XiaoMi-AI文件搜索系统
World File Search System领域
医疗领域的人工智能
利用分散的潜力 Pieter 认为，正确的 AI 创新可以对公民的健康和医疗保健产生越来越积极的影响，加强护理提供者，帮助改变荷兰的医疗保健系统并巩固荷兰的竞争地位。“我们在该国拥有大量的 AI 专业知识：在大学、知识机构、医院、护理提供者以及初创企业、扩大规模的企业和大公司。然而，这些知识分散在全国各地，如果我们不协调，它们将大部分停留在本地，从而浪费其潜力。我们希望对公民的健康和医疗保健系统的状况产生积极影响。AI 联盟将帮助我们解决扩大有价值的 AI 解决方案的技术、数据相关、道德、法律和社会障碍和机遇。资金和补贴也很分散，必须加以引导以创造最大的杠杆作用。还需要开发强大的健康数据基础设施。”
SAC 的研究领域
传感器开发领域（SEDA） Shri Saji A Kuriakose 3853 saji_ak@sac.isro.gov.in 微波遥感领域（MRSA） Shri Nilesh Desai 5220 nmdesai@sac.isro.gov.in SATCOM 和导航有效载荷领域（SNPA） Shri DK Das 2238 das@sac.isro.gov.in SATCOM 和导航应用领域（SNAA） Shri KS Parikh 2433 parikhks@sac.isro.gov.in 天线系统组（ASG） Shri Rajeev Jyoti 2115 rajeevjyoti@sac.isro.gov.in 地球、海洋、大气、行星科学和应用领域（EPSA） Dr . PK Pal 4024 pradip@sac.isro.gov.in 信号和图像处理领域 (SIPA) Shri R Ramachandran 4148 ramachandran@sac.isro.gov.in 电子支持服务领域 (ESSA) Shri RajKumar Arora 3310 rkasac@sac.isro.gov.in，机械工程系统领域 (MESA) Shri AM Jha 3352 amjha@sac.isro.gov.in 系统可靠性领域 (SRA) Shri RM Paramar 5027 rmparmar@sac.isro.gov.in 规划和项目组 (PPG) Shri Vikas Patel 3312 vikas@sac.isro.gov.in
医学领域的人工智能
简介：基于人工智能的医疗设备 (AI-based MDs) 在医疗保健领域正呈指数级增长。本研究旨在调查当前评估 AI 的研究是否包含 HTA 机构进行健康技术评估 (HTA) 所需的信息。方法：我们根据系统评价和荟萃分析的首选报告项目方法进行了系统文献综述，以提取 2016 年至 2021 年期间发表的与基于 AI 的 MDs 评估相关的文章。数据提取侧重于研究特征、技术、算法、比较器和结果。计算 AI 质量评估和 HTA 分数以评估纳入研究中存在的项目是否符合 HTA 要求。我们对 HTA 和 AI 分数进行了线性回归，解释变量为影响因子、出版日期和医学专业。我们对 HTA 分数进行了单变量分析，对 AI 分数进行了多变量分析，alpha 风险为 5%。结果：在检索到的 5578 条记录中，包括 56 条。平均 AI 质量评估得分为 67%；32% 的文章的 AI 质量得分 ≥ 70%，50% 的文章得分在 50% 到 70% 之间，18% 的文章得分低于 50%。研究设计（82%）和优化（69%）类别的质量得分最高，而临床实践类别的得分最低（23%）。所有七个领域的平均 HTA 得分为 52%。100% 的研究评估了临床效果，而只有 9% 的研究评估了安全性，20% 的研究评估了经济问题。影响因子与 HTA 和 AI 得分之间存在统计学上的显著关系（均为 p = 0.046）。讨论：基于 AI 的 MD 的临床研究有局限性，而且往往缺乏适应性强、稳健和完整的证据。还需要高质量的数据集，因为只有输入可靠，输出数据才可信。现有的评估框架并非专门为评估基于人工智能的医疗器械而设计的。从监管机构的角度来看，我们建议应调整这些框架以评估持续更新的可解释性、可解释性、网络安全性和安全性。从 HTA 机构的角度来看，我们强调，实施这些设备需要透明度、专业和患者接受度、道德问题和组织变革。人工智能的经济评估应依靠稳健的方法（业务影响或健康经济模型），为决策者提供更可靠的证据。
经济学领域的人工智能
摘要 经济学中人工智能的历史漫长而曲折，与人工智能本身的发展历史非常相似。经济学家自人工智能诞生以来就一直致力于研究，尽管程度不同，关注点也随着时间和地点的变化而变化。在本研究中，我们采用科学计量学方法，探讨了人工智能和不同人工智能方法（例如机器学习、深度学习、神经网络、专家系统、知识型系统）在经济学子领域内的传播。特别是，我们围绕哈耶克提出的经济计算和社会规划问题对经济学中的人工智能进行了讨论。为了绘制经济学子领域内部和之间的人工智能历史，我们根据 Scopus 数据库和 EconPapers（以及 IDEAs/RePEc）存储库的搜索查询结果构建了两个包含经济学论文文献计量信息的数据集。我们展示了描述性结果，描绘了经济学中人工智能的使用和讨论随时间、地点和子领域的变化。在此过程中，我们还描述了那些参与经济学人工智能研究的作者和所属机构。此外，我们发现机构隶属关系的质量与经济学中人工智能的参与或关注度之间存在正相关性，而人类发展指数与基于学习的人工智能论文份额之间存在负相关性。
可再生能源领域的数字化
摘要：本研究通过回顾相关文献（2010-2022 年出版），探讨了可再生能源吸收与该行业数字化之间的关联，目的是确定该行业目前数字技术的利用情况、采用面临的挑战以及未来前景。使用不同的搜索引擎（SCOPUS、Web of Science 和 Google Scholar）查找相关论文和文件。结果表明，数字技术在支持可再生能源行业方面具有重要意义，高成本和安全风险是主要挑战。大多数论文都持乐观态度，但建议进一步研究和开发有效的能源转型和弹性基础设施。目前整合数字技术以支持可再生能源传播的驱动因素似乎超出了能源需求，涉及可持续性和可持续发展的许多方面。与以前的评论相比，这项工作具有独特的范围和新颖性，因为它考虑了数字化与可再生能源部门之间耦合的大局，更加关注这两个相互关联的机构中需要解决的关键领域。文献综述中相关论文样本相对较少（836 篇结果中 69 篇），这证明需要对该主题进行更深入的研究。
医疗保健领域的人工智能
人工智能 (AI) 有可能为医疗保健行业带来变革。先前的研究广泛讨论了提高诊断准确性、个性化治疗和减轻管理负担等机遇。在实际实施方面，很少有研究可以解释医疗决策者在医疗机构中推广 AI 技术时采取的谨慎态度。本研究的目的是回顾现有文献，探讨导致医疗保健领域采用人工智能速度缓慢的关键挑战。该研究还旨在彻底了解阻碍医疗保健组织利用 AI 优势的挑战。为了实现这些目标，我们对 324 篇论文进行了文献综述，以确定内部和外部关键挑战及其对医疗保健领域采用人工智能的影响。结果表明，扩大人工智能技术在医疗保健领域的应用遇到了来自技术能力、法规和政策、数据管理以及围绕使用 AI 的道德环境的若干挑战。本研究的结果通过探索人工智能采用所面临的挑战，丰富了知识体系。