XiaoMi-AI文件搜索系统
World File Search SystemHum
人类智能（HUMINT）：
人力情报 (HUMINT)：全人类、全心全意、无时无刻 Robert David STEELE Vivas 自 20 世纪 70 年代以来，人力情报 (HUMINT) 在美国一直处于停滞状态，因为美国急于用技术取代思考（情报生产者），用党派之争取代言论（情报消费者）。我对人力情报的定义包括反情报 (CI)、安全、分析师和消费者。在过去的几十年里，我们摧毁了秘密的人力情报，同时也忽视了反情报和安全，贬低了开源情报 (OSINT)1（占人力情报可收获基础的 80%2），也忽视了我们的士兵、3 分析师和消费者的教育需求。今天，可以合理地认为，只有美国总统从每年 750 亿美元的美国情报界 (US IC)4 获得决策支持（充其量也只是平庸之作），而内阁官员和国会委员会则一无所获。国防官员从秘密来源和方法中获得的信息“最多”5 为他们需要了解的 4%，对四年期国防评估 (QDR) 或其他整体政府规划几乎没有用处。在本文中，我只关注 HUMINT 作为一项广泛的多学科工作，而不是关注已知的美国 IC 缺陷或全球数据病理和美国 IC 或美国政府 (USG) 尚未解决的信息不对称。HUMINT 被定义为十五个不同的子学科专长
类比设计中人与人工智能的交互协同创造力
简介 十一年前，马希尔 (Maher) 问道：“谁在创造？” (Maher 2012)，并提出了几个创造性应用的分析空间，包括构思和互动两个维度。马希尔的问题引出了乔丹诺斯 (Jordanous) 的 PPP 视角框架，其中创造行为可以由人类或人工智能 (Jordanous 2016) 执行，以及坎托萨洛 (Kantosalo) 和塔卡拉 (Takala) 的 5C 框架，其中创造行为由人类和人工智能共同组成的集体执行 (Kantosalo and Takala 2020)。1然而，对于人与人工智能互动中创造力的位置，人们的共识较少。混合主动性创造性界面方法提出了一组基本的细粒度活动，这些活动可以由人类或人工智能以某种结构化对话的形式执行（Deterding 等人，2017 年；Spoto 和 Oleynik，2017 年），随后扩展到生成应用（Muller、Weisz 和 Geyer，2020 年），针对特定算法方法进行了改进（Grabe、Duque 和 Zhu，2022 年），并针对其他算法方法进行了批评（Zheng，2023 年）。虽然这些方法生成了重叠的分析动作词汇，但它们并没有解决创造力在何处发生（以及由谁或什么通过这些动作发生）的问题。在这篇短文中，我们提供了对该问题的一个答案的几个例子。我们重新利用 Kantosalo 和 Takala (2020) 的 5C 中的集体概念，提出一种类型的创造力可能会在以下互动空间中不对称地出现 (Rezwana and Maher 2022)
知识表示和人类机器人互动领域知识的互动学习
本文介绍了在人机协作背景下代表，推理和交互式学习领域知识的综合体系结构。答案集Prolog是一种非单调逻辑推理范式，用于用不完整的comsense域知识来表示和理由，为任何给定目标计算计划并诊断出意外的观察。基于ASP的推理还用于指导以前未知的动作的互动学习以及编码负担能力，动作前提和效果的公理。此学习将主动探索，反应性动作执行和人类（口头）描述的输入观察以及学习的动作和公理用于后续推理。在模拟机器人上评估了架构，该机器人协助人类在室内域中。
JRDB-Panotrack：一个开放世界的全景进行分割和跟踪拥挤的人类环境中的机器人数据集
自主机器人系统近年来引起了越来越多的关注，在这种环境中，环境是机器人导航，人类机器人互动和决策的关键步骤。现实世界机器人系统通常会从多个传感器中收集视觉数据，并经过重新识别以识别许多对象及其在复杂的人拥挤的设置中。传统的基准标记，依赖单个传感器和有限的对象类和场景，无法提供机器人对策划导航，互动和决策的需求的综合环境理解。作为JRDB数据集的扩展，我们揭开了一种新颖的开放世界式分割和跟踪基准，介绍了一种新型的开放世界式分割和跟踪基准。JRDB-Panotrack包括（1）各种数据室内和室外拥挤的场景，以及
利用功能基因组学和人工智能对人类癌细胞进行逆向工程
