XiaoMi-AI文件搜索系统
World File Search System引出
结合人体工程学概念和认知机制，促进人类与人工智能代理的合作
摘要 将人工智能从实验环境部署到具体应用意味着要考虑环境的社会方面，从而设想人类与计算机之间的交互，以成为行动中的伙伴。本文回顾了有关人机交互的研究计划，包括可解释人工智能 (XAI) 和 HRI/HCI。我们认为，即使词汇和方法不同，这些概念都集中在人工智能必须向与其交互的人类提供其行为的准确心理模型上。这具有不同的含义，具体取决于我们考虑工具/用户交互还是合作交互——尽管合作交互是未来自动驾驶汽车概念的核心，但记录却少得多。从这一观察出发，本文使用关于联合行动的认知科学语料库来提出更精细的认知机制，这些机制已被证明对人类联合行动至关重要，可被视为未来人工智能的认知要求，包括共享任务表示和心理化。最后，提出了交互内容假设来满足已确定的机制，包括人工智能体引出其意图和触发人类合作者对其心理化的能力。
Orin Tempkin 监管事务执行董事
该 LOI 是功能性视力问卷，是一种患者报告结果 (PRO)，用于评估青少年（12-17 岁）和成年（18 岁或以上）经临床和基因确诊为视网膜色素变性 (RP) 的患者的“视觉功能和功能性视力”。FDA 已完成审查，并同意将您的 LOI 纳入 CDER/CBER COA 资格计划，但前提是出于以下原因缩小使用范围以指定更同质的患者群体（即临床和基因确诊为 RLBP1 RP 的患者）。介绍性意见：我们承认您计划开发一种 PRO 测量方法，用于具有不同 RP 基因突变的患者。然而，考虑到 RP 的异质性，尤其是不同 RP 亚型在视力丧失进展速度和程度、症状出现年龄和视力障碍特征方面的差异，我们要求您将使用范围限制为临床和基因确诊为 RLBP1 RP 的患者。因此，具有 RLBP1 RP 基因型的患者应该在您的概念引出和认知访谈以及仪器验证中得到很好的体现。
低功耗车内参考设计
此设计旨在为客户提供具有成本优化物料清单的即用型小型毫米波车内雷达传感器。在此设计中，由 PMIC 导轨（3.3V、1.8V 和 1.2V）供电的 AWRL6432 设备无需多个 DC-DC 转换器，并使设计具有极小的外形尺寸。为此板设计的天线能够提供 120°（方位角）× 120°（仰角）视场、3.5GHz 带宽和 6 至 7dBi 峰值增益，并采用高性能 Rogers ® RO3003 ® 材料。此参考设计还采用了 TI 的低成本、小型、低功耗 Derby PMIC 和 CAN PHY。板载连接器（J1、J2 和 J3）引出各种通信外设（UART、RS232、SPI、CAN、LIN、JTAG、I2C、GPIO）、SOP、PWR 和 GND，包括一个专用的 10 针连接器 (J1)，用于直接连接 LP-XDS110，从而简化了电路板的操作。设计中使用的板载连接器间距为 1.27 毫米，这也有助于减小电路板的整体尺寸。
国际英语文学与社会科学杂志...
