XiaoMi-AI文件搜索系统
World File Search SystemHuman
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
AI和Human-AI互动医学和医疗保健
“ AI的准确而复杂的图片（与其流行的描述竞争）在开始时，由于难以钉住人工智能的精确定义而受到阻碍。……奇怪的是，缺乏精确的，普遍接受的人工智能定义可能帮助该领域以不断加剧的速度发展，开花和前进。AI的从业人员，研究人员和开发人员的指导下是一种粗略的方向感，并且必须“继续下去”。尽管如此，定义仍然很重要，而尼尔斯·尼尔森（Nils J. Nilsson）提供了一个有用的定义：“人工智能是致力于使机器变得聪明的活动，而智能是使实体能够在其环境中适当和远见的质量。” [1]” [2]
研究文章 将数字人文主义概念发展为人类与人工智能的互动
本研究的目的是建立数字人文主义作为互联网和人工智能范式背景下技术变革的驱动力，以人与数字技术之间的社会互动为基础。本文使用一般的哲学和特殊的科学认知方法，特别是分析、综合、概括和建模、结构和功能、敏捷、价值论、协同方法。使用这种方法分析了数字人文主义作为现代发展概念的概念基础，它不仅促进技术进步，而且还考虑到互联网和人工智能在人与技术的社会互动中的挑战和机遇。作者确定了数字人文主义的问题及其克服方法，旨在确保技术发展服务于个人的社会福祉并提高社会生活质量。作者分析了互联网和人工智能时代数字人文主义的新趋势，这些趋势可以提供信息、教育、医疗服务等，使人们的生活更加舒适和富有成效。数字人文主义的概念促进了技术与人类价值观和需求的融合。识别人工智能对技术变革和社会互动的影响有助于创造人道和公正的社会。
lami：多模式人类机器人互动的大型语言模型
无缝的人类机器人相互作用（HRI）需要机器人对人类的多模式输入的熟练处理，包括语音，凝视和面部表情，以准确评估人类的影响并相应地提供帮助。同时，机器人必须通过多模态输出渠道清楚地将自己的意图清楚地传达给人类，包括语音，手势和凝视。传统上，在机器人系统中实现此功能通常需要复杂的设计。在意图估计的领域中，以前的研究通常合并意图识别模块，以基于多模式输入[3，17]对人类意图进行分类。一些系统还具有用于检测人类情感状态的专用模块，对于建立社会细微差别的互动至关重要[10，16，18]。但是，这些方法的缺点在于它们耗时且昂贵的培训过程。在输出方面，许多先前的系统集成了情绪状态[8，11]模块，以控制人形输出提示，例如音调，凝视或面部表情，增强了向人类反馈的透明度和生动性。关于运动产生，提出了多种方法，包括预先建立的运动集的混合和图表[19，25]，以及使用运动捕获数据[5，9，15]。值得注意的是，这涉及与特定状态相关的每种输出模式的动作手动设计。通过利用文本理解，推理和计划的能力，在短时间内提出了许多机器人应用[7，12，14，20，21，28]。例如，Zhang等人。大型语言模型（LLM）的最新进展，诸如聊天机器人，数据过程和代码生成之类的域中的表现令人印象深刻的功能正在揭示其在机器人技术领域的潜在应用。其中一个通常的例子是“ Saycan”机器人[1]，它能够解释人的自然语言命令，分析环境并生成具体的可执行操作序列，以通过使用LLMS来满足人类的要求。但是，机器人和人之间的互动提示仅限于语音命令，即使没有语音输出。最近，一些研究人员还试图将这种技术应用于HRI领域。利用LLM来估计人类有多少信任机器人[30]； Yoshida等人，使用LLMS生成低级控制命令来推动人形机器人运动以进行社会表达[29]，而不是用于实践援助。Baermann等人，部署了LLM不仅遵循人类的言语命令，而且还通过人类的自然语言反馈来纠正其错误[2]。然而，通信主要依赖语音相互作用，而较少关注多模式感应和表达能力。ye等。[27]驱动了一个LLM驱动的机器人系统，该系统能够与人类在VR环境中的组装任务中合作。，但是该系统仅限于处理人类语言输入并控制虚拟空间中的单臂。通常，与快速
