XiaoMi-AI文件搜索系统
World File Search System心智
认知科学、神经科学和人工智能交界处的心智理论和偏好学习：综述
心智理论 (ToM) 是人类认知的关键组成部分，即人类心智将心理状态归因于他人的能力。为了理解他人的心理状态或观点，并在社交和职业环境中与他人成功互动，这种社会认知形式必不可少。同样的推断人类心理状态的能力是人工智能 (AI) 融入社会的先决条件，例如在医疗保健和汽车行业。自动驾驶汽车需要能够推断人类驾驶员和行人的心理状态，以预测他们的行为。在文献中，人们对 ToM 的理解越来越多，特别是随着对儿童和自闭症谱系障碍患者的认知科学研究的增加。同样，通过神经影像学研究，现在人们对 ToM 背后的神经机制有了更好的理解。此外，已经提出了用于推断人类心理状态的新 AI 算法，其应用更复杂，通用性更好。在这篇评论中，我们综合了认知和神经科学中对 ToM 的现有理解以及已提出的 AI 计算模型。我们重点关注偏好学习这一特别感兴趣的领域以及最新的神经认知和计算 ToM 模型。我们还讨论了现有模型的局限性，并暗示了允许 ToM 模型充分表达人类思维各个方面（包括价值观和偏好）的复杂性的潜在方法。
人机团队中的集体智慧：贝叶斯心智理论方法
我们开发了一个贝叶斯代理网络，该网络根据观察到的交流共同模拟队友的心理状态。使用生成计算认知方法，我们做出了两点贡献。首先，我们表明我们的代理可以生成干预措施，从而提高人机团队的集体智慧，使其超越人类单独实现的水平。其次，我们开发了一种实时测量人类心智理论能力的方法，并测试了有关人类认知的理论。我们使用从在线实验中收集的数据，在该实验中，29 个纯人类团队中的 145 名成员通过基于聊天的系统进行交流以解决认知任务。我们发现人类 (a) 很难将来自队友的信息完全整合到他们的决策中，尤其是在交流负荷很高的时候，并且 (b) 存在认知偏见，这导致他们低估某些有用但模棱两可的信息。我们的心智理论能力测量可以预测个人和团队层面的表现。观察团队的前 25% 的信息可以解释最终团队表现的大约 8% 的变化，与当前的技术水平相比提高了 170%。
第 4 单元 思维与计算机
该单元的基本目标是表明心智的计算模型是大脑只是一台数字计算机，而心智是一个软件程序。机器功能主义程序受到强人工智能和一般计算机科学的类比的强烈影响，无论是在其总体观点上，还是在其关于心智本质问题的几个具体应用中。心智的机器功能状态就像计算机的计算状态。计算机程序可以描述为硬件的功能组织。机器功能主义者认为心理状态就像计算机的“信息处理”状态。根据计算机功能主义或人工智能，大脑是一台计算机，而心智是在大脑中实现的计算机程序。
超越人类相似性 - 研究门户 - 班戈大学
摘要 我们试图复制和扩展以前的研究，以表明机器人看起来越像人类，人们就越愿意赋予它类似心智的能力并与之进行社交。42 名参与者在接受功能性神经成像的同时，与人类、人形机器人、机械机器人和计算机算法玩游戏。我们证实，代理越像人类，参与者就越会将心智归因于它们。然而，探索性分析表明，代理的感知社会性对于心智归因似乎同样重要，甚至更重要。我们的研究结果表明，在探索非人类代理的心智归因时，自上而下的知识线索可能与自下而上的刺激线索同样或可能更具影响力。虽然现在需要进一步研究来直接检验这一假设，但这些初步发现对于机器人设计以及理解和测试人们与人工智能体互动时人类社会认知的灵活性具有重要意义。
什么是认知神经科学？
