非洲民主在生成式虚假信息时代的挑战与对策

Posted on 2024-07-10 in CS.AI • 11 words • 1 minute read

摘要

本文由Chinasa T. Okolo博士撰写，探讨了生成式人工智能（Generative AI）在非洲选举中产生虚假信息（disinformation）的挑战与对策。文章指出，尽管生成式AI技术在教育、医疗和商业流程优化等领域有巨大潜力，但其负面影响，特别是在选举过程中的虚假宣传，已成为公众关注的焦点。文章通过案例研究，分析了生成式AI在非洲选举中的应用及其对民主进程的影响，并讨论了政府、民间社会、学术界和公众在负责任地开发和使用AI方面的角色。此外，文章还探讨了事实核查组织在减轻虚假信息负面影响方面的作用，以及提高公民AI素养和政府监管措施的必要性。

革新伤口管理：轻量级AI模型在智能手机上的应用探索

Posted on 2024-07-10 in CS.AI • 19 words • 1 minute read

摘要

随着全球老龄化人口的增加，慢性伤口（如糖尿病足溃疡）的管理成为医疗保健领域的一大挑战。传统的伤口评估方法依赖于治疗师的主观判断，这不仅效率低下，而且缺乏客观性。本文《Early Explorations of Lightweight Models for Wound Segmentation on Mobile Devices》探讨了在移动设备上使用轻量级模型进行伤口分割的可能性，旨在通过智能手机照片实现客观且便捷的伤口监测。研究采用了多种轻量级架构，如ENet、TopFormer和UNeXt，通过公开数据集进行实验，结果显示这些模型在性能上与传统的UNet相当，且在实际应用中表现出良好的效果。

"AI赋能教育创新：探索人工智能在教学设计中的协作应用"

Posted on 2024-07-09 in CS.AI • 13 words • 1 minute read

摘要

本文由Margarida Romero撰写，探讨了人工智能（AI）在教育中的应用，特别是在增强学习活动中的协作设计。文章指出，尽管AI在教育中的应用日益广泛，但教育者需要提高AI素养，并学会将AI适当地融入教学中。为此，作者与Terra Numerica和Maison de l’Intelligence Artificielle合作，开发了一个形成性干预措施，旨在帮助教育者理解AI，并促进其在学习设计中的创造性应用。通过一系列工作坊，参与者不仅提升了对AI的理解，还学会了如何设计AI增强的教育活动，以促进学生的参与和个性化学习体验。

"OPEN方法：解决强化学习中的非平稳性、可塑性损失和探索问题"

Posted on 2024-07-09 in CS.AI • 14 words • 1 minute read

摘要

本文探讨了强化学习（RL）在实际应用中面临的独特挑战，特别是非平稳性、可塑性损失和探索需求。为了解决这些问题，研究者提出了一种名为OPEN的新方法，该方法通过元学习优化规则来专门针对这些挑战。OPEN方法在多种学习环境中表现出色，能够灵活地使用随机性进行探索，并在单一和小规模环境集合中超越或与传统优化器相媲美。此外，OPEN展示了在环境分布和代理架构范围内的强大泛化能力。

"TE-SSL：革新阿尔茨海默病进展分析的自监督学习框架"

Posted on 2024-07-09 in CS.AI • 16 words • 1 minute read

摘要

本文由Jacob Thrasher等人撰写，针对阿尔茨海默病（AD）的进展分析，提出了一种名为TE-SSL（Time and Event-aware Self Supervised Learning）的新型框架。该研究的核心在于利用自监督学习（SSL）技术，结合时间-事件标签作为监督信号，以提高疾病进展分析的准确性。文章通过对比现有SSL方法，展示了TE-SSL在生存分析下游任务中的优越性能。该研究不仅为理解疾病动态提供了新视角，还为个性化患者护理和早期干预提供了技术支持。

"XAI-CHEST框架：提升6G网络中信道估计的效率与可解释性"

Posted on 2024-07-09 in CS.AI • 19 words • 1 minute read

摘要

本文介绍了在未来的6G网络中，基于深度学习的信道估计（DL-based Channel Estimation）的效率提升问题。文章提出了一种新颖的基于扰动（perturbation-based）的XAI-CHEST框架，旨在通过识别模型输入中的相关和不相关部分来解释黑箱模型行为，从而确保其高效和安全的部署。该框架通过在无关输入上引入高噪声来识别相关模型输入，从而提高整体性能并优化所使用模型的架构。模拟结果显示，XAI-CHEST框架提供了有效的解释，同时提高了比特错误率性能并降低了计算复杂度。

"云端数字化：文化遗产元数据采集的新纪元"

Posted on 2024-07-09 in CS.AI • 20 words • 1 minute read

摘要

本文介绍了一种基于Microsoft 365云技术的数字化工作流程，旨在为文化遗产对象获取丰富的元数据。该解决方案由Jagiellonian大学与Jagiellonian图书馆合作开发，利用MS Excel文件作为元数据采集接口，Office Script进行验证，以及MS Sharepoint进行存储。此工作流程允许领域专家（如文献学家、历史学家、哲学家、图书馆员、档案管理员、策展人等）无需信息系统经验即可进行元数据采集。最终目标是创建一个描述分析藏品的知识图谱，并链接到通用知识库和其他文化遗产收藏。该工作流程已在DiHeLib项目中针对“柏林收藏”进行了两次试点评估，并在国际嘉宾参与的研讨会中得到了改进和确认。

"保护企业级LLM应用：一种基于角色安全和北约级别的创新架构"

Posted on 2024-07-09 in CS.AI • 11 words • 1 minute read

摘要

本文提出了一种基于角色安全和企业大型语言模型应用的简单架构，该架构利用基于角色的安全和北约安全级别，结合检索增强生成（RAG）和专家混合模型（MoE）。该研究旨在解决当前大型语言模型（LLMs）在处理安全和信息访问方面的局限性。通过使用用户角色和安全级别，过滤RAG中的文档和MoE中的专家，从而防止信息泄露。

"保护无线通信：深度学习对抗对抗性示例的新防御策略"

Posted on 2024-07-09 in CS.AI • 14 words • 1 minute read

摘要

本文由Lu Zhang等人撰写，针对无线通信网络中深度学习算法在自动调制分类（AMC）中易受对抗性示例攻击的问题，提出了一种创新的防御措施。该措施基于神经拒绝技术，结合标签平滑（LS）和高斯噪声注入（GNA），旨在高精度地检测并拒绝对抗性示例，从而保护基于深度学习的调制分类系统免受对抗性攻击。研究结果表明，所提出的防御措施能够有效提升系统对抗对抗性示例的能力。

"定制化摄像头编码器：提升自动驾驶车辆感知能力的新途径"

Posted on 2024-07-09 in CS.AI • 9 words • 1 minute read

摘要

本文由Barath Lakshmanan等人撰写，探讨了自动驾驶车辆（AV）感知系统中摄像头编码器设计的优化问题。文章指出，尽管现有的卷积神经网络（CNN）和视觉变换器（ViT）在通用视觉任务中表现出色，但直接应用于工业级AV数据集仍存在挑战。这些挑战包括数据集的类别分布、传感器类型的多样性、检测范围的广泛性以及场景的复杂性。为了解决这些问题，作者从通用的ConvNeXt编码器出发，通过系统分析和调整设计参数，如模型宽度、深度、阶段计算比、注意力机制和输入分辨率，定制了一个针对AV数据集优化的摄像头编码器架构，实现了8.79%的mAP改进。

Previous Page 34 of 156 Next Page