XiaoMi-AI文件搜索系统
World File Search System现象学
1 在量子物理学中，生活世界还原是否充分？......
Springer Link 摘要：根据胡塞尔的说法，epochè（或判断悬置）必须是未完成的。它要一步一步地进行，从而定义各种“还原”层。在现象学中，至少可以区分出两个这样的层次：生活世界还原和先验还原。量子物理学诞生于生活世界还原的一种特殊形式：根据海森堡的说法，还原为可观测量，根据玻尔的说法，还原为实验装置的经典性质。但 QBism 挑战了哥本哈根解释所倡导的这种有限版本的现象学还原。QBists 声称量子态是“对指针读数体验的期望”，而不是对指针位置的期望。他们关注生活体验，而不仅仅是宏观变量，这相当于进行先验还原，而不是停留在生活世界还原的相对肤浅的层面。我将表明，量子物理学确实为我们提供了几个理由，让我们可以深入到现象学还原的最深层次，甚至可能比标准的 QBist 观点更进一步：不仅还原为经验或“纯粹意识”，而且还还原为“活生生的现在”。
基于图像的植物表型的深度学习
1。植物现象学和计算机视觉。。。。。。。。。。。。。。。。。。。。。。。。。772 2。有什么区别？机器学习和深度学习。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。774 2.1。机器学习。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>774 2.2。 div>深度学习。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>774 3。 div>是什么深入学习？ div>深度学习的工作方式。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。。。。。。。。。。。。。776 3.1。神经网络结构。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。776 3.2。神经网络的类型。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。778 3.3。转移学习。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。779 4。训练神经网络时的最佳实践。。。。。。。。。。779 5。它可以工作吗？成功评估。。。。。。。。。。。。。。。。。。。。。。。。。。781 6。可解释的机器学习。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。782 7。植物现象学群落，数据集和注释工具。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。783 8。深度学习在植物现象学中的应用。。。。。。。。。785 8.1。植物现象学中的深度学习和分类。。。。。。。。。。。。。。。。。。。。。。785 8.2。植物现象学中的深度学习和检测。。。。。。。。。。。。。。。。。。。。。。。。。785 8.3。深入学习和定量特征的预测。。。。。。。。。。。。。。。。。。。。。。786 8.4。植物现象学中的深度学习和决策。。。。。。。。。。。。。。。。。。787 9。接下来会发生什么？深度学习模型的下一个视野。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>787 10。 div>挑战和开放问题。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>789 div>
包裹和粒子：大脑中的马尔可夫毯
在人类大脑映射之初，功能解剖学的两个原理支撑了大多数分布式大脑反应的概念和分析：即功能分离和整合。目前有两种主要方法来表征功能整合。第一种是从定向有效连接的角度对连接组学进行机械建模，它介导神经元信息传递和神经回路的动态。第二种现象学方法通常从内在大脑网络、自组织临界性、动态不稳定性等方面来表征无向功能连接（即可测量的相关性）。本文介绍了一种有效连接的处理方法，它说明了内在大脑网络和临界动力学的出现。它以马尔可夫毯的概念为基础，马尔可夫毯在远离平衡系统的自组织中起着根本性的作用。利用重正化群的装置，我们表明，网络神经科学中发现的大部分现象学是神经元状态的特定分区在逐渐粗化的尺度上出现的属性。因此，它提供了一种将有向图上的动态与内在脑网络现象学联系起来的方法。
认知和意识交织
