XiaoMi-AI文件搜索系统
World File Search System以人为本
以人为本的可解释的AI
人工智能（AI）的最新进展强调了需要解释的AI（XAI）来支持人类对AI系统的理解。考虑影响解释功效的人为因素，例如心理工作量和人类理解，对于有效的XAI设计至关重要。XAI中的现有工作已经取决于不同类型的解释引起的理解和工作量之间的权衡。通过抽象来解释复杂的概念（相关问题特征的手工制作的分组）已被证明可以有效地解决和平衡这种工作负载的权衡。在这项工作中，我们通过信息瓶颈方法来表征工作负载 - 理解的平衡：一种信息理论方法，该方法自动生成了最大化信息性和微型复杂性的抽象。尤其是，我们通过人类受试者实验建立了工作量与复杂性之间以及理解和信息性之间的经验联系。人为因素与信息理论概念之间的这种经验联系提供了对工作负载实现权衡的重要数学表征，从而实现了用户泰式XAI设计。
斯坦福以人为本人工智能研究所
HAI 与斯坦福学习加速器合作，于 2023 年 2 月举办了 AI+教育峰会：AI 服务于教学和学习。峰会展示了斯坦福大学教师和研究人员在 AI 和教育方面的最新研究成果，为与行业合作伙伴、风险投资公司以及政府和民间社会组织建立联系提供了机会。鉴于 ChatGPT 刚刚发布，峰会探讨了 AI 如何以合乎道德、公平和安全的方式改变教学和学习。会议提供了一个平台，以激发结构化的圆桌讨论和团队组建，以获得 HAI/GSE 种子基金，HAI 出资 22.5 万美元资助 10 个由教师领导的项目。其他会议成果包括生成式 AI 和教育研讨会、学生主导的论文阅读小组和学生兴趣小组。
2024 年经济状况 | 以人为本的方法
与坦帕湾伙伴关系竞争力报告不同，该报告使用 9 个县的 4 个 MSA 来定义该地区。提供的所有数据均为最新数据；但是，一些来源反映的是 2023 年的数据，而其他来源则涵盖 2024 年的数据
以人为本的 K-12 人工智能指导第 2 版
• 实时个性化学习和反馈 • 通过定制规划进行差异化教学计划和评估设计 • 语言间翻译 • 通过人工输入、数据输出和高级人工分析培养批判性思维 • 帮助创造力、模拟和技能发展 • 简化运营和管理职能
以人为本的可解释人工智能（XAI）的未来不是事后解释
可解释人工智能 (XAI) 在使人类理解和信任深度学习系统方面发挥着至关重要的作用。随着模型变得越来越大、越来越普遍，并且在日常生活的各个方面都无处不在，可解释性对于最大限度地减少模型错误的不利影响是必不可少的。不幸的是，以人为中心的 XAI 中的当前方法（例如医疗保健、教育或个性化广告中的预测任务）倾向于依赖于单个事后解释器，而最近的研究发现，当应用于相同的底层黑盒模型实例时，事后解释器之间存在系统性分歧。因此，在本文中，我们呼吁采取行动来解决当前最先进解释器的局限性。我们建议从事后可解释性转向设计可解释的神经网络架构。我们确定了以人为中心的 XAI 的五个需求（实时、准确、可操作、人类可解释和一致），并提出了两种可解释设计神经网络工作流程的方案（使用 InterpretCC 进行自适应路由和使用 I2MD 进行时间诊断）。我们假设以人为中心的 XAI 的未来既不在于解释黑匣子，也不在于恢复传统的可解释模型，而在于本质上可解释的神经网络。
附件B-以人为本的职业生涯规划服务-...
• 就业愿景：包括个人的偏好、目标和对个人职业的期望。 • 就业背景信息：包括学术技能、教育水平、工作经历、社会保障和其他公共福利、交通、居住地和居住对象、社区和工作经验、工作技能、行为和沟通能力，包括语言和口译需求。 • 职业探索和评估：这涉及各种评估或其他职业探索方法，以了解职业兴趣、技能和偏好，从而制定职业道路。需要注意的是，没有测试来确定工作准备或成功。
采用以人为本的设计流程实现移动健康应用的可持续发展
大量科学证据表明，移动医疗 (mHealth) 应用可以改善生活质量、缓解症状并恢复患者健康。除了改善患者的健康结果外，移动医疗应用还可以减少医疗保健的使用和与疾病管理相关的成本负担。目前，患者和医疗保健提供者在市售的移动医疗应用中有多种选择。然而，由于移动医疗应用的资源成本高且用户采用率低，成本效益关系仍然存在争议。与传统的专家驱动方法相比，应用以人为本的设计 (HCD) 可能会产生更实用、更可接受和更有效的移动医疗应用。在本文中，我们总结了移动医疗发展研究中当前的 HCD 实践，并提出了提高移动医疗可持续性的建议。这些建议包括考虑与文化规范有关的因素、对 HCD 实践的迭代评估、在移动医疗应用中使用新颖性以及在整个 HCD 过程中考虑隐私和可靠性。此外，我们建议从社会技术角度看待 HCD 实践，以促进移动医疗应用的可持续性。未来的研究应考虑标准化 HCD 实践，以帮助移动医疗研究人员和开发人员避免与不充分的 HCD 实践相关的障碍。
通过员工参与实现以人为本的人工智能
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
NCAPPS 以人为本的规划选择方法...
以人为本的规划概念最早由少数在美国和加拿大工作的人于 20 世纪 80 年代提出，其中包括 John O'Brien、Connie Lyle O'Brien、Beth Mount、Jack Pearpoint、Marsha Forest 和 Michael Smull。该概念最初是为了帮助残障人士离开偏远的机构，融入社区生活而制定的（《包容性解决方案》，第 nd 页）。从一开始，以人为本的规划就建立在包容和选择的价值观之上，将有偿和无偿支持与目标和愿望联系起来。以人为本的计划最初是作为基于残疾医疗模式的计划的替代方案而设计的，该模式强调缺陷并由一系列临床专业人员做出服务决策。从历史上看，这种基于缺陷的计划主要是为了方便提供者而制定的，而不是为了支持个人的目标。
迈向算法正义：以人为本的人工智能设计方法，以支持公平并减轻金融服务领域的偏见
推荐引用 推荐引用 Kim, Jihyun，“走向算法正义：以人为本的人工智能设计方法，以支持公平并减轻金融服务领域的偏见”（2024 年）。CMC 高级论文。3498。https://scholarship.claremont.edu/cmc_theses/3498