XiaoMi-AI文件搜索系统
World File Search System人机
人工智能和人机融合时代
主旨演讲者 Luisa Damiano |米兰 IULM 大学 Marco Giunti |卡利亚里大学 Dirk Ifenthaler |曼海姆大学 Fabrizia Garavaglia|卡利亚里大学 Silvio Micali | 麻省理工学院波士顿分校
高级人机互动 - Mapi
人机相互作用（HMI）是当今技术驱动的世界的关键研究领域，因为它着重于改善人与机器之间的相互作用。从个人设备到工业自动化，数字系统在社会各个方面的越来越多，强调了对人类行为的直观，高效和响应的系统的需求。HMI试图通过开发界面来弥合这一差距，从而增强用户体验，同时最大程度地减少认知和体力系统的努力，从而使技术对更广泛的用户更容易且有效。HMI是必不可少的主要原因之一是其在以人为本系统的设计中的作用。这些系统优先考虑用户需求，以确保技术与人类能力和局限性保持一致。随着人工智能，增强现实和自动化等技术的复杂性增加，有效的互动设计对于确保用户可以理解和利用这些工具具有充分的潜力至关重要。
人机合作的关系规范
Brian D. Earp*, Sebastian Porsdam Mann*, Mateo Aboy, Edmond Awad, Monika Betzler, Marietjie Botes, Rachel Calcott, Mina Caraccio, Nick Chater, Mark Coeckelbergh, Mihaela Constantinescu, Hossein Dabbagh, Kate Devlin, Xiaojun Ding, Vilius Dranseika, Jim A. C.埃弗里特（Everett），鲁伊普（Everett Maximilian Kroner Dale, Simon M. Laham, Benjamin Lange, Muriel Leuenberger, Jonathan Lewis, Peng Liu, David M. Lyreskog, Matthijs Maas, John McMillan, Emilian Mihailov, Timo Minssen, Joshua Teperowski Monrad, Kathryn Muyskens, Simon Myers, Sven Nyholm, Alexa M. Owen, Anna Puzio, Christopher Register, Madeline G. Reinecke, Adam Safron, Henry Shevlin, Hayate Shimizu, Peter V. Treit, Cristina Voinea, Karen Yan, Anda Zahiu, Renwen Zhang, Hazem Zohny, Walter Sinnott-Armstrong, Ilina Singh, Julian Savulescu+, Margaret S.克拉克
人机交互的新兴前沿
摘要 人与机器人之间的有效交互对于在协作过程中完成共享任务至关重要。机器人可以利用多种通信渠道与人类互动，例如听觉、语音、视觉、触觉和学习。在人与机器人之间的各种交互方式中，我们的重点是三个新兴前沿，它们对人机交互 (HRI) 的未来方向产生重大影响：(i) 受人与人协作启发的人机协作，(ii) 脑机接口，以及 (iii) 情感智能感知。首先，我们探索人机协作的先进技术，涵盖从合规性和基于绩效的方法到协同和基于学习的策略等一系列方法，包括从演示中学习、主动学习和从复杂任务中学习。然后，我们研究脑机接口在增强 HRI 方面的创新用途，重点关注康复、通信、大脑状态和情绪识别中的应用。最后，我们研究机器人中的情商，重点是通过面部表情、肢体动作和眼球追踪将人类情感转化为机器人，实现流畅、自然的互动。详细介绍并讨论了这些新兴领域的最新发展及其对 HRI 的影响。我们重点介绍了该领域的当代趋势和新兴进步。最后，本文强调了在开发具有自适应行为和人机有效互动的系统时采用多模式方法的必要性，从而提供了对最大限度地发挥 HRI 潜力所必需的各种模式的透彻理解。
人机协同创新案例分析
