XiaoMi-AI文件搜索系统
World File Search System充分条件
思想、大脑和程序
摘要：本文可视为对两个命题后果的探索。（1）人类（和动物）的意向性是大脑因果特征的产物。我认为这是关于心理过程和大脑之间实际因果关系的经验事实。它简单地说，某些大脑过程足以产生意向性。（2）实例化计算机程序本身永远不是意向性的充分条件。本文的主要论点是针对建立这一主张。论证的形式是展示人类代理如何实例化程序而仍然不具有相关的意向性。这两个命题有以下后果：（3）大脑如何产生意向性的解释不能是它通过实例化计算机程序来实现。这是1和2的严格逻辑结果。（4）任何能够产生意向性的机制都必须具有与大脑相等的因果能力。这应该是 1 的一个微不足道的结果。（5）任何试图人为地创造意向性（强人工智能）的尝试都不可能仅通过设计程序而成功，而必须复制人脑的因果能力。这从 2 和 4 中得出。“机器能思考吗？”根据这里提出的论点，只有机器才能思考，而且只有非常特殊的机器，即大脑和具有与大脑相当的内部因果能力的机器。这就是为什么强人工智能很少能告诉我们关于思考的事情，因为它不是关于机器而是关于程序，而没有一个程序本身足以进行思考。
多变量量子信号处理（M-QSP）
最近的研究表明，量子信号处理 (QSP) 及其多量子比特提升版本量子奇异值变换 (QSVT) 统一并改进了大多数量子算法的表示。QSP/QSVT 通过交替分析，用多项式函数无意识地变换酉矩阵子系统的奇异值的能力来表征；这些算法在数值上是稳定的，在分析上很容易理解。也就是说，QSP/QSVT 需要对单个 oracle 进行一致访问，更不用说计算两个或多个 oracle 的联合属性；如果能够将 oracle 连贯地相互对立，那么确定这些属性的成本就会低得多。这项工作引入了多变量 QSP 的相应理论：M-QSP。令人惊讶的是，尽管多元多项式的代数基本定理并不存在，但存在必要和充分条件，在这些条件下，理想的稳定多元多项式变换是可能的。此外，QSP 协议使用的经典子程序由于不明显的原因在多变量设置中仍然存在，并且保持数值稳定和高效。根据一个明确定义的猜想，我们证明可实现的多变量变换系列的约束尽可能松散。M-QSP 的独特能力是无意识地近似多个变量的联合函数，从而带来了与其他量子算法不相称的新型加速，并提供了从量子算法到代数几何的桥梁。
测试伯氏疟原虫 ApiAP2 转录因子的单核苷酸多态性对小鼠实验性脑疟的影响
脑疟疾 (CM) 是最致命的严重疟原虫感染形式。目前，我们对疟原虫诱发 CM 的机制了解有限。由啮齿动物寄生虫伯氏疟原虫 ANKA (Pb ANKA) 感染引起的 CM 小鼠模型实验性 CM (ECM) 已被广泛用于研究 CM 的病理生理学。最近的基因组分析表明，Pb ANKA 和密切相关的伯氏疟原虫 NK65 (Pb NK65)（不会引起 ECM）的编码区仅在 21 个单核苷酸多态性 (SNP) 上有所不同。因此，含有 SNP 的基因可能有助于 ECM 的发病机制。虽然这些 SNP 中的大多数位于功能未知的基因中，但有一个 SNP 位于疟原虫 ApiAP2 转录因子家族成员的 DNA 结合位点，我们最近发现它作为毒力因子发挥作用，改变宿主对寄生虫的免疫反应。在这里，我们研究了这种 SNP 对 ECM 发育的影响。我们使用 CRISPR-Cas9 工程寄生虫的结果表明，尽管它具有免疫调节功能，但 SNP 既不是诱导 ECM 的必要条件也不是充分条件，因此无法解释寄生虫菌株在 ECM 表型方面的具体差异。
各种（扩展的）思想操纵