我写这本书的首要动机是一句您将在接下来的内容中多次看到的短语。这句话是：“转移性疾病无法治愈”。这句话之所以如此重要，是因为尽管我们在癌症研究方面取得了数十年的巨大进步，但一旦疾病扩散到远处器官，患者的治疗进展就非常有限。正因为如此，我们作为一个社区显然是时候尝试一些新方法了，因为标准化疗虽然在疾病的其他阶段有用，但无法让我们到达最后的顶峰，即转移性癌症的治愈。在我看来，其中一种这样的策略涉及将现代人工智能 (AI) 和机器学习 (ML) 方法应用于从癌症患者和癌症衍生细胞系中积累的大量基因组数据，以制定真正个性化的策略，以对个体患者进行癌症逆向工程。因此，本书的目标是让读者相信这是可能的，至少是一条值得追求的途径。首先我要说的是，我将在本书中强调人工智能对基因组数据的分析如何帮助我们更好地利用癌症靶向疗法。与此同时，其他人也在努力开发类似的方法，利用计算和人工智能方法来改善癌症免疫疗法的使用，因为免疫疗法提供了另一套可用于转移性癌症患者的工具。由于我不是免疫学家，我不会在这里讨论这些方法，因为它们可以在其他出版物中找到。
医疗保健领域人工智能的“人机交互”
随着基于人工智能 (AI) 的产品和服务在各个行业中激增，一个最重要的问题浮出水面：这些系统应该包括人类还是应该自主运行？这个问题是我们现在认为理所当然的许多服务和产品的基础。例如，考虑使用谷歌地图。我们中的许多人现在都认为这种基于人工智能的服务是理所当然的，当它指引我们从一个地方到另一个地方时，我们几乎不用考虑它会带我们去哪里。这个工具背后没有人类向导或主持人；我们甚至不能像在银行那样打电话，要求找人谈谈走错路或被带到了目的地以外的地方。如果出了问题，没有人可以帮助我们，也没有人可以投诉。
新研究：食用添加 2'-FL 母乳寡糖+ 的婴儿配方奶粉的婴儿的免疫反应更接近母乳喂养
“没有什么可以取代母乳。但对于那些需要或选择使用配方奶粉的妈妈们，我们致力于提供最先进的科学营养，”雅培副研究员、研究作者 Rachael Buck 博士说。“这项最新研究使我们在近十年来取得了婴儿配方奶粉领域最大的科学突破——能够用 2'FL HMO 滋养配方奶粉喂养的婴儿。虽然这并不意味着婴儿不会经历童年时期的正常疾病，但这些数据清楚地表明，含有 2'-FL HMO 的配方奶粉可以帮助增强婴儿的免疫系统，使其更像母乳喂养的婴儿。”
引言人类增强的生物政治
人们已经寻求数千年来提高自己的身心能力的方法。对于我们这些相信人类增强技术的人来说，包括衣服，工具和武器，增强的政治始于史前历史。只有某些种姓或性别才能触摸特定工具或穿某些衣服的工业前社会规范是初步政治。假肢已有数千年的历史，到15世纪，世界各地有多次疫苗接种的实验。撰写以来文明曙光以来发生的各种赋权的历史是适当的，但这一卷（现在我们可以向讲座展示）将在20世纪初期开始有关人类增强的辩论中，该辩论始于20世纪初期，一旦现代医学开始为人类增强提供实际技术。在研究人类增强与生物殖民地（我们作品的主题）之间的关系之前，可以说几句话，关于该卷出现的系列文章，该系列具有与第一本书相同的标题，并且在该主题上最佳科学专家的贡献中开放。
您说话时开车：在自动驾驶汽车中启用与大语言模型的人类互动
自动驾驶汽车的未来在于以人为中心的设计和先进的AI Capabilies。未来的自动驾驶汽车不仅会跨乘客，而且还将互动并适应他们的欲望，从而使旅程变得舒适，有效且令人愉悦。在本文中，我们提出了一个新颖的框架，该框架利用大型语言模型（LLMS）来增强自动驾驶汽车的决策过程。通过整合LLMS的自然语言能力和上下文理解，专业工具使用，协同推理，并与自动驾驶汽车的各种模块进行作用，该框架旨在将LLMS的先进语言和推理能力无缝整合到自动驾驶中。拟议的框架具有革新自动驾驶汽车运行方式，提供个性化援助，持续学习和透明决策的潜力，最终为更安全，更有效的自动驾驶技术做出了贡献。
rlaif vs. rlhf：通过AI反馈从人类反馈中缩放加强
Harrison Lee，Samrat Phatale，Hassan Mansoor，Thomas Mesnard，Johan Ferret，Kellie Lu，Colton Bishop，Ethan Hall，VictorCărbune，Abhinav Rastogi，Sushant Prakash Prakash ICML 2024 div>Harrison Lee，Samrat Phatale，Hassan Mansoor，Thomas Mesnard，Johan Ferret，Kellie Lu，Colton Bishop，Ethan Hall，VictorCărbune，Abhinav Rastogi，Sushant Prakash Prakash ICML 2024 div>