人工智能（AI）在全球引发了各个领域的广泛讨论，同时也引发了设计行业的变革。近年来，人工智能的发展开始重塑人们的工作和生活方式。因此，人机协作模式逐渐成为推动创新和提高效率的关键力量。随着人工智能技术的快速发展，它可以在处理大量数据的同时执行复杂的任务，并协助设计师完成复杂而富有创意的工作。通过使用人工智能技术自动执行重复的、低价值的任务，设计师可以专注于需要密集创造力、批判性思维和情商的活动。本案例研究探讨了人机协作如何在创意设计中发挥优势。从AI辅助视觉设计项目《卓璐幻想》分析可知，人机互补的协作方式能够提升设计效率，帮助设计师突破创意界限。经过内容规划、文字生成、图形生成、图形选择、确认、定稿等环节，7000幅图像最终被浓缩为27个AI辅助视觉设计。这为跨领域协作提供了机会，也为创意设计领域带来了新的可能性。
人工智能人机共同进化
人机共同进化被定义为人类与人工智能算法不断相互影响的过程，它日益成为我们社会的特征，但在人工智能和复杂性科学文献中研究不足。推荐系统和助手在人机共同进化中发挥着重要作用，因为它们渗透到日常生活的许多方面，并通过在线平台影响人类的选择。用户与人工智能之间的交互会产生潜在的无限反馈循环，其中用户的选择会生成数据来训练人工智能模型，而人工智能模型又会塑造后续的用户偏好。与传统的人机交互相比，这种人机反馈循环具有独特的特性，并会产生复杂且往往是“意想不到的”系统性结果。本文介绍了人机共同进化，这是人工智能与复杂性科学交叉领域新研究的基石，重点关注人机反馈回路的理论、实证和数学研究。在此过程中，我们：（i）概述现有方法的优缺点，并强调缺点和捕捉反馈回路机制的潜在方法；（ii）提出对复杂性科学、人工智能和社会交叉领域的反思；（iii）为不同的人机生态系统提供现实世界的例子；（iv）说明创建这样一个研究领域所面临的挑战，并在越来越抽象的层次上概念化它们，即科学、法律和社会政治。
协作式人机决策系统
摘要 近年来，机器智能方法的进步使人工智能系统的准确性和可信度达到了普通人类操作员的水平，在许多情况下甚至超过了它，为决策系统的质量、性能和成本效率的提高提供了机会。为了解决人工智能系统在关键决策领域应用中的问题和挑战，提出了人机协作决策系统的概念，旨在利用人和机器智能方法的优势，在具有成本效益的过程中最大限度地提高性能。结果表明，多通道人机系统与传统系统相比具有许多优势，并且在准确性和性能方面都有显著提高。定义并讨论了单阶段和多阶段决策系统的适用性标准。结果表明，人机协作决策系统在提高许多应用领域的决策质量和有效性方面具有巨大潜力。关键词 人工智能、决策系统、多渠道DMS
人机协作决策者如何做出……
1.本文探讨了人机决策的技术、实践和伦理理解的现状和发展状态。鉴于国防和安全环境中技术的快速发展，人机协作在决策中的应用越来越广泛，这是不可避免的、必要的和可取的。随着技术的发展，相关术语也在不断演变，这里描述的情况存在相当大的细微差别。人机协作决策对国防的影响在收益和潜在风险方面都很重要。作战决策依赖于收集、处理和控制来自所有领域的大量数据。这些数据的速度和数量超出了人类做出有效明智决策的认知能力。人机协作使作战指挥官能够管理和分析这些大型数据集以支持决策。人类和机器各有优势，需要合作处理决策的不同方面。人工智能可以利用分析方法解决复杂问题。人类认知更适合关注不确定性，采用创造性、直觉和基于经验的决策。
在自适应人机协作中
人类可以在协作任务（例如打篮球）中快速适应新伙伴，因为他们知道任务的哪些基本技能（例如如何运球、如何投篮）可以传给新伙伴。人类还可以通过延续他们已经开发的惯例（例如举起手势传球）来快速适应与相同伙伴的类似任务，而无需从头开始学习协调。为了与人类无缝协作，AI代理也应该快速适应新伙伴和新任务。然而，目前的方法并没有试图区分任务固有的复杂性和合作伙伴使用的惯例，更普遍的是，很少有人关注利用惯例来适应新环境。在这项工作中，我们提出了一个学习框架，以原则性的方式将规则依赖表示与惯例依赖表示区分开来。我们表明，在某些假设下，我们的规则依赖表示是跨合作伙伴的最佳响应策略分布的充分统计数据。通过这种表示分离，我们的代理能够快速适应新伙伴，并以零次方式与旧伙伴协调新任务。我们通过三个复杂程度各异的协作任务实验验证了我们的方法：情境多臂老虎机、积木放置任务和纸牌游戏 Hanabi。