XiaoMi-AI文件搜索系统
World File Search SystemMMLA
MILKI-PSY Cloud：通过可解释的人工智能和区块链促进多模式学习分析
摘要。现代基于云的大数据工程方法（如机器学习和区块链）能够从多种不同模态来源（如视频源、传感器数据等）收集学习者数据，从而实现多模态学习分析 (MMLA) 和对学习过程的反思。特别是，跳舞或操作复杂机器等复杂的心理运动技能正从 MMLA 中获益。然而，教师、学习者和其他机构利益相关者可能一方面对应用于学习数据的机器学习过程的可追溯性和透明度存在问题，另一方面对隐私、数据保护和安全性存在问题。我们提出了一种使用机器学习和区块链作为服务来获取、存储、处理和呈现多模态学习分析数据的方法，以实现可解释的人工智能 (AI) 和经过认证的学习数据处理可追溯性。此外，我们通过参与式设计和以社区为导向的 MMLA 流程监控来扩展已建立的开源软件 DevOps 流程，从而促进最终用户参与整个开发周期。MILKI-PSY 云 (MPC) 架构正在扩展现有的 MMLA 方法和基于 Kubernetes 的学习分析基础设施部署自动化，这些自动化来自许多研究项目。MPC 将促进该领域的进一步研究和开发。
人工智能多模态沉浸式学习在机器人和跑步应用案例中的应用
摘要。在研究中，提出了不同的 MMLA 应用程序，它们为特定的心理运动学习任务提供解决方案，例如CPR 或乒乓球。所有应用程序的共同限制是它们都是特定于领域的。从这个意义上讲，我们提出了 MILKI-PSY 项目，其主要目标是提供跨不同领域的一劳永逸系统。本质上，跨领域的不同心理运动学习任务具有某些共同点，这将使一劳永逸的系统成为可能。此外，我们提出了通过不同传感器收集 MMLA 数据及其各自的存储、注释、准备和利用的想法。提出的想法涉及两个学习任务：体育领域的跑步和人机交互领域的协作蒙太奇。此外，我们建议系统必须让用户自由决定使用哪些传感器数据以及接收哪些反馈。最终，我们选择了一种可扩展的解决方案，可以提供给更多的受众。