XiaoMi-AI文件搜索系统
World File Search SystemParadigms
推荐引用 推荐引用 Chauhan C, Gullapalli RR。病理学中人工智能的伦理：当前范式和新出现的问题。Am J Pathol。2021 年 10 月；191(10):1673-1683。doi: 10.1016/j.ajpath.2021.06.011。电子版 2021 年 7 月 10 日。PMID：34252382；PMCID：PMC8485059。
深度学习迅速推动了人工智能 (AI) 和算法决策 (ADM) 范式的发展，影响了许多传统医学领域，包括病理学，这是一个高度以数据为中心的医学专业。病理学数据存储库的结构化性质对 AI 研究人员来说具有极大的吸引力，他们可以训练深度学习模型来改善医疗保健服务。此外，由于有望提高医疗保健提供流程的效率，因此巨大的经济激励推动着人们采用 AI 和 ADM。如果不道德地使用 AI，可能会加剧现有的医疗保健不平等，尤其是在实施不当的情况下。迫切需要以合乎道德和道义的方式利用 AI 的巨大力量。本综述探讨了病理学中涉及 AI 伦理的关键问题。讨论了与病理学 AI 研究的道德设计相关的问题以及在病理学工作流程中实施 AI 和 ADM 的潜在风险。在病理学的背景下，描述了道德 AI 的三个关键基本原则：透明度、问责制和治理。病理学的未来实践必须以这些原则为指导。病理学家应该意识到人工智能提供卓越医疗保健的潜力以及与之相关的道德陷阱。最后，病理学家必须参与推动未来在病理学实践中实施道德 AI。（Am J Pathol 2021，191：1673 e 1683；https://doi.org/10.1016/j.ajpath.2021.06.011）
evorl：一个GPU加速框架，用于进化增强学习
进化增强学习（EVORL）已成为一种有前途的方法，可以通过将进化计算（EC）与RL整合（EC）范式来克服传统强化学习（RL）的局限性。但是，基于人群的EC的性质大大提高了计算成本，从而限制了大规模设置中算法设计选择和可扩展性的探索。为了应对这一挑战，我们介绍了Evorl 1，这是针对GPU加速的第一个端到端EVORL框架。该框架对加速器（包括环境模拟和EC过程）执行了整个培训管道，通过矢量化和编译技术利用层次并行性，以实现较高的速度和可扩展性。此设计可以在一台计算机上进行有效培训。In addition to its performance-oriented design, EvoRL offers a comprehensive platform for EvoRL research, encompassing implementations of traditional RL algorithms (e.g., A2C, PPO, DDPG, TD3, SAC), Evolutionary Algorithms (e.g., CMA-ES, OpenES, ARS), and hybrid EvoRL paradigms such as Evolutionary-guided RL （例如，ERL，CEM-RL）和基于群体的自动（例如PBT）。该框架的模块化体系结构和用户友好的接口使研究人员可以无缝整合新组件，自定义算法并进行公平的基准测试和消融研究。该项目是开源的，可在以下网址找到：https：//github.com/emi-group/evorl。
基于异步运动的 BCI 中快速生成训练数据的新范例
简介：基于运动的脑机接口 (BCI) 利用执行或尝试运动期间产生的大脑活动来控制应用程序。通过依赖自然运动过程，这些 BCI 与其他 BCI 系统相比提供了更直观的控制。然而，利用脑电图 (EEG) 信号的非侵入式基于运动的 BCI 通常需要大量训练数据才能在检测运动意图方面达到适当的准确度。此外，运动障碍患者需要基于提示的范例来指示与运动相关的任务的开始。这样的范例往往会在试验之间引入较长的延迟，从而延长训练时间。为了解决这个问题，我们提出了一种新颖的实验范例，可以在 18 分钟内收集 300 次提示运动试验。
基于谱动力学的想象语音和视觉意象的功能连接
