XiaoMi-AI文件搜索系统
World File Search System自动推理
通过结合机器学习和自动常识性推理来构建智能系统
我们提出了一种模仿人类智力的建筑系统的方法。我们的方法使用机器学习技术（包括生成AI系统）来从图片，文本等中提取知识，并将其表示为（预定的）谓词。接下来，我们使用S（CASP）自动平价推理系统以与人类的方式非常相似的方式来检查这种提取的知识和理由的一致性。我们已经将AP-PRACH用于构建系统，以进行视觉问题答案，特定于任务的聊天机器人可以“理解”人类对话并与他们进行交互交谈，以及依靠常识性推理的自主驾驶系统。本质上，我们的方法模仿了人类如何处理他们使用感应和模式识别来获取知识的知识（Kahneman的系统1思维，类似于使用机器学习模型），然后使用推理来得出结论，产生响应或采取行动（Kahneman的系统2思维，对自动推理来说，是对自动推理的）。
第 5 章 推理和人类的推理能力
5.1 推理的特征 5.1.a 推理的普遍性 5.1.b 什么是推理？ 5.1.c 推理的功能是什么？ 5.1.d 推理的目标是什么 5.2 天生的推理能力：起源和要素 5.2.a 人类的起源 5.2.b 推理能力的两个要素：大脑和推理策略 5.2.b.1 大脑：有意识的推理与无意识的推理 5.2.b.2 大多数推理都是无意识的 5.2.b.3 有意识的推理需要工作记忆 5.2.b.3.a 工作记忆相对较小 5.2.b.3.b 工作记忆中信息的数量和复杂性的限制 5.3 推理策略及其典型部署 5.3.a 什么是一般启发式方法？ 5.3.b 系统 1 5.3.c 系统 2 5.3.d 系统 1 和系统 2 之间的关系 5.4 天生的推理能力、缺陷和偏见：两种推理类型 5.4.a 演绎推理 5.4.b 归纳推理 5.5 天生的归纳能力、缺陷和偏见：归纳推理 5.5.a 示例：代表性启发式 5.6 天生的演绎能力、缺陷和偏见：演绎推理 5.6.a 演绎推理的资源难度 5.6.b 演绎推理中的内容和上下文效应 5.7 上下文相关推理策略 4.7.a 示例：条件推理 4.7.b 示例：概率 作业 5.8 章节摘要 5.9 一些关键术语 5.10 参考书目
centerachAdapt：通过LLM推理
混合现实越来越多地用于封闭房屋和办公空间以外的移动设置。此移动性引入了适应不同上下文的用户界面布局的需求。但是，现有的自适应系统仅针对静态环境而设计。在本文中，我们介绍了centerAdapt，该系统通过在共享环境中考虑环境和社交线索来将混合现实UI的混合现实UIS调整到现实世界中。我们的系统包括对UI适应的感知，推理和优化模块。我们的感知模块标识用户周围的对象和个人，而我们的推理模块则利用视觉和语言模型来评估交互式UI元素的位置。这种调整的布局不会阻碍相关的环境线索或干扰社会规范。我们的优化模块会生成混合的现实接口，以解释这些考虑以及时间约束。进行评估，我们首先验证了与人类专家用户相比，我们的推理模块评估UI上下文的能力。在一项在线用户研究中，我们建立了centerachAdapt为混合现实生成上下文意识的布局的能力，在此效果优于以前的自适应布局方法。我们以一系列应用程序和场景结束，以证明centerachAdapt的多功能性。
AI培训和推理
1月1日，田纳西州HB 1891年1月1日，要求社交媒体公司验证试图创建和维护帐户的用户年龄。要求平台获得18岁以下未成年人的父母同意，并为这些用户执行更严格的隐私和安全措施。该法律旨在通过确保社交媒体公司遵守这些新法规来保护未成年人免受潜在的在线危害。还有其他三个通过并将生效。佛罗里达州，我之前提到的HB 3，要求社交媒体平台验证用户的年龄，获得18岁以下用户的父母同意，保护未成年人的个人数据，限制其对有害内容的影响。佐治亚州的SB 351，被称为《 2024年社交媒体法案保护佐治亚州的孩子》，要求社交媒体平台为用户实施年龄验证流程，要求父母同意未成年人创建帐户，并限制社交媒体在学校中的使用。