XiaoMi-AI文件搜索系统
World File Search System人为
以人为本的可解释人工智能过程模型
引言人工智能 (AI) 的发展已展现出令人瞩目的性能，特别是在图像处理或游戏等明确定义的领域。然而，所部署的技术对于人类用户来说可能是不透明的，这引发了一个问题：人工智能系统如何提供解释 (Neerincx 等人，2018 年；Rosenfeld 和 Richardson，2019 年)，并且监管框架对可解释人工智能 (XAI) 的需求日益增长。话虽如此，2017 年，谷歌的研究主管 Peter Norvig 指出，在人类可能不擅长提供“解释”的情况下期望计算机提供“解释”是具有讽刺意味的。可解释人工智能 (XAI) 的大部分工作都严重依赖于以计算机为中心的视角 (Springer，2019 年)。例如，Holzinger 等人 (2020) 假设人类和人工智能系统可以平等地访问“基本事实”。由此可见，可解释性“……突出了机器表示中与决策相关的部分……，即有助于模型在训练中的准确性或特定预测的部分。”与许多 XAI 文献一样，这并没有为人类提供任何角色，只能作为被动接受者。这意味着人工智能系统能够反省自己的过程来生成解释。然后将得到的解释呈现给用户，并描述人工智能系统的流程或它使用过的特征（“决策相关部分”）。这样，解释就只是一个建议（来自人工智能系统）加上与此相关的特征。正如 Miller (2017) 所指出的那样，这种态度的一个问题在于，它是基于设计师对什么是“好的”解释的直觉，而不是基于对人类如何响应和利用解释的合理理解。这并不能说明为什么选择某些特征，也不能说明为什么建议适合用户的关注点。它也没有将解释置于更广泛的组织中；分析师的解释可能与数据收集管理人员或接受分析师简报的经理的解释不同。对于 Holzinger 等人 (2020) 来说，情况的各个方面（定义为基本事实）被组合成一个陈述；也就是说，解释只是这个陈述的一种表达。这意味着从特征到解释存在线性插值。这类似于 Hempel 和 Oppenheim (1948) 的“覆盖定律模型”，该模型关注的是历史学家如何根据先前的原因来解释事件。然而，“基本事实”（由 Holzinger 的过程模型和覆盖定律模型假设）很少得到完全定义（导致在选择相关特征时产生歧义）。这意味着，仅仅陈述情况方面而不说明为什么选择这些方面（而不是其他方面）可能不会产生有用或可用的解释。霍夫曼等人（2018）对与解释相关的文献进行了全面的回顾。从这篇评论来看，解释涉及人类的理解（将人工智能系统的输出置于特定情境中），我们同意，考虑这一点的适当框架是数据框架的理解模型（Klein 等人，2007）。此外，理解（及其与解释的关系）依赖于认识到过程（提供和接收解释）必须是相互的、迭代的和协商的。这个过程依赖于“解释者”和“被解释者”达成一致。换句话说，解释涉及“共同点”（Clark，1991），其中理解上有足够的一致性以使对话继续进行。对话的性质将取决于提供解释的情况和被解释者的目标。例如，被解释者可能是“受训者”，他试图理解解释以学习决策标准，也可能是“分析师”，使用人工智能系统的建议作为政策。
第 11 章 AI 完备性：利用深度学习消除人为因素
摘要 计算复杂性是计算机科学和数学的一门学科，它根据计算问题的固有难度对其进行分类，即根据算法的性能对其进行分类，并将这些类别相互关联。P 问题是一类可以使用确定性图灵机在多项式时间内解决的计算问题，而 NP 问题的解可以在多项式时间内验证，但我们仍然不知道它们是否也可以在多项式时间内解决。所谓 NP 完全问题的解也将是任何其他此类问题的解。它的人工智能类似物是 AI 完全问题类，对于该类问题仍然没有完整的数学形式化。在本章中，我们将重点分析计算类，以更好地理解 AI 完全问题的可能形式化，并查看是否存在适用于所有 AI 完全问题的通用算法（例如图灵测试）。为了更好地观察现代计算机科学如何尝试解决计算复杂性问题，我们提出了几种涉及优化方法的不同深度学习策略，以表明无法精确解决高阶计算类问题并不意味着使用最先进的机器学习技术无法获得令人满意的解决方案。这些方法与人类解决类似 NP 完全问题的能力的哲学问题和心理学研究进行了比较，以强化我们不需要精确和正确解决 AI 完全问题的方法就可以实现强 AI 的概念的说法。
人体工程学和人为因素是实施的要求...
