XiaoMi-AI文件搜索系统
World File Search SystemEvant
BioGRID 数据库
生物医学文献包含大量信息，涵盖了大量有关生物学和生物医学的知识。然而，由于科学文献中包含的数据量巨大，且大部分文献并非开放获取，因此识别与任何给定过程或疾病相关的基因或蛋白质功能信息可能是一项艰巨的任务。由于大多数生物医学文献都是非结构化的自由格式文本，因此无法轻易从出版物中自动提取关键数据元素。此外，相关数据通常仅存在于非文本元素中，例如图形、表格和补充信息。生物医学数据管理的一个基本目标是将文献中基于文本、表格和图形的实验信息转换为一致的结构化记录，这些记录可以以标准化格式轻松访问以进行计算分析。为了解决这些问题，BioGRID 资源于 2006 年启动，重点目标是全面整理芽殖酵母酿酒酵母中产生的所有可用的生物相互作用数据。1,2
人工智能 - Ecac-ceac.org
欧洲空中交通管理计算机应急响应小组 (EATM-CERT) 探索了 AI 提高航空系统网络弹性的方法，特别是快速可靠地检测与航空相关的文件泄露。在基于符号和数据驱动 AI 的混合方法中，他们预先训练了一个现成的“多语言转换器模型”，以使其专门适应航空的运营、技术和多语言环境 (10)。现在，该模型已集成到 EATM-CERT 工具中，可以比数据分析师更快地识别泄露的文件是否与航空相关。除了将员工从繁琐乏味的工作中解放出来之外，现在还节省了大量稀缺的人力资源。这为航空界带来了显着的成本和运营效益。疫情期间，网络风险显著增加，由于“网络人工智能”对航空安全专家来说仍是一个新领域，因此加强人工智能网络协作和分享经验教训至关重要。这是网络管理员网络小组 (CY-
眼睛注视辅助操作
人机协作的一个关键挑战是构建一个系统，平衡自主机器人行为的实用性和直接人类控制的好处。这种平衡对于辅助操作系统尤其重要，辅助操作系统有望帮助残疾人更轻松地控制安装在轮椅上的机械臂来完成日常生活活动。为了提供有用的帮助，机器人必须了解用户的目标和任务偏好。我们的见解是，系统可以通过监控用户的自然目光注视行为来增强这种理解，因为心理学研究表明，目光注视对任务具有响应性且相关。在这项工作中，我们展示了如何使用目光注视来增强辅助算法。首先，我们分析遥控机器人操作过程中的目光注视行为，并将其与文献中关于手工操作的结果进行比较。然后，我们开发了一个管道，将原始目光注视信号与任务上下文相结合，为学习算法构建丰富的信号。最后，我们提出了一种新颖的目光注视用法，即机器人通过检测用户何时认为机器人的行为有问题来避免危险行为。
神经潜在对齐器：用于学习复杂、自然神经数据表征的交叉试验对齐
理解复杂人类行为的神经实现是神经科学的主要目标之一。为此，找到神经数据的真实表示至关重要，但由于行为高度复杂且信号信噪比 (SNR) 较低，这一点具有挑战性。在这里，我们提出了一种新颖的无监督学习框架——神经潜在对齐器 (NLA)，以找到复杂行为的受良好约束、与行为相关的神经表示。关键思想是在重复试验中对齐表示以学习跨试验一致的信息。此外，我们提出了一种新颖的、完全可微的时间扭曲模型 (TWM) 来解决试验的时间错位。当应用于自然说话的颅内皮层电图 (ECoG) 时，我们的模型比基线模型学习到了更好的解码行为表示，尤其是在低维空间中。通过测量对齐试验之间的行为一致性，TWM 得到了实证验证。与基线相比，所提出的框架学习了更多的跨试验一致性表示，并且当可视化时，流形揭示了跨试验的共享神经轨迹。
迈向可解释人工智能的统一框架
可解释人工智能 (XAI) 领域已迅速成为一个蓬勃发展且成果丰硕的社区。然而，该领域一个不为人知、反复出现且公认的问题是缺乏对其术语的共识。特别是，每一项新贡献似乎都依赖于其自己的（通常是直观的）术语版本，例如“解释”和“阐释”。这种混乱阻碍了该领域进步的巩固，无法满足科学和监管要求，例如在比较方法或确定其对偏见和公平约束的遵从性时。我们提出了一个理论框架，它不仅为这些术语提供了具体的定义，而且还概述了产生解释和阐释所需的所有步骤。该框架还允许重新语境化现有贡献，以便可以衡量其范围，从而使它们与其他方法具有可比性。我们表明，该框架符合对解释、可解释性和评估指标的要求。我们提供了一个用例，展示了如何使用该框架来比较 LIME、SHAP 和 MDNet，确定它们的优点和缺点。最后，我们从我们的框架的角度讨论了 XAI 的相关趋势以及对未来工作的建议。
多模式人工智能代理支持学生基于动作的教育游戏
