XiaoMi-AI文件搜索系统
World File Search SystemCognition
音乐认知和学习的神经生物学
上个世纪提供了有关认知和学习的大量重要数据。然而，随着发展心理学的认知革命和发育心理学中Piage理论的兴起，强大的人从学习转变为思考。因此，我们现在对不同年龄的孩子的思维有很多了解，但是我们对他们的学习方式一无所知。远离研究儿童学习的动作反映了更多的三角形兴趣转变；它还反映了一个假设，即发展和学习在根本上是不同的。但是，学习和认知是同一枚硬币的两个方面。人们所知道的很大程度上是基于一个人学到的知识，当然是将军知识。因此，任何关于孩子如何学习的发展理论都是一个严重限制的发展。
Cambridge Cognition Holdings plc 年度报告和...
用于临床试验的专有语音技术已产品化并正在验证中。言语神经心理学测试对老年人神经退行性疾病的早期迹象高度敏感。然而，它们依赖于面对面测试和人工评分，这意味着它们成本高昂，并且可能不适合大规模筛查和家庭监测。为了解决这个问题，Cambridge Cognition 开发了一个全自动语音平台 NeuroVocalix™。2021 年，我们完成了其产品化，使公司有可能通过专有平台为更多客户提供服务，该平台能够在这个高度监管的行业的安全要求范围内自动交付和评分临床试验的关键认知评估。我们正在与两所领先的大学合作进行一系列测试和验证试验；这些对于解决方案的完全商业化至关重要。
人工智能、人类认知和决策
† 与本文相关的论证已在博科尼大学、哈佛商学院、阿尔托大学和伊利诺伊大学香槟分校举办的战略科学“基于理论的观点”会议上提出。我们非常感谢众多参与者和听众的反馈，这些反馈帮助我们改进了论证。我们非常感谢 Gopesh Anand、Arnaldo Camuffo、George Ellis、Alfonso Gambardella、Pranav Gupta、Jared Hansen、Rosco Hunter、Sharad Jones、Stuart Kauffman、Jan Koenderink、Matt Kraatz、Karim Lakhani、Natalia Levina、Hila Lifshitz-Assaf、Jeff Loewenstein、Geoff Love、Jukka Luoma、Frank Martela、Mariano Mastrogiorgio、Joe Mahoney、Willie Ocasio、Samuli Reijula、Chris Rytting、Mari Sako、Jens Schmidt、Cirrus Shakeri、Olivier Sibony、Deepak Somaya 和 Todd Zenger 的反馈（或相关对话）。由于编辑和同行评审的反馈，本文也得到了很大的改进。
老年人的大脑健康和认知能力
摘要：在这篇叙述性评论中，我们深入探讨了世界卫生组织认可的不断发展的大脑健康概念，重点关注其与认知衰退的交集。我们强调预防策略的迫切需要，特别是对老年人而言。我们描述了可能从基于风险的方法中受益最多的目标人群——即主观认知衰退的人。此外，我们考虑对认知未受损的中老年人进行普遍预防。通过深入研究多领域个性化预防策略，我们报告了有关可改变的风险因素和干预措施的经验证据，这些因素和干预措施对于减轻认知衰退至关重要。接下来，我们重点介绍了大脑健康服务 (BHS) 的出现。我们解释了它们在风险评估、风险沟通和定制干预措施中的作用，以降低痴呆症的风险。在评论正在进行的 BHS 试点经验时，我们介绍了我们自己的 BHS 在意大利蒙扎的起源和框架，概述了其运营结构和护理途径。我们强调需要全球合作和加强研究工作，以解决大脑健康的复杂决定因素及其对全球医疗保健系统的潜在影响。
认知中的脑信号时间箭头
