XiaoMi-AI文件搜索系统
World File Search System人机系统
空军技术学院 2019 年研究报告
空军技术学院 2019 年研究报告 前言 空军技术学院 (AFIT) 积极将我们的教师和学生研究活动与国防优先事项相结合，以提供双重目的的成果：宝贵的教育经验，以提高我们毕业生在整个职业生涯中的表现，以及对我们的赞助商至关重要的创新解决方案。AFIT 与许多空军和国防部组织的研究赞助商密切合作，以确定符合我们教师专业知识和教育要求的高关注问题，以最大限度地提高价值。AFIT 于 2019 年启动了新的核事件分析和测试中心，为核现代化优先事项做出贡献，并在我们 60 多年的核计划基础上再接再厉。AFIT 的自主和导航技术中心、网络空间研究中心、定向能中心、作战分析中心、技术情报研究中心、空间研究和保障中心和其他研究小组继续作为我们许多研究计划的焦点。新兴研究团体正在研究改变游戏规则的技术，包括高超音速、人机系统、数据科学以及开发与国防相关的增材制造应用。AFIT 通过科学测试与分析技术测试与评估卓越中心为 40 多个主要采购项目提供建议，以实现测试资源的最大效率。新的咨询工作包括探索空军核心任务的多领域方法。AFIT 与空军研究实验室、国家航空航天情报中心、空军生命周期管理中心、美国运输司令部以及许多其他组织和运营团体建立了战略合作伙伴关系，以最大限度地提高我们的研究项目对国防需求的贡献。我们的教师和学生还与全国各地大学的研究人员合作，推动各种学科的最新发展。AFIT 与商业企业合作，通过合作研究与开发协议 (CRADA) 确保及时将新技术转让给美国工业。AFIT 欢迎新的机会参与我们的客户、教师和学生共同感兴趣的研究项目。更多信息请访问 http://www.afit.edu/ENR/ 。Heidi R. Ries，博士，工程与管理研究生院院长
波音 737 Max MCAS 的承诺理论说明...
两架波音 737 Max 飞机不幸坠毁，导致全球范围内的飞机停飞，事故原因也引起了广泛调查。飞机设计（包括其软件）的飞行安全性受到质疑，主要集中在被称为机动特性增强系统 (MCAS) 的软件组件上。在本文中，我们针对故障和缺陷可能进入飞机人机系统 1 的方式的讨论提出了一些初步考虑。鉴于软件开发的速度，软件工程安全性尤其是一个快速变化的主题。它始于对故障模式的非正式定义 [2]，并主要通过讨论特定技术及其安全属性而得到扩展。最近，有关事件“事后分析”和系统学习的方法已经开发出来 [3–5]。更一般地说，系统安全（重点是飞行安全）历史悠久，文献丰富（例如，参见 [6–9]），并且与系统稳定性的更广泛概念相关 [1,10,11]，但分析工具主要是非正式和启发式的，因此有相当大的空间用于更受约束的分析推理语言。引入承诺理论的某些方面作为此类分析的工具是这项工作的目标之一。软件在当今几乎所有复杂系统中都发挥着作用。人们越来越多地关注“算法”——其中“算法”一词包含了关于系统在特定条件下应该如何反应的一系列设计决策。有人（也许很大胆，当然是非正式地）说算法“决定”系统在不同情况下做出的决策；但算法是可能路径的逻辑树——它们还可以利用实时收集的数据或通过学习技术从经验中收集的数据。在结论部分，我们将回到算法的概念。因此，确定性的建议夸大了算法的能力。我们真正能说的是，他们的承诺会以某种方式影响结果。最近关于使用机器学习的讨论，比如自动驾驶汽车 [12, 13]，说明了对软件算法的依赖往往存在复杂性不匹配的情况。当出现重大故障时，某些系统组件（包括软件组件）可能会成为激烈的公开辩论的主题，这些辩论是在高度抽象的层次上进行的，因此远离技术现实。在本研究中，我们基于以下假设进行分析：
学习、分析和人工智能在教育中的相互作用
