 注意力缺陷多动障碍 APA 美国心理学会 ACI 人工智能 A2G 空对地 AGI 通用人工智能 AI 人工智能 AIGO 人工智能治理工作组 (OECD) AIM 人工智能事件监测 (OECD) AR 增强现实 API 应用程序编程接口 ATM 空中交通管理 BERT 双向编码器 Transformers 表示 BRL 巴西雷亚尔 CEN-CENELEC 欧洲电子和电子技术标准化委员会 COVID-19 2019 冠状病毒病 CPU 中央处理器 DICE 危险、不可能、适得其反或昂贵 DISR 澳大利亚工业、科学和资源部 DSIT 英国科学、创新和技术部 DSUT 数字供应-使用表 EASA欧盟航空安全局 ETSI 欧洲电信标准协会 EU AI 欧盟人工智能条例 EUR 欧元 EuroHPC 欧洲高性能计算联合承诺 eVTOLs 电动垂直起降 FCC 美国联邦通信委员会 FOV 视场 GDP 国内生产总值 GenAI 生成人工智能 GEO 地球静止轨道 GHz 千兆赫 GPAI 全球人工智能伙伴关系 GPU 图形处理单元 GPT 生成预训练变压器 GPT 通用技术 GSMA 全球移动通信系统 HAPS 高空平台站
对高层建筑项目中违反安全规则的性质的调查
与其他经济部门相比，建筑部门始终显示出致命和非致命职业事故的风险更大，尤其是在高层建筑建设项目方面。尽管监管领域的进展以及为该行业的新安全议程的进行性制定的进展，但事实是，涉及死亡和伤害的安全事件仍会随着不同程度的强度而永久存在。由于材料，设备和劳动力等重要项目资源的损失，这进一步加剧了这一问题，这些资源是适得其反，不可持续且偶尔受到污染的。非常清楚的是，在处理安全性和观察时，人为因素在确定关键安全目标的成就方面仍然起着重要作用。考虑到这一点，这项研究的目的是在马来西亚高层建筑建设的最前沿中更深入地研究这个问题。具体来说，它研究，分析和对安全规则违规的严重程度，频率和犯罪者的严重性程度。在开发人员，顾问，承包商和相关机构中，设计了一种问卷调查方法并将其分发给受访者。通过确定平均索引，标准偏差，方差和频率分析，使用SPSS软件包分析了收集的数据。此外，承包方是对安全法规的最常规违规者，这是可以理解的。结果表明，缺乏防火的影响最严重，而缺乏风险，近乎缺乏的事故报告和维修和维护活动期间的Loto程序是最常见的违反安全规则的行为。总而言之，这些结果可以促进安全部门和专业人士制定务实的计划，以最好地利用有说服力和惩罚性缓解措施，以提供更好的安全结果。
法律人工智能 - 您是否丢失了......
简介在过去几年中，文本挖掘、计算机视觉和自动驾驶等许多领域都从数据驱动方法和新兴深度学习模型中获益。这些方法简化了系统，同时最大限度地减少了人类引入自身偏见的可能性。更重要的是，这些支持技术已经商业化，以满足大量用户的各种需求。然而，法律领域的人工智能比其他文本挖掘/自然语言处理学科更具挑战性和令人困惑，一些研究甚至表达了这样的担忧：法律领域对人工智能的夸大其词会适得其反，机器不应该涉足这个严肃的领域（Mills 2016）。在这种背景下，对法律人工智能的研究至关重要，而这种需求是必要的，也是不可避免的。例如，根据《纽约时报》的报道，“审判法官正遭受‘繁重的工作量’1 正成为一个日益严重的问题，这对不同国家的法律司法生态系统的效率提出了挑战。根据统计报告，典型的活跃联邦地区法院法官每年结案约 250 起案件，因此，应用新颖的人工智能法律技术来促进诉讼程序，以减轻法官不堪重负的工作量具有重要意义（OECD 2013）。在本研究中，我们从案件代理、学习模型、法律人工智能的机遇和挑战等方面探讨了法律人工智能的机遇和挑战。
利用人工智能实现有效的待办事项列表游戏化
许多人都有拖延症，无法优先处理最重要的工作。为了帮助用户克服此类问题，Habitica 等游戏化生产力工具使用了启发式积分系统，但这可能会适得其反。我们最近提出了一种更有原则性的积分值计算方法，以避免此类问题。虽然理论上很有前景，但即使对于非常短的待办事项清单，也需要大量计算。在这里，我们提出了一种可扩展的近似方法，使我们的待办事项清单游戏化原则方法可在现实世界中使用。我们的方法利用人工智能来生成游戏化的待办事项清单，其中每个任务都受到一定数量的积分的激励，这些积分传达了该任务的长期价值。我们的新方法更具可扩展性的原因在于，它将计算用户如何最好地实现其目标的长期计划的问题分解为一系列较小的规划问题。我们通过将该方法应用于目标、子目标和任务数量不断增加的待办事项列表来评估该方法的可扩展性，并且我们还增加了目标层次结构的嵌套层数。我们发现该方法可以使 Web 和移动应用程序为相当大的待办事项列表计算出出色的积分系统，其中最多 576 个任务分布在最多 9 个不同的顶级目标上。我们的方法可通过 API 1 免费获得。这使得我们的方法易于在游戏化的 Web 应用程序和移动应用程序中使用。