XiaoMi-AI文件搜索系统
World File Search System中受
老年人在工作记忆过程中受益于更广泛的大脑网络整合
神经影像学证据表明，衰老的大脑比年轻人更依赖一组分布更分散的皮质区域，以便在执行要求高的认知任务时保持成功的表现水平。然而，任务需求如何导致皮质网络与年龄相关的扩张仍不清楚。为了研究这个问题，功能性磁共振成像被用来测量年轻人和老年人在工作记忆 (WM) 任务中的单变量活动、网络连接和认知表现。在这里，个体执行一项 WM 任务，其中他们将字母保持在线状态，同时按字母顺序重新排序。对 WM 负荷进行滴定以获得具有不同集合大小的四个个性化难度级别。网络整合（定义为网络内与网络间连接的比例）与 WM 容量的个体差异有关。这项研究得出了三个主要发现。首先，随着任务难度的增加，年轻人的网络整合度降低，而老年人的网络整合度增加。其次，与年龄相关的网络整合度增加是由右半球与左、右皮质区域的连接度增加所驱动的，这一发现有助于调和现有的衰老补偿性募集理论。最后，WM 容量较高的老年人在最困难的任务条件下表现出更高的网络整合水平。这些结果揭示了与年龄相关的网络重组机制，表明网络连接的变化可能是一种自适应补偿形式，随着任务需求的增加，老年人会募集更分散的皮质网络。
摘要：本研究的目的是确定近东大学学生对使用 Google 应用程序进行移动学习的看法。研究中使用了研究人员开发的包含 20 个项目的数据收集工具。应用结果表明，数据收集工具的克隆巴赫系数为 0.942。本研究的摘要部分提供了一般信息。在方法部分，表格显示了学生的年龄和性别以及学生就读的院系。研究过程中收集的数据在结果和讨论部分给出，并由研究人员在结论部分进行评估。研究结果表明，学生对移动教育中的 Google 应用程序持积极态度。对数据进行统计分析后发现，学生使用 Google 应用程序可以使大多数任务更容易完成。因此，学生使用这些应用程序可以节省更多时间和精力。提供使用这些应用程序的教育并从这些应用程序中受益将是件好事。本研究收集的数据旨在为来自不同大学和国家从事这一主题研究的其他研究人员提供指导。关键词：人工智能；移动学习；谷歌应用；技术。引用方式：Bicen, H., & Arnavut, A. (2020)。谷歌人工智能方法和在移动学习中使用谷歌应用的统计结果。BRAIN。人工智能和神经科学的广泛研究，11 (1)，121-130。https://doi.org/10.18662/brain/11.1/18
摘要：本研究的目的是确定近东大学学生对使用 Google 应用程序进行移动学习的看法。研究中使用了研究人员开发的包含 20 个项目的数据收集工具。应用结果表明，数据收集工具的克隆巴赫系数为 0.942。本研究的摘要部分提供了一般信息。在方法部分，表格显示了学生的年龄和性别以及学生就读的院系。研究过程中收集的数据在结果和讨论部分给出，并由研究人员在结论部分进行评估。研究结果表明，学生对移动教育中的 Google 应用程序持积极态度。对数据进行统计分析后发现，学生使用 Google 应用程序可以使大多数任务更容易完成。因此，学生使用这些应用程序可以节省更多时间和精力。提供使用这些应用程序的教育并从这些应用程序中受益将是件好事。本研究收集的数据旨在为来自不同大学和国家从事这一主题研究的其他研究人员提供指导。关键词：人工智能；移动学习；谷歌应用；技术。引用方式：Bicen, H., & Arnavut, A. (2020)。谷歌人工智能方法和在移动学习中使用谷歌应用的统计结果。BRAIN。人工智能和神经科学的广泛研究，11 (1)，121-130。https://doi.org/10.18662/brain/11.1/18
人工智能和机器人领域的负责任研究与创新 (RRI)：一种对心智与机器的后人类同理心的关系方法 20 世纪 80 年代末开始的对人类基因组计划的伦理、法律和社会影响 (ELSI) 的研究到 2010 年左右成为美国联邦预算的一项。ELSI 研究成为美国和欧盟政府科技机构自我反思的一部分；负责任的研究与创新 (RRI) 的道德理想已成为一种专业规范。1 这个历史性的例子作为跨学科可能性的愿景，指导了以下提议，即在心智与机器计划中系统地整合技术和道德，并作为纽约大学对这些问题的持续承诺的一部分。2 人工智能和机器人研究与人类基因组计划非常相似，并且肯定会从类似的处理中受益。 RRI 提供了一种替代事后应对新技术影响的趋势的方法：它关注社会影响“上游”的设计问题和实施前的初始条件。RRI 在实施阶段的“中游”也非常有效。在信息科学和技术的情况下，上游和下游之间的距离相对较短，中游干预的价值变得更加明显。3 对初始条件的敏感性是所有复杂自适应系统的一个特征——必须考虑到这一事实