穆特鲁·库库罗娃 英国伦敦大学学院 摘要 本文从多维度阐述了人工智能在学习和教育中的作用，强调了人工智能、分析和学习过程之间错综复杂的相互作用。在本文中，我对普遍存在的将人工智能狭隘地视为生成性人工智能所体现的随机工具的概念提出质疑，并主张人工智能的其他概念化的重要性。我强调了人类智能与人工智能信息处理之间的差异、人工智能算法固有的“认知多样性”，并假设人工智能也可以作为理解人类学习的工具。早期学习科学和教育中的人工智能研究将人工智能视为人类智能的类比，但两者的观点已经出现分歧，因此需要重新点燃这种联系。本文提出了人工智能在教育中的三种独特概念化：人类认知的外化、人工智能模型的内部化以影响人类心智模型，以及通过紧密集成的人机系统扩展人类认知。本文从当前研究和实践中的例子出发，探讨了这三种概念的实例，强调了每种概念对教育的潜在价值和局限性，以及过分强调外化人类认知的危险。本文认为，人工智能模型可以作为思考学习的对象，尽管学习的某些方面可能只是通过缓慢的学习体验而来，无法用人工智能模型完全解释，也无法通过预测来破解。本文最后提倡在教育中采用更广泛的人工智能方法，这种方法不仅限于考虑设计和开发教育中的人工智能解决方案，还包括教育人们了解人工智能和创新教育系统，以在人工智能无处不在的世界中保持相关性。关键词人工智能、生成式人工智能、学习分析、教育技术、人类认知、教育的未来人类智能与人工智能信息处理人工智能 (AI) 通常被定义为机器对智能的模拟。智能是一个复杂而多方面的概念，涵盖多种能力。它确实包括学习、理解、推理、决策和适应新情况的能力。它超越了通常认为的认知能力，包括情感和社会成分，承认智力不仅关乎一个人思考得有多好，还关乎一个人与世界和他人互动得有多好。智力不仅关乎确定的、脱离语境的、脱离实体的、被简化为各个部分的事物，因此它是可预测和可控制的。它还关乎理解动态的事物。它关乎与不确定性共存和生存的能力，我们所看到的部分在另一个层面上可能确实是整体。今天，我们在教育研究和实践中看到的大多数人工智能都认为
职业人体工程学手册
编写职业人体工程学手册第 2 版的动机是我们希望促进人体工程学知识在工作系统设计、测试和评估中的广泛应用，从而改善全球数百万工人的生活质量。国际人体工程学协会 (www.iea.cc) 将人体工程学 (或人为因素) 定义为一门科学学科，涉及理解人类与系统其他元素之间的相互作用，以及应用理论、原则、数据和方法进行设计以优化人类福祉和整体系统性能的专业。人体工程学家致力于任务、工作、产品、环境和系统的设计和评估，以使它们与人们的需求、能力和局限性兼容。人体工程学学科提倡以整体方式设计工作系统，充分考虑物理、认知、社会、组织、环境和其他相关因素。人体工程学知识的应用应有助于提高工作系统的有效性和可靠性，提高生产率，降低员工医疗保健成本，并提高所有员工的生产流程、服务、产品和工作生活质量。在此背景下，专业人体工程学家、从业者和学生应该对这一要求高、挑战性强的学科的全部范围和知识广度有广泛的了解。《基础知识和评估工具》共包含 50 章，分为两部分。第一部分介绍人体工程学的学科和专业，包括系统方法和以人为本的设计、质量管理、人机系统中的风险理论、法律问题、实施人体工程学干预的成本论证以及专业认证和教育问题。所涵盖的基本人体工程学知识还包括流行病学、工程人体测量学、生物力学、运动控制、人体强度评估、累积脊柱负荷、应用基础知识评估人体背部、肩部、腿部和足部负荷；康复腰部疾病、低水平运动、病理力学和肌肉骨骼损伤途径；了解肌肉骨骼疾病和适应的个体因素。最后，还讨论了工作环境问题，包括视觉和视觉和触觉表现、噪音和听觉影响、振动测量和轮班工作。第二部分重点介绍人体工程学评估方法和工具及其有效性。其他重要主题包括考虑认知因素、信息设备和控制的设计、认知处理、多模态信息处理、人类表现的容忍度和变化、个性的影响、社会心理工作因素以及衰老过程。这些包括用于评估身体和认知工作需求和努力的工具。在身体领域，选定的主题包括评估工作姿势和评估整个身体的方法（REBA、RULA 和 LUBA）、分析上肢负荷和暴露的方法（例如
一种评估人为因素的新方法...