摘要。为了维护我们“思想自由”的合理解释，我们对究竟需要防止什么的理解正在发生变化。这是因为最近认知卸载和外包的涌入——以及实现这一点的快速发展的技术——为违反思想自由的思想操纵创造了全新的可能性。本文主要做了三件事。首先，我简要概述了心灵哲学和认知科学的最新思想如何认识到——与传统的笛卡尔“内在主义”假设相反——我们的认知能力，甚至我们的信念，可以通过非生物和颅外的方式在物质上实现和存储。其次，以脑机接口技术 (BCI) 和相关的“扩展”信念的可能性为参考点，我提出并捍卫了违反思想自由的（扩展）思想操纵的充分条件。根据所提出的观点，如果一个人 (i) 被迫获得非自主命题态度（获得性操纵）或 (ii) 被迫非自主地根除原本自主的命题态度（根除操纵），那么他不被操纵其思想或观点的权利就被侵犯了。然后通过四个思想实验说明了这一观点的含义，这些实验映射到四种不同的方式——我称之为类型 1-类型 4 操纵——在这些方式中，根据所捍卫的观点，一个人的思想自由可能会受到侵犯。
同向纠缠相互无偏基、对称量子测量和混合态设计
希尔伯特空间中的离散结构在寻找量子测量的最佳方案中起着至关重要的作用。我们解决了四维空间中是否存在一组完整的五个同纠缠相互无偏基的问题，从而提供了一个明确的分析构造。构成这种广义量子测量的这 20 个纯态的约化密度矩阵形成一个正十二面体，内接于半径为 ffiffiffiffiffiffiffiffiffiffi 3 = 20 p 的球体，位于半径为 1 = 2 的布洛赫球内。这样的集合形成一个混合态 2 设计——一组离散的量子态，其特性是任何密度矩阵的二次函数的平均值等于整个混合态集关于平坦希尔伯特-施密特测度的积分。我们建立了混合态设计需要满足的必要和充分条件，并提出了构建它们的一般方法。此外，还表明复合希尔伯特空间中投影设计的部分迹形成混合状态设计，而投影设计元素的退相干产生经典概率单纯形中的设计。我们确定了一个独特的两量子比特正交基，使得四个简化状态均匀分布在布洛赫球内并形成混合状态 2 设计。
思维，大脑和程序
摘要：可以将本文视为探索两个命题的后果的一种尝试。（1）人类（和动物）的意图是大脑因果特征的产物。我认为这是关于心理过程与大脑之间实际因果关系的经验事实。它简单地说，某些大脑过程就足以实现故意。（2）实例化计算机程序本身绝不是故意的充分条件。本文的主要论点旨在建立这一主张。该论点的形式是展示人类代理如何实例化该程序而仍然没有相关意图。这两个命题具有以下后果：（3）对大脑如何产生意图的解释不能因为它通过实例化计算机程序来做到这一点。这是1和2的严格逻辑结果。（4）任何能够产生故意性的机制都必须具有与大脑的因素相等的因素。这是1。（5）任何试图人为地创建意图的任何尝试（强AI）不能仅仅通过设计程序来成功，而是必须复制人脑的因果力量。这是2和4。“机器可以思考吗？”在这里提出的论点上只有一台机器才能思考，只有非常特殊的机器，即具有内部因果力量与大脑相当的机器。这就是为什么强大的AI几乎没有什么可以告诉我们思考的原因，因为它不是关于机器，而是关于程序的，而且没有程序本身就足以思考。
通过集体商业模式提高小农户玉米脱粒机械化水平：以加纳北部为例
本文评估了加纳北部小农户团体基于集体商业模式使用机械玉米脱粒机 (MMS) 取得成功的条件。使用定性比较分析 (QCA) 分析了来自 18 个干预社区的 156 名农民样本，以研究增加 MMS 使用率的必要条件。结果显示，在约 24% 的案例中观察到实现高团体 MMS 使用率的单一配置。该配置包括五个充分条件：高度合作、成员之间关系良好、支付财务捐款、提前通知团体会议以及遵守团体规则。此外，确定的两个必要条件是冲突少和减少使用手动玉米脱粒。当这些核心条件在农民团体中共存时，MMS 更有可能得到高度利用。这些发现表明，团体领导和成员应鼓励相互理解、尊重个人差异、重视不同意见并分担责任，以改善合作、培养更好的关系并减少成员之间的冲突。这种方法可以鼓励现有成员和新成员利用机械脱粒机团体的服务，确保可持续性。未来的研究应该利用替代的计量经济学程序来评估 QCA 分析确定的配置，旨在提高实证结果的可靠性和可信度。
技术计划