人类认知神经科学中一个有前途的想法是，默认模式网络 (DMN) 负责协调网络的招募和调度，以计算和解决特定任务的认知问题。有证据表明，DMN 区域的物理和功能距离与包含与感知和行动直接相关的环境驱动神经活动的感觉运动区域最大程度地相距，这将使 DMN 能够从层次结构的顶部协调复杂的认知。然而，发现大脑动力学的功能层次需要找到测量大脑区域之间相互作用的最佳方法。与以前使用例如传递熵来测量信息层次流的方法相比，我们在这里使用了受热力学启发、基于深度学习的时间演化网络 (TENET) 框架来评估人类大脑信号中事件流的不对称性，即“时间之箭”。这提供了一种量化层次结构的替代方法，因为时间之箭测量的是导致底层层次平衡被打破的信息流的方向性。反过来，时间之箭是不可逆性的量度，因此也是大脑动力学中的非平衡性量度。当应用于来自近一千名参与者的大规模人类连接组计划 (HCP) 神经影像数据时，TENET 框架表明 DMN 在协调层次结构（即不可逆性水平）方面发挥着重要作用，它在静息状态和执行七种不同的认知任务时会发生变化。此外，这种静息状态层次结构的量化在健康与神经精神疾病中存在显著差异。总体而言，本基于热力学的机器学习框架为协调复杂环境中认知与大脑之间的相互作用提供了重要的新见解，有助于了解大脑动力学的基本原理。
走向分布式和具身化的认知解释
摘要 多重外部表征 (MER) 对于科学、数学和工程学的实践和学习至关重要，因为这些领域中研究和控制的现象和实体通常无法被感知和采取行动。因此，MER 在这些领域的推理中发挥着双重构成作用。首先，MER 代表想象中的现象和实体，从而使科学研究成为可能。其次，与上述内容相关的是，与 MER 的感觉运动和想象互动使得涉及这些现象和实体的集中认知操作成为可能，例如心理旋转和类比变换。这两个构成作用表明，获得科学、数学和工程学的专业知识需要发展转化和整合该领域 MER 的能力，同时在想象中对 MER 所代表的现象和实体进行操作。因此，这种整合外部和内部表征及其操作的核心能力（称为表征能力 (RC)）对于科学、数学和工程学的学习至关重要。但是，目前尚无关于这一核心过程的一般说明。我们认为，鉴于 MER 发挥的上述两个构成作用，表征能力的理论解释需要一个明确的模型来说明认知系统如何与外部表征相互作用，以及想象力如何
分布式认知 - ACM 数字图书馆
我们正在快速经历一个历史时刻：人们在一台计算机前工作，由一台小型 CRT 控制，专注于仅涉及本地信息的任务。联网计算机变得无处不在，在我们的生活中以及科学、商业和社会互动的基础设施中发挥着越来越重要的作用。为了在新千年推动人机交互的发展，我们需要更好地理解新兴的交互动态，其中焦点任务不再局限于桌面，而是延伸到一个复杂的网络信息世界和计算机介导的交互。我们认为分布式认知理论在理解人与技术之间的交互方面发挥着特殊的作用，因为它的重点一直是整个环境：我们在其中真正做什么以及我们如何协调其中的活动。分布式认知为如何思考设计和支持人机交互提供了彻底的重新定位。作为一种理论，它专门用于理解人与技术之间的交互。在本文中，我们提出分布式认知作为人机交互的新基础，勾勒出一个综合的研究框架，并使用我们早期工作中的选集来提出该框架如何为数字工作材料的设计提供新的机会。
1对认知，社会能力的纵向研究...
通讯作者：美国加利福尼亚州斯坦福大学的Allan L. Reiss 401 Quarry Road 94304电子邮件：areiss1@stanford.edu传真：1-650-724-4761
下一代赛道记忆中的大脑启发认知
超维计算 (HDC) 是一种新兴的计算框架，其灵感来自大脑，它对具有数千个维度的向量进行操作以模拟认知。与对数字进行操作的传统计算框架不同，HDC 与大脑一样，使用高维随机向量，并且能够进行一次性学习。HDC 基于一组定义明确的算术运算，具有很强的错误恢复能力。HDC 的核心操作以批量逐位方式操纵 HD 向量，提供了许多利用并行性的机会。不幸的是，在传统的冯·诺依曼架构中，HD 向量在处理器和内存之间的连续移动会使认知任务变得非常缓慢且耗能。硬件加速器只能略微改善相关指标。相比之下，即使是内存中 HDC 框架的部分实现也可以提供相当大的性能/能量增益，正如先前使用忆阻器的工作所证明的那样。本文介绍了一种基于赛道内存 (RTM) 的架构，用于在内存中执行和加速整个 HDC 框架。所提出的解决方案利用 RTM 中跨多个域的读取操作（称为横向读取 (TR)）来实现异或 (XOR) 和加法运算，从而只需要极少的额外 CMOS 电路。为了最大限度地减少 CMOS 电路开销，提出了一种基于 RTM 纳米线的计数机制。以语言识别为示例工作负载，与最先进的内存实现相比，所提出的 RTM HDC 系统将能耗降低了 8.6 倍。与使用 FPGA 实现的专用硬件设计相比，基于 RTM 的 HDC 处理在整体运行时间和能耗方面分别展示了 7.8 倍和 5.3 倍的改进。