XiaoMi-AI文件搜索系统
World File Search SystemCai
使用 Unitree A1 四足机器人构建基于视觉的 AI 演示器
展示人工智能 (AI) 能力的挑战之一是找到有效的方式来以切实的方式展示其能力。在本文中，我们使用 Unitree A1 四足机器人展示了一个基于视觉的 AI 演示器。该演示器旨在供苏黎世应用科技大学人工智能中心 (CAI) 使用，以在现实环境中展示 AI 的能力，例如展览。为了实现这一点，我们开发了一个应用程序，允许机器人响应四种特定的手势。该软件从机器人的集成摄像头接收实时图像，并利用 MediaPipe 框架进行手部跟踪和界标点生成，这些界标点实时显示在远程 PC 上。我们根据 3768 个手势记录训练的逻辑回归模型随后会检测站在机器人前面的用户做出的手势。该模型与机器人的系统进行通信，允许通过用户界面控制其检测和姿势。在我们的实验室测试中，机器人展示了每个手势的平均准确率为 91%。然而，我们发现在强光或弱光环境中，机器人的性能不太可靠，准确率仅为 70%。为了提高机器人在这些条件下的性能，我们建议实施额外的算法或微调 MediaPipe 管道。总的来说，我们的演示器为 CAI 部门提供了一个展示 AI 的宝贵工具，因为它允许观众使用直观的手势与机器人互动，并通过观察机器人的即时反应来亲身体验 AI。
人工智能的关键历史回顾：问题、挑战、机遇和威胁
摘要：人工智能（AI）被认为是一门革命性的、改变世界的科学，尽管它仍然是一个年轻的领域，在确立可行的理论之前还有很长的路要走。每天都有新的知识以难以想象的速度被创造出来，大数据驱动的世界已经来临。人工智能已经开发出各种各样的理论和软件工具，在解决困难和具有挑战性的社会问题方面取得了显著的成功。然而，该领域也面临着许多挑战和缺点，导致一些人对人工智能持怀疑态度。人工智能面临的主要挑战之一是相关性和因果关系之间的区别，这在人工智能研究中起着重要作用。此外，虽然控制论这个术语应该是人工智能的一部分，但它在人工智能研究中被忽视了很多年。为了解决这些问题，本文首次提出并分析了控制论人工智能（CAI）领域。尽管人们对人工智能充满乐观和热情，但它的未来可能会成为整个世界的“灾难性冬天”，这取决于谁控制着它的发展。地球生存的唯一希望在于 CAI 的快速发展和明智的人类中心主义革命。本文提出了实现这两个目标的具体解决方案。此外，还强调了区分职业/个人道德和永恒价值观的重要性，并强调了它们在未来人工智能应用中解决具有挑战性的社会问题的重要性。最终，人工智能的未来在很大程度上取决于接受某些道德价值观。
新闻稿 - 新加坡
仅选择保质期更长的食物。然而，这是以平衡营养为代价的，而食品慈善机构去年年初就在其四家社区商店中仅仅看到了新鲜食品类别的5％。为了应对这些挑战，该倡议将为社区商店提供新鲜农产品，包括中国白菜（Xiao bai cai），菠菜，中国西兰花（Kailan）和Endives以及鸡蛋。这些高质量的新鲜用品来自新加坡的农场。社区商店为每个家庭提供服务的每个家庭都可以免费从新鲜食品类别中选择另外两个物品，以补充每个家庭有权获得的现有的12种基本不可腐烂的食品。RWS Cares下的倡议是其社区发展部门，是综合度假胜地正在为社区贡献的努力的一部分。RWS景点与可持续性高级副总裁（罗淑琴，景点与永续发展高级副总裁，圣淘沙名胜世界）高级副总裁分享：“该计划介绍了符合我们社区发展工作的两个关键重点。首先，我们希望通过帮助他们更好地获得新鲜和营养食品来养成弱势群体中更健康的饮食习惯。第二，我们努力通过从中购买用品来帮助我们当地的农业社区，以帮助所有人，尤其是新加坡的食品景观，为所有人提供更具弹性和可持续的未来。看到对家庭和地方农业的有意义的影响一直在令人振奋。”鸡蛋由于其作为蛋白质来源而受欢迎，因此几乎构成了所有赎回当地新鲜农产品的一半。