1 Filippov V.L., 1 Elisov L.N., 2 Ovchenkov N.I., 1 俄罗斯联邦莫斯科国立民航研究院 2 P.G.Demidov 雅罗斯拉夫尔国立大学，雅罗斯拉夫尔，俄罗斯联邦 摘要：本报告总结了作者在 2017 年、2018 年发表在科学期刊《工业 4.0》上的一系列关于人为因素的文章。本文从一个新的角度展示了人为因素的问题，即：人为因素不仅是由于人体生理学导致的专业活动可能性有限，而且首先是没有考虑到人机系统中人的特征的技术可能性有限。这个问题需要考虑多个方面。关键词：民航、航空安全、人为因素、综合系统、人为因素协调。1.简介 人为因素 (HF) 在许多行业中是最常见的概念之一。这一概念在民航中应用尤为广泛。将大多数事故的责任归咎于人为因素已成为一种常见现象，而对与此因素相关的理解往往截然不同。一方面，我们可以肯定地认为人为因素几乎无处不在。另一方面，将所有事件归咎于人为因素本质上使情况复杂化，因为我们无法获得真实的事故图景，尽管这不是目的。HF 是一个复杂的类别，具有相当多的组成部分，在发生事故时并非所有组成部分都会被调查。HF 是一个取之不尽的研究领域，甚至是跨学科的。这在民航中尤其重要，尽管如此，HF 的主要研究还是集中在飞行安全领域，甚至更多地集中在机组人员的研究上。虽然 HF 的重要性同样重要，但尚未在航空安全领域开展任何与 HF 相关的科学研究。本文介绍了一些研究航空安全中 HF 的方法。2.人为因素和人员威胁 航空安全作为一个科学领域，涉及确保民航活动免受非法干扰的问题。解决这些问题的系统的目标函数在内容上与航空运输系统的其他系统有显著不同。即概念构造可以作为这种方法的基础。这一事实决定了航空安全中使用的手段、方法和程序的特性。人为因素在航空安全系统结构中占有特别重要的地位，因为高达 80% 的负面事件都与人为因素有关。在现代安全系统中，包括飞行安全系统，已确定人员错误行为的原因不仅与个人的专业重要素质水平有关，而且与活动手段及其组织的不完善有关。减少人为因素的负面作用的问题取决于能否成功改善人员和技术的参数（特性）。航空安全系统中的情况更为复杂，因为人员专业活动的程序形式化和算法化程度较差，表现极端，模糊性较高，任务结构不良且形式化程度较差。在航空安全方面，建议将人为因素（个人因素）视为不可避免的邪恶，排除有用的组成部分，其所有负面表现都被归类为安全威胁。在这种情况下，为保护运输基础设施对象而开发的方法可用于研究人为因素，以减少和/或消除其对航空安全的影响，即众所周知的公式开始起作用：检测-反射-消除。事实上，因素是驱动任何过程的原因，决定
DARPA 增强认知技术集成实验概述 Mark St. John、David A. Kobus、太平洋科学与工程集团 9180 Brown Deer Road San Diego, CA 92121 stjohn@pacific-science.com , dakobus@pacific-science.com
dschmorrow@darpa.mil 摘要 DARPA 增强认知计划正在开发创新技术，通过使信息系统对人机系统中人为因素的能力和局限性敏感，这些技术将改变人机交互。通过更好地利用个人能力，并对人的局限性保持敏感，预计整个系统的性能可以提高一个数量级。认知科学领域在理解人类决策方面取得了许多最新进展，增强认知计划正在利用这些进展来实现这一潜力。过去十年来，在测量大脑活动和认知各个方面开发的技术正在成为管理向复杂系统的人类操作员呈现信息的方式的基础。增强认知计划正在为现实操作环境中的人类认知能力构建可证明、可量化的增强。为了实现这一目标，增强认知计划的第一阶段旨在实证评估各种心理生理测量方法在决策者参与认知任务时动态识别人类认知活动变化的效用和有效性。本报告是该计划第一阶段的成果——测量认知状态。它描述了技术整合实验 (TIE) 的实证结果，该实验涉及对第一阶段开发的 20 个心理生理学衍生测量方法（认知状态测量仪）的评估。这些测量仪来自 11 个不同的研究小组，并采用各种理论和科学背景开发而成。TIE 将这些评估认知状态的不同方法结合在一起，使用一个相对复杂的认知任务通过通用测试协议进行评估，该任务源自战术决策者在现实世界中的决策要求。