XiaoMi-AI文件搜索系统
World File Search SystemINFER
实施和推断知觉的多种方法
摘要：Segundo-Ortin＆Calvo's（S＆C）对“植物神经生物学”的彻底回顾提出了支持植物知觉可能性的证据。他们提出了一个令人信服的案例，植物可以预期，评估风险，合作，模仿和追求目标，以及动物对应物。S＆C指出，有一个双重标准：与人类主观经历相关的行为模式被认为是在非人类动物中推断认知的有效，而在包括植物在内的其他系统中则无效。我们认为，包括知觉在内的认知功能可以通过非常不同的系统及其不同的底物来实现。我们提供了基础认知文献中的一些背景，并表明神经生物学的深刻见解远远超出了神经元。
探测量子相干性以推断引力纠缠的限制
寻找一种可行的方案来测试引力相互作用的量子力学性质引起了越来越多的关注。到目前为止，引力介导的纠缠产生似乎是潜在实验的关键因素。在最近的一项提案 [D. Carney 等人，PRX Quantum 2，030330 (2021)] 中，将原子干涉仪与低频机械振荡器相结合，提出了一种相干性复兴测试来验证这种纠缠产生。由于只对原子进行测量，因此该协议无需进行相关测量。在这里，我们探索了这种协议的公式，并具体发现，在设想的高热激发操作状态下，没有纠缠概念的半经典模型也会给出相同的实验特征。我们在完全量子力学计算中阐明，纠缠不是相关参数范围内复兴的来源。我们认为，在目前的形式下，建议的测试仅在振荡器几乎处于纯量子态时才有意义，并且在这种情况下，影响太小而无法测量。我们进一步讨论了潜在的开放结局。结果强调了在测试物理系统的量子力学性质时明确考虑量子情况与经典期望的不同之处的重要性和微妙之处。
人们认为人工智能应该从人脸中推断出什么
人脸在人类社会生活中扮演着不可或缺的角色。目前，计算机视觉人工智能（AI）可以捕捉和解释人脸，用于各种数字应用和服务。面部信息的模糊性最近导致不同领域的学者就AI应该根据面部外观对人做出哪些类型的推断展开争论。人工智能研究通常通过参考人们在初次见面场景中如何形成印象来证明面部人工智能推理的合理性。批评者对偏见和歧视表示担忧，并警告说面部分析人工智能类似于面相学的自动化版本。然而，这场辩论缺少的是对人工智能“非专家”如何从道德上评估面部人工智能推理的理解。在一项包含 24 个治疗组的双场景小插图研究中，我们表明非专家 (N = 3745) 在低风险广告和高风险招聘环境中拒绝面部 AI 推断，例如肖像图像中的可信度和可爱度。相反，非专家同意广告中的面部 AI 推断，例如肤色或性别，但不同意招聘决策环境中的推断。对于每个 AI 推断，我们要求非专家以书面答复的形式证明他们的评估。通过分析 29,760 份书面辩解，我们发现非专家要么是“证据主义者”，要么是“实用主义者”：他们根据面部是否需要为推理提供充分或不充分的证据（证据主义辩解）或推理是否会导致有益或有害的结果（实用主义辩解）来评估面部 AI 推理的道德地位。非专家的辩解强调了面部 AI 推理背后的规范复杂性。证据不足的 AI 推理可以通过考虑相关性来合理化，而无关的推理可以通过参考充分证据来合理化。我们认为，参与式方法为日益可视化的数据文化中道德 AI 的发展提供了宝贵的见解。
反转问题：为什么算法应推断精神状态，而不仅仅是预测行为
有两种方法可以分析有关人的数据，如果您愿意的话，有两种“文化”（Breiman，2001； Snow，1959）。一个人是心理学文化 - 现在已经超过一个世纪了，完全熟悉。对于行为科学家来说，1个数据是一种结束的手段，用于改善我们关于人类思想的理论。数据可用于测试竞争理论并开发新的理论。最终，数据都是为了让我们了解理论是正确和重要的。另一种文化（将其称为机器学习文化）是新的，但迅速增长。这种文化就是要使用大量的行为数据来预测人们会做什么。这种文化所产生的算法现在在社会的范围内广泛运作，包括在社交媒体上为人们策划内容，推荐产品（书籍，电影等）。），并自动化专家决策。机器学习文化与心理文化形成鲜明对比。它是成功的算法，在不利用心理学的理论见解的情况下成功地预测行为。
使用纯合性和机器学习的运行来解除近交和推断自我施肥率的来源
