关联。在数字经济的背景下,人工智能正在积极引入国家经济生活。根据基于人工智能的程序做出经济决策的具体细节正在成为社会心理学中极为相关的研究领域。该研究的目的是根据人工智能技术获得的建议来确定经济决策的特点。方法。研究分两个阶段进行:访谈和实验。样本。第一阶段的样本为8人(4男4女,年龄18-45岁)。第二阶段,样本包括 289 人(48 名男性和 241 名女性),年龄为 18-25 岁。结果。第一阶段,制定了对基于人工智能的程序的信任和不信任的可能因素,包括在经济决策的背景下。第二阶段进行了一项实验,要求参与者玩股票交易模拟器。该游戏有一个联系经济顾问的选项。实验组有一个人工智能程序作为其顾问,而对照组有一个人类顾问。对参与者的 5652 项经济决策按照风险程度进行了分析。
当一方采取另一方的行动,导致利益冲突时,就会出现主要代理问题。经济文献已经广泛研究了主要代理问题,最近的工作将其扩展到了更复杂的方案 - 诸如马尔可夫决策过程(MDPS)。在此过程中,我们通过调查预算限制下的奖励成型如何改善委托人的效用,进一步探讨了这一研究。我们研究了两人Stackelberg游戏,在该游戏中,校长和代理商具有不同的奖励功能,而代理商为两个玩家选择了MDP政策。委托人向代理人提供额外的奖励,代理人自私地选择其政策以最大程度地提高奖励,这是原始和提供的奖励的总和。我们的结果确定了问题的NP硬度,并为两类的概述提供多项式近似算法:随机树和具有有限范围的确定性决策过程。
摘要 — 大多数以 AR 和脑机接口 (BCI) 系统为特色的研究工作都没有利用整合两个数据平面的机会。此外,使用头戴式显示器 (HMD) 的 AR 设备面临一个主要问题:持续靠近屏幕使得难以避免虚拟环境中的干扰。在这个项目中,我们通过包含有关当前注意力状态的信息来减少这种干扰。我们首先介绍了一种用于 AR-BCI 集成的夹式解决方案。为 Microsoft HoloLens 2 设计了一个简单的游戏,该游戏根据通过脑电图 (EEG) 测量的用户注意力状态实时变化。只有当注意力方向被归类为“外部”时,系统才会做出响应。十四名用户测试了注意力感知系统;我们表明界面的增强提高了系统的可用性。我们得出结论,更多系统将受益于清晰地可视化用户的持续注意力状态以及进一步有效地集成 AR 和 BCI 耳机。
摘要。背景:本研究重点是开发上肢康复计划。为此,设计了一个基于稳态视觉诱发电位 (SSVEP) 触发的脑机接口 (BCI)-功能性电刺激 (FES) 的动作观察游戏,该游戏以闪烁的动作视频为特色。目的:特别是,通过将动作观察范式与基于 BCI 的 FES 相结合来研究游戏的协同效应。方法:在两种条件下对比 BCI-FES 系统:闪烁的动作视频和闪烁的噪声视频。为此,招募了 11 名年龄在 22-27 岁之间的右利手受试者。检查了对这两种情况的大脑激活差异。结果:结果表明,T3 和 P3 通道在动作视频中表现出 8-13 Hz 的 Mu 抑制比噪声视频更大。此外,与噪声视频相比,T4、C4 和 P4 通道对动作的增强高 beta(21-30 Hz)。最后,T4 表明与噪声视频相比,动作视频的低 beta(14-20 Hz)受到抑制。结论:基于闪烁动作视频的 BCI-FES 系统比基于闪烁噪声的系统对皮质激活产生了更大的协同效应。
本文讨论了 Lundheim,这是一款使用 Unity 制作的视频游戏原型,它采用了基于情感计算技术的交互机制,用于控制游戏的视听方面。该项目基于一个名为“Lundheim”的虚构古挪威王国,在那里,情感融入了现实结构。该游戏利用了 Russell 的情感圆形模型,提供了四个符文,它们与圆形模型的不同部分相对应。玩家必须通过输入相应的情绪状态来激活每个符文,使用消费级 Interaxon Muse 脑电图 (EEG) 头带捕获情绪。激活每种情绪都会触发粒子效果和相应的声音材料(包括交互式音乐),这些材料由 Wwise 视频游戏音频中间件软件实现。因此,该项目展示了情感技术和声音在视频游戏中的新颖实现,为该研究领域的讨论做出了贡献。