摘要：全世界都对使用协作机器人 (Cobots) 来降低工作相关的肌肉骨骼疾病 (WMSD) 风险感兴趣。虽然该领域的先前研究已经认识到在设计阶段考虑人体工程学和人为因素 (E&HF) 的重要性，但大多数研究倾向于强调由于人机协作 (HRC) 而带来的工作站改进。基于文献综述，本研究总结了将 E&HF 视为要求而不是输出的研究。在本文中，作者有兴趣了解现有的研究，这些研究侧重于 Cobots 的人体工程学要求实施，以及用于设计更安全的协作工作站的方法。本次审查是在四个著名的出版物数据库中进行的：Scopus、Web of Science、Pubmed 和 Google Scholar，搜索关键词“协作机器人”或“Cobots”或“HRC”和“人体工程学”或“人为因素”。根据纳入标准，审查了 20 篇文章，并提供了每篇文章的主要结论。此外，重点关注了在 HRC 系统设计阶段考虑 E&HF 的研究与在 HRC 系统上实时应用 E&HF 的研究之间的细分。结果证明了该主题的新颖性，尤其是实时应用人体工程学作为一项要求。在全球范围内，所审查研究的结果表明，将 E&HF 要求集成到 HRC 系统中作为降低 WMSD 风险的相关投入具有潜力。
以人为本的人工智能六大挑战
a 美国佛罗里达州奥兰多市中佛罗里达大学；b 美国佛罗里达州奥兰多市 Design Interactive 生物特征与分析；c 意大利巴勒莫大学 Matematica e Informatica；d 希腊克里特岛 FORTH-ICS 计算机科学研究所；e 德国慕尼黑工业大学社会科学与技术学院；f 加拿大蒙特利尔 HEC 蒙特利尔分校信息技术系；g 美国马里兰州巴尔的摩市约翰霍普金斯大学土木与系统工程系；h 英国牛津大学计算机科学系；i 美国新泽西州皮斯卡塔韦市 IEEE 标准协会新兴技术与战略发展系；j 美国马里兰大学计算机科学系；k 美国明尼苏达州明尼阿波利斯市明尼苏达大学计算机科学与工程系；l 美国加利福尼亚州奥克兰市凯撒医疗集团家庭医学与成瘾医学系；m 美国人工智能认知洞察； n 美国负责任的人工智能合作组织；o 希腊克里特岛克里特大学和 FORTH-ICS 计算机科学系；p 德国汉堡工业大学数字经济研究所；q 中国浙江杭州浙江大学心理学系
减少人为错误，提高早期疾病检测...
7.1 Adoption Barriers........................................................................................................25 7.2 Future Research Paths.............................................................................................. 27 8.Conclusion........................................................................................................................30 Bibliography......................................................................................................................... 33 Plagiarism Statement...........................................................................................................36
飞机维护和检查中的人为因素问题...
1.讨论的任何其他主题都比以沟通为中心的建议更多。显然，航空业结构的变化已经破坏了早些年存在的通信网络。这些网络在传播维护信息方面非常有用。因此，建议 FAA 至少再举行一次此类会议，以审查后续建议中提到的具体主题。2.FAA 应考虑鼓励或开发有关维护技术、程序和问题的行业信息数据库的方法。存在许多单独的数据库。这些应该合并和扩展。3.应尽可能加快对第 147 部分的当前审查。结果应包括将专业化培训作为经批准学校课程的高级部分。还应审查航空电子技术人员的许可程序。4.受过培训的维护人员供应不足。FAA 应鼓励或开发有关维护作为职业的宣传材料。5.在任何未来由 FAA 赞助的会议上都应广泛讨论“培训技术的进步”。