AI lie detector beats humans and could be socially disruptive
维尔茨堡大学和马克斯普朗克人类发展研究所的研究人员训练了一个人工智能模型来检测谎言，这可能会扰乱我们彼此交往的方式。人类并不擅长分辨一个人是在撒谎还是在说实话。实验表明，我们的命中率最多只有 50% 左右，这种糟糕的表现决定了我们如何相互交往。真值默认理论 (TDT) 认为，人们通常会假设一个人告诉他们的话是真的。称某人为骗子的社会成本太大，风险太大。这篇文章《人工智能测谎仪击败人类，可能会扰乱社会》首先出现在 DailyAI 上。
在上一篇文章中，我讨论了给定数据集的 DNF 最小化的复杂性。具体来说，给定一个输入/输出对的数据集，计算与 一致的最小 DNF 有多难？在这篇文章中，我们将研究这个问题的一个变体，其中要求数据集为 中的每个点指定一个标签。DNF 真值表最小化。DNF 真值表最小化是 DNF 最小化的变体，其中输入数据集是函数 的真值表。对数据集的额外约束只能使问题变得更容易，实际上，使用 Set-Cover 的贪婪近似，可以在多项式时间内将真值表最小化近似到 的一个因子以内。第一个下界由 Masek 于 1979 年证明，表明确切的变体是 NP 难的。他的结果从未发表过，尽管后来 Umans、Villa 和
给定一个由输入/输出对组成的数据集，如何找到与数据一致的小 DNF？这个问题称为 DNF 最小化，在计算机科学史上以各种形式出现。在这篇由两部分组成的博客文章中，我将调查一些关于这个问题的复杂性的结果以及与学习 DNF 的一些联系。历史和动机。几十年来，DNF 最小化一直是逻辑综合界的核心问题。在这个领域，这个问题被称为“两级逻辑综合”。它有着悠久的历史，可以追溯到 1952 年奎因写的一篇名为“简化真值函数的问题”的论文。奎因的论文在某种程度上是对香农硕士论文“继电器和开关电路的符号分析”的回应，该论文将布尔代数引入了电路设计的研究。奎因对以下问题感兴趣。给定一个布尔函数（作为真值表），找到
