XiaoMi-AI文件搜索系统
World File Search System信度
欧洲航空安全组织人工智能可信度指南
→ 让申请人能够尽早了解 EASA 对实施 AI/ML 解决方案的可能期望。→ 为 1 级 AI 应用建立基线，并将针对 2 级和 3 级 AI 应用进一步完善。
可信赖的解释性接受：一种衡量可解释的AI医学诊断系统可信度的新指标
摘要我们提出，可信赖的解释性接受度量指标，以使用专家在循环中评估AI系统。我们的指标通过量化AI系统产生的解释与专家根据其专业知识和经验提供的推理之间的解释之间的距离来计算接受。我们的指标还评估了专家的信任，使用我们的信任机制包括不同的专家组。我们的指标很容易适应任何可解释的AI系统，并用于可信赖的AI系统的标准化过程。我们使用高识别医学AI的应用说明了拟议的度量，该指标是预测导管癌的原位（DCIS）复发。我们的指标成功地捕获了专家在DCIS复发中AI系统的解释性。
使用 Metamax3B 评估中风患者行走过程中心肺参数的重测信度
（V ̇ O 2 ：氧气消耗量；V ̇ CO 2 ：二氧化碳生成量；V ̇ O 2 .kg -1 ：每公斤氧气消耗量；RER：
听力能力各异的个体中语音识别阈值材料的重测信度
摘要 语音识别阈值材料对听力损失程度广泛的个体的重测信度 Karin L. Caswell 杨百翰大学 沟通障碍系 理学硕士 本研究的目的是评估一份最新的数字记录的语音识别阈值 (SRT) 材料列表的重测信度。Chipman (2003) 确定了 33 个心理测量等同的扬抑格词，这些词在当今英语中经常出现。这些数字记录的单词用于根据美国言语-语言听力协会的指导方针确定 40 名参与者的 SRT。参与者的年龄在 19 至 83 岁之间，听力障碍从正常到严重不等。个人的纯音平均值将 16 名听力正常至轻度听力损失的参与者、12 名轻度听力损失的参与者和 12 名中度至重度听力损失的参与者分类。语音材料通过随机选择的一只耳朵呈现给参与者。在测试和重测条件下对同一只耳朵进行 SRT 测量。测试条件下的平均 SRT 为 22.7 dB HL，重测条件下的平均 SRT 为 22.8 dB HL，重测条件下的改进为 0.1 dB，但没有发现显着差异。使用修改后的方差方程确定重测信度，结果为 0.98，表明信度几乎完美。因此，对于新的 SRT 词，重测信度被确定为非常出色。
确定语音识别阈值的重测信度
Alyssa M. Jacobs 沟通障碍系 理学硕士 多年来，语音识别阈值 (SRT) 测试一直被用作听力健康的指标。然而，随着方法和技术的变化，重测信度尚未得到广泛审查，新的数字记录的扬抑格词符合已发布的听众熟悉度标准。本研究检查了 33 个高频使用和心理测量等同扬抑格词的重测信度。美国言语-语言-听力协会推荐的方法（2-dB 减量）用于测量 40 名参与者的左右 SRT，使用男性和女性说话者录音。对于每个参与者，在测试条件下发现四个 SRT，在重测条件下发现四个 SRT。分析了所有 SRT 分数，使用男性说话者录音得出的平均 SRT 值导致平均重测 SRT 比平均测试 SRT 高 1.4 dB。使用女性说话者录音得出的平均 SRT 值导致平均重测 SRT 比平均测试 SRT 高 1.2 dB。与每个参与者的纯音平均值 (PTA) 相比，SRT 分数也表现出较高的有效性。这项研究还发现，在使用数字记录和心理测量等同的扬抑格词时，使用男性说话者与使用女性说话者之间没有显著的相互作用。关键词：语音识别阈值、重测信度、数字记录材料
欧盟以人为本的人工智能可信度作为战略...
