XiaoMi-AI文件搜索系统
World File Search SystemPerspective
Perspective on smart materials for empowering small-scale manipulation
在宏观世界中，我们经常将对环境中物体的操纵视为理所当然。然而，在微观/naiScale上，材料和结构对材料和结构的精确和受控的改变，处理或行动（即操纵）具有高度挑战性，并且由于这些长度尺度上主导相互作用力的缩放效应和增加的复杂性[1]，需要新的材料和方法。智能材料（也称为智能或刺激性响应材料）已经改变了各种多学科领域[2]，提供了新的可能性，以重新填补我们与小规模世界的互动。它们具有响应各种外部刺激的独特能力，包括热，电气，机械，光学，磁信号，并相应地调整其内在特性[3]（图。1）。这种响应能力使他们能够自我实现，自sense，自适应，自我修复甚至自我诊断，这共同赋予他们创建各种智能设备的潜力[4]。在各种智能软材料中，响应各种刺激的变形行为是其功能的关键方面[5]。可以通过各种手段来启动这种变形，包括磁性[6]和声学[7]力或固有性能的替代力，例如水凝胶的亲水/疏水过渡[8]和固定性向异位性液体水晶elas-elas-tomers（lce）[9] [9] [9] [9]。尤其是，通常采用各向异性特性的引导来提高所得变形。以实现所需的变形，通常将功能添加剂（例如磁性和导电颗粒）掺入聚合物基质中[10]。例如，LCE与特定的分子比对进行了精心处理[9]，并且轴向排列的LCE沿分子比对表现出收缩（主管）和垂直于主任的扩展。更多，在石墨烯/藻酸盐/藻酸盐制成的纳米复合材料[11]的情况下，由于石墨烯的局部区别对齐，弯曲变形是对刺激的响应。智能材料表现出的这些变形是在微观/纳米级操纵物体的有效催化剂。他们独特的属性
生成性知识管理视角
在本社论中，我们重新审视 Alavi 和 Leidner (2001) 的概念视角，从知识管理 (KM) 的角度考虑生成人工智能 (GenAI) 对组织的影响。我们研究 GenAI 如何影响知识创造、存储、传输和应用的过程，强调这项技术带来的机遇和挑战。在知识创造方面，GenAI 增强了信息处理和认知功能，促进了个人和组织的学习。然而，它也带来了人工智能偏见和人类社会化程度降低等风险，可能会边缘化初级知识工作者。对于知识存储和检索，GenAI 快速访问庞大知识库的能力显著改变了员工与知识管理系统的交互。这引发了关于平衡人类获得的隐性知识和人工智能生成的显性知识的问题。本文还探讨了 GenAI 在知识转移中的作用，特别是在培训和培养学习文化方面的作用。挑战包括对人工智能的过度依赖和传播敏感信息的风险。在知识应用方面，GenAI 被视为提高生产力和创新的工具，但知识误用、知识产权和道德考量等问题至关重要。最后，本文主张采取平衡的方法将 GenAI 集成到知识管理流程中。它主张将 GenAI 的能力与人类洞察力相协调，以有效管理当代组织中的知识，确保技术进步和道德责任。
可解释人工智能的神经符号视角
摘要。我们讨论了在可解释人工智能 (XAI) 研究领域中使黑盒模型更易于解释的观点。我们认为，用于训练深度学习 (DL) 模型的传统端到端学习方法不符合 XAI 的宗旨和目标。回到手工特征工程的想法，我们建议对 XAI 采用混合 DL 方法：我们建议使用 DL 自动检测有意义的、手工高级符号特征，而不是采用端到端学习，然后将其用于标准且更易于解释的学习模型。我们基于最近提出的 Kandinsky 模式基准，在概念验证中举例说明了这种混合学习模型，该模型通过使用逻辑张量网络和可解释规则集合，专注于管道的符号学习部分。在证明所提出的方法能够提供高度准确且可解释的模型之后，我们将讨论潜在的实施问题和可以探索的未来方向。
能量感知分布式推理的视角
摘要 — 对快速响应的高质量人工智能生成内容 (AIGC) 的追求推动了自然语言处理 (NLP) 服务的发展，尤其是在边缘启用的服务 (即边缘 NLP)。具体来说，我们研究了下一个单词预测的分布式推理，这是用户设备上移动键盘的流行边缘 NLP 服务。因此，我们优化了耦合指标，即最大化预测点击率 (CTR) 以提高服务质量 (QoS)，最小化用户不耐烦以增强体验质量 (QoE)，并将能耗控制在可持续发展的预算范围内。此外，我们考虑了现实世界的环境，其中没有关于异构 NLP 模型预测准确性的先验知识。通过集成在线学习和在线控制，我们提出了一种新颖的分布式推理算法，用于考虑用户不耐烦的在线下一个单词预测 (DONUT)，以估计模型的预测准确性并平衡耦合指标之间的权衡。我们的理论分析表明，DONUT 实现了亚线性遗憾（CTR 损失），确保了有限的用户不耐烦，并保持了预算内的能耗。通过数值模拟，我们不仅证明了 DONUT 优于其他基线方法的性能，还证明了其对各种设置的适应性。
从系统角度看自主性
