过去二十年来,人们对群体技术的兴趣日益浓厚。这在很大程度上可以归因于无人系统技术的动态领域,该领域在政府和私营部门都得到了迅速发展。无人系统技术已从物理危险、高空、长航时军事任务扩展到农业、采矿、搜索和救援以及环境研究民用和商业任务(USDOD 2013)。无人系统比有人系统具有许多优势。就 UAS 而言,它们受人为因素(如机组人员休息、G 耐受性、环境条件和舒适度)的限制较少。无人系统可以是消耗性的,并且比有人系统具有更低的生命周期成本;然而,系统可靠性低 (Finn 2010)、技术准备程度低、物流足迹大以及具有讽刺意味的人力需求增加,使得成本优势被边缘化。同样,无人系统的测试和评估困难以及在满足运营效率和适用性要求方面的不良记录在历史上也导致了更高的系统生命周期成本。
INTRODUCTION The agricultural sector plays an important role in economic activities in Indonesia because it can contribute to a fairly large gross domestic product (GDP), this can be seen from its contribution, which is around 13.28% in 2021 and is second only to the processing industry sector, which is 19.25%, including one of the sub-sectors that has a significant role, namely the plantation sub-sector (Central Statistics Agency, 2022) .可可(Theobroma cacao L.)是领先的种植园商品之一,主要由小型种植园种植。这是通过统计数据,表明小型可可种植园估计为145万公顷或约99.39%。对国内生产总值(GDP)的贡献,可可也是最大的外汇收入者。然而,具有讽刺意味的是,印度尼西亚的可可生产不断下降。可可是种植农作物之一,是北科拉卡北部苏拉威西北部的主要商品,是一种战略性种植商品,其作用对国民经济很重要,因为它提供了就业机会,a
起初,我将自己的失败归咎于毫无创意的搜索词:“疫苗不好”、“新冠疫苗的有害副作用”、“不要接种新冠疫苗”、“他们不会告诉你新冠疫苗”。最后一个搜索词让我兴奋了一会儿,0.73 秒内,最上面的结果出现了一篇文章《政府不会告诉你的有关新冠疫苗接种的令人震惊的真相!》1,但当我发现这是一篇讽刺文章时,我的希望很快就破灭了。第二个结果《我们在公众接种疫苗时没有告诉他们什么》2 最初也有一些希望。遗憾的是,这个结果是一个合理的担忧,但并不能满足我的搜索;这篇文章由一名急诊医生撰写,警告患者在接种疫苗前一周感染 SARS-CoV-2 并生病的可能性,并将他们的疾病归咎于疫苗。其余的结果(包括我跳过多页搜索结果时的结果)包括几篇来自知名来源的文章,这些文章围绕如何说服怀疑论者看到光明的主题。
2019 年,麻疹病例和其他可预防疾病的爆发数量异常高,至少部分与拒绝接种疫苗有关。各州正在考虑立法应对。本文探讨了联邦政府在提高疫苗接种率方面可以发挥什么作用。本文表明,联邦政府在资助研究、协调和地方工作方面发挥着重要作用。它还表明,联邦学校疫苗强制令可能不是解决方案:首先,这种强制令可能会遇到合理的宪法挑战,其次,存在反对它的政策论点。政策争论包括在解决全国范围内的疫苗接种问题之前实施强制令的不公平性、联邦强制令可能弱于或强于州要求的风险,以及有条件强制令可能导致各州失去预防疫情所需的资金,最终导致这样的法律导致更多的疫情爆发,这很讽刺。