这项任务是专门为满足评估这些非常不同的仪表的需求而开发的，需要必要的经验控制，但仍然从认知角度保持这些任务的基本特征，就像在操作指挥和控制环境中发现的那样。其中 11 个仪表成功识别了任务期间认知活动的变化。此外，仪表开发人员认为他们的传感器与其他传感器集成的能力相当高，大多数开发人员报告说将多个传感器集成到参与者身上没有问题。本报告还介绍了将单个测量技术集成到测量套件中以同时测量多个认知指标，以及在开发下一代认知状态测量仪时传感器技术集成所产生的问题。本报告总结了 TIE 的结果，并研究了在增强认知计划第二阶段及以后将这些认知状态测量仪成功过渡到可投入使用的军用人机系统的前景和必须解决的问题。1 技术集成实验 DARPA 增强认知计划正在开发能够将作战人员的信息管理能力提高一个数量级的技术。这将需要从过去十年开发的与人类认知测量相关的无数理论和传感器技术中进行选择，并将它们与自动化和信息管理的诸多进步结合起来。例如，未来的 C 4 I（指挥、控制、计算机、通信和情报）系统可能会将任务分配给特定的
谁真正发明了互联网？
1969 年 10 月 3 日，两台相距遥远的计算机首次通过互联网“对话”。两台计算机（一台位于加州大学洛杉矶分校，另一台位于斯坦福研究所）通过 350 英里的租用电话线连接，尝试传输最简单的信息：单词“login”每次传输一个字母。“L”和“O”传输完美。当传输“G”时，斯坦福研究所的计算机崩溃了。尽管崩溃了，但一个主要障碍已被清除，两台计算机实际上已成功传输了一条有意义的信息，即使不是计划中的信息；加州大学洛杉矶分校的计算机以其自己的语音方式向斯坦福研究所的计算机说“你好”。第一个创新的计算机网络（尽管很小）现已投入运行。几乎可以肯定地说，互联网是二十世纪五大发明之一，与电视、飞机、原子能和太空探索齐名。然而，与上述几项发明不同，互联网并非起源于十九世纪。直到 1940 年，即使是像儒勒·凡尔纳那样的想象力也无法预见到，物理学家和心理学家在第二次世界大战中的合作，会在三十年后引发一场新的通信革命。即使是 AT&T、IBM、通用电气等顶级实验室，在面临一组可以通过复杂的线路同时通话的计算机时，也只能想象出一种依靠中央办公室交换方法通过一条电话线进行计算机间通信的机制。更进一步的设想来自其他一些机构和公司，最重要的是，在这些机构和公司工作的个人。虽然人们可以将 1969 年 10 月的传输视为一个开端，但对于之前几十年从事通信和人工智能工作的研究人员来说，这是一个有着悠久而复杂根源的事件。本文将从二战语音通信实验室的起源追溯这些开端，并试图证明一些天才人物的概念飞跃以及他们的辛勤工作和生产技能如何使得我们每天收到的电子邮件成为可能。虽然很难确定像发明这样模糊的东西，但第一个网络并不难识别。洛杉矶的计算机通过一个称为 ARPANET 的微型分组交换网络向斯坦福的计算机说“你好”，ARPANET 以美国国防部高级研究计划局的名字命名。博尔特·贝拉内克和纽曼是 ARPANET 的创建者，并管理了 20 年，他们认为 ARPANET 的成功有以下几个因素：靠近两所知名大学、只聘用最优秀的人才以及美国政府在人造卫星问世后大力支持研究的政策。1948 年，理查德·博尔特、罗伯特·纽曼和我和我在麻省理工学院的支持下，成立了声学咨询公司 Bolt Beranek and Newman (BBN)，当时是一家合伙企业。当时我们并不知道，我们为互联网的发展奠定了基础，互联网的诞生需要三个概念创新——人机系统或共生、分时和分组交换。在接下来的十五年里，BBN 将汇集能够构想这三个概念并使其发挥作用的人才。回想起来，对于不懂计算机的非专业人士来说，这三个概念中最能引起共鸣的似乎是“人机共生”，这是一个开创性的概念，主要由 JCR Licklider 阐述。他设想使用当时在主要行业中很常见的大型计算机
制造业和服务业中的人为因素和人体工程学