对新鲜农产品的需求增加：FFTH的赎回数据RWS的推出 @ Community Shop取得了成功的结果。自今年3月启动以来，该计划在其社区商店中见证了新鲜农产品的四倍激增（总计近9,000枚赎回），而2022年的上半年相比。家庭中最喜欢的新鲜食品是中国卷心菜（Xiao bai cai），Choy Sum（CAI XIN）和鸡蛋。首席执行官罗宾·C·李（Robin C.去年年初，我们注意到越来越多的家庭转向不易腐烂的人来应对更高的生活成本。，我们感谢世界渡假胜地的圣线，迅速踏入，以帮助我们使我们的受益人更容易获得新鲜食物。我们注意到我们的受益人现在期待新鲜农产品的到来。”可以在附件A
用于心理治疗的对话式人工智能及其在......中的作用
人工智能 (AI) 的发展重新开启并重新构建了许多传统的哲学问题，例如什么是理性、推理或自由意志，或者作为人类意味着什么。随着 ChatGPT 技术的最新发展，这些问题涉及公共空间，并引发了一场讨论，特别是关于对话式和生成式人工智能与人类相比的推理能力及其在我们的理性话语中的作用。这些讨论与人工智能生成 (GAI) 的可能性这一主题密切相关。Landgrebe 和 Smith (2022) 最近出版的一本书提出了令人信服的论据，反对 GAI 的可能性以及机器掌握人类语言、社交互动和道德的能力。尽管有这些论点，但人类的想象力方面仍存在一个问题，即感知超出现有的东西，并将人工智能视为人类和社会行为者 (Banks 2019；Nass and Moon 2000)，而不管其实际属性和能力或缺乏这些属性和能力。数学和本体论的论证无助于阻止人类将对话式人工智能 (CAI) 视为人类的强烈倾向。CAI 的开发目标是使其看起来像人类，这一事实进一步强化了这种倾向。其结果可能是，从现象学层面和实用主义的角度讲，尽管人工智能缺乏人类属性，但可以承认它掌握了语言，进入了我们的话语实践并成为社会参与者。也许，这是我们在当前版本的 ChatGPT 中已经看到的东西。我认为这种现象需要认真对待。
医疗保健领域提供值得信赖的人工智能所面临的挑战
xAI 技术可以应用于全局（即解释整个系统的行为）或局部（即解释其针对特定输入的行为）（Guidotti 等人，2018 年）。xAI 技术目前的例子包括显著性图，它可视化输入数据中最重要的预测区域，以及语义解缠，它从底层模型中提取人们可以理解的高级特征（Henne 等人，2020 年）。然而，除了一些值得注意的例外（例如 Cai 等人，2019b 年、Ehsan 等人，2021 年），很少有研究试图评估 xAI 技术的潜在适应性。
开幕式
Evaluation of Reliability and Lifetime of 650-V GaN-on-Si Power Devices Fabricated on 200-mm CMOS-Compatible Process Platform for High-Density Power Converter Application Shan Yin, Yiming Lin, Ronghui Hao, Shoudong Jin, Chuan He, Weigang Yao, Xingjun Li, Qingyuan He, Xiaoqing Pu, Xiaoliang Su, Yanbo Zou, Hui Cai, Kye-Jin Lee, Mike Wang, Harry Guo, Ke Shen, Felix Wang, H.-C. Chiu, Larry Chen, Denis Marcon, Roy K.-Y. Wong Innoscience Technology Co., Ltd., China
Tanya P. Garcia博士 课程Vitae Larelle H. Bookhart博士，...
