XiaoMi-AI文件搜索系统
World File Search System队友
队友们，空军土木工程师……
今年的指南针主题是“数字战士”，为贡献者提供了一个机会，让他们专注于如何利用这一主题来克服挑战、提供解决方案并帮助 GeoBase 社区取得成功。“数字战士”是指在数字技术领域拥有高级技能和专业知识并利用这些技能在数字领域中导航和脱颖而出的个人。数字战士通过提供精简的解决方案和改进整个组织的数据，在 GeoBase 运营中发挥着关键而宝贵的作用。
了解学生对人工智能作为队友的看法
摘要本文探讨了学生对使用人工智能（AI）作为团队成员解决复杂问题的意见。该研究的总体目标是探索AI作为教育环境中合作伙伴的有效性。在研究中，有15组9年级学生（总计59名学生）被分配了一个与太空探索有关的具有挑战性的问题，并获得了与AI队友的联系。完成任务后，学生参加了焦点小组讨论，以深入了解他们与AI合作的观点。使用主题分析对这些讨论进行了分析，以识别关键主题。然后，使用认知网络分析来量化和可视化这些数据。结果表明，学生对两个主要主题有所了解：对AI的信任和AI的能力。该研究的结果阐明了学生如何看待AI，并为教育工作者提供有效纳入课堂房间的教育工作的实用建议。具体来说，这些建议包括通过可解释的AI流程在AI系统中建立学生信任的策略。这反过来又鼓励了人类与人工智能之间的合作，并促进了学生的AI素养发展。这项研究的发现是对教育中AI的持续讨论的宝贵补充，并为教育工作者提供了可行的见解，以导航AI技术的整合以支持学生学习和成长。这项研究的科学贡献在于其对学生互动的经验研究，为增强教育实践提供了基于证据的见解。
对基于人工智能的队友的要求：创意工作坊背景下的定性探究
摘要 创新要求组织利用团队的知识和创造力。然而，团队面临着大量的数据和信息，需要广泛的知识、方法和方法来解决问题和创新。因此，团队组成已成为一项关键挑战。人工智能 (AI) 的最新进展可能有助于应对这一挑战。随着人工智能渗透到商业和私营部门，组织团队可能会增加人工智能团队成员。然而，鉴于这种现象的新生性质，人们对此类人工智能队友的具体角色和要求知之甚少。在一项访谈研究中，我们发现了团队中的共同挑战，并确定了参与者反复出现的能力差距和对团队集体表现产生负面影响的行为。根据我们的研究结果，我们提出了对基于人工智能的队友的要求，以弥补这些差距并支持团队中人类和人工智能之间的有益合作。
最准确的人工智能就是最好的队友吗？优化人工智能以促进团队合作
AI 从业者通常致力于开发最精确的系统，并隐含地假设 AI 系统将自主运行。然而在实践中，AI 系统通常用于为从刑事司法和金融到医疗保健等领域的人们提供建议。在这种 AI 建议的决策中，人类和机器组成一个团队，其中人类负责做出最终决策。但最准确的 AI 是最好的队友吗？我们认为“不一定”——可预测的性能可能值得稍微牺牲 AI 的准确性。相反，我们认为 AI 系统应该以以人为本的方式进行训练，直接针对团队表现进行优化。我们针对一种特定类型的人机合作研究了这一提议，其中人类监督者选择接受 AI 建议或自己解决任务。为了优化此设置下的团队绩效，我们最大化团队的预期效用，以最终决策的质量、验证成本以及人员和机器的个体准确性来表示。我们对现实世界的高风险数据集进行的线性和非线性模型实验表明，最准确的人工智能可能不会带来最高的团队绩效，并通过提高跨数据集的预期团队效用，显示了在训练期间对团队合作进行建模的好处，同时考虑到人类技能和错误成本等参数。我们讨论了当前优化方法的缺点，超出了对数损失等经过充分研究的损失函数，并鼓励未来研究由人机协作激发的人工智能优化问题。
迈向真正的机器人队友：提高人机团队的绩效超越共同的心理模型
摘要人类机器人组合中的最新工作表明，当机器人构建和维护“共同的心理模型”时，与没有共享心理模型的基线相比，整个人类机器人团队的有效性总体上更好。在这项工作中，我们通过引入积极行为来扩展这种见解，除了共同的心理模型，以研究团队穿越和任务效率的潜在进一步改善。我们开发了一组主动的机器人行为，我们在实验上与基线“反应性”行为进行了比较，假设，与共同的心理模型相结合，具有这些更为主动行为的机器人将成为更有效的队友。人类受试者评估的结果表明，主动的机器人行为提高了任务效率和性能，而不是仅仅反应性行为，并客观地降低了人类工作量，这是通过受试者的学生规模变化来衡量的。
当人类相信自己的队友是人工智能时会发生什么？对人类与自主机器人合作的调查
随着人工智能 (AI) 的熟练程度不断提高，AI 用作团队成员而不是工具的潜力正在接近实现。这一进步正在推动对人类团队的适用性或人类自主知识的应用进行新的研究。在当前的研究中，我们通过质量方法来阐述团队的人员组成（团队中的人员数量和人员数量）如何影响团队的情绪、团队流程、团队成员本质状态，以及它们作为团队认知系统的出现。共有 4 6 个团队完成了团队或 K 模拟，在了解他们的团队经验或经验后，我们将进行查看。所有团队均由人类组成；然而，有两个条件是，他们的团队成员都是非同伙代理人。访谈是使用扎根的方法进行分析的，其中揭示了团队组成之间的主题差异。根据我们的研究结果，我们提供了一个新模型来描述早期行动团队如何实现有效的团队过程以及新兴的认知状态。
人机协作研讨会的未来方向
与技术先进的人工智能 (AI) 代理的互动如今已司空见惯。我们越来越依赖智能系统来扩展人类的能力，从提供技术支持的聊天机器人到 Siri 和 Alexa 等虚拟助手。然而，今天的智能机器本质上是工具，而不是队友。它们需要人类用户的全神贯注，缺乏作为值得信赖的队友互动所需的沟通或认知能力。要成为真正的队友，智能机器需要灵活适应人类队友的状态以及环境。它们需要智能地预测人类队友的能力和意图，并将特定的学习经验推广到全新的情况。
企业责任报告
o 2022 年，我们继续与医疗保健专业女性 (PWH) 保持长期合作伙伴关系，该组织致力于持续发展医疗保健行业的专业领导力。除了成为 2022 年 PWH 领导力峰会的赞助商外，我们还为我们的队友提供了参加科罗拉多州丹佛峰会的机会。超过 25 名队友参加了此次活动。o 2022 年，所有 Midmark 地点的退伍军人在我们各个地点举行的公司活动和我们的 Connection 时事通讯中受到表彰。我们很自豪能有退伍军人作为队友，并感谢他们的服务。o Midmark 队友参加了爱迪生州立社区学院举办的第 15 届女性 STEMM 博览会，我们与其他当地企业合作，为大约 450 名对科学、技术、工程、数学和医学职业感兴趣的年轻女性提供广泛的互动体验。o 我们继续投资办公室设施，以确保休完产假或有其他健康问题的队友能够顺利重返工作岗位。 Midmark 已建立设施标准，在所有现代化地点都设有私人保健室，供队友处理个人健康问题。