XiaoMi-AI文件搜索系统
World File Search System难度
感知难度调节人类视觉皮层的注意力增益调节
1 泰国曼谷 10140 泰国国王科技大学吞武里学习学院神经科学研究与创新中心，2 泰国曼谷 10140 泰国国王科技大学吞武里工程学院计算机工程系，3 泰国曼谷 10140 泰国国王科技大学吞武里大数据体验中心，4 泰国曼谷 10140 泰国国王科技大学吞武里工程学院生物工程项目，5 加利福尼亚大学圣地亚哥分校心理学系，加利福尼亚州拉霍亚 92093-1090，6 可持续发展研究与创新中心 (RISC) 幸福科学中心，泰国曼谷 10260，7 加利福尼亚大学圣地亚哥分校神经科学研究生项目和 Kavli 大脑与心智基金会，加利福尼亚州拉霍亚92093-1090
基于人工智能的早期腹腔镜胆囊切除术手术难度评估模型
摘要 腹腔镜胆囊切除术 (LC) 是胆结石患者的标准外科治疗方法，从有症状的胆结石到严重的胆囊炎。由于 LC 期间手术所见差异很大，客观评估手术难度非常重要。这对于进一步开发和在 LC 手术中使用未来的人工智能算法至关重要，因为它可以让外科医生之间进行更可靠的基准测试，并有助于手术室规划。在本研究中，训练了深度学习模型来评估手术第一阶段的难度水平。包括在 Meander 医疗中心录制的 93 个 LC 视频。使用改良的 Nassar 量表来注释胆囊难度（1-3 级）和粘连存在（1-3 级）。各种模型都针对不同的标签组合进行了训练；二元和多标签。在多标签测试集上，最佳模型对胆囊和粘连的分类准确率分别达到 66% 和 40%。最佳二元模型将胆囊难度分为 3 级和 1、2 级，准确率为 88%，将 1 级和 2、3 级的准确率为 82%。这项工作展示了基于早期内窥镜视频的手术场景难度理解的潜力。
量子最大割近似的难度
一些正振幅，因此它们总体上相互抵消。通常，量子程序的输入和输出是经典字符串，因此我们输入一个基向量并在最后进行测量，以上述规则给出的概率获得每个状态。“量子程序”只是这些操作的有序列表，以及每个操作所作用的量子位，而有效的量子可计算函数是具有有效量子算法的函数（即至少有 2/3 的概率得到正确答案）。有效的量子程序是有效经典程序的超集，因为它们的门集中包含 CX 和 X 门（从我们给出的集合来看，这并不明显；但确实如此）。此外，如果我们考虑将 H 应用于纯量子位，然后立即进行测量，我们会得到一个随机输出。这样，我们可以看到有效的量子程序也是有效随机程序的超集。它们比随机程序更强大这一点可能并不明显，因为迄今为止讨论的唯一新颖的能力是破坏性干扰。我们将在后面的章节中看到如何利用此属性来提高计算速度。当向量 | ψ ⟩ 具有许多非零项时，它被称为“相干叠加”，重要的是要理解这与概率混合有着根本的不同。以下状态
论量子密码学所需的计算难度
[Crépeau，Kilian'88； ， Bartusek、Coladangelo、Khurana、Ma'21； Grilo, Lin, Song, Vaikuntanathan'21] • 没有 OWF 的 MPC [Kretschmer'21； Ananth，Q，Yuen'22； [森前，山川 '22]
攻击经典和后量子密码学中的难度假设的量子算法
量子计算机是一种利用量子力学现象进行计算的计算机，不同于当今利用经典物理现象的传统计算机。功能足够强大的大规模量子计算机（不易出错或可纠错）将对目前广泛部署的大多数非对称密码系统构成威胁。这是因为 Shor [1] 引入了多项式时间量子算法来解决循环群中的整数因式分解问题 (IFP) 和离散对数问题 (DLP)。例如，如果量子计算机能够执行 Shor 算法，那么对于足够大的问题实例，它将能够破解基于 IFP 的 RSA [ 2 ] 以及基于 DLP 的 DSA [ 3 ] 和 Diffie-Hellman (DH) [ 4 ]——主要是在有限域的乘法群或椭圆曲线点群（在椭圆曲线密码 (ECC) 的情况下）中。[ 5, 6 ]。上述密码系统目前用于保护互联网上大多数交易的安全。
预测 IRT 难度的解释力