57。Vazquez，J.E.，MA，Y.，Marder，K。和Garcia，T.P。 调整关节建模方法来处理审查的协变量。 56。 Grosser，K.，MA，Y.，Marder，K。和T.P. Garcia 用审查协变量纠正非线性轨迹中的偏差。 55。 li，K.，Ma，Y.，Marder，K。和T.P. Garcia 超级双重稳健的估计器，用于提供信息的协变量审查。 54。 Lee，S。 *，理查森，B.D。 ∗（ *共享第一个作者身份），MA，Y.，Marder，K。和Garcia，T.P。 右审查协变量的双重稳定估计器。 53。 Vazquez，J.E.，MA，Y.，Marder，K。和Garcia，T.P。 纵向混合模型的估计器，以解释正确的审查协变量。 52。 Vazquez，J.E.，Ashner，M.C.，Ma，Y.，Marder，K。和Garcia，T.P。 评估估计量的鲁棒性，以审查提供信息的协变量。 51。 Zhao，B.，Zeng，D.，Garcia，T.P。 ，Li，H.，Xie，W.，Tang，Y.，Lopez，J.S。和Cai，J。在西班牙裔社区健康研究/拉丁美洲人研究中，用于分析具有复杂采样设计的相关数据的多级建模。Vazquez，J.E.，MA，Y.，Marder，K。和Garcia，T.P。调整关节建模方法来处理审查的协变量。56。Grosser，K.，MA，Y.，Marder，K。和T.P. Garcia 用审查协变量纠正非线性轨迹中的偏差。 55。 li，K.，Ma，Y.，Marder，K。和T.P. Garcia 超级双重稳健的估计器，用于提供信息的协变量审查。 54。 Lee，S。 *，理查森，B.D。 ∗（ *共享第一个作者身份），MA，Y.，Marder，K。和Garcia，T.P。 右审查协变量的双重稳定估计器。 53。 Vazquez，J.E.，MA，Y.，Marder，K。和Garcia，T.P。 纵向混合模型的估计器，以解释正确的审查协变量。 52。 Vazquez，J.E.，Ashner，M.C.，Ma，Y.，Marder，K。和Garcia，T.P。 评估估计量的鲁棒性，以审查提供信息的协变量。 51。 Zhao，B.，Zeng，D.，Garcia，T.P。 ，Li，H.，Xie，W.，Tang，Y.，Lopez，J.S。和Cai，J。在西班牙裔社区健康研究/拉丁美洲人研究中，用于分析具有复杂采样设计的相关数据的多级建模。Grosser，K.，MA，Y.，Marder，K。和T.P. Garcia用审查协变量纠正非线性轨迹中的偏差。55。li，K.，Ma，Y.，Marder，K。和T.P. Garcia超级双重稳健的估计器，用于提供信息的协变量审查。54。Lee，S。 *，理查森，B.D。 ∗（ *共享第一个作者身份），MA，Y.，Marder，K。和Garcia，T.P。 右审查协变量的双重稳定估计器。 53。 Vazquez，J.E.，MA，Y.，Marder，K。和Garcia，T.P。 纵向混合模型的估计器，以解释正确的审查协变量。 52。 Vazquez，J.E.，Ashner，M.C.，Ma，Y.，Marder，K。和Garcia，T.P。 评估估计量的鲁棒性，以审查提供信息的协变量。 51。 Zhao，B.，Zeng，D.，Garcia，T.P。 ，Li，H.，Xie，W.，Tang，Y.，Lopez，J.S。和Cai，J。在西班牙裔社区健康研究/拉丁美洲人研究中，用于分析具有复杂采样设计的相关数据的多级建模。Lee，S。 *，理查森，B.D。∗（ *共享第一个作者身份），MA，Y.，Marder，K。和Garcia，T.P。右审查协变量的双重稳定估计器。53。Vazquez，J.E.，MA，Y.，Marder，K。和Garcia，T.P。 纵向混合模型的估计器，以解释正确的审查协变量。 52。 Vazquez，J.E.，Ashner，M.C.，Ma，Y.，Marder，K。和Garcia，T.P。 评估估计量的鲁棒性，以审查提供信息的协变量。 51。 Zhao，B.，Zeng，D.，Garcia，T.P。 ，Li，H.，Xie，W.，Tang，Y.，Lopez，J.S。和Cai，J。在西班牙裔社区健康研究/拉丁美洲人研究中，用于分析具有复杂采样设计的相关数据的多级建模。Vazquez，J.E.，MA，Y.，Marder，K。和Garcia，T.P。纵向混合模型的估计器，以解释正确的审查协变量。52。Vazquez，J.E.，Ashner，M.C.，Ma，Y.，Marder，K。和Garcia，T.P。 评估估计量的鲁棒性，以审查提供信息的协变量。 51。 Zhao，B.，Zeng，D.，Garcia，T.P。 ，Li，H.，Xie，W.，Tang，Y.，Lopez，J.S。和Cai，J。在西班牙裔社区健康研究/拉丁美洲人研究中，用于分析具有复杂采样设计的相关数据的多级建模。Vazquez，J.E.，Ashner，M.C.，Ma，Y.，Marder，K。和Garcia，T.P。评估估计量的鲁棒性，以审查提供信息的协变量。51。Zhao，B.，Zeng，D.，Garcia，T.P。 ，Li，H.，Xie，W.，Tang，Y.，Lopez，J.S。和Cai，J。在西班牙裔社区健康研究/拉丁美洲人研究中，用于分析具有复杂采样设计的相关数据的多级建模。Zhao，B.，Zeng，D.，Garcia，T.P。，Li，H.，Xie，W.，Tang，Y.，Lopez，J.S。和Cai，J。在西班牙裔社区健康研究/拉丁美洲人研究中，用于分析具有复杂采样设计的相关数据的多级建模。
