XiaoMi-AI文件搜索系统
World File Search SystemEquals
在平等中偏爱一个 - 不是一个好主意：基于变形金刚的人行人检测的多对一匹配
与基于卷积神经网络（CNN）相比，我们研究了基于变压器的行人检测模型较低性能的原因。CNN模型会产生密集的行人建议，单独完善每个建议，然后对其进行非最大抑制（NMS）的跟进，以产生稀疏的预测。在争论中，变压器模型每个地面真相（GT）行人盒选择一个建议，然后从中选择了正面的正态。所有其他建议，其中许多与选定的建议高度相似，都通过了负梯度。尽管这导致了稀疏的预测，从而消除了NM的需求，但在许多类似的建议中，任意选择，有效的训练和较低的行人检测准确性。为了减轻问题，我们建议基于Min-Cost-Flow的配方，而不是常用的Kuhn-Munkres匹配算法，并纳入了诸如每个地面真相盒的约束，并且与一个建议的提案相匹配，并且许多同样好的建议可以与单个地面真相盒相匹配。我们提出了基于匹配算法的第一个基于变压器的行人检测模型。广泛的实验表明，我们的方法达到了3个失误率（较低）3。7 /17。4 /21。8/8。3/2。0在Eurocity / tju-traffic / tju-校园 /城市专家 /加州理工学院数据集中，而4个。7/18。7/24。8/8。5/3。 1通过当前的sota。 代码可从https://ajayshastry08.github.io/flow_ matcher 获得。5/3。1通过当前的sota。代码可从https://ajayshastry08.github.io/flow_ matcher
机器学习的可靠性
我们尚未建立或处理能够做出自己决定的机器人。，但是，如果以及当这样的机器人到达时，我们通常的道德实践将不足。这部分是因为机器人自主权意味着放弃人类控制。一个自主机器人的行为可能不佳，不是因为任何故障或恶意编程，而是因为它决定了。到目前为止，只有成年人才能以这种能力为荣，因此至少在原则上，我们始终知道谁负责谁。然而，鉴于程序员在机器人的决定中没有发言权，机器人没有痛苦，我们责备责备的愿望缺乏合适的目标。Matthias [1]将此称为责任差距。Sparrow [2]认为，这种责任差距足以证明禁止创建和部署自主机器人的合理性。Arkin [3]反驳说，这种机器人可能比我们更有道德。香槟和Tonkens [4]认为，人类可以自愿接受机器人行为的责备。Kiener [5]认为，事实之后，人类也可以做到这一点。Burri [6]驳回了关于机器人可以达到自治的建议。Gunkel [7]邀请我们将机器人视为道德患者。Gogoshin [8]邀请我们将机器人视为道德代理。søvik[9]说，自动机器人无法感觉到，但仍可能被责备。Tigard [10]认为，促使这些各种响应的问题甚至不存在。这些辩论没有解决，因此继续建立更多的立场。称此Königs的妥协。从所有方面来看，它代表了一个新颖的立场。最近，彼得·科尼格斯（PeterKönigs）[11]通过坚持存在责任差距存在但没有问题，从而冒险进入新地形。但是，像任何立场一样，我们可以问：这是可替代的吗？Königs授予在某些情况下，自主机器人会产生责任差距 - 因为我们必须以不良行为来归功于他们，但永远不会责怪他们[12]。1个通讯作者：马克香槟；电子邮件：marc.champagne@kpu.ca。
人工智能：我们需要的数据，使机器与我们平等
人工智能简介在《计算机与智能》1中，图灵在论证机器无法通过图灵测试时，揭露了一些常见的谬误。特别是，他解释了为什么“询问者只需向他们提出一些算术问题，就可以区分机器和人类”，因为“机器会因为其致命的准确性而被揭穿”这一信念是错误的。事实上，机器“不会试图给出算术问题的正确答案。它会故意引入错误，以混淆询问者。”因此，机器会通过给出错误的答案，或者简单地说它无法计算答案来隐藏其超人的能力。人工智能在某些任务上取得了超越人类的表现，例如算术或游戏；在本文中，我们认为有时人工智能的能力可能需要受到人为的限制。这种刻意的限制被称为人工智能愚蠢。通过限制人工智能完成任务的能力，以更好地匹配人类的能力，人工智能可以变得更安全，即其能力不会超过人类能力几个数量级。这里的总体趋势是，人工智能在达到人类水平后，往往会迅速达到超越人类的表现水平。例如，对于围棋游戏，在几个月内，最先进的水平从强大的业余选手，到弱小的专业选手，再到超越人类的表现。从那时起，为了让人工智能通过图灵测试，或者让它的行为像人类一样，人工智能设计师必须刻意限制它的能力。