现代技术的开发和应用是对自然栖息地和景观中物种有效监测的重要基础，以追踪生态系统，物种社区和人群的发展，并分析变化的原因。为了使用诸如摄像头距离采样等方法估算动物丰度，根据3D（三维）测量的自然栖息地的空间信息至关重要。此外，3D信息可提高使用摄像头捕获的动物检测的准确性。这项研究为3D摄像头捕获提供了一种新颖的方法，该方法具有高度优化的硬件和软件。这种方法采用立体声愿景来推断自然栖息地的3D信息，并被指定为监测生物多样性（Socrates）的立体相机陷阱。对苏格拉底的全面评估不仅显示了$ 3.23 \％$的改善动物检测（边界盒$ \ text {map} _ {75} $），而且还可以使用相机陷阱距离采样来估算动物丰度。苏格拉底的软件和文档可在https://github.com/timmh/socrates上提供

Data-centric artificial intelligence (data-centric AI) represents an emerging paradigm emphasizing that the systematic design and engineering of data is essential for building effective and efficient AI-based systems. The objective of this article is to introduce practitioners and researchers from the field of Information Systems (IS) to data-centric AI. We define relevant terms, provide key characteristics to contrast the data-centric paradigm to the model-centric one, and introduce a framework for data-centric AI. We distinguish data-centric AI from related concepts and discuss its longer-term implications for the IS community.

发生毁灭性事件后，数十年来仍然可以看到空袭的后果。未爆炸的军械（UXO）是对人类生活和环境的巨大危险。通过评估战时图像，专家可以推断出DUD的发生。当前的手动分析过程是昂贵且耗时的，因此使用深度学习可以自动检测炸弹陨石坑，是改善UXO处置过程的一种有希望的方法。但是，这些方法需要大量手动标记的培训数据。这项工作利用月球表面图像来利用域的适应性，以解决自动化炸弹火山口检测的问题，并在有限的训练数据的限制下深入学习。本文通过提供有限的训练数据和（2）的自动炸弹火山口检测的解决方案方法来促进学术和实践（1），并通过证明使用合成图像进行域适应的可用性和相关挑战。

在许多工作环境中，专家知识对于人类必须进行高性能并确保业务成功。这些人具有特定于任务的专家知识（TSEK），因此代表主题专家（SME）。但是，不仅人口统计学变化，而且人员缩减策略的缩减，并将继续导致组织内中小企业的离开，这构成了如何保留该专家知识和培训新手以保持专家知识所带来的竞争优势的挑战。中小企业培训新手是时间和成本密集的，这加剧了对替代方案的需求。 Human-Ai合作（HAIC）构成了摆脱这一难题的出路，促进了保留专家知识的替代方案，并将其教给新手，以完成SME事先执行的任务。在本研讨会的论文中，我们（1）提出了一个框架，涉及如何利用HAIC来培训特定任务的新手，（2）说明了通过HAIC在本培训过程中明确和默认知识的作用，并且（3）概述了初步的实验设计，以评估HAIC中AI系统的能力，充当培训师将TSEK转移到没有先前TSEK的新手。

部署的机器学习模型面临着随着时间的流逝而改变数据的问题，这一现象也称为概念漂移。尽管现有的概念漂移检测方法已经显示出令人信服的结果，但它们需要真正的标签作为成功漂移检测的先决条件。尤其是在许多实际应用程序场景中，这种工作真实标签中涵盖的情况很少，而且它们的收购价格昂贵。因此，我们引入了一种用于漂移检测，不确定性漂移检测（UDD）的新算法，该算法能够检测到漂移而无需访问真正的标签。我们的方法基于深层神经网络与蒙特卡洛辍学的不确定性估计。通过将ADWIN技术应用于不确定性估计值，并检测到漂移触发预测模型的重新验证，可以检测到随时间变化的结构变化。与基于输入数据的漂移检测相反，我们的方法考虑了当前输入数据对预测模型属性的影响，而不是仅检测输入数据的变化（这可能导致不必要的重新培训）。我们表明，UDD在两个合成和十个现实世界数据集的回归和分类任务方面优于其他最先进的策略。