春季2025课程
616网络安全性Dennis MW 15：35-16：50 A 646使用应用程序的机器学习介绍09：09：09：05-09：55 ML 648生物信息学问题解决问题Wang TR 11：00-12：00-12：15 DA 650 DA 650计算神经科学Schwartz Schwartz Schwartz Tr Tr Tr 12：30-13：30-13：45 a 68 a 68 a 68 a c CAS（CAR） 17：05-19：50 A ECE 648机器学习CAI TR 11：00-12：15 ML MTH 643统计分析II PESTIEN TR 17：05-18：20 S
使用触觉量化软材料的杨氏模量……
Zequn Cui, Wensong Wang, Lingling Guo, Zhihua Liu, Pingqiang Cai, Yajing Cui, Ting Wang, Changxian Wang, Ming Zhu, Ying Zhou, Wenyan Liu, Yuanjin Zheng, Guoying Deng*, Chuanlai Xu*, Xiaodong Chen* Dr. Zequn Cui, Zhihua Liu, Pingqiang Cai, Yajing Cui, Ting Wang, Changxian Wang, Ming Zhu, Prof. Xiaodong Chen Innovative Centre for Flexible Devices (iFLEX), Max Planck–NTU Joint Lab for Artificial Senses, School of Materials Science and Engineering, Nanyang Technological University, 50 Nanyang Avenue, 639798, Singapore. E-mail: chenxd@ntu.edu.sg Dr. Wensong Wang, Prof. Yuanjin Zheng School of Electrical & Electronic Engineering, Nanyang Technological University, 50 Nanyang Avenue, 639798, Singapore. Dr. Lingling Guo, Prof. Chuanlai Xu International Joint Research Laboratory for Biointerface and Biodetection, State Key Lab of Food Science and Technology, and School of Food Science and Technology, Jiangnan University, Wuxi, Jiangsu, P. R. China. E-mail: xcl@jiangnan.edu.cn Ying Zhou, Wenyan Liu Nursing Department, Shanghai General Hospital, School of Medicine, Shanghai Jiaotong University, Shanghai, P. R. China. Dr. Guoying Deng Trauma & Emergency Center, Shanghai General Hospital, School of Medicine, Shanghai Jiaotong University, Shanghai, P. R. China. E-mail: guoying.deng@shgh.cn Keywords: Young's modulus, self-locking, stretchable strain sensors, haptics
教育和伦理中的人工智能
人工智能 (AI) 最初应用于教育领域大约 50 年前，而人工智能本身作为一个研究领域成立仅十年左右，于 1956 年在美国新罕布什尔州汉诺威的达特茅斯学院研讨会上首次亮相（例如，参见 Moor，2006 年）。1970 年，Carbonell 的论文“CAI 中的人工智能：一种用于计算机辅助教学的人工智能方法”描述了一种基于语义网络的地理学辅导和创作系统，名为 SCHOLAR（Carbonell，1970 年）。这种“面向信息结构 (ISO)”的辅导将其教学策略与其对南美地理的了解分开，原则上，可以将世界其他地区的地理情况插入其中，并将教学策略应用于那里，或者将不同的教学策略应用于南美地理。此外，由于通过语义网络明确表示地理知识，系统可以对其知识进行推理，得出未明确编码的结论，并回答有关其所知的问题。因此，其“混合主动”教学策略可以包含系统利用上下文和问题的相关性向学生提问，以及学生向系统提问，两者都使用非常有限的英语。系统通过标记语义网络的相关部分来跟踪学生已经理解了地理领域的哪些部分，从而创建了学生知识的不断发展的模型。这种对个体学习者的适应是该系统与之前的计算机辅助教学 (CAI) 系统的区别之一。该系统还体现了面向学习者的教育人工智能 (AIEd) 系统的标准概念架构。