摘要 本文研究的是有关 GPT 智能的最详尽的文章之一,该研究由微软的工程师进行。虽然他们的工作有很大的价值,但我认为,出于熟悉的哲学原因,他们的方法论“黑箱可解释性”是错误的。但还有更好的方法。有一门令人兴奋的新兴学科“内部可解释性”(特别是机械可解释性),旨在揭示模型的内部激活和权重,以了解它们所代表的内容以及它们实现的算法。黑箱可解释性未能认识到,当涉及到智能和理解时,流程的执行方式很重要。我不能假装有一个完整的故事来提供智能的必要和充分条件,但我确实认为内部可解释性与关于智能需要什么的合理哲学观点完美契合。因此,结论是温和的,但我认为重点在于如何让研究走上正轨。在本文的最后,我将展示如何使用一些哲学概念来进一步完善内部可解释性的方法。
摘要。开发能够可靠地在生命早期检测自闭症(ASD)的数字生物标记物具有挑战性,因为自闭症的表现形式多种多样,并且需要在体检期间进行常规的简单测量。脑电图,俗称EEG,是一种电生理监测方法,已被探索为监测非典型脑功能的潜在临床工具。从12至15个月大开始,一直持续到36个月大,共收集了101名婴儿的EEG测量数据。与文献中分析EEG信号的先前研究不同,我们的方法将EEG视为图像,使用适当的信号变换来保留EEG信号的空间位置以创建RGB图像。它采用残差神经网络来检测非典型脑功能。从12个月大开始,就可以准确预测36个月大时临床诊断结果是否为ASD。这表明,使用端到端深度学习是从脑电图测量中提取有用的数字生物标志物以预测婴儿自闭症的可行方法。
教育技术的人机交互 (HCI) 设计会影响认知行为,因此必须评估不同的 HCI 策略如何支持预期行为。我们开发了一款受神经科学启发的游戏,在反直觉的科学问题背景下训练儿童使用“停下来思考” (S&T)——一种抑制控制相关行为。我们测试了四种 HCI 功能在支持 S&T 方面的有效性:(1) 准备机制,(2) 运动提示,(3) 颜色提示,和 (4) 奖励/惩罚。在对 45 名 7 至 8 岁儿童进行的随机眼动追踪试验中,我们发现准备机制增加了 S&T 持续时间,运动和颜色提示在促进 S&T 方面同样有效,将象征性颜色与准备机制相结合可能会产生累积效应,而奖励/惩罚可能会分散儿童对 S&T 的注意力。此外,S&T 持续时间与游戏中的表现有关。我们的研究结果强调了跨学科方法对教育技术研究的重要性,该方法积极研究 HCI 如何影响预期学习行为。
• 在 2019-20 年期间翻新图书馆,大幅增加学习场所的数量; • 继续以雄心勃勃的服务标准发展我们的面对面和在线客户服务; • 直接与学生合作,积极改善我们提供的服务; • 发布新的收藏管理计划,确保学生在预算限制内能够获得成功学习所需的全部信息资源; • 支持全大学对心理健康的态度,努力确保我们的所有服务和政策都对学生的健康产生积极影响。