在西北航空技术运营部最近的一次会议上,质量保证部门高级人为因素顾问 David Marx 从口袋里掏出一把零钱放在桌子上。他用四枚面值递增的硬币问道:“如果每枚硬币代表一种特定的人为因素干预措施,你会选择哪一种?” 当然,他的问题要求回答每一种干预措施的预期影响。如果低成本干预措施具有很高的影响,那么选择就很容易了。但情况往往并非如此。当你选择多个干预措施时,选择就会变得复杂。各种干预措施的影响交织在一起,因此很难为特定干预措施分配投资回报率值。会议上的经济分析师提出编写一个复杂的预测模型来回答这些问题。然而,这种决定的合理性引发了“讽刺”言论,即创建该模型的投资回报率可能太低。
在1970年代和80年代,摄影师Colleen Kenyon(美国,1951 - 2022年)和Kathleen Kenyon(American,1951-2023)是女性艺术家运动的一部分,他们以创新的方法对媒体进行了挑战。Colleen Kenyon是使用手着色来增强自己和姐姐在家庭环境中的肖像的先驱。凯瑟琳·肯尼恩(Kathleen Kenyon)擅长于大众媒体的女性的性别特定图像来创造具有讽刺意味的光焦点。从1981年开始,两个姐妹还担任伍德斯托克摄影中心的董事,他们继续倡导妇女在艺术和有色艺术家中的发展。我的姐姐,我的自我由艺术史学家汤姆·沃尔夫(Tom Wolf)和劳里·达尔伯格(Laurie Dahlberg)策划。由CPW组织,此回顾展具有肯尼亚斯最具标志性的作品,并在纽约金斯敦的CPW和纽约州伍德斯托克的Kleinert/James Center展出。展览材料是从CPW现在持有的作品的档案中得出的。
什么是战略?这种颇为神秘的特质即使能拍出来,也不太好看。尽管战略如此难以捉摸,但它却享有很高的权威性。显然,全世界都认为战略非常重要。战略不是有抱负的政治家或士兵的可有可无的额外选择。战略一词源自希腊语,指的是将军及其将才,或缺乏将才!从经济但可靠的定义来看,战略可以最好地理解为出于政治目的而威胁或使用武力。如今,形容词战略有许多其他用法,但我们不应误以为“商业战略”等是令人厌恶的。当一个想法被窃取或借用到远离其起源地(在本例中是军事)的任务中时,它很可能会失去其大部分用途。从语言上讲,它几乎可以被切除。战略和战略性的概念如此广泛地受到人们的欢迎,以至于它们似乎会招致盗窃,这通常会导致这个词被不恰当地使用。具有讽刺意味的是,也许我们的战略语言本身也需要辩护。从本书的目录中可以明显看出,我们对马铃薯种植或小部件销售的战略不感兴趣,尽管这些企业确实很重要。
专题:驾驶自动化和自主性 Neville A Stanton 人为因素工程、交通研究组、Boldrewood 创新园区、土木、海洋和环境工程、工程与物理科学学院、南安普顿大学、Burgess Road、南安普顿、SO16 7QF、英国。 摘要 自动驾驶有可能为驾驶员提供支持,使他们有时间做其他事情,例如工作、休息或娱乐。问题是,在目前的例子中,自动驾驶需要驾驶员执行监控功能并随时准备在需要时进行干预。这是自动化领域最糟糕的事情。监控任务(如果执行得当)可能比手动驾驶更苛刻,驾驶员没有时间做其他事情。更糟糕的是,监控任务无法持续很长时间,有时会导致车辆碰撞,因为驾驶员无法及时干预。二十多年来进行的一项首批研究表明情况确实如此,而且自那以后确实没有任何改进。本期特刊报道了汽车自动化的最新发展,并指出了未来研究的方向。与人为因素的相关性/与人体工程学理论的相关性驾驶自动化和自主性已经来临,二十年前预测的问题开始出现。这些问题包括预期收益不足、设备不可靠、驾驶员技能衰退以及容易导致错误的设备设计。此外,驾驶员在身体和精神上都脱离了驾驶任务,可能会从事其他非驾驶任务。具有讽刺意味的是,如果驾驶员不从事其他任务,那么他们的注意力资源就会减少(使他们在紧急情况下更难以重新控制车辆)。