ELF 欧洲自由论坛 (ELF) 是欧洲自由党 (ALDE 党) 的官方政治基金会。我们与 47 个成员组织一起在欧洲各地开展工作，将新思想带入政治辩论，提供讨论平台，并赋予公民权力，让他们发出自己的声音。ELF 成立于 2007 年，旨在加强欧洲的自由民主运动。我们的工作以自由主义理想和对自由原则的信仰为指导。我们主张面向未来的欧洲，为每个公民提供机会。ELF 参与从地方到欧洲的所有政治层面。我们汇集了由国家基金会、智库和其他专家组成的多元化网络。同时，我们也与 ALDE 党和欧洲其他自由党参与者关系密切，但又独立于他们。在这个角色中，我们的论坛是各种不同参与者之间进行开放和知情的意见交流的空间。
回顾对人工智能代理的信任：社交机器人设计面部拟人化可信度的系统评价
随着技术的发展和应用到不同的日常情境中[1-4]，社交机器人作为最新创新的代表之一，是一种能够与人类进行社交交流和互动的人工智能系统[5-7]。与传统的人形机器人（如机器人产品、Zora Robot）不同，这些机器人在物理上体现了特定的人类特征，一些最新的社交机器人（如机器人产品、Jibo、Welbo、Misa、QTrobot、Hub、Mykie和Buddy Robot）设计有屏幕，带有动画人脸，可以与人交流和互动[8,9]。例如，图 1 展示了Buddy Robot，它设计有类似人类的眼睛和嘴巴，可以在情感上陪伴人类、与人类互动，并响应人类的需求。事实上，可能有必要为社交机器人设计一个类似头部的界面，以促进人机关系中的交流[10，11]，因为人类的社会认知和感知过程可能会鼓励人们概括与人类相关的知识和认知，形成对与社交机器人的行为互动的期望[12]。
将全基因组的 CNV 整合到 QTL 和高置信度 GWAScore 区域中，可确定绵羊经济性状的候选位置
拷贝数变异（CNV）是遗传变异的重要来源，它通过多种机制影响多种经济性状。此外，基因组扫描可以识别许多影响经济性状的数量性状位点（QTL），而全基因组关联研究（GWAS）可以定位与表型变异相关的遗传变异。在本研究中，我们开发了一种称为 GWAScore 的方法，该方法收集 GWAS 汇总数据以识别潜在候选基因，并将 CNV 整合到 QTL 和高置信度 GWAScore 区域以检测影响绵羊生长性状的关键 CNV 标记。我们得到了 197 个与候选 CNV 重叠的候选基因。一些关键基因（MYLK3、TTC29、HERC6、ABCG2、RUNX1 等）显示出比其他候选基因显著更高的 GWAScore 峰值。在本研究中，我们开发了 GWAScore 方法来挖掘候选基因作为绵羊分子育种标记的潜在价值。
多感官环境下脑电图记录的置信度预测
Luca Citi、Riccardo Poli 脑机接口和神经工程实验室，埃塞克斯大学计算机科学与电子工程学院，科尔切斯特，英国 lciti@essex.ac.uk，rpoli@essex.ac.uk 摘要 本文探讨了在多感官决策任务中从人类受试者的脑电图 (EEG) 脑活动解码决策信心的可能性。最近的研究表明，我们可以在视觉或听觉任务期间从 EEG 记录中提取决策信心相关性。在这里，我们扩展了这些初步发现，(a) 仅根据 EEG 记录预测决策信心，以及 (b) 研究多感官线索对决策行为数据的影响。我们从两个不同地点记录的 12 名参与者中获得的结果显示，可以在单次试验的基础上从 EEG 记录预测决策信心，平均绝对误差为 0.226。此外，多感官提示的存在并没有提高参与者的表现，反而分散了他们对主要任务的注意力。总的来说，这些结果可能有助于开发认知系统，当用户对自己的决定没有信心时，该系统可以监控和提醒用户。