XiaoMi-AI文件搜索系统
World File Search System创生
IT和AI的发展、地方创生、少子化对策
资料来源：https://towardsdatascience.com/machine-learning-methods-to-aid-in-coronavirus-response-70df8bfc7861、https://bdtechtalks.com/2020/03/09/artificial-intelligence-covid-19-coronavirus/、https://news.yahoo.co.jp/byline/kazuhirotaira/20200326-00169744/
湿件化身人工智能？迈向基于合成生物学的自创生组织方法
具身人工智能 (EAI) 是当代人工智能的一个方向，其特点是发展对自然认知过程的综合研究，其假设是认知者的身体在认知中起着决定性的作用。在 EAI 中，“身体”的概念呈现出广泛的解释，从概念上讲，可以认为跨越了两个极端：一种是用于符号信息处理的神经元外物质支持的概念，适合将符号置于感觉运动关联中；一种是多重、集成、嵌入环境的系统的概念，其自组织的生物动力学与意义建构过程密不可分（纠缠在一起）（例如，Gallagher，2011；Ziemke，2016）。EAI 通常被宽泛地等同于机器人 AI，即一种以构建和实验探索自然认知过程的硬件模型为目标的 AI 形式。事实上，与计算机不同，机电机器人被赋予了身体，使其处于物理世界中 — 即，不（仅仅）处于抽象的“信息世界”中 — 并允许它们基于传感器（例如，能够检测障碍物、光、声音、电磁信号等的传感器）与其进行交互。和执行器。在大多数情况下，EAI 创建由计算机控制的机器人，这样机器人代理的身体在其与环境的感觉运动交互中，将中央处理单元的活动作为基础，中央处理单元充当信息处理和决策设备。然而，EAI 社区也致力于构建不受计算机引导的机器人，这些机器人能够仅通过身体来了解周围环境并完成认知任务（例如 Brooks，1991；Steels 和 Brooks，1995）。自 20 世纪 90 年代初出现以来，EAI 通过其多种表现形式，在基础研究和应用研究层面都取得了令人瞩目的进步（例如 Pfeifer 和 Bongard，2006）。尽管如此，从 20 世纪 90 年代末开始，人们就开始争论 EAI 方法是否适合生物体建模。这些批评越来越多地不局限于强调 EAI 典型的理论和实现的身体机械观。他们注意到 EAI 无法对身体组织进行建模，即通过新陈代谢支持生物体不断自我生产的功能关系动态网络（Ziemke，2016；Damiano 和 Stano 2018）。这些都是激进的批评，指出目前 EAI 对自然认知过程的综合研究仅仅建立在对生物体的模仿建模上：一种人工重建，只考虑身体结构的表面方面（例如，运动和解剖元素）而忽略了其最具体的维度——自主组织。在这篇短文中，我们打算介绍一种旨在克服这一差距的 EAI 研究方法的一般纲领路线。这样的程序本身并不是什么新鲜事。EAI 研究
与德勒兹一起思考心灵的运动
在考虑了心智/大脑的技术隐喻（特别是随着图灵机和控制论的发展而成熟的计算机相关隐喻）之后，我认为，一阶控制论极大地改变了我们思考大脑/心智的隐喻，尽管它们仍然植根于人文二元论。另一方面，二阶控制论给了我们大脑是一个自创生系统的概念，它既能解释自主性，也能解释涌现性。二阶控制论中特别重要的是禁止信息跨越自指系统边界的流动，强调两个方面：操作闭包和操作递归。这两个概念特别引起我的兴趣，让我思考当算法推理和人脑开始作为单个自创生系统运作时会发生什么。也就是说，我提出关于数字系统和生物系统同构的问题。我的观点是，计算机不再仅仅是大脑的一个隐喻，因为大脑就是计算机。换句话说，正如德勒兹在他的两本《电影》书中所言，思想中发生了一场真正的控制论运动，类似于电影在图像中带来的真正运动。最后，我认为，操作闭合既可以用神经科学家马克·索尔姆斯和卡尔·弗里斯顿所说的“马尔可夫毯”来理解，也可以用德勒兹的感觉逻辑理论来理解，这可以帮助我们理解算法推理对思想的影响。这是你的大脑信息：大脑/思维的一阶控制论和信息隐喻
MS＆AD集团中期经营计划（2022财年-...