摘要：网络化动态系统（NDS）长期以来一直受到研究者的关注。随着技术的发展，特别是通信和计算机的发展，NDS 的规模迅速增加。此外，一些新问题也随之出现，例如攻击预防、随机通信延迟/故障等。此外，人工智能领域近年来取得的巨大成功极大地刺激了具有大量节点的人工 NDS 的构建。然而，一些基本问题仍然具有挑战性，包括从测量中揭示 NDS 的结构、NDS 可控性/可观测性验证的计算效率条件等。在本次演讲中，我们将介绍一个大规模 NDS 模型，其中子系统通过其内部输出以任意方式连接，并且子系统可能具有不同的动态。给出了子系统交互全局可识别性的基于矩阵秩的必要充分条件，这导致了在存在一些先验信息的情况下关于 NDS 结构可识别性的几个结论。该矩阵还导致了无法仅从实验数据中区分的子系统交互集的明确描述。给出了确定频率的递归程序，在这些频率下系统频率响应能够唯一地确定 NDS 结构。还通过一些数值模拟揭示了“结构可识别度”的重要性，并讨论了其对模型预测能力和系统性能的影响。提出了两个指标分别用于衡量 NDS 结构的绝对和相对松弛度，并针对一些应用重要的情况推导出了它们的明确公式。
![问题空间中对抗性机器学习攻击的有趣特性 [扩展版]](/simg/g:\will\search\icon\source\8\8f73227efa1e93be4dd1f385f99837f08cb09cb9.png)
问题空间中对抗性机器学习攻击的有趣特性 [扩展版]
对抗性机器学习 (ML) 的最新研究工作已经调查了问题空间攻击，重点关注在与图像不同、没有明确的特征空间逆映射的领域（例如软件）中生成真实的规避对象。然而，问题空间攻击的设计、比较和现实影响仍未得到充分探索。本文做出了三个主要贡献。首先，我们提出了问题空间中对抗性 ML 规避攻击的一般形式化，其中包括对可用转换、保留语义、缺失伪影和合理性的全面约束集的定义。我们阐明了特征空间和问题空间之间的关系，并引入了副作用特征的概念作为逆特征映射问题的副产品。这使我们能够定义并证明问题空间攻击存在的必要和充分条件。其次，基于我们的一般形式化，我们提出了一种针对 Android 恶意软件的新型问题空间攻击，该攻击克服了过去在语义和伪影方面的限制。我们已经在包含 2016 年和 2018 年的 15 万个 Android 应用程序的数据集上测试了我们的方法，结果表明逃避最先进的恶意软件分类器及其强化版本的实际可行性。第三，我们探索对抗性训练作为一种可能方法来增强对抗性样本的鲁棒性的有效性，评估其在不同场景下对所考虑的机器学习模型的有效性。我们的结果表明，“对抗性恶意软件即服务”是一种现实威胁，因为我们会自动大规模生成数千个真实且不显眼的对抗性应用程序，平均只需几分钟即可生成一个对抗性实例。
研究文章使用 PLS-SEM 和 fsQCA 了解消费者购买智能服装的意图
随着人工智能（AI）和物联网（IoT）的发展，智能服装具有巨大的增长潜力，以满足各个领域消费者的个性化需求。本文旨在构建一个集成技术接受模型（TAM）和功能-表现力-美学（FEA）模型的模型，以探讨影响消费者智能服装购买意愿（PI）的关键因素。采用偏最小二乘结构方程模型（PLS-SEM）分析数据，并辅以模糊集定性比较分析（fsQCA）。PLS-SEM 结果表明，功能性（FUN）、表现力（EXP）和美学（AES）特征对感知易用性（PEOU）有显着的正向影响，并且只有 EXP 会影响感知有用性（PU）。PU 和 PEOU 对消费者态度（ATT）有正向影响。随后，PU 和消费者的 ATT 对 PI 产生正向影响。 fsQCA 揭示了影响消费者智能服装购买行为的因素之间的非线性复杂相互作用，并揭示了消费者智能服装购买意愿的五个必要条件和六个充分条件。本文通过将 FEA 模型整合到 TAM 中，进一步加深了理论理解。此外，在实践层面，它为消费者购买智能服装的意图提供了重要的见解。这些发现可为企业和设计师制定智能服装设计和推广策略提供宝贵工具。结果验证了有关智能服装智能服装购买意愿的理论概念，并为智能服装的实施和发展提供了有用的见解和营销建议。此外，本研究首次使用对称（PLS-SEM）和非对称（fsQCA）方法来解释智能服装智能服装购买意愿。