纯合性（ROHS）的运行表明，由于12个密切相关的个体的交配，纯合性和近交表明。自我施用可能是近交的主要来源，它可以提高基因组-13宽的纯合性，因此也应该产生长的ROH。在保护和选择性育种的背景下，ROH经常用于14个摊位，以及15个人群及其人口统计学历史的血缘关系，但尚不清楚ROH特征如何通过16个SELFIF改变，并且是否会因人口统计学变化而引起的期望的杂交签名。使用Simu-17恋爱，我们研究了繁殖模式和人口统计学历史对ROHS的影响。我们应用18个随机森林来识别ROH的独特特征，这表明近交源不同。19，我们指出了ROH的不同特征，可用于更好地表征20个近代人的类型，并预测脱落率和复杂的人口统计学历史。使用21个额外的模拟和四个经验数据集，两个来自高度构成物种，两个来自22个均值，我们预测率率并验证我们的估计。我们发现，即使有复杂的人口统计学，自我剥夺率也成功识别出23个。人口遗传汇总统计数据提高了24算法的准确性，特别是在存在额外的近交（例如，人口瓶中25颈）的情况下。我们的发现强调了ROHS在解散与26种近交源相关的混杂因素中的重要性，并证明了无法区分这些来源的情况。27此外，我们的随机森林模型还为社区提供了一种新的工具，用于使用基因组数据推断出率28。29
探索性分析叶子叶子的线粒体DNA的分子特征，以推断出分类特征对综合分类法
生物多样性的抽象准确的系统分类对于生态和进化研究是基础，尤其是在一个越来越降低和威胁生物多样性的世界中。在本研究中，我们建议使用遗传标记物的探索性分析，以从物种之间作为分子特征（MTS）的序列序列来获取其他信息。这些分子特征又可以为综合分类法提供独立的信息，以帮助属级限制。因此，我们使用叶叶属抗肌emimyrmex Cristiano等，2020年，Atta Fabricius，1804年，1865年的Acromyrmex Mayr作为模型来评估定期在系统生理和进化研究中定期应用的线粒体基因组片段。生物信息学分析揭示了可以用作诊断特征的物种之间共有的结构证据，将其与其他物种区分开，并支持对叶片的三个属的分类。有丝分裂组段的分子特征，以及其他特征，例如染色体数，核型特征，分子系统发育和形态学数据，可用于综合框架中，以访问生物多样性和目的分类学假设。
使用机器学习的乳腺癌预测
16S rRNA基因的V1-V2区域有效地分化了Rickettsia Africae和Rickettsia Aeschlimannii与其他立克物种，以及Coxiella insosymbionts与Coxiella burnetii。相反，这些物种的V3-V4区域序列无法明确区分。coxiella内共生体在AM中最常见。Gemma和Rh。pulchellus，而弗朗西斯拉内共生体则占主导地位；两者都主要定位在唾液腺中。高丰富的Coxiella内共生体和假单胞菌与两者中的Rickettsia病原体的缺失或低丰度有关。Gemma和Rh。pulchellus，提示这些微生物之间的竞争相互作用。此外，除了唾液腺外，proteus mirabilis是人类泌尿道的机会性病原体，主要是在透明质的壁虱中，除唾液腺外，唾液腺中最丰富。此外，我们在所有tick组织中检测到了杆菌，假单胞菌和corynebacterium属，这支持了这些细菌可能在骆驼血和壁虱之间循环的假设。唾液和血淋巴通常比唾液腺和中肠含有更多的细胞外细菌。
保护自然和社会资源：政治经济学方法
1 我要感谢 Julien Vauday 和一位匿名审稿人阅读本文并提出建设性意见；Antoine Pécoud 值得特别提及，因为他丰富了讨论并提出了有益的意见；我还要感谢 CEPN“政治经济工作室”的组织者和参与者在本文的先前版本中提出的启发性观点。最后，我感谢 2021 年 INFER 年度会议 (AC) 的 INFER 奖委员会将我的论文列入候选名单。本文是 Gatti (2021 [20]) 的修订版。适用通常的注意事项。通讯作者的电子邮件地址：gatti@univ-paris13.fr
反转问题：为什么算法应推断精神状态，而不仅仅是预测2023年10月6日的行为，乔恩·克莱恩伯格（Jon Kleinberg），詹斯·路德维格（Jens Ludwig），sendhil mull
摘要越来越多地将机器学习应用于人类行为。这些算法越来越遭受一个隐藏但严重的问题。之所以出现，是因为他们经常预测一件事，而希望另一件事。采用推荐系统：它可以预测点击，但希望识别偏好。或一种使放射科医生自动化的算法：它可以预测在静置的诊断，同时希望确定其反思性判断。心理学向我们展示了此类预测任务的目标与我们希望实现的目标之间的差距：人们可以无意识地点击；专家可能会疲倦并犯系统错误。我们认为这种情况无处不在，称它们为“反演问题”：真正的目标需要理解在行为数据中直接测量的精神状态，而必须与行为倒转。识别和解决这些问题需要借鉴行为和计算科学的新工具。
通识教育课程大纲 edTPA
词汇，包括学生为了理解课程内容而必须能够定义的任何单词。这些单词可能是学科特有的（社会研究中的artifact），也可能是学校中使用的一般单词（list、characters、infer、analyze）。