摘要：我们认为认知（信息处理）和内部现象学感觉（包括情绪）是密切相关的，并且不可分开。我们平均认为，现象学的感觉是（i）随着时间的流逝而存在的动态性“模式”，皮质的神经元到神经元网络的大部分以及（ii）的后果是网络网络架构的后果，是单个神经元素的动力学以及您的神经元模式的构成，如果您将其造成的动态构成，如果您将神经元的传播生成 - 如果您是Neuron wir tail you You You You You You You You You You You You You You You因此，现象学感觉。这些模式是传入的外部刺激的后果，并且在系统中具有竞争力，互相抑制和锁定。另一方面，任何此类模式的存在都是信息（动态）信息认知处理的预处理。因此，内部现象学感觉，包括情绪，减少了（可行解释）的直接决策集，从而减少了认知负荷。对于具有如此精神上生活的生物，显然会有很大的认知进化优势，从而导致众所周知的“快速思考，思考缓慢”现象。我们将其称为“纠缠假设：潜在意识现象”是如何源于认知处理载荷的动力学以及这些前提的认知任务。我们解释了为什么这样的简化是合适的。我们讨论如何通过对系统刺激响应的大量模拟进行反向工程来观察内部动力学模式，这些模式是如何使用巨大的超级计算机（具有完整的10B神经元网络分析）的大量模拟来观察到的神经柱）。我们还讨论了信息处理系统的随之而来的认知优势，这些系统表现出内部感觉以及对下一代（非二进制）计算和AI的令人兴奋的含义。
《AI哲学地图》【总览上篇】哲学对人工智能的15点批判
（关键词） * 出现的一切都是现象学的问题领域；意识的叠加 * 解释学方法与动力系统非常相似 * 瓦雷拉在他的论文中特别谈到了胡塞尔的时间理论，这与循环网络颇有关联 * 德雷福斯对人工智能的批判非常著名，他借鉴了胡塞尔的现象学分析，指出人工智能的主要弱点是没有程序使用“期望” * 可以说，胡塞尔在纯逻辑的基础上创造了人工智能的大部分思想 * 甚至明斯基的框架理论也是胡塞尔很早就提出的，胡塞尔本人也已经意识到了它的局限性 * 现象学越来越深入地渗透到日常世界，与世界建立更紧密的关系，创造一种与世界同步的关系 * 如果你从感觉运动的最底层开始，换句话说，它就变得和现象学所想的一样了 * 威廉·詹姆斯的理论非常像一个动力系统* 主动推理是试图将世界重塑为你想要的样子的行为。 * 当预测错误发生时，为了将错误最小化，自上而下的预测和自下而上的错误信号会反复相互作用，从而改变信念（内部状态）。 * 动态系统是确定性的，但通过在其中引入概率，可以将力量融入思维过程。 * 系统不是通过因果关系创建的，而是通过中介创建的。 * 与其通过逻辑连接事物，不如以稍微更灵活的形式创建人工智能。 * Tanabe 将中介定义为“通过切割连接”。 * 较高层与意识相关的部分处于缓慢的规模，而较低层的运动模式等则是快速的模式。 * 记忆是在很长一段时间内沉积的。 * 意识诞生于失去。 * 重新发现和同情哲学，而不是援引它，是工程与哲学并驾齐驱的研究风格之一。
知识以纠缠和“切割”的形式流动
决定方法”。感兴趣的现象集中在公司内部两个工作组（EOD 和 ECTR）内部和跨工作组的互动。因此，在定性民族志案例研究中采用了现象学方法，使用直接观察和访谈。访谈要么是半结构化的，要么是临时的。根据 Bailey [25，第 72 页] 的说法，“非正式访谈是研究人员有意识地试图找出有关人员环境的更多信息”。定性访谈“实际上是一次访谈，是两个人就共同感兴趣的主题进行观点交流”，研究人员试图“从受试者的角度理解世界，揭示人们经历的意义”[26，第 1-2 页]。此外， “做现象学”意味着捕捉“现象及其背景的丰富描述”，以使本质浮现出来[27，第 104 页]。
![arxiv：2404.02192v2 [cond-mat.mes-hall] 10 Jul 2024](/simg/5\54763b2e68d1ef38ea66831a681d6bbd3b6be1c8.webp)
arxiv：2404.02192v2 [cond-mat.mes-hall] 10 Jul 2024
我们严格分析了最近报道的整数观察（IQAHE）和分数（FQAHE）量子异常在Pentalayer石墨烯中应用磁场的量子异常效应。我们对实验数据的定量激活和可变范围跳跃分析表明，观察到的iqahe和fqahe在不同填充物处的iqahe和fqahe都具有5 k-10 k的相似的激发差距。此外，我们还发现，观察到的fqahe表现出一个较小的隐藏背景群体的范围，范围很小，较小的隐藏背景序列> 10kΩ，> 10kΩ iqahe。这两个发现都令人惊讶，并且与2D半导体系统中相应的高场整数和分数量子霍尔效应的现象学现象学不一致。
非实体人工智能意识的认知现象学论证：P1。关于认知现象学的强原始主义是正确的。P2。如果关于认知现象学的强原始主义是正确的，那么现象意识就不需要感官处理。C1。因此，现象意识不需要感官处理。P3。如果现象意识不需要感官处理，那么人工智能意识（假设它是可能的）就不需要具体化。C2。因此，人工智能意识（假设它是可能的）不需要具体化。如前所述，我首先关注 P1，提出两个支持强原始主义的论据。第一
“当谈到纯 CP 和不纯 CP 之间的区别时，似乎很明显，这个论点 [原始主义的现象学对比论点] 不能支持比不纯 CP 更多的论点。毕竟，所有例子都涉及体验视觉外观、声音流等的方式。这个论点针对的是那些在意识生活中除了感官现象学什么都找不到的人，它促使她注意到这些感官外观之间的区别，而这些区别只能通过诉诸认知渗透来解释。公平地说。尽管如此，这并没有给我们带来任何像纯 CP 的东西。就这个论点所表明的，认知内容让自己出现在有意识的主体面前的唯一方式仍然是影响某些感官流形出现的方式。这是不纯的 CP”（Levine 2011：115-116）。