加拿大安大略省渥太华，K1A 0R6 电话：+1 613-355-5099 电邮：Prakash.Patnaik@nrc-cnrc.gc.ca Allison NOLTING 博士 加拿大国防研究与发展局 大西洋研究中心 邮政信箱 99000 加拿大新斯科舍省达特茅斯驻地部队，B3K 5X5 电话：+1 902 407 0387 电邮：Allison.Nolting@forces.gc.ca 德国 Patrick GRUHN 博士 DLR 空气动力学和流动技术研究所，超音速和高超音速技术部 Linder Hoehe 51147 科隆 德国 电话：+49 17193069827 电邮：Patrick.Gruhn@dlr.de 技术评估员 Prof. Dr.-Ing. habil. Cord C. ROSSOW ret.德国航空航天中心 (DLR) 空气动力学与流动技术研究所所长 电子邮箱：cord.rossow@dlr.de AVT-Panel 小组导师 Christoph MÜLLER MBDA 导弹系统德国公司 Hagenauer Forst 27 86529 Schrobenhausen，德国 电话：+49 175 875 149 电子邮箱：Christoph.Mueller@mbda-systems.de
值得信赖的人工智能：计算视角
在过去的几十年里，人工智能 (AI) 技术经历了飞速发展，改变了每个人的日常生活，并深刻改变了人类社会的进程。开发人工智能的初衷是造福人类，减少劳动，增加日常便利，促进社会公益。然而，最近的研究和人工智能应用表明，人工智能可能会对人类造成无意的伤害，例如，在安全关键场景中做出不可靠的决策，或者无意中歧视一个或多个群体，破坏公平。因此，值得信赖的人工智能最近引起了越来越多的关注，人们需要避免人工智能可能给人类带来的不利影响，以便人们能够完全信任人工智能技术并与人工智能技术和谐相处。近年来，人们对值得信赖的人工智能进行了大量研究。在本次调查中，我们从计算角度对可信人工智能进行了全面评估，以帮助读者了解实现可信人工智能的最新技术。可信人工智能是一个庞大而复杂的课题，涉及各个维度。在这项工作中，我们重点关注实现可信人工智能的六个最关键维度：（i）安全性和稳健性，（ii）非歧视性和公平性，（iii）可解释性，（iv）隐私，（v）问责制和可审计性，以及（vi）环境福祉。对于每个维度，我们根据分类法回顾最近的相关技术，并总结它们在实际系统中的应用。我们还讨论了不同维度之间一致和冲突的相互作用，并讨论了可信人工智能未来需要研究的潜在方面。
教师对人工智能的看法......
摘要 在当今时代，我们熟悉的词汇包括 chat gpt、Dall E、Bard，人工智能在学生、研究教师、企业员工等中非常普遍。有观点认为，在即将到来的时代，人工智能可以取代许多职业。本文讨论了未来人工智能将取代教师或人类教师的哪些角色。在 21 世纪，人工智能和技术变得如此普及和更加智能。如今，世界正在向几乎所有方面的创新技术迈进，参考智能设备的高计算能力。美国教育部 (Department) 致力于支持使用技术来改进教学和学习过程，并在整个教育系统中合作创新。本报告提出了共享知识和制定“人工智能”政策的明确需求，人工智能是一类快速发展的基础能力，越来越多地嵌入到所有类型的教育技术系统中，也可供公众使用。我们将“教育技术” (edtech) 视为既包括 (a) 专门为教育用途而设计的技术，也包括 (b) 广泛使用的通用技术。这些人工智能 (AI) 技术正在成为教育不可或缺的一部分，并在教育领域也展现出其实力。我们探讨了最近的技术进步以及教育领域对新技术的日益推崇，以预测人工智能将成为学校、学院和大学一部分的世界里教育的未来性质。在 COVID-19 大流行期间和之后，人工智能在教育领域表现为奇迹，并使其日益进步。本文旨在通过调查，从教师的角度了解人工智能在教学过程中的作用，以及未来人工智能是否会取代课堂上的教师，不仅仅是学术目的，还包括其他所有功能，如给出指导、指导学生、选择学习材料、通知重要事件等。本研究的结果表明，教师对教育领域使用人工智能的看法存在显著差异，本文还讨论了其缺点、解决方案和建议。关键词：观点、人工智能、教育、教学过程、替代、拥护新技术。“一个好的老师不是向孩子们提供答案的人，而是理解需求和挑战并提供工具来帮助其他人取得成功的人。”
政治意识形态视角 - 新加坡
旅游业已采用人工智能代理来替代人际接触。我们研究了疫情期间游客对酒店服务环境中的人工智能的反应。四项研究表明，与人工智能交互相比，人们更喜欢以人为本的服务。此外，主观幸福感被认为是推动这种影响的潜在因果机制。我们通过展示政治保守的游客对服务代理类型的区分程度更高，提供了进一步细致入微的见解。从理论上讲，我们通过研究情感和个体差异因素（政治意识形态），有助于更细致地了解游客对人工智能的反应。从实践上讲，鼓励营销人员将游客的意识形态和心理特征纳入细分、定位和定位考虑因素中，从而提高营销效果。© 2022 Elsevier Ltd. 保留所有权利。