XiaoMi-AI文件搜索系统
World File Search System协作的
供应链网络中协作的复杂性
摘要在过去几十年中，环境问题以及减少化石燃料的使用并用可再生能源（RESS）代替它们以面对温室气体（GHG）排放率不断提高的全球趋势。建筑物消耗了大量的能源，因此，它们负责全温室气体排放的明显部分。因此，当我们谈论能源系统的脱碳化时，建筑物是需要考虑的能源系统的重要部门。使用RESS，智能技术以及信息和通信技术以及能源效率的提高，是许多努力，可以提高建立在脱碳途中的作用。在新环境中，建筑物不是能源系统的被动参与者，他们能够积极发挥作用并参与能量良好的运营。尽管他们能够以最佳的方式管理资源并满足居民的当地能源需求，但他们可以参与能源和平衡市场，并支持网络运营商作为服务提供商。在本文中，我们对活跃建筑物的概念，挑战和前景进行了全面的评论，为希望开始在这一领域工作的学术界和行业的研究人员铺平了道路。
评论文章 人机协作的未来趋势：使用多种智能和学习风格的 AI/AGI 综合分类法
本文讨论了开发新一代通用人工智能 (AGI) 系统的一些趋势和概念，这些趋势和概念涉及人类智能的复杂方面和不同类型的方面，尤其是社交、情感、注意力和道德智能。我们描述了多种人类智能和学习风格的各个方面，这些方面可能会影响各种人工智能问题领域。使用“多种智能”的概念而不是单一类型的智能，我们根据各种 AGI 的认知技能或能力对其进行分类并提供工作定义。未来的人工智能系统不仅能够与人类用户和彼此进行通信，而且还能够有效地交换知识和智慧，具有合作、协作甚至共同创造新事物和有价值的东西的能力，并具有元学习能力。诸如此类的多智能体系统可用于解决任何单个智能体难以解决的问题。
支持意外发现：定性分析中人机协作的机遇与挑战
定性归纳法因其能够生成性地发现深层且情境化的见解而广泛应用于 CSCW 和 HCI 研究，但这些本质上手动且人力资源密集型的过程通常不适用于分析大型语料库。研究人员对将定性方法应用于“大”数据问题的方法越来越感兴趣，希望从大量数据中获得更具普遍性的结果，同时保留定性方法的深度和丰富性。在本文中，我们描述了一项关于定性研究人员的工作实践及其挑战的研究，着眼于这是否是人机协作的合适领域以及成功的协作可能涉及哪些方面。我们的研究结果描述了参与者多样化的方法实践和细微的协作动态，并确定了他们可能从基于 AI 的工具中受益的领域。虽然参与者强调了定性归纳分析的混乱性和不确定性，但他们仍然希望完全掌控整个过程，并认为 AI 不应干预。我们的研究在定性分析的背景下对人机协作中任务的可委派性进行了深入研究，并为尊重偶然性、人类能动性和模糊性的人工智能辅助设计提供了方向。
人机协作的康复评估临床决策方法
人工智能 (AI) 的进步使其越来越多地适用于以决策支持系统的形式补充专家在各种任务上的决策。例如，基于人工智能的系统可以为治疗师提供有关患者状况的定量分析，以改进康复评估实践。然而，对于这些系统的潜力知之甚少。在本文中，我们介绍了一种基于人工智能的交互式系统的开发和评估，该系统支持与治疗师一起进行康复评估决策。该系统自动识别评估的显著特征，为治疗师生成针对患者的分析，并根据他们的反馈进行调整。在与治疗师的两次评估中，我们发现我们的系统支持治疗师在评估上的一致性明显高于传统的没有分析的系统（平均 F1 分数为 0.66，𝑝 < 0.05）。根据治疗师的反馈进行调整后，我们的系统性能显著提高，平均 F1 分数从 0.8377 提高到 0.9116（𝑝 < 0 . 01）。这项研究探讨了人机协作系统在学习彼此优势的同时支持更准确决策的潜力。
政策与实践参与与协作的策略
A strategy for policy & practice engagement and collaboration Background This document should be read with the following linked Strategy documents: NIHR SPHR Knowledge Exchange Strategy NIHR SPHR Public Involvement and Engagement Strategy NIHR SPHR Communications Strategy Vision for collaboration and engagement The SPHR aims to increase the volume of evidence for effective public health practice in England by creating a collaborative environment, in which excellence in research and knowledge exchange can thrive.