XiaoMi-AI文件搜索系统
World File Search System意向性
人工智能、信任和代理认知
现有的信任理论假设受托人具有代理权（即意向性和自由意志）。我们认为，信任人工智能 (AI) 与信任人类之间的一个关键的定性区别在于信任者（人类）对受托人的代理权归因程度。我们指定了两种机制，通过这些机制，代理权归因的程度可以影响人类对人工智能的信任。首先，如果人工智能被视为更具代理性，受托人（人工智能）的仁慈的重要性就会增加，但如果它违反信任（由于背叛厌恶，参见 Bohnet & Zeckhauser，2004），预期的心理成本也会增加。其次，仁慈和能力的归因对于对看似无代理的人工智能系统建立信心变得不那么重要，相反，对系统设计者的仁慈和能力归因变得重要。这两种机制都意味着让人工智能看起来更具代理性可能会增加或减少人类对它的信任。虽然人工智能技术的设计者经常努力赋予他们的作品以传达其仁慈本质的特征（例如通过拟人化或透明度），但这也可能改变代理感知，导致它在人类眼中变得不那么值得信赖。关键词：人工智能；信任；代理；背叛厌恶 JEL 分类：M00、M14、Z10
生成型人工智能在高等教育中的前景及伦理考量
人工智能正在全球范围内掀起教育变革浪潮，各国纷纷出台战略规划，将人工智能纳入教育框架。2016年，美国发布《为人工智能的未来做好准备》、《国家人工智能与发展战略规划》等报告。英国于2017年发布《发展英国人工智能产业》，启动人工智能奖学金计划。新加坡于2018年启动人工智能新加坡计划，致力于打造人工智能行动者和思想者社区。div>中国通过《新一代人工智能发展规划》和《教育信息化2.0行动计划》，积极推动人工智能与教育的融合。高等教育的未来与新技术的发展以及新型智能机器的计算能力有着内在的联系[1]。人工智能发展迅速，为教育、高等教育和学习提供了巨大的潜力。人工智能能够模仿人类的反应，例如推理、判断和表现出意向性 [2] 。人工智能在高等教育中的应用通过减少冗余工作、基于人工智能提供的数据进行个性化学习和教学反思，增强了教学能力，使他们能够专注于创新和启发性的教学活动 [3] 。此外，人工智能通过音频识别和自然语言处理等技术激发学生的积极性 [4]，教师机器人或“云讲师”的个性化教学可用于混合授课课程或完全在线课程 [1] 。
人工智能机器的刑事责任
现代法律体系中的刑事责任概念以代理概念为基础，其中包括自主性、意向性和个人责任等概念。然而，随着技术的不断进步以及人工智能在我们日常生活中的使用日益增多，重要的任务被委托给人工智能驱动的系统。随着人工智能实体从经验中学习，它们会获取更多数据并提高编写自己算法的能力。因此，人工智能将逐渐独立于人类运行。人工智能和复杂的机器人越“聪明”，它们就越有可能对冲动做出反应。因此，我们逐渐使用代理而不是工具来处理问题，因此，不小心部署的先进人工智能系统将成为未来担忧的根源，因为人工智能系统已经自主地从事了对人类而言被视为非法的活动。因此，可能没有人应该为它们的行为的负面影响负责——尤其是当人们考虑到一台自学机器时。由于发现了问责漏洞，本论文探讨了将犯罪心理（犯罪心理）归咎于人工智能实体（特别是机器人等自主系统）的可行性。除了作为刑事责任的先决条件之外，承担责任的能力在现代刑法下也至关重要。然而，人工智能实体不具备人格——因为它们是机器，缺乏意识——因此，它们不能承担刑事责任。此外，考虑到人工智能实体可以犯罪，刑法是否可以包容自主机器行为的问题也随之而来。这个问题过于复杂，因为我们处理的是我们无法正确理解的算法，因此本论文将需要从机器角度与哲学方法相结合进行分析。通过假设人工智能实体具有自己的意识程度，将它们视为有罪心理持有者的可能性使未来变得不可想象。
什么是神经表征主义？