基因组编辑的理由和关于人类身份的形而上学本质主义
生物伦理学的标准观点区分了可能伤害或使特定个体受益的“影响个人”干预（例如通过基因组编辑）和决定哪个个体诞生的“影响身份”干预（例如通过基因选择）。斯帕罗对过去几十年来有关生殖技术争论的核心假设之一提出了质疑。他认为，对人类胚胎的直接基因改造不应归类为“影响个人”，而应归类为“影响身份”，因为在可预见的未来，任何基因组编辑“几乎肯定”涉及创建和编辑多个胚胎，以及通过植入前基因诊断选择“最佳”胚胎。斯帕罗还认为，“影响个人”和“影响身份”干预之间的区别具有至关重要的伦理意义：“我们选择胚胎的理由比我们修改胚胎的理由要弱”（Sparrow 2022 ）。因此，他将基因组编辑归类为“影响身份”的干预，并得出结论，即使人们认为增强是道德义务，也没有理由要求制定法律来增强。在这篇评论文章中，我们更进一步质疑了有关生殖技术的生物伦理辩论中的核心假设。我们认为，“影响个人”和“影响身份”干预之间的区别是基于一种值得怀疑的物质起源本质主义。对这种本质主义的人类身份方法的质疑使得我们可以将基因组编辑和基因选择视为比标准方法中更相似的东西。它
视觉解码从逆转人类视觉系统
在这项工作中，我们提出了梦想，这是一种fMRI到图像的方法，用于重建从大脑活动中查看的图像，基于人类Vi-Sual System的基本知识。我们制作的反向途径模仿了人类如何看待视觉世界的高度和平行性质。这些量身定制的途径专门用于fMRI数据的解密语义，颜色和深度线索，反映了从视觉刺激到fMRI录音的前进途径。这样做，两个组件模仿了人类视觉系统中的反向过程：反向Vi-Sual Toalsosis Cortex（R-VAC）逆转了该大脑区域的途径，从fMRI数据中提取语义；反向平行的PKM（R-PKM）组件同时预测fMRI信号的颜色和深度。实验表明，从外观，结构和语义的一致性方面，我们的方法优于最新模型。代码将在https://github.com/weihaox/dream上提供。
人工智能及其与人文学科的关系
SciELO 预印本 - 本文档为预印本，其当前状态可在以下网址获取：https://doi.org/10.1590/SciELOPreprints.10389
Inditex集团的现代奴隶制，供应链声明中的人口贩运和透明度2022
Inditex是一家全球时尚，设计，分销和零售公司，旨在为200多个市场的客户提供鼓舞人心，质量和负责任的时尚建议。Inditex Group是几个商业品牌的家族：Zara，Pull＆Bear，Massimo Dutti，Bershka，Stradivarius，Oysho和Zara Home。该公司已经实施了以四个支柱为基础的业务模式：一个独特的时尚建议，差异化购物体验，非凡的团队以及在小组活动的每个阶段实施负责任的做法。在这方面，Inditex在尊重和透明度的框架内，与我们的利益相关者的持续对话，基于促进人权，并具有对客户，社会，行业和我们的环境产生积极影响的最终目的。
从文本说明中生成人类运动
由于其广泛的应用范围，从文本描述中产生人类动作已引起了越来越多的研究兴趣。但是，只有少数作品将人类场景的互动与文本条件一起考虑，这对于视觉和物理现实主义至关重要。本文提出了在3D门场景中产生人类动作的任务，鉴于人类习惯的文本描述。由于文本，场景和运动的多种形式性质以及对空间推理的需求，此任务提出了挑战。为了应对这些挑战，我们提出了一种新方法，将复杂的概率分解为两个更可管理的子问题：（1）目标对象的语言接地和（2）以对象为中心的信息产生。对于目标对象的语言基础，我们利用大型语言模型的力量。对于运动生成，我们设计了一个以对象为中心的场景代表生成模型，以专注于目标对象，从而降低场景的复杂性并促进人类运动与对象之间关系的建模。实验证明了与基准相比，我们的方法的更好运动质量并验证了我们的设计选择。代码将在链接上可用。