摘要 — 语言使用得体可防止沟通中断。面对冲突的观点，侵犯对手的利益、平静或个人利益是不可避免的，但演讲者应该使用礼貌策略来纠正这一点。本研究分析了政治话语中面对冲突观点时补救行动的使用情况。研究人员采用布朗和莱文森 (1987) 的礼貌理论来分析、解释和讨论从肯尼亚“建桥倡议” (BBI) 的三个公共职能的预先录制的电视转播中收集的数据，这是一项引起尖锐冲突意见的宪法修正案倡议。本研究采用分析研究设计，对八位有目的抽样的政治家的话语进行分析，以引出他们用来纠正他们的言论对目标听众造成的面子威胁的礼貌策略。数据分析采用描述性定性研究技术。研究发现，肯尼亚政治阶层采用了布朗和莱文森 (1987) 提出的所有四种礼貌策略来应对面子威胁。
人类与人工智能互补性的贝叶斯模型
人工智能 (AI) 和机器学习模型越来越多地应用于实际应用。在许多此类应用中，人们强烈希望开发混合系统，使人类和 AI 算法能够协同工作，充分利用两者互补的优势和劣势。我们开发了一个贝叶斯框架，用于结合人类和机器的预测和不同类型的置信度分数。该框架使我们能够研究影响互补性的因素，其中人类和机器预测的混合组合比单独的人类或机器预测组合产生更好的性能。我们将此框架应用于一个大规模数据集，其中人类和各种卷积神经网络执行相同的具有挑战性的图像分类任务。我们从经验和理论上表明，即使人类和机器分类器的表现不同，只要这些准确度差异在由人类和机器分类器置信度分数之间的潜在相关性确定的范围内，就可以实现互补性。此外，我们证明，通过区分人类和机器分类器在不同类别标签上犯的错误，可以提高混合人机性能。最后，我们的结果表明，引出并纳入人类信心评级可提高贝叶斯组合模型的混合性能。我们的方法适用于涉及人类和机器算法的各种分类问题。
研究论文 基于5G虚拟现实与虚拟现实视觉空间的艺术风格转换
随着数字信息技术的飞速发展，虚拟现实（VR）及VR视觉空间技术已成为计算机5G领域的重要分支，其应用研究受到越来越多的关注，其实用价值和应用前景也十分广阔。本文主要研究基于5G VR及VR视觉空间的艺术风格转换。本文从VR技术与VR视觉两个概念出发，分析二者的发展历程及特点，探讨二者融合的可能性与必然性，引出VR技术与VR视觉融合产生的空间艺术，这种艺术空间给人一种“身临其境”的体验。本文通过对多个沉浸式体验作品的分析，对其多感官、多技术的空间艺术风格转换形式进行分析，总结当前基于5G VR及VR视觉空间的艺术风格转换形式的优缺点，以期对未来VR沉浸式的发展有所借鉴。本文对易用性指标进行分析。实验结果表明,除感官体验指标外,其余指标平均值均小于1,是一个易用性较好的项目,且利用5G VR及VR视觉技术可以提高空间艺术风格的转变。
在与计算机整合时激发自我意识
近期的人机交互 (HCI) 研究突出了一种新范式，即从传统的命令-响应交互转向技术与人体的“集成”。人机集成 (HInt) 研究领域及其“融合”子部分不再将人与计算机视为两个独立的实体，而是旨在将计算机与用户集成为“一个人类技术组合”，以增强人类的能力 [3、21、62、66]。这一目标包括多个层面的整合：（1）物理整合，即将技术置于身体内部或身体上[62]；（2）功能整合，将技术参与认知功能，以协助或恢复该功能；（3）体验整合，即技术通过某种方式被感受，成为用户对（a）自己（自我体验）和/或（b）世界（世界体验）的反思性（即显性）体验或前反思性（即隐性）体验的一部分。研究表明，技术的物理或功能整合并不一定会导致体验整合[29, 37, 63, 82]。具体而言，研究发现，技术通常被体验为“其他”的东西，要么感觉完全自主（“整合（为我）做了那件事”），要么由用户反思性地控制（“我让整合做了那件事”）[8]，这与传统的命令 - 响应类型的交互有关。除了这些体验之外，研究人员现在感兴趣的是如何将整合系统与用户的自我体验联系起来，以引出诸如“我做了那件事（用我的身体）”这样的陈述（图 1）[20，37，62]。正如我们将要论证的那样，这一步要求我们超越将自我体验仅仅视为反思性的自我判断（“我用我认为是我的身体的东西做了那件事”），也将其视为前反思的自我感觉（“我用感觉是我的身体的东西做了那件事”）。两者之间的区别将在第 3 部分进一步阐述）。