本综述对神经表征论进行了更新，神经表征论是一种理论框架，它将意识体验定义为多模态、情境调查，并从大脑系统构建源自我们环境和身体的感觉的最佳猜测表征来解释其神经基础（Pennartz，2015）。它假定意识体验具有五个基本特征：（i）多模态丰富性，（ii）情境性和沉浸性，（iii）统一性和整合性，（iv）动态性和稳定性，以及（v）意向性。此外，意识还被认为具有生物学功能，其框架是反射和习惯（不需要意识）与目标导向、计划行为（需要多模态、情境调查）之间的对比。因此，意识体验被理解为一种感官丰富、空间包罗万象的身体和环境表征，而我们仍然有直接体验外部现实的印象。预测处理模型有助于理解意识背后的神经机制，这些模型以无监督的方式进行训练，不一定需要明显的动作，并且已经扩展到深度神经网络。然而，即使有了预测处理，问题仍然是为什么这种类型的神经网络活动会产生现象体验。在这里，我建议用多层次表征的概念来解决这个难题，这些概念会突然产生与现象体验相对应的多模态、空间广泛的超级推理。最后，将神经表征主义与其他意识神经理论进行了比较，并讨论了它对定义动物、人工智能设备和患有意识障碍的不能移动或无反应的患者的意识指标的影响。
任务共享和心理治疗的远程医疗治疗围产期抑郁症：务实的非降低性随机试验
任务共享和远程医疗可以增加获得有效心理治疗的机会。通过增加获得治疗的机会来扩展孕产妇的心理保健（峰会）是务实的，多站点，非劣质性，四臂试验，该试验测试了提供者（非专业人士与专家提供者）的非效率（远程医疗与个人与个人与个人与内在与内在的心理疗法）的非效率。在美国和加拿大的三个大学附属网络中，孕妇和产后成年参与者被随机分配给每个手臂（472个非专业远程医疗，145个非专业主义者，469个非专业主义者，469 469 tememist Tememedicine和144个专业人士和144个专业人士），并提供周刊的周刊行为行为激活疗法。主要结果是抑郁症状（爱丁堡产后抑郁量表（EPDS）），第二结果是在随机化后3个月时焦虑（普遍焦虑症（GAD-7））症状。在2020年1月8日至2023年10月4日之间，招募了1,230名参与者。的非效率（EPD：非专业人士9.27（95％CI 8.85–9.70）） 8.39–9.45））用于意向性治疗和每个协议分析。非劣质性的焦虑症状。没有与试验有关的严重或不利事件。该试验提出了令人信服的证据，证明了任务共享和远程医疗，以改善围产期抑郁症和焦虑症状的心理治疗的机会。clinicaltrials.gov nct04153864
人工智能风险存储库：人工智能风险的综合元审查、数据库和分类
人工智能 (AI) 带来的风险引起了学术界、审计师、政策制定者、AI 公司和公众的极大关注。然而，缺乏对 AI 风险的共同理解会阻碍我们全面讨论、研究和应对这些风险的能力。本文通过创建 AI 风险存储库作为共同的参考框架来解决这一差距。这包括一个从 43 个分类法中提取的 777 个风险的动态数据库，可以根据两个总体分类法进行过滤，并通过我们的网站和在线电子表格轻松访问、修改和更新。我们通过系统地审查分类法和其他结构化的 AI 风险分类，然后进行专家咨询，构建了我们的存储库。我们使用最佳拟合框架综合来开发我们的 AI 风险分类法。我们的高级人工智能风险因果分类法根据其因果因素对每种风险进行分类 (1) 实体：人类、人工智能；(2) 意向性：有意、无意；和 (3) 时间：部署前；部署后。我们的中级人工智能风险领域分类法将风险分为七个人工智能风险领域：(1) 歧视和毒性，(2) 隐私和安全，(3) 错误信息，(4) 恶意行为者和滥用，(5) 人机交互，(6) 社会经济和环境，以及 (7) 人工智能系统安全、故障和局限性。这些进一步分为 23 个子域。据我们所知，人工智能风险存储库是首次尝试严格整理、分析和提取人工智能风险框架，将其整合到一个可公开访问、全面、可扩展且分类的风险数据库中。这为以更协调、更一致、更完整的方式定义、审计和管理人工智能系统带来的风险奠定了基础。