人工智能和机器人领域的负责任研究与创新 (RRI)：一种关系方法，用于实现思想和机器的后人类共情 20 世纪 80 年代末开始的对人类基因组计划的伦理、法律和社会影响 (ELSI) 的研究，到 2010 年左右成为美国联邦预算的一项。ELSI 研究成为美国和欧盟政府科技机构自我反思的一部分；负责任的研究与创新 (RRI) 的道德理想已成为一种专业规范。1 这个历史性的例子是跨学科可能性的愿景，它指导了以下提议，即在思想和机器计划中系统地整合技术和道德，并作为纽约大学对这些问题的持续承诺的一部分。2 人工智能和机器人研究与人类基因组计划非常相似，并且肯定会从类似的处理中受益。RRI 提供了一种事后应对新技术影响的趋势的替代方案：它关注社会影响“上游”的设计问题和实施前的初始条件。RRI 在实施阶段的“中游”中也非常有效。在信息科学和技术的情况下，上游和下游之间的距离相对较短，中游干预的价值变得更加明显。3 对初始条件的敏感性是所有复杂自适应系统的一个特征——在任何希望整合人类和非人类系统的系统研究中都必须考虑到这一事实。中游发展阶段的亚稳态中介和过渡结构往往呼应了对初始条件的系统敏感性：它们易受干扰，因此容易受到一定程度的调节和管理。中游调节增强了道德干预的有效性 中游 RRI 在跨学科计划（如“心智与机器”）的情况下也具有强大的潜在影响。中游调节的实验室民族志研究表明，将社会科学家和人文研究人员嵌入科学和工程实验室可以增强反思方法实践和协调，从而使上述学科领域受益。4 一个非常适合当代人工智能和机器人研究跨学科性质的哲学框架是本体结构现实主义 (OSR) 5 。过程哲学与复杂自适应系统的一致性为设计和自然系统的稳健跨标量集成提供了进一步的本体论基础。以新康德哲学及其与过程形而上学的亲缘关系为基础的 OSR 具有根本的关系基础，它提供了适应性的概念能力，以应对技术的快速发展及其社会影响。科学和工程中的仿生 6 范式在这个方向上取得了有趣的进展。在伦理信息理论、神经科学、社会网络理论、生态学、系统理论和气候模型的交叉点上，生态模拟范式即将出现；这可能成为“环境人工智能”和机器人技术新方法的沃土。半个世纪前，克拉克和库布里克在《2001：太空漫游》中设想了环境人工智能，即 HAL， 7 并在斯皮尔伯格的《少数派报告》中重新构想为一个完全沉浸式的安全和商业环境。在现实生活中，IBM 和其他公司继续开发人机协作系统，这可以被视为生态模拟范式的初稿。虽然仍处于推测阶段，但由本地化和分布式机器人组成的自主自学型人工智能可以在日托环境中像婴儿一样被抚养长大。人工智能代理和人类之间精心策划的互动可以共同创造一个自组织生物的世界，其生态相互依存构成了后人类同情的有机基础。总结：基于认知责任 8 和社群伦理的自我限制是后人类同情的先决条件，这种同情可以为人类、非人类和人工智能代理之间的未来互动奠定基础。在精心策划的环境中，对负责任的创新模型进行自我学习、自我限制系统的训练，为新形式的共同生成的知识生产打开了大门，这些知识生产能够认识并响应人类和非人类价值观的处境。
摩洛哥从与欧盟的自由贸易协定中受益了吗？
Uri Dadush 是新南方政策中心（前身为摩洛哥拉巴特的 OCP 政策中心）的高级研究员，也是布鲁盖尔的非驻地学者。他常驻华盛顿特区，是经济政策国际有限责任公司的负责人，为世界银行和其他国际组织以及公司提供咨询服务。他在 OCP 政策学院和马里兰大学公共政策学院教授全球化和国际贸易政策课程。他曾担任卡内基国际经济项目主任，并在世界银行担任国际贸易、经济政策和发展前景部主任。在私营部门，他曾担任经济学人智库总裁、数据资源公司集团副总裁以及麦肯锡公司的顾问。
IAHR 白皮书：人工智能。水资源规划和管理如何从中受益？
为了真正应对新的和持续的挑战，我们需要更多接受过人工智能培训的熟练人员来解决问题，并实现包括人工智能/机器学习在内的“数字”技术的潜在优势。仅接受过人工智能/机器学习培训的数据科学专业人员无法领导将这些技术成功应用于水管理问题的过程，因为他们不完全了解水行业的复杂性及其挑战。实现人工智能驱动的水资源未来涉及高端、前沿技术，需要一种接受过水和人工智能/机器学习科学培训的新型专业人员——水文信息学家！水文信息学学科涉及一个持续开发和使用水数据、模型和工具的过程，以了解我们的环境，让所有利益相关者参与进来，并支持实现更可持续环境的决策。只有拥有这样一群专业人士，