摘要。轻量级传感器（例如眼动仪、生理腕带和运动传感器）的可访问性不断提高，使得学生在参与基于运动的教育游戏 (MBEG) 时能够提取他们的认知、生理、骨骼和情感数据。实时分析这些多模态数据 (MMD) 可以深入了解学生的学习体验，并为及时、情境化、个性化的反馈提供新的机会以支持学生。在这项正在进行的工作中，我们提出了 MMD-AI 学习代理；一个由 MMD 驱动的人工智能 (AI) 代理生态系统，由 3 个独立的软件组件组成，它们共同促进学生在与 MBEG 交互期间的学习。Crunch Wizard 从学生在游戏过程中佩戴的眼动仪、生理腕带、网络摄像头和运动传感器接收 MMD，并得出相关的认知、生理和情感测量值。 AI 代理识别并提供适当的反馈机制，以支持学生的 MBEG 游戏学习体验。仪表板将测量结果可视化，让教师了解学生的进步情况。我们讨论了推动生态系统设计的基础工作，介绍了我们迄今为止完成的设计和开发，并概述了未来的方向。
美国和非洲 - 美国外交服务协会
这是我在 FSJ 上发表的倒数第二篇“总统观点”专栏。我将于 7 月 15 日结束我的第二任期和四年任期。在下个月的最后一篇专栏文章中，我将分享我的观点，即在经历了非常艰难的二十年后，如何才能让美国外交部门健康、快乐和有意义。我在 2019 年 7 月上任，当时特朗普政府做出了一系列破坏性的决定，我们的成员和我们的服务面临前所未有的挑战。特朗普政府在头两年实施的国务院招聘冻结继续扭曲我们的人口结构，并导致关键职位的中级官员严重短缺。针对特朗普总统的第一次弹劾程序将外交部门和我们的许多成员置于美国政治的十字路口，并挑战我们找到一种方法来捍卫职业服务。那些艰难岁月的影响是严重的。在过去 10 年中，报名参加外交官考试的人数急剧下降，在上一届政府执政期间达到最低点。造成这种下降的原因有很多，并非全部与政治有关。但职业公务员不受重视或尊重的感觉肯定起了一定作用。
通过角色的选择和价值 - 信念 - 态度推理使大型语言模型与人类的意见结盟
用大语言模型（LLM）推理和预测人类意见是必不可少的但具有挑战性的。当前的方法采用角色扮演的角色，但面对两个主要措施：LLMS甚至对一个无关的角色也很敏感，最多可以改变预期的30％； LLM无法战略性地推理人类。我们提出了开场链（COO 1），这是一种简单的四步解决方案建模，如何用personae推理，由价值 - 宽容 - 态度（VBN）the-Ory进行推理。COO将明确的人（人口统计学和意识形态）和卑鄙的人物（历史观点）区分了：（1）将无关的属性与显式人物过滤； （2）将隐式人物排名为选择top-k的优先列表； （3）提出新颖的VBN推理，以提取用户的环境和个人价值，信念和规范变量，以进行准确可靠的预测； （4）迭代VBN推理，并逐渐更大的隐式角色列表来处理潜在的角色不足。COO通过仅提示5个推论呼叫来有效地实现新的最新观点预测，从而将先前的技术提高了多达4％。值得注意的是，通过COO的数据进行微调LMS导致观点一致的模型明显高达23％。
肠上皮体外模型
肠上皮是一种多任务组织，拥有多种不同类型的细胞，可确保食物的消化并保护身体免受管腔内容物中有毒微生物和致癌物的侵害。它是体内更新最快的上皮，每 4-5 天完全更新一次。1 肠上皮的微环境复杂而动态。它的特点是特定的 3D 结构、一组生化梯度和机械线索，它们共同强烈影响细胞行为。2,3 多年来，源自肿瘤的细胞系以及最近的原代肠细胞已被广泛用作研究肠道生理和疾病的体外模型。然而，大多数这些模型都不能忠实地重现关键的体内特征。在这种背景下，人们越来越有兴趣以跨学科的方式结合组织工程和微制造技术，以创建更相关的组织模型。与传统的 2D 或 3D 模型相比，这些所谓的“微生理系统”提供了更复杂、更相关的系统，允许控制和标准化生产。4,5 我们将重点介绍为准确重建肠道环境的关键特征（例如 3D 结构、机械刺激或生化梯度）而开发的生物工程系统。6,7 这些模型有可能提高我们对
量子计算机受控门操作的初态相关优化
将量子算法编码到量子电路中没有唯一的方法。由于量子比特数、连接性和相干时间有限，量子电路优化对于充分利用近期量子设备至关重要。我们引入了一种名为 Aqcel 的新型电路优化器，旨在根据电路的初始状态从受控门中删除冗余的控制操作。特别地，Aqcel 可以通过使用量子计算机识别零振幅计算基态，从多项式计算资源中的多控门中去除不必要的量子比特控制，即使所有相关量子比特都纠缠在一起。作为基准，Aqcel 部署在用于模拟高能物理中的终态辐射的量子算法上。对于这个基准，我们已经证明 Aqcel 优化的电路可以用少得多的门产生等效的终态。此外，当将 Aqcel 与嘈杂的中型量子计算机一起部署时，它可以通过截断低于某些阈值的低振幅计算基础状态来有效地生成与原始电路近似的量子电路，并且保真度很高。我们的技术可用于各种量子算法，为进一步简化量子电路以使其对实际设备更有效开辟了新的可能性。