突出显示Covid-19的差异是否减少或增加疫苗意图？在疫苗推出之前，来自纽约州多种样本的调查实验的证据
种族认同和政治党派的出现是对美国Covid-19疫苗犹豫的两个重要社会关系。在疫苗可用之前（2020年11月/12月），我们采用了一种多方法方法：一种调查实验：随机将疫苗促销信息集中在疫苗靶向，逐步回归中的疫苗靶向中的种族平等，以确定持续性调查的预测者的态度和质量分析，该方法是逐步回归的，我们采用了一种多方法的调查实验：对疫苗的预测，对疫苗的预测进行了捕获和质量分析，该方法是对疫苗的预测和质量分析，该方法是对质量分析的，我们采用了一种多方法实验： 通过在线实验对种族权益疫苗促进消息的实验操作对完整样本或种族，种族和党派子样本中的意向性疫苗感没有影响。 描述性地，我们发现非西班牙裔黑人受访者（OR = 1.82，p <0.01），西班牙裔（OR = 1.37，p <0.05），特朗普选民（OR = 1.74，p <0.01）和其他（OR = 1.50，p <0.011）的犹豫不决（OR = 1.74，p <0.01）和其他（OR = 1.50，p <0.0111）与非阵容的投票相比 对机构，个人主义和替代媒体使用的信任较低，这是特朗普选民犹豫的犹豫，而不是非恐慌的黑人和西班牙裔。 年龄较大和女性性别认同也持续预先预期较低的疫苗意图。 质量上，我们发现最犹豫的响应者想“等待，这是在对疫苗开发速度和潜在疫苗副作用的普遍关注的驱动下，但几乎没有提及阴谋理论。在疫苗可用之前（2020年11月/12月），我们采用了一种多方法方法：一种调查实验：随机将疫苗促销信息集中在疫苗靶向，逐步回归中的疫苗靶向中的种族平等，以确定持续性调查的预测者的态度和质量分析，该方法是逐步回归的，我们采用了一种多方法的调查实验：对疫苗的预测，对疫苗的预测进行了捕获和质量分析，该方法是对疫苗的预测和质量分析，该方法是对质量分析的，我们采用了一种多方法实验：通过在线实验对种族权益疫苗促进消息的实验操作对完整样本或种族，种族和党派子样本中的意向性疫苗感没有影响。描述性地，我们发现非西班牙裔黑人受访者（OR = 1.82，p <0.01），西班牙裔（OR = 1.37，p <0.05），特朗普选民（OR = 1.74，p <0.01）和其他（OR = 1.50，p <0.011）的犹豫不决（OR = 1.74，p <0.01）和其他（OR = 1.50，p <0.0111）与非阵容的投票相比对机构，个人主义和替代媒体使用的信任较低，这是特朗普选民犹豫的犹豫，而不是非恐慌的黑人和西班牙裔。年龄较大和女性性别认同也持续预先预期较低的疫苗意图。质量上，我们发现最犹豫的响应者想“等待，这是在对疫苗开发速度和潜在疫苗副作用的普遍关注的驱动下，但几乎没有提及阴谋理论。身份似乎是疫苗接种犹豫的重要驱动力，这不是通过潜在的社会经济或态度因素来完全解释的。此外，在这种情况下，犹豫并未受到种族权益信息的显着影响。
引用：Maji S，Mohapatra D，Jena M等。重新利用右美甲苯克作为重度抑郁症患者的辅助疗法：RAN
抽象的背景治疗潜伏期，缺乏功效和不良药物反应是当前抗抑郁药疗法的主要关注点。为了克服这些治疗障碍，对常规抗抑郁药的附加疗法可能会导致更好的治疗结果。目前的随机对照试验已计划评估对右美甲泛源对选择性5-羟色胺再摄取抑制剂（SSRIS）在主要抑郁症（MDD）中的疗效和安全性。方法和分析将对将以1：1的比例随机分配给对照组和测试组的MDD患者进行随机，双盲，安慰剂对照，组顺序设计临床试验。测试组的患者每天将每天30 mg右美甲肾脏，而对照组的患者将每天接受一次安慰剂作为正在进行的SSRI治疗的附件，为期8周。将评估所有患者的主要结局（蒙哥马利 - Åsberg抑郁评分评分评分的变化）和继发性结果（治疗反应率，缓解率，临床全球印象，血清脑衍生的神经营养因子，血清脑源自脑部的脱氧症和治疗 - 脱氧剂和治疗 - 促进剂不良事件）。使用合适的统计工具将对所有参数进行意向性治疗分析。道德和传播这项研究得到了印度布巴内斯瓦尔全印度医学研究所的机构伦理委员会的批准，这项研究符合赫尔辛基和ICMR宣布的人类生物医学研究伦理学指南的规定（2017年）。书面知情同意书将在招募前从参与者那里获得。这项研究的结果将在同行评审的出版物中发表。试用注册号NCT05181527。
