XiaoMi-AI文件搜索系统
World File Search System技术层面
AI在瑞典食品系统中
Amirhadi Zakeri和Yiming Lei人工智能（AI）具有彻底改变全球粮食系统，推动可持续性，提高效率并应对粮食安全挑战的巨大潜力。但是，AI在食品系统中的成功整合需要深入了解技术，社会因素，经济考虑和道德意义之间的复杂相互作用。本研究探讨了瑞典食品系统内实施AI技术的机遇和挑战，重点是初级生产。这项研究利用了扩展的社会技术系统理论（STST）框架，将经济和道德维度与传统的社会和技术层面一起结合在一起。文献综述和半结构化访谈为瑞典背景下采用AI采用的动态提供了见解。调查结果表明，瑞典粮食系统中的AI采用目前处于早期采用者阶段，并具有广泛的应用。但是，该研究还发现了广泛采用AI的重大障碍，包括缺乏合适的业务模型，分散的数据共享基础架构以及围绕数据隐私和所有权的道德问题。分析强调需要开发对用户友好的接口，利用狭窄的AI应用以及在整个食品价值链中建立无缝数据流。这项研究通过证明将经济和道德维度纳入社会技术系统中AI采用的复杂动态的重要性，为社会技术系统理论框架的理论发展做出了贡献。这些发现对政策制定者，行业参与者和研究人员也具有实际影响，强调了特定于上下文特定的AI发展的重要性，以及对协作创新过程的需求。该研究承认其局限性，包括关注主要生产和对定性方法的依赖，并确定未来研究的潜在领域，例如不同食品领域的比较分析以及使用定量方法。总而言之，这项研究为理解AI的作用和在改变瑞典食品系统方面的作用和潜力提供了及时，重要的贡献。它表明需要制定合适的业务计划，建立数据共享平台，并确保统一的数据流以利用AI的好处，同时导航其挑战和风险，为更具可持续性和富有弹性的食品未来铺平道路。关键词：人工智能，瑞典食品系统，食品价值链，初级生产，可持续性，社会技术系统理论。
人工智能代理的层级：从规则到大型语言模型
黄宇 Roboraction.AI 摘要：人工智能代理被定义为能够感知环境、做出决策并采取行动的人工实体。受到美国汽车工程师学会 (SAE) 自动驾驶 6 个级别的启发，人工智能代理也基于实用性和强度进行分类，分为以下几个级别： L0 —无人工智能，使用工具（具有感知）加动作； L1 —使用基于规则的人工智能； L2 —用基于 IL/RL 的人工智能取代基于规则的人工智能，增加推理和决策能力； L3 —应用基于 LLM 的人工智能代替基于 IL/RL 的人工智能，另外设置记忆和反思； L4 —基于 L3，促进自主学习和泛化； L5 —基于 L4，附加个性（情感+性格）和协作行为（多智能体）。 1 引言 任何能够感知环境并执行动作的实体都可以看作是代理。代理可分为五种类型：简单反射代理、基于模型的反射代理、基于目标的代理、基于效用的代理和学习代理 [1]。随着人工智能的发展，“代理”一词被用来描述表现出智能行为并拥有自主性、反应性、主动性和社交互动等能力的实体。20 世纪 50 年代，阿兰·图灵提出了著名的图灵测试 [2]。它是人工智能的基石，旨在探索机器是否能表现出与人类相当的智能行为。这些人工智能实体通常被称为“代理”，是人工智能系统的基本构建块。基础模型 [3] 在自然语言处理中最为常见。从技术层面上讲，基础模型是由迁移学习和扩展实现的。迁移学习的理念是将从一个任务中学到的“知识”应用到另一个任务中。基础模型通常遵循这样的范式：模型在替代任务上进行预训练，然后通过微调适应感兴趣的下游任务。近期出现的大多数大规模语言模型 (LLM) [ 4 ] 都属于基础模型或基于基础模型。由于近期表现出的卓越能力，LLM 被视为人工智能 (AGI) 的潜在渗透，为构建通用人工智能代理带来了希望。人工智能代理主要是指能够使用传感器感知周围环境、做出决策并使用执行器采取行动的人工实体 [ 5 ]。根据世界范围 (WS) [ 6 ] 的概念，该概念涵盖了从 NLP 到通用人工智能的五个层次（即语料库、互联网、感知、体现和社交），纯粹基于 LLM 的代理仅建立在书面互联网世界的第二层。除此之外，LLM 在知识捕获、指令解释、泛化、规划和推理方面表现出色，同时展示了与人类的自然语言交互。从这个状态来看，有了 LLM 辅助的智能体，感知空间和行动空间都得到了拓展，有望达到世界范围的第三层和第四层，即感知人工智能和具身人工智能。此外，这些基于 LLM 的智能体还能通过协作或游戏等方式处理更困难的任务，并发现社会现象，实现世界范围的第五层，即社交世界。