这个目标的核心是需要在我们工作的各个方面与政策和实践伙伴建立和保持密切的关系。SPHR与其合作伙伴之间的关系将是双向的，需要对对话和交流的内向和外向进行战略。SPHR的主要合作伙伴包括国家机构和组织，地方政策和实践利益相关者，志愿和社区部门，地方当局和其他机构在住房，教育和环境等领域。
与任务优先限制的人类机器人共享工作空间协作的软件工具
人类机器人共享工作空间中的一个关键挑战是定义决策标准，以选择浮华，有效和安全的协作的下一个任务。在工业环境中使用机器人时，任务可能符合要执行的优先限制。在机器人独自结束之前，当人无法执行任务时，行业中的优先限制的一个典型例子发生在汇编站。本文介绍了一种基于最大熵逆最佳控制的方法，用于识别人类目标的概率分布，并将其包含在人类机器人共享 - 工作空间协作的软件工具中。软件分析人类目标和目标优先限制，并且能够确定最佳机器人目标以及相对运动计划。所使用的方法是一种用于管理目标优先限制的算法和用于选择下一个机器人动作的部分可观察到的马尔可夫决策过程（POMDP）。与15名参与者进行了比较研究，在现实世界中进行了。该实验的重点是评估任务效果，任务效率和人类满意度。所提出的模型显示机器人闲置时间的减少并增加了人类满意度。
人工智能背后的科学：趋势、移动性和协作的演变
摘要 在这个科学交叉的时代，人工智能（AI）等诸多科学成果给人类社会带来了翻天覆地的变革。学术成果数字化数据的日益普及为科学的科学（SciSci）的探索提供了前所未有的机遇。尽管在科学领域已经进行了许多重要的研究，但不同领域的学科差异很大，导致某些领域的见解不够充分。一个突出的问题是，人们对人工智能背后的科学的了解非常缺乏。在本文中，我们从趋势演变、移动性和协作性三个维度研究了人工智能的演变。我们发现人工智能的研究热点已经从理论转向应用。美国拥有最多杰出的人工智能科学家，对全球人工智能人才的吸引力最大。发展中国家人工智能科学家的人才流失问题日益严重。人工智能精英之间的联系在合作网络中高度聚集。总的来说，我们的工作旨在作为一个开端，以富有远见的方式支持人工智能的发展探索。相关演示可以在 AMiner 1、2 中在线获取。
人机协作的自适应信任校准
人机协作的安全性和效率通常取决于人类如何适当地校准对人工智能代理的信任。过度信任自主系统有时会导致严重的安全问题。尽管许多研究都关注系统透明度在保持适当信任校准方面的重要性，但在检测和缓解不当信任校准方面的研究仍然非常有限。为了填补这些研究空白，我们提出了一种自适应信任校准方法，该方法包括一个通过监控用户的依赖行为来检测不适当校准状态的框架和称为“信任校准线索”的认知线索，以提示用户重新启动信任校准。我们使用无人机模拟器在在线实验中评估了我们的框架和四种类型的信任校准线索。共有 116 名参与者使用无人机的自动检查功能执行了坑洼检查任务，其可靠性可能因天气条件而波动。参与者需要决定是依靠自动检查还是手动进行检查。结果表明，自适应地呈现简单提示可以显著促进过度信任期间的信任校准。
B'Gagency绩效目标；描述代理绩效目标如何促进Agencys General（或战略）目标；描述机构绩效目标如何促进任何联邦政府绩效目标；确定代理优先目标；描述实现代理绩效目标所需的策略和资源；明确定义的里程碑；确定组织，计划活动，法规，政策和其他有助于代理机构内部和外部绩效目标的活动；对实现代理绩效目标和联邦政府绩效目标的机构间协作的描述；识别目标领导者；平衡的性能指标集；比较结果的基础；有关代理商将如何确保数据准确性和可靠性的描述；对主要管理挑战的描述；以及对低优先级计划的识别。”
B'Gagency绩效目标；描述代理绩效目标如何促进Agencys General（或战略）目标；描述机构绩效目标如何促进任何联邦政府绩效目标；确定代理优先目标；描述实现代理绩效目标所需的策略和资源；明确定义的里程碑；确定组织，计划活动，法规，政策和其他有助于代理机构内部和外部绩效目标的活动；对实现代理绩效目标和联邦政府绩效目标的机构间协作的描述；识别目标领导者；平衡的性能指标集；比较结果的基础；有关代理商将如何确保数据准确性和可靠性的描述；对主要管理挑战的描述；以及对低优先级计划的识别。”