相关性问题 我们采用功能主义的方法来研究认知神经科学。这将心智-大脑问题简化为计算心智-大脑问题。但我们仍然面临的问题是，认知科学中的计算心智理论和神经科学中的大脑理论代表两个独立的描述系统。认知神经科学尚未发展到建立认知和神经现象之间因果关系的地步。所有科学都经历从观察到相关性再到因果关系的自然过程。认知神经科学在很大程度上仍处于相关性阶段。该领域的大部分工作旨在确定：1）执行认知功能的神经结构，以及 2）这些结构执行认知功能的神经机制。
端到端可解释人工智能：衍生心智理论指纹以区分自闭症和典型发育及社交症状的严重程度
摘要 — 心智理论 (ToM) 是一种不断发展的能力，对人类的学习和认知有重大影响。早期发展的心智理论能力使人能够理解他人的目标和抱负，以及与自己不同的思维方式。自闭症谱系障碍 (ASD) 是一种普遍存在的广泛性神经发育障碍，参与者的大脑似乎以整个大规模大脑系统的弥漫性变化为标志，这些大脑系统由功能上连接但物理上分离的大脑区域组成，这些大脑区域在意志行为、自我监控和监控他人意图方面出现异常，通常称为心智理论。虽然功能性神经成像技术已被广泛用于确定与心智理论有关的神经相关性，但具体机制仍需阐明。当前大数据和人工智能 (AI) 框架的可用性为系统地识别自闭症患者和正常发育患者铺平了道路，通过识别神经相关性和基于连接组的特征来生成准确的社会认知障碍分类和预测。在这项工作中，我们开发了一个 Ex-AI 模型，该模型量化了正常发育和 ASD 个体之间 ToM 大脑区域变异的共同来源。我们的结果确定了一个特征集，可以在该特征集上训练分类模型以学习特征差异并更清晰地对 ASD 和 TD ToM 发展进行分类。这种方法还可以估计 ASD ToM 亚型内的异质性及其与基于社会认知障碍的症状严重程度评分的关联。基于我们提出的框架，我们使用可解释 ML (Ex-Ml) 模型获得超过 90% 的平均准确率，使用可解释深度神经网络 (Ex-DNN) 模型获得平均 96% 的分类准确率。我们的研究结果基于静息状态下 ToM 区域功能连接模式的关键差异和异质性，以及对早期发育阶段轻度至重度非典型社会认知和沟通缺陷的预测，在 ASD 样本中确定了三个重要的亚组。
具身、知觉、认知和情感
本文的主要目的是全面概述和分析物质制品与具身心智之间的各种关系。本文的第二个目标是确定制品设计和使用中的一些趋势。首先，根据其功能特性，我确定了具身心智所采用的四类制品，即 (a) 具身制品、(b) 感知制品、(c) 认知制品和 (d) 情感制品。这些类别可以重叠，因此一些制品属于多个类别。我还确定了我们在与制品交互时使用的一些技术（或技能）。确定这些制品和技术类别使我们能够绘制出具身心智与制品世界之间关系的图景。其次，在确定了人工制品和技术的类别之后，本文概述了人工制品设计和使用的一些趋势，重点关注神经假体、脑机接口和个性化算法，引导用户走向特定的信息消费认知路径。
第 45 届年会日程
我们今年的主题是“认知动力学”。认知科学领域的许多研究都试图了解认知过程如何随着时间的推移而发展，以适应影响认知系统的多种影响。我们的子主题是“心智内部的动态”、“心智之间的动态”和“心智与环境之间的动态”，展示了我们对认知过程如何在不同类型的互动中随时间展开的多样化理解。三位主旨发言人和受邀研讨会重点介绍了代表认知科学各个领域的科学家对这一理解的贡献，以及认知科学界的地理和职业阶段多样性。他们将展示研究动态过程的工作，研究范围从大脑中的神经相互作用到个人和群体的学习过程。这项研究突出了认知动态的理解如何依靠来自行为、神经、计算和机器人等多种方法的数据，这些方法涉及语言、决策、认知控制、感知和社会认知等领域。