XiaoMi-AI文件搜索系统
World File Search SystemAI
从情感人工智能到认知人工智能
摘要：认知计算被公认为计算的下一个时代。为了使硬件和软件系统更像人类，模拟人类智能的情感人工智能和认知人工智能是真正人工智能的核心。当前计算机科学中情绪分析和情感计算的兴起推动了情感人工智能的快速发展。然而，认知人工智能的研究才刚刚起步。在这篇前瞻性的论文中，我们简要回顾了情感人工智能的发展现状，介绍了认知人工智能的概念，并提出了认知人工智能的设想，即让计算机以类似于人类的方式思考、推理和决策。进一步讨论了认知人工智能在参与、监管、决策和发现方面的重要方面。最后，我们提出了构建未来认知人工智能的重要方向，包括数据和知识挖掘、多模态人工智能可解释性、混合人工智能和潜在的伦理挑战。
人工智能引擎加速人工智能时代
BFLOAT16 — 128 INT8 128 256 INT4 — 512 块本地数据存储器 32 KB 64 KB AIE 阵列互连 B/W 1X 1X 压缩和稀疏性 否 是 暂存器片上存储器 PL uRAM AIE 存储器（512KB/块）
以人为本的人工智能可减轻人工智能偏见
全球卫生危机为人工智能 (AI) 解决方案的开发带来了前所未有的机遇。本文旨在通过实施以人为本的 AI 来帮助组织中的决策者，从而解决人工智能中的部分偏见。它依赖于两个设计科学研究 (DSR) 项目的结果：SCHOPPER 和 VRAILEXIA。这两个设计项目通过两个互补的阶段将以人为本的 AI 方法付诸实践：1) 第一个阶段安装了以人为本的知情设计流程，2) 第二个阶段实现了聚合 AI 和人类的使用架构。所提出的框架具有许多优势，例如允许将人类知识整合到 AI 的设计和训练中，为人类提供对其预测的可理解解释，并推动增强智能的出现，可以将算法转变为对人类决策错误的强大平衡，将人类转变为对 AI 偏见的平衡。
通过值得信赖的人工智能实现人工智能治理
用于检测和减轻 ML 模型中的偏见的最全面的开源工具包：• 70 多个公平性指标 • 10 个偏见缓解因素 • 交互式演示，说明 5 个偏见指标和 4 个偏见缓解因素 • 广泛的行业教程和笔记本
从“可解释的人工智能”到“可掌握的人工智能”
自人工智能 (AI) 和机器学习 (ML) 出现以来，研究人员一直在研究智能计算系统如何与用户及其周围环境交互和联系，从而引发了有关偏见的人工智能系统、ML 黑盒、用户信任、用户对系统的控制感知以及系统透明度等问题的争论。所有这些问题都与人类如何通过使用不同交互模式的界面与人工智能或机器学习系统交互有关。先前的研究从各种角度解决了这些问题，从通过伦理和科学技术研究 (STS) 视角理解和构建问题，到为问题找到有效的技术解决方案。但几乎所有这些努力都有一个共同的假设：如果系统能够解释其预测的方式和原因，人们就会有更好的控制感知，因此会更加信任这样的系统，甚至可以纠正它们的缺点。这个研究领域被称为可解释人工智能 (XAI)。在这个工作室中，我们总结了该领域先前的努力；然而，我们专注于使用有形和具身交互 (TEI) 作为理解 ML 的交互方式。我们注意到，物理形式及其行为的可用性不仅可以为 ML 系统的可解释性做出贡献，还可以为批评创造一个开放的环境。这个工作室旨在批评可解释的 ML 术语，并描绘 TEI 可以为 HCI 提供的机会，以设计更可持续、更易掌握和更公正的智能系统。
AI 观察：AI 标准化格局
本出版物是联合研究中心 (JRC) 的一份技术报告，该中心是欧盟委员会的科学和知识服务机构。它旨在为欧洲政策制定过程提供基于证据的科学支持。所表达的科学成果并不意味着欧盟委员会的政策立场。无论是欧盟委员会还是代表委员会行事的任何人均不对本出版物的使用负责。有关本出版物中使用的数据的方法和质量的信息，这些数据的来源既不是欧盟统计局也不是其他委员会服务机构，用户应联系引用的来源。地图上使用的名称和材料的呈现方式并不意味着欧盟对任何国家、领土、城市或地区或其当局的法律地位，或对其边界或边界的划定发表任何意见。
功能转型中的人工智能和生成式人工智能
KPMG 公司的功能性新一代人工智能从模型答案开始，利用领先实践并在世界领先的 SaaS 平台上进行预配置。这种实施新一代人工智能的方法有许多好处，例如确保智能自动化与基本流程之间的紧密联系，拥有符合业务需求的可靠数据模型，以及具有适当角色、能力和数字流畅度的高效组织结构以支持转型功能。这样，组织就可以自信地在该功能既定的治理框架内运作，从而获得更有效的决策机会。
教师人工智能：揭开学校人工智能的神秘面纱
数学教师中 ChatGPT 的使用率最低，只有 4% 的教师表示他们使用过 ChatGPT，只有 11% 的教师表示他们在工作中使用过任何 AI 工具，而其他中学科目平均使用率为 25%，使用率最高的是科学和“其他包括体育”（包括计算）。考虑到 ChatGPT 是法学硕士学位，而数学是一门数字学科，因此数学中 ChatGPT 的使用率低并不完全令人惊讶。然而，据报道数学中其他 AI 工具的使用率低可能进一步表明，教师在回答这些问题时只考虑生成式 AI，因为数学很容易适应机器学习或基于算法的软件，例如个性化测试和自动评分。如果不进行调查，就无法判断这种低使用率是否准确反映了 AI 在数学中的使用情况。