摘要简介机器人辅助膝关节置换系统已被引入全球医疗服务，以改善临床
摘要简介机器人辅助的膝盖置换系统已被引入全球医疗服务，以改善人们的临床结果，尽管高质量的证据表明它们在临床上或成本效益仍然很少。机器人手臂系统可以提高手术准确性，并可能导致疼痛减轻，功能改善以及总膝盖置换（TKR）手术的总成本降低。但是，带有常规仪器的TKR可能同样有效，并且可能更快，更便宜。需要对该技术进行强有力的评估，包括使用试验和建模方法进行成本效益分析。该试验将比较与常规TKR的机器人辅助，以提供高质量的证据，以表明机器人辅助的膝盖置换是否对患者有益，并且对医疗保健系统具有成本效益。方法和分析机器人置换术临床和成本有效性随机对照试验膝关节是一项多中心，参与者 - 盲人，随机对照试验，可评估与TKR相比，使用传统的工具来评估机器人辅助TKR的临床和成本效益。将随机分组总共332名参与者（1：1），以提供90％的功率，以在主要结果度量中差异12分差异；遗忘的关节得分在12个月后。分配隐藏将使用在手术当天进行的基于计算机的随机化来实现，而盲目的方法将包括标记簇的假切口和盲目的操作说明。主要分析将遵守意向性治疗原则。结果将根据报告试验声明的合并标准报告。并行研究将收集有关与机器人臂系统相关的学习效果的数据。道德和传播该审判已获得患者参与伦理委员会的批准（东米德兰兹 - Nottingham 2研究伦理委员会，2020年7月29日。NRES号码：
Goodwin，A。和Jones，Emily J.H.和Salomone，S。和Mason，Luke和Holman，Rebecca和Begum Ali，Jannath and Hunt，A。以及Ruddock，M。和Vamvaka
注意力/多动症（ADHD）在童年时期首次被诊断出来，当时经常建立困难的模式。增强发展认知系统的预先避免方法可以提供诊断后干预措施的替代方法。此概念验证随机对照试验（RCT）测试了基于计算机的注意力训练是否可行，并改善了有可能发展多动症的婴儿的注意力。在两个英国招募了具有ADHD的第一度亲戚的43至16个月大的婴儿（11/2015 - 11/2018）在两个英国的站点被招募（11/2015 - 11/2018），并通过现场和性别最小化，以最小化，以接受9个（a）两种（a）的（a）凝视的注意力训练（Intergeent Coastion Trainity（Inspertion; n = 20）； n = 20）;或（b）对视频的婴儿友好型被动观看（控制，n = 23）。会议在家中进行了盲目的结果评估。主要结果是通过多元ANCOVA共同分析的注意力措施的综合措施，其效果大小（ES）是基线，中点和端点时系数的组合效应大小（ES）（注册：ISRCTN37683928）。的吸收和依从性很好，但意向性治疗分析表明，在初级的20个干预措施和23个对照婴儿之间没有显着差异（ES-0.4，95％CI-0.9至0.2； ci-0.6，0.6，0.6，95％CI-1.6至0.5）或次要效果（行为均为仇恨）。对睡眠没有不利影响，但干预后会议的烦恼却很小。尽管可行，但不支持基于目光的注意力培训对早期注意力缺陷多动症的注意力技能的短期影响。长期结局仍有待评估。这项研究强调了为管理多动症管理的预先干预方法的挑战和机会。