• 气候变化、自然灾害发生频率和严重程度增加、大地震发生概率增加 • 地区冲突扩大、贫富差距扩大和巩固、移民/难民增加 • 亚洲（特别是印度）和非洲的人口增长 • 解决社会问题的举措势头增强 • 价值观/生活方式的重大变化 • 商业方式改革（远程办公和线上办公） • 新型冠状病毒（COVID-10）疫情的影响 • 总人口（劳动年龄人口）的减少、地区人口减少/地区创生的推进 • 少子老龄化进一步推进、痴呆症老年人增加 • 远程医疗和线上咨询的扩大、预防医学的推进 • 基础设施和设备的老化等
人工智能通过……对社会的影响
在这篇发展性论文中，对 Niklas Luhmann 的社会系统理论进行了系统回顾，旨在了解人工智能对社会的影响。Luhmann 是当代社会学中一位鼓舞人心的复杂性学者，他采用跨学科方法，旨在通过自创生概念和他自己的传播理论来解释社会结构的功能主义。这篇评论采用绑架方法和定性方法，探讨了所提出的理论作为了解人工智能技术对后现代社会影响的最佳视角，涉及七个数据库的十四篇学术出版物的综合，以及三个类别的编纂。令人惊讶的事实被强调为人工智能与社会之间的专家系统相关性，以及信任和道德在社会系统中的作用。
生物反馈：基于不断发展的模糊神经网络和可穿戴技术的电子健康预测
摘要 可穿戴微电子技术和新型神经网络范式（如进化模糊神经网络 (EFuNN)）的最新进展使得基于生物反馈的应用得以部署，这些新型神经网络范式能够在线进化和学习。通过无创地测量心率、生物阻抗、体温、运动活动、血压、血氧和呼吸频率等生命体征，可以恢复错过的生理反应。然后，可以应用进化的 ANN 范式进行预测。已经应用进化模糊神经网络 (EFuNN) 范式进行预测，对可穿戴生物反馈系统进行了仿真。已经部署了一种用于无创生命体征测量的高度集成的可穿戴微电子设备。仿真结果表明，生物反馈控制模型可以成为一种有效的参考设计，能够实现短期和长期的电子健康预测。然后定义了生物反馈框架。
走向人工智能治理？人工智能在塑造公司治理未来中的作用
摘要 本文探讨了人工智能的持续进步和适应对公司治理实践的影响。它运用商业、技术和社会三个视角来审视人工智能治理，以评估实现董事会层面决策自动化以确保有效公司治理的可取性、可行性和责任。在评估人类和机器学习对有效董事会层面决策的潜力和局限性的基础上，本文提出了人工智能治理的五种场景，即辅助智能、增强智能、放大智能、自主智能和自创生智能，这些场景可能会塑造当前、未来及未来的组织治理。文章从三个视角讨论了人工智能治理和人工智能治理的含义，并最后呼吁董事会成员积极参与理解、想象和塑造人工智能治理的未来。
使用深度学习
大米是一个至关重要的全球主食，是粮食安全不可或缺的一部分。精确识别稻田生长阶段，引导，标题，花纹，谷物填充和谷物成熟度对于农业决策至关重要。但是，使用红绿色蓝色（RGB）图像识别这些阶段时存在差距。本研究使用最先进的计算机视觉和深度学习分类（卷积神经网络）算法来解决这一差距。在所研究的算法中，EfficityNet_B0的总体准确性令人印象深刻。值得注意的是，将图像大小从64x64像素增加到128x128像素可以显着提高精度。对生长阶段的详细评估揭示了准确性的水平不同，启动叶是最精确的（95.1％），而创生的最具挑战性的是最具挑战性的（72.28％）。这项工作大大提高了自动监测，从而在实时决策中增强了研究人员的能力。
物理报告自由能原理变得更简单但是......
本文简要描述了自由能原理，从用朗之万方程表述随机动力系统开始，到可以解读为感知物理学的贝叶斯力学结束。它使用统计物理学的标准结果排练了关键步骤。这些步骤包括 (i) 基于从稀疏耦合动力学继承的条件独立性建立特定的状态划分，(ii) 用贝叶斯推理解开这种划分的含义，以及 (iii) 用最小作用变分原理描述特定状态的路径。从目的论上讲，自由能原理从最优贝叶斯设计和决策的角度提供了自组织的规范性解释，即最大化边际似然或贝叶斯模型证据。总之，从用随机动力系统描述世界开始，我们最终得到自组织作为可以解释为不证自明的感知行为的描述；即自组装、自创生或主动推理。© 2023 作者。由 Elsevier BV 出版这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
认知作为形态学/形态发生学的体内体现计算
摘要：认知，历史上被认为是人类独有的能力，但最近发现它是所有生物体（从单细胞开始）都具备的能力。本研究从信息计算的角度探讨认知，其中自然界的结构被视为信息，过程（信息动态）被视为计算，从认知主体的角度来看。认知被理解为并发形态/形态发生计算的网络，它是物理、化学和生物主体的自组装、自组织和自创生的结果。当今以人为中心的认知观仍然在各大百科全书中盛行，存在各种未解决的问题。本文探讨了形态计算、形态发生、代理、基础认知、扩展进化综合、自由能原理、认知作为贝叶斯学习、主动推理和相关主题的最新研究，为旧计算主义认知模型固有的问题提供了新的理论和实践视角，这些模型基于抽象符号处理，没有意识到认知代理体现的实际物理约束和可供性。更好地理解认知对于未来的人工智能、机器人技术、医学和相关领域至关重要。