如果驾驶员确实从事其他非驾驶任务,那么他们的注意力资源池就不会消耗到同样的程度(提供保护作用),但其他任务的干扰会减慢从自动化中重新获得车辆控制的速度。这是自动驾驶的主要难题之一,本期特刊中的论文或多或少地解决了这个问题。自动驾驶和自主驾驶简介 自动驾驶和自主驾驶的主要驱动力之一是改善人类状况的潜力。至少,自动驾驶系统可以为老年人、残疾人、年轻人、忙碌和无聊的司机提供支持。此外,这些自动驾驶系统还可以减少交通拥堵、碰撞和排放等社会问题。然而,目前,我们距离完全消除对人类监督、监控和干预需求的驾驶系统还有一段距离。事实上,Bainbridge (1983) 对自动化的讽刺在今天的车辆自动化中仍然像 35 年前在工业和飞行甲板自动化中一样成问题。Bainbridge 的
代码提供了一种一般的句法结构来构建复杂的程序并与代码解释器配对时执行精确的计算 - 我们假设语言模型(LMS)可以利用代码编写来提高思想链推理不仅用于逻辑和算术任务(Chen等人 ,2022; Nye等。 ,2021;奥斯汀等。 ,2021),但也适用于语义(尤其是两者的混合物)。 例如,考虑提示LM编写代码,以计算其在论文中检测到的讽刺的次数:LM可能难以编写“ destect_sarcasm(string)”可以由解释器执行的实现(处理边缘案例将是不可公司执行的)。 但是,如果LMS不仅编写代码,还可以通过生成“ destect_sarcasm(string)”的预期输出来选择性地“仿真”解释器,那么LMS仍可能会产生有效的解决方案。 在这项工作中,我们提出了代码链(COC),这是一种简单而有效的扩展,可改善LM代码驱动的推理。 关键想法是鼓励LMS在程序中格式化语义子任务作为灵活的伪代码,而解释器可以明确地捕获未定义的行为并用LM进行模拟(作为“ LMULATOR”)。 实验表明,代码链的表现优于各种基准的思想链和其他基线。在大基础上,代码链可实现84%,比思想链增长了12%。 简而言之,COC扩大了LMS可以通过“代码思考”来回答的推理问题的范围。,2022; Nye等。,2021;奥斯汀等。,2021),但也适用于语义(尤其是两者的混合物)。例如,考虑提示LM编写代码,以计算其在论文中检测到的讽刺的次数:LM可能难以编写“ destect_sarcasm(string)”可以由解释器执行的实现(处理边缘案例将是不可公司执行的)。但是,如果LMS不仅编写代码,还可以通过生成“ destect_sarcasm(string)”的预期输出来选择性地“仿真”解释器,那么LMS仍可能会产生有效的解决方案。在这项工作中,我们提出了代码链(COC),这是一种简单而有效的扩展,可改善LM代码驱动的推理。关键想法是鼓励LMS在程序中格式化语义子任务作为灵活的伪代码,而解释器可以明确地捕获未定义的行为并用LM进行模拟(作为“ LMULATOR”)。实验表明,代码链的表现优于各种基准的思想链和其他基线。在大基础上,代码链可实现84%,比思想链增长了12%。简而言之,COC扩大了LMS可以通过“代码思考”来回答的推理问题的范围。
• 客观性:LLM 生成的文本中可能出现包含种族主义、性别歧视或其他偏见的先前发布的内容,并且可能无法体现某些重要观点。• 准确性:LLM 可能会“产生幻觉”,即生成虚假内容,尤其是在其领域之外使用或处理复杂或模糊主题时。它们可能生成在语言上合理但在科学上不合理的内容,它们可能弄错事实,并且它们已被证明会生成不存在的引文。一些 LLM 仅接受过特定日期之前发布的内容的培训,因此呈现的图像不完整。• 语境理解:LLM 无法将人类理解应用于一段文本的语境,尤其是在处理惯用表达、讽刺、幽默或隐喻语言时。这可能会导致生成的内容出现错误或误解。• 训练数据:LLM 需要大量高质量的训练数据才能实现最佳性能。然而,在某些领域或语言中,此类数据可能并不容易获得,从而限制了任何输出的实用性。