等式 1 的群体性质在 AI 的许多领域都很方便，因为我们在选择要部署的系统之前通常会应用各种技术。所有这些被丢弃的次优系统都可以重新用于计算难度，正如我们将在本文中看到的那样。然而，使用系统群体也会带来一些风险。例如，如果群体包含一个不符合要求的系统（在简单实例上失败，在一些困难实例上成功），则可能导致非常不稳定的难度指标。如果我们只是计算一组系统对每个实例的平均误差作为难度的代理，可能会发生这种情况（Mart´ınez-Plumed 等人，2019 年）。几十年前提出了一种解决这个问题的方法，称为项目反应理论 (IRT)，其中难度是从项目（实例）和受访者（系统）矩阵中推断出来的，这使得符合要求的系统更具相关性。此外，IRT 给出了一个遵循正态分布的难度缩放指标，可以直接与系统的能力进行比较。然而，IRT 和其他难度指标都是从之前的性能结果中得出的，但不依赖于实例空间，因此我们无法预测新实例的难度。我们为这个重要问题提出了一个相对简单的解决方案：以问题特征作为输入、以难度作为输出来训练回归模型。本文涵盖了人工智能中的一系列问题，推导了它们的 IRT 难度，并为每个领域训练了一个回归模型——难度估算器，我们对其进行了系统性的评估。对于许多领域，根据 RMSE 和 Spearman 相关性，对 IRT 难度的估计非常好。我们在一系列应用上说明了这些难度模型的解释能力：
![通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。](/simg/d/dd5abf0752fcc9f891dc4a96743f916f96f28350.png)
通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。
通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。
使用 AI 玩家预测游戏难度和参与度
本文介绍了一种用于预测人类玩家行为和体验的自动游戏测试新方法。我们之前已经证明，深度强化学习 (DRL) 游戏代理可以预测游戏难度和玩家参与度，并将其操作化为平均通过率和流失率。我们通过使用蒙特卡洛树搜索 (MCTS) 增强 DRL 来改进这种方法。我们还基于以下观察激发了一种增强的预测特征选择策略：AI 代理的最佳表现可以产生比代理平均表现更强的与人类数据的相关性。这两种添加方式都可以持续提高预测准确性，并且 DRL 增强型 MCTS 在最难的级别上的表现优于 DRL 和原始 MCTS。我们得出结论，通过自动游戏测试进行玩家建模可以从结合 DRL 和 MCTS 中受益。此外，如果 AI 游戏玩法平均而言无法产生良好的预测，那么研究重复的最佳 AI 代理运行的子集也是值得的。
后量子密码学：计算难度假设及其他
全尺寸量子计算机的出现将严重影响目前使用的大多数加密系统。这种影响最著名的方面在于支撑大多数当前公钥加密系统安全性的计算难度假设：量子计算机可以在多项式时间内分解整数并计算离散对数，从而破解基于这些问题的系统。但是，简单地用其他（被认为）对量子计算机都无害的问题取代这些问题并不能完全解决问题。事实上，在量子攻击者面前，许多加密系统的安全证明不再有效；虽然这并不意味着受影响的系统会被量子计算机破解，但它确实引发了人们对它们可以提供的确切安全保障的质疑。本概述文档旨在分析量子计算机对密码学影响的各个方面，通过概述当前的量子难计算问题（以及基于它们的密码系统），并提出受量子攻击者影响的安全性证明，详细说明该主题的当前研究状况以及对安全性的预期影响。
要考虑难度管理的点
摘要背景尽管根据当前的管理建议进行治疗，但类风湿关节炎（RA）患者的比例仍然有症状。这些患者可以被认为具有“难以治疗的RA”。但是，缺乏统一的术语和适当的定义。目的是负责“为难以治疗的类风湿关节炎的全面管理的Eular建议的发展，旨在为这个服务不足的患者组提出建议。在此，我们介绍了难以治疗的RA的定义，作为第一步。方法指导委员会根据风湿病学家的国际调查起草了一个定义，该定义具有建议的术语。在面对面的会议上，在包括风湿病学家，护士，卫生专业人员和患者在内的工作队对此进行了讨论和修改，直到达成足够的协议（通过投票评估）。结论可以在临床实践，临床试验中使用拟议的难以治疗的Eular定义，并可以为将来的研究构成基础。结果所有工作队成员都同意以下三个标准，是难以治疗的RA的定义的强制性要素：（1）根据欧洲反对风湿病（Eular）的建议（EULAR）建议和失败≥2种生物学疾病 - 修改反式药物（DMARDS）/有针对性的合成dmards（与不同的惯例）（在不同机构上）的治疗（除非采取不同的惯例）。禁忌）； （2）至少存在以下至少一个：至少中度疾病活动；表征和/或症状暗示活性疾病；无法锥形糖皮质激素治疗；快速射线照相进展；导致生活质量降低的RA症状； （3）风湿病学家和/或患者认为体征和/或症状的管理被认为是有问题的。