引出前反思的自我感觉非常重要，因为没有自我感觉的身体和认知整合系统在某些情况下已被证明会产生不愉快、脱离身体或分离的体验，尽管它们能够提高功能和表现[5，37，61，63，82]。例如，研究人员发现，通过电肌肉刺激 (EMS) 用计算机控制参与者双手的系统通常会让用户感到“害怕”，感觉好像他们“被人推”或“被黑客攻击”[61,82]。同样，对假肢和脑植入物的采访表明，有些人感觉他们的假肢或脑植入物是一个外来物体，而不是他们自己的一部分——即使他们是成功的用户 [28,29,63]。用户经常会报告假肢“碍事”或不可用，需要付出太多努力才能使用，最终导致用户放弃该技术或对它的保护性降低[17,63]。研究人员认为，激发自我意识可以消除这种破坏性体验，并改善保护性行为[17]和可用性期望[26,27,63]，并有助于避免用户出现不必要的自我分离[5,29,37]（见图2）。
基因技术问卷：对基因技术的判断是否符合伦理理论、是否连贯、是否能预测行为
摘要背景：一方面，有伦理争议的基因技术的政策规定应基于伦理原则。另一方面，它们应为社会所接受，以确保实施。此外，它们应与伦理理论保持一致。然而，迄今为止，我们缺乏一个可靠且有效的量表来衡量普通人的相关伦理判断。我们针对这一缺陷。方法：我们开发了一个基于伦理原则的量表来引出普通人的判断：基因技术问卷 (GTQ)。在两项试点研究和一项预先注册的主要研究中，我们在美国人口的代表性样本中验证了该量表。结果：量表的最终版本包含 20 个项目，但即使减少到 5 个仍然高度可靠。它还可以预测行为；例如，通过 GTQ 衡量的道德判断可以预测假设的捐赠和杂货店购物。此外，GTQ 可能引起政策制定者和伦理学家的兴趣，因为它揭示了普通人连贯且符合伦理的判断。例如，GTQ 表明，伦理判断对可能的利益和危害很敏感（符合功利主义伦理学），但也对诸如同意自主权的价值等伦理原则很敏感。结论：GTQ 可以推荐用于实验心理学和应用伦理学的研究，也可以作为伦理和经验主义政策制定的工具。关键词：基因技术、基因组编辑、应用伦理学、公共卫生伦理学、政策制定、技术伦理
预测失语症患者的严重程度 - AphasiaBank
摘要 — 语言病理学家需要准确评估失语症 (PWA) 患者的严重程度，以设计和提供最佳治疗方案。目前，严重程度由经验丰富且训练有素的临床医生手动评估，而这越来越少，需要花费大量时间资源。通过分析三种话语引出方法的记录，本研究结合自然语言处理 (NLP) 和机器学习 (ML) 来预测 PWA 的严重程度，包括分数和严重程度级别。通过从 PWA 任务中设计语言特征，非结构化 k 均值聚类呈现不同的失语症类型，显示所选特征的有效性。我们开发了回归模型来预测严重程度分数以及按级别（轻度、中度、重度和非常严重）对严重程度进行分类，以帮助临床医生轻松计划和监控治疗过程。我们最好的 ML 回归模型使用深度神经网络，平均绝对误差 (MAE) 为 0.0671，均方根误差 (RMSE) 为 0.0922。我们的最佳分类模型使用随机森林，总体准确率为 73%，轻度准确率最高为 87.5%。我们的结果表明，使用 NLP 和 ML 是一种准确且经济有效的方法来评估 PWA 的严重程度，从而帮助临床医生确定康复程序。
采用有利可图的能源的信用和关注...... - Xlab
信贷限制和疏忽在高回报技术未得到广泛采用中扮演了什么角色？我们以内罗毕的节能炉灶为例研究了这个问题。通过对 1,000 户家庭进行随机实地试验，我们估计投资这项技术的平均年回报率为 300%，即每年节省 120 美元燃料费用，约相当于一个月的收入。尽管如此，采用率仍然很低：使用激励兼容的 Becker-DeGroot-Marschak 机制引出偏好，我们发现平均支付意愿 (WTP) 仅为 12 美元。为了调查导致这种令人费解的模式的原因，我们交叉随机化了信贷获取渠道，并采取了两项干预措施，旨在提高人们对采用成本和收益的关注。我们的第一个主要发现是，信贷使 WTP 翻倍，并在贷款期间缩小了能源效率差距。其次，信贷在一定程度上通过心理机制发挥作用：信贷总影响的约三分之一是由对贷款偿还的疏忽造成的。我们没有发现对节能不重视的证据。私人利益和避免的环境损害平均为每台炉子带来 600 美元的收益，每台炉子采用并使用两年。