Crundall, D. E., & Underwood, G. (1998).经验和处理需求对驾驶员视觉信息获取的影响。人体工程学，41 (4)，448 – 458。Ellis, S. R., & Stark, L. (1986)。视觉扫描中的统计依赖性。人为因素：人为因素和人体工程学学会杂志，28 (4)，421 – 438。Green, P. (2015)。驾驶员在驾驶时看哪里（以及看多长时间）。交通安全中的人为因素，77 – 110。Harris Sr, R. L., Glover, B. J., & Spady Jr, A.A.(1986)。飞行员扫描行为的分析技术及其应用 (NASA Tech.报告号2525)。弗吉尼亚州汉普顿：兰利研究中心。Haslbeck, A., & Zhang, B.(2017)。我用我的小眼睛观察：在手动仪表飞行场景中分析航空公司飞行员的注视模式。应用人体工程学，63，62 – 71。Hillier，F. S.（2012）。运筹学简介。Tata McGraw - Hill Education。国际标准化组织。（2002）。ISO 15007 - 1：道路车辆 - 测量与运输信息和控制系统相关的驾驶员视觉行为 - 第 1 部分：定义和参数。摘自 http://www.iso.org Itoh，Y.，Hayashi，Y.，Tsukui，I.，& Saito，S.（1990）。飞机飞行员眼球运动和心理工作负荷的人体工程学评估。人体工程学，33 (6)，719 – 732。Jeong, H.，& Liu, Y.(2019)。非驾驶相关任务模式和道路几何形状对驾驶时眼球运动、车道保持性能和工作量的影响。交通研究 F 部分：心理学和行为，60，157 – 171。Kang, Z.，& Landry, S. J.(2014)。使用扫描路径作为多目标跟踪冲突检测任务的学习方法，56 (6)，1150 – 1162。Kang, Z., & Landry, S. J.(2015)。多元素目标跟踪任务的眼动分析算法：基于最大转换的聚集层次聚类。IEEE 人机系统学报，45 (1)，13 – 24。Krejtz, K., Duchowski, A., Szmidt, T., Krejtz, I., González Perilli, F., Pires, A., … Villalobos, N. (2015)。凝视转换熵。ACM 应用感知通讯 (TAP)，13 (1)，4 – 20。Liang, Y.、Horrey, W. J. 和 Hoffman, J. D. (2015)。开车时阅读文本：了解驾驶员对分心的战略和战术适应。人为因素：人为因素和人体工程学学会杂志，57 (2)，347 – 359。Liang, Y., Lee, J. D., & Yekhshatyan, L. (2012)。视线偏离道路有多危险？算法根据自然驾驶中的扫视模式预测碰撞风险。人为因素：人为因素和人体工程学学会杂志，54 (6)，1104 – 1116。Liechty, J., Pieters, R., & Wedel, M. (2003)。全局和局部隐性视觉注意：来自贝叶斯隐马尔可夫模型的证据。Psycho- metrika，68 (4)，519 – 541。Marchitto，M.，Di Stasi，L. L.，& Cañas，J. J.(2012)。任务负荷操纵下的眼球运动：几何形状对空中交通管制模拟任务中扫视的影响。制造业和服务业的人为因素和人体工程学，22 (5)，407 – 419。Milton，J.，& Mannering，F. (1998)。公路几何形状、交通相关元素和机动车事故频率之间的关系。交通运输，25 (4)，395 – 413。Mourant, R. R. 和 Rockwell, T. H. (1970)。将眼球运动模式映射到驾驶中的视觉场景：一项探索性研究。人为因素：人为因素和人体工程学学会杂志，12 (1)，81 – 87。Noton, D. 和 Stark, L. (1971)。眼球运动和视觉感知。《科学美国人》 ，224 (6)，34 – 43。Pradhan, A. K.、Hammel, K. R.、DeRamus, R.、Pollatsek, A.、Noyce, D. A. 和 Fisher, D. L. (2005)。使用眼球运动评估驾驶员年龄对驾驶模拟器中风险感知的影响。《人为因素：人为因素和人体工程学学会杂志》 ，47 (4)，840 – 852。