6.“登机时间”的压力是一个持续存在的问题。各方应考虑如何将检查员与生产和其他维护工作隔离开来。7.美国联邦航空局应考虑对机械师表现和检查员表现进行任务分析或修改。这为任何工作重新设计和改进提供了关键信息。8.一个可以详细研究维护概念的研究中心或项目将具有很大的价值。这可能存在于美国联邦航空局技术中心或民用航空医学研究所。9.有效的维护需要适当的维护信息。美国联邦航空局应审查维护手册的准备和交付，以确保维护人员尽快获得最新和最合适的维护数据。应特别注意有关磨损极限、损坏极限、维修方案和飞机接线图的信息。10.许多组织正在开展与维护性能相关的研究活动。应建立渠道，以便这些活动的详细信息可以定期输入建议 2 中提到的数据库。此外，任何未来的会议都应包括一个专门讨论“维护信息准备和交付的要求和改进”的完整会议。
以人为本的 4IR 模型 - Yannis Eustathopoulos
如今，第四次工业革命/4IR（人工智能（AI）、机器人、物联网（IoT）、云、增强现实、3D 打印等）技术已成为有关经济、社会和环境未来的公开辩论的核心。在这场辩论的核心中，我们发现新技术对于实现可持续发展目标（SDG）的实际和潜在关键贡献。然而，越来越多的出版物和文章揭示了新技术的负面后果和风险以及严重的脆弱性。第四次工业革命的弱点通常归因于寡头垄断数字经济模式的盛行，这种模式积累了相当大的技术、金融和市场力量。本政策文件总结了 FORCE 项目的工作和成果，提出了第四次工业革命给欧洲带来的诸多机遇和挑战。这些挑战涉及广泛领域：从欧洲国家的数字主权和经济韧性到新技术对健康、工作条件、就业、环境和人权带来的机遇和影响。在此背景下，提出了多项建议，旨在深化和扩大欧盟当前监管数字部门的举措，释放新技术对可持续发展的潜力，同时塑造以人为本的第四次工业革命模式。
THEA：需求定义的人为错误分析
本文档及其所述技术的目标用户主要是从设计生命周期的早期阶段开始就参与具有大量交互组件的产品的系统工程师。不要求工程师具备人为因素、认知工程或心理学方面的特定背景，但使用该方法的工程师有时可能需要人为因素专家的帮助来解决特定问题。虽然人为因素专业知识对于该过程并非必不可少，但对新系统所处领域和环境的理解更为重要。事实上，该技术可以看作是一种允许工程师将其应用领域专业知识应用于用户界面设计问题和界面设计决策的可靠性影响的方法。
在富营养化过程中气候变化与人为压力之间的相互作用 - 卷II
富营养化被认为是对全球河口和沿海生态系统健康的最大威胁之一。这是一种全球现象，对食物网，水质和水生化学反应有显着影响。富营养化是向河口和沿海地区供应生态系统生态能力的结果（Nixon，2009； Rabalais等，2009）。营养负荷也可能导致养分比的变化，这可能会在海洋生态系统中产生“不良干扰”。在这一目标中，至关重要的是，沿海地区可以实现良好的环境地位（GES）。引起沿海富营养化的驾驶员设置在多个人类诱发的压力源和富营养化的影响的较大框架内（例如生物多样性，生态系统降解，有害藻类绽放和底部水中的氧气表现出现的损失似乎受到与其他压力的协同作用的加剧，包括过度的压力，沿海沿海发育过度，沿海发育和气候驱动的升高，海水表面温度，海洋酸性和沿海沿岸排放。实际上，气候变化会影响养分的投入和行为，并可能加剧富营养化及其相关的负面影响（Statham，2012; Malone and Newton，2020; Rozemeijer等，2021）。富营养化对水生环境的健康的重要性及其与多种压力的联系导致汇编了当前的研究主题：“在富营养化过程中，气候变化与人为压力之间的局限性，第二卷”。然而，气候变化与富营养化之间的联系很复杂，主要与温度，风向模式，水文周期和海平面上升有关，导致淡水系统的淹没，地层的变化，流动时间和流动性时间和植物生产力，生产力，沿海风暴的活动，沿海风暴活动，物种和ecosys的变化（2012年）。
理论，临床人为的影响
结果与讨论：Spearman的相关性分析表明，陆地生态质量影响宏观生物多样性。主要物种Pirenella sp。的丰度主要受到标准化的差分积聚和裸土指数（NDBSI）的影响。此外，生物环境匹配（BIO-ENV）分析，线性模型的基于距离的多元分析（不喜欢）和基于距离的冗余分析（DBRDA）都将NDBSI定位为影响Hwangdo Island泥浆中巨大群的主要因素。NDBSI的季节性变化主要归因于黄道岛上农业活动导致的裸露土壤区域的变化。总体而言，黄多岛泥土中的大型社区主要受到农业活动的间接影响。此外，我们的研究提供了关于韩国泥土泥浆的保护的新看法，并为韩国政府提供了关键的参考，以制定和实施泥泞的保护政策。