XiaoMi-AI文件搜索系统
World File Search System规律
统计和序列学习可以让孩子在一年离线期后获得持久记忆
环境模式的提取是人类整个生命周期学习的基础，不仅在认知技能中发挥着至关重要的作用，而且在感知、运动和社交技能中也发挥着至关重要的作用。至少有两种类型的规律有助于获得技能：（1）统计、基于概率的规律，以及（2）基于序列顺序的规律。基于概率和/或基于序列顺序的规律在短时间内（从几分钟到几周）的记忆表现已在整个生命周期中得到广泛研究。然而，这种知识的长期（数月或一年）记忆表现受到的关注相对较少，而且尚未在儿童中进行评估。在这里，我们旨在测试 9 至 15 岁之间的神经典型儿童在 1 年离线期间对基于概率和基于序列顺序的规律的长期记忆表现。参与者执行了视觉运动四选一反应时间任务，旨在同时测量基于概率和基于序列顺序的规律的习得。通过在 5 小时延迟后重新测试其表现来控制短期巩固效应。一年后，他们又在同一任务上接受了重新测试，两次测试之间没有任何练习。参与者成功地掌握了基于概率和基于序列顺序的规律，并在一年的时间里保留了这两种类型的知识。成功的保留与年龄无关。我们的研究表明，基于概率和基于序列顺序的规律的表征在很长一段时间内保持稳定。这些发现为技能巩固的发展不变性模型提供了间接证据。
在原核生物中，CRISPR（成簇的规律间隔的短回文重复序列）最初是作为防御入侵的机制而开发的。
在原核生物中，CRISPR（成簇的规律间隔的短回文重复序列）最初是作为防御入侵质粒和病毒的机制而开发的。Ishino 于 1987 年首次发现 CRISPR 结构。1 在其他细菌和古细菌中发现许多类似结构后，Jansen 于 2002 年创造了 CRISPR 这个绰号。2-3 后来，Mojica 及其同事推测 CRISPR 模式及其相关蛋白质可以抵御遗传影响，并可能具有免疫防御活性。4 然而，这一领域的三位主要贡献者是 Charpentier、Doudna 和 Zhang。CRISPR Cas-9 的机制首先由 Charpentier 阐明。后来 Charpentier 和 Doudna 报道了 Cas-9 介导的生化表征和系统优化。5 张是第一个在多细胞生物中实现 CRISPR Cas-9 遗传修饰的人。6
重建在量子理论阐明中的作用
2 这与维格纳对对称原理的看法相呼应，即正如物理理论将传感数据中的规律形式化一样，对称原理将这些理论所提出的定律中的规律形式化（Wigner 1960）。 3 例如，对经典运动量（动量和动能）的重建表明，这些量是伽利略相对论和普遍守恒定律的直接结果，从而建立了该理论的动力学和运动学方面的明确联系，并明确了不受大质量物体束缚的能量形式的必要性（Goyal 2020）。详情请参阅第四节 A。
符号回归程序 AI-Feynman 在心理学中的应用
从自然科学到社会科学，发现数据中隐藏的规律是许多领域的核心挑战。然而，这项任务在历史上依赖于人类的直觉和经验，在许多领域，包括心理学。因此，使用人工智能 (AI) 发现规律有两个显著的优势。首先，它可以发现人类无法发现的规律。其次，它将有助于构建更准确的理论。一种名为 AI-Feynman 的人工智能在一个非常不同的领域发布，表现令人印象深刻。虽然 AI-Feynman 最初是为发现物理学规律而设计的，但它在心理学中也能很好地发挥作用。本研究旨在通过测试 AI-Feynman 是否可以发现双曲折现模型作为折现函数，来检验它是否可以成为跨期选择实验的一种新的数据分析方法。为了实现这些目标，进行了一项跨期选择实验，并将数据输入 AI-Feynman。结果，AI-Feynman 提出了七个折现函数候选。其中一个候选模型是双曲折现模型，目前认为该模型最为准确。三种均方根误差函数均优于双曲折现模型。此外，三种候选模型中有一种比标准双曲折现函数更“双曲”。这些结果表明了两点。一是 AI-Feynman 可以成为跨期选择实验的一种新数据分析方法。二是 AI-Feynman 可以发现人类无法发现的折现函数。