摘要:用作教学工具的视频游戏称为严重游戏。但是,在严重游戏的设计中通常不考虑一个重要因素 - 包括残疾人。只有当可访问性扮演着所有人的重要作用时,才能达到包含。另一方面,新趋势导致教室中使用了不同的智能设备。这些设备还允许使用诸如严肃游戏之类的应用程序来支持人们的学习过程。尽管如此,这些应用程序通常不是多平台,通常不考虑残疾人的可及性功能。本文提出了一种开发可访问的在线严重游戏的方法,这些游戏将残疾人视为潜在用户。该方法应用于在线认真游戏的案例研究中,该游戏以有趣而有趣的方式教授计算机的体系结构。该方法还介绍并描述了一些指南,以改善在线残疾人的严重游戏可及性。最后,与一些用户一起进行了测试,以收集有关在线严重游戏以及包括可访问性功能的信息。这项研究对考虑残疾人的学习工具的开发具有重要意义。
定义:计算机视觉(CV)是人工智能(AI)中的一个字段,它使计算机和系统能够从数字图像,视频和其他视觉输入中得出有意义的信息。它允许机器处理和分析视觉数据以模拟人类视力。通过使用算法和机器学习模型,CV应用程序可以根据提供的视觉输入来检测对象,识别模式并做出决策。例子 - 表情符号清道夫狩猎:想象一下玩游戏,在该游戏中,机器向您展示表情符号,并要求您找到与之匹配的真实对象。在“表情符号寻宝游戏”游戏中,计算机使用其“视觉”来检测您在相机前显示的对象,并检查它们是否与表情符号匹配。这模拟了CV如何使用相机输入从现实世界环境中识别对象。如何工作:计算机视觉使用高级算法来解释视觉数据。它将图像分解为像素,使用机器学习技术对其进行处理,并通过将它们与数据集进行比较来识别模式,形状或对象。
框1。我们采用了Charness和Dufwenberg(2006)的隐藏动作的信任游戏,该动作经常被用来探索书面通讯对信任的效果(Charness and Dufwenberg,2010; Deck et al。,2013; Ismayilov and 2013; Ismayilov and Potters,2016; di Bartolomeo; di Bartolomeo et al。,2019年; Ederer and Schneide,202222222222222222222222222.2222222。该游戏在图中描绘。玩家A决定是否信任播放器B(in)。播放器B可以通过将一笔大笔资金返回A(卷)或自私(不要滚动)来回报这一信任。机会组件使B的选择不完全可见。我们的沟通处理是遵循的文献:在决定一个决定之前,播放器B可以向播放器A发送打字消息或使场空白(他们可以写出他们希望的任何消息,只要它没有揭示其身份)。我们引入的GPT治疗与通信处理相同,除了一个例外:两位玩家都知道,玩家B可以在制作信息之前使用Chatgpt的最新高级版本。我们在消息传递阶段为B播放器提供了完整的CHATGPT访问权限,End确保了他们了解Chatgpt的功能。这使玩家能够根据个人喜好进行与Chatgpt和裁缝裁缝的现实对话。
掌握国际民用航空组织 (ICAO) 规定的标准航空用语对于未来的飞行员与空中交通管制员和其他飞行员进行交流非常重要。标准用语中的歧义可能会给机组人员带来灾难。因此,人们认真考虑了改善航空精确交流的政策。然而,目前尚不清楚严肃游戏式的飞行模拟能否提高学习者词汇量的吸收,因为学习者大部分时间都在学习标准航空用语。关于严肃游戏和航空用语之间关联的研究也很少。技术的进步使数字游戏呈指数级增长,因此开始广泛应用于教育。因此,本研究旨在调查严肃模拟游戏 X-Plane 11 对航空词汇习得的影响,该游戏提供了宝贵的学习体验。本研究采用准实验混合方法研究,通过检索便利抽样(实验组 15 名受试者,对照组 15 名受试者)。研究结果表明,有强有力的证据表明严肃游戏对学习者的学习成果具有积极影响。在整合严肃游戏后,实验组的中等效应量显著增加。这一发现
当您想在玩视频游戏时,您宁愿放弃他们的想法时,遇到的科学问题很有趣,尽管当然,在这个域中遇到它们并不令人惊讶。视频游戏本质上构成了各种各样的问题,这些问题希望能够解决这些问题,例如杀死敌人,穿越迷宫或解决逻辑难题。一些游戏甚至被证明是NP -Complete [1]。但是,在Minecraft中遇到它们是一个温和的惊喜,Minecraft是Mojang开发的一个异常宁静的开放世界沙盒游戏,并于2010年首次出版1。在Minecraft中,玩家可以在广阔的世界中漫游,其中包含完全由立方体块组成的山脉,海洋和洞穴,从而使游戏具有独特而略有复古的视觉质量(见图。1)。该游戏因促进儿童(和成人)的创造力而受到称赞,甚至被用作教学工具[2]。然而,在洞穴的黑暗中,敌对的怪物可以在阳光或光源(例如火炬或灯笼)点亮的块上产卵。这些怪物将攻击玩家,因此,他们想在探索时尽可能地尽可能地点亮黑暗区域。同时,建筑火炬需要宝贵的资源,这就是为什么