摘要 — 脑机接口技术的最新进展表明，想象语音和视觉意象具有作为直观脑机接口通信的稳健范式的潜力。然而，这两个范式的内部动态及其内在特征尚未揭示。在本文中，我们研究了考虑不同频率范围的两个范式的功能连接。使用 16 名受试者进行十三类想象语音和视觉意象的数据集进行分析。在四个频率范围的七个皮质区域分析了想象语音和视觉意象的锁相值。我们将想象语音和视觉意象的功能连接与静息状态进行比较，以研究意象过程中的大脑变化。整个大脑区域的锁相值在想象语音和视觉意象期间都表现出显著下降。布罗卡区和韦尼克区以及听觉皮层主要表现出想象语音的显著下降，而前额叶皮层和听觉皮层则表现出视觉意象范式的显著下降。进一步研究大脑连接以及两种范式的解码性能可能作为性能预测因素发挥关键作用。关键词——脑电图；功能连接；想象语音；直观脑机接口；视觉意象
机器心理学的实证研究
本论文将机器心理学作为一种跨学科范式，将学习心理学原理与自适应计算机系统相结合，以开发通用人工智能 (AGI)。通过将行为心理学与形式智能模型非公理推理系统 (NARS) 相结合，这项工作探索了操作性条件作用范式推动 AGI 研究的潜力。论文首先介绍机器心理学的概念基础，详细说明其与学习心理学的理论构造和 NARS 的形式主义的一致性。然后，它通过一系列实证研究进行，旨在系统地研究 NARS 与环境交互时日益复杂的认知行为的出现。最初，操作性条件作用被确立为使用 NARS 开发自适应行为的基本原则。后续章节探讨了日益复杂的认知能力，所有这些能力都是使用 NARS 进行研究的，使用了操作性学习心理学的实验范式：广义身份匹配、功能等价和任意适用的关系响应。在整个研究中，机器心理学被证明是一个指导 AGI 研究的有前途的框架，既可以操纵环境偶然性，也可以操纵系统的内在逻辑过程。这篇论文通过展示如何使用操作性心理范式和 NARS 来实现类似于人类认知的认知能力，为 AGI 研究做出了贡献。这些发现为更像人类学习和适应的 AGI 系统奠定了基础，有可能推动更通用、更灵活的人工智能的创造。
第10章：人工智能在软件工程中的应用
摘要 — 人工智能 (AI) 领域最近在研究、工具开发和应用部署方面出现了激增。多家软件公司正将重点转向开发智能系统；许多其他公司正在将 AI 范式部署到现有流程中。与此同时，学术研究界正在注入 AI 范式，为传统工程问题提供解决方案。同样，AI 显然已被证明对软件工程 (SE) 有用。当观察 SE 阶段（需求、设计、开发、测试、发布和维护）时，就会发现可以应用多种 AI 范式（例如：神经网络、机器学习、知识库系统、自然语言处理）来改进流程并消除 SE 领域面临的许多重大挑战。本章概述了应用于 SE 的最常见 AI 方法。这篇评论涵盖了 1975 年至 2017 年之间的方法，在需求阶段，发现了 46 种主要的 AI 驱动方法，其中 19 种用于设计，15 种用于开发，68 种用于测试，15 种用于发布和维护。此外，本章的目的有三方面：首先，回答以下问题：SE 生命周期中是否有足够的智能？将 AI 应用于 SE 需要什么？其次，测量、公式化和评估 SE 阶段和 AI 学科的重叠。最后，本章旨在提出严肃的问题，挑战当前最先进的传统观点（即现状），呼吁采取行动，并重新定义前进的道路。
公共卫生年度报告2023年至2024年
目录前言3简介：拥抱心理健康和神经多样性的范式转变5第1章：主流医学范式和批评8主流医学范式8生物医学范式的批评对生物医学范式的批评，对生物医学范式的批评9章节2：第2章：第2章：cumberland Pressive 12专家12专家16专家16级别的精神健康服务16级别的井口，概述的范围16供应范围。和逆境对心理健康的影响22对公共心理健康的影响25对服务和干预的影响27结论30结论第4章：心理健康中的期望的影响31对公共心理健康的影响32结论32第5章：学习障碍，学习性多样性和特殊教育需求33对特殊教育需求的数据对特殊教育需求33了解33次级护理数据33次要挑战37挑战37挑战37挑战：诊断：诊断：诊断：诊断：诊断：诊断：诊断：认知多样性39改善神经多样性人的服务（和社会）40结论41第6章：结论和建议42所有国家和地方政府机构的建议42公共卫生和预防服务的建议42卫生服务的建议43卫生服务的建议43对多个教育领域的建议46个雇员的建议46个建议46的建议46 Inspripation 46 Insportion 46 Insportion 46 Insportion 46 Insperion 46 Insperion 46 Insphip segription 46 Insphip shoptige andbl and Blucke segription 46 Insperion 46来源48
