摘要 用户对人工智能 (AI) 系统的信任已越来越多地得到认可,并被证明是促进采用的关键要素。有人提出,人工智能系统必须超越以技术为中心的方法,走向以人为本的方法,这是人机交互 (HCI) 领域的核心原则。本综述旨在概述 23 项实证研究中的用户信任定义、影响因素和测量方法,以收集未来技术和设计策略、研究和计划的见解,以校准用户与人工智能的关系。研究结果证实,定义信任的方法不止一种。重点应该是选择最合适的信任定义来描述特定环境中的用户信任,而不是比较定义。研究发现,用户对人工智能系统的信任受到三个主要主题的影响,即社会伦理考虑、技术和设计特征以及用户特征。用户特征在研究结果中占主导地位,强调了用户参与从开发到监控人工智能系统的重要性。研究还发现,不同环境以及用户和系统的各种特征都会影响用户信任,这凸显了根据目标用户群的特征选择和定制系统功能的重要性。重要的是,社会伦理考虑可以为确保用户与人工智能互动的环境足以建立和维持信任关系铺平道路。在衡量用户信任方面,调查是最常用的方法,其次是访谈和焦点小组。总之,在使用或讨论人工智能系统的每一个环境中,都需要直接解决用户信任问题。此外,校准用户与人工智能的关系需要找到不仅对用户而且对系统都适用的最佳平衡点。
注:改编自 Bryant, ST、Straker, K. 和 Wrigley, C. (2018) 撰写的《电力类型:日益可再生能源领域的能源公用事业商业模式》。《清洁生产杂志》,195,1032-1046。& Siksnelyte-Butkiene, I.、Streimikiene, D.、Balezentis, T. 和 Volkov, A. (2023) 撰写的《能源生产消费的推动因素和障碍:商业模式的概念回顾和综合分析》。《可持续能源技术与评估》,57,103163。
“我们获得了该技术的演示,希望了解 Cyber AI Analyst 功能如何工作,结果令人印象深刻……虽然这是一份详细的报告,但报告顶部的简短摘要有效地快速概述了情况。摘要使用的术语即使是非技术专业人士也能理解,并且无需查看细节即可提供见解,包括有关如何确保系统从事件中完全恢复的可行建议。”
本综述探讨了自然语言处理 (NLP) 和人工智能 (AI) 的集成,以增强实时分析的数据可视化。在数据呈指数增长的时代,传统的静态可视化越来越不能满足实时决策的需求。NLP 和 AI 提供了复杂的工具来动态解释和可视化数据,将大量原始信息转化为各个领域的可操作见解。本文综合了 NLP 和 AI 在数据可视化方面的当前研究、方法和应用,重点介绍了关键进展,例如增强的数据可解释性、实时数据处理能力以及通过自然语言查询和交互元素改善的用户交互。它还解决了实施这些技术所面临的挑战和局限性,包括计算复杂性、数据质量问题和道德考虑。本综述确定了重要的趋势和未来方向,例如增强现实和虚拟现实 (AR/VR) 的集成以及生成式 AI 模型的使用,这些趋势和方向有望进一步推动该领域的发展。通过全面概述数据可视化中 NLP 和 AI 的现状,本文旨在为未来的研究和开发工作提供参考和指导,以利用这些技术实现更有效、更高效的数据驱动决策。
挑战:全球每年进行 2.3 亿例手术。手术经验是决定每例手术结果的主要因素。然而,手术经验无法量化,无法作为数据源获取,也难以在用户之间共享。这导致手术结果不稳定、并发症多、效率低下和手术护理成本高。
本文在跨学科和全岛框架内讨论了爱尔兰女性的分治小说。通过仔细阅读经历过爱尔兰分治的女性创作的小说,本文追溯了她们如何记录这一时期并展望替代的未来。将她们的作品置于更广泛的机构记忆关系中,本文旨在增进我们对持久创伤及其后记忆的理解。在百年纪念十年(2012-2023)之后,突出女性的分治叙事如何改变或取代关于爱尔兰革命的主导元叙事?2023 年是《贝尔法斯特/耶稣受难日协议》签署 25 周年。在英国脱欧和爱尔兰边界争议持续不断的背景下,这些重要纪念日的交汇引发了关于如何从爱尔兰的角度处理这段紧张历史的问题。
在现代技术时代,聊天机器人是新一代对话服务的重要方面。聊天机器人系统是一种使用自然语言与用户交互的软件程序。聊天机器人是一个虚拟个体,可以使用交互式文本能力与任何人进行有效讨论。最近,聊天机器人作为人机对话媒介的发展取得了长足的进步。机器学习和人工智能聊天机器人系统的目的是模拟人类对话;可能是通过文本或语音。聊天机器人程序通过自然语言处理理解一种或多种人类语言。聊天机器人结构集成了语言模型和计算算法来模拟非正式聊天通信,涵盖了大量的自然语言处理技术。本文探讨了聊天机器人可能有用的其他应用,例如机器对话系统、虚拟代理、对话系统、信息检索、商业、电信、银行、医疗、客户呼叫中心和电子商务。还概述了基于云的聊天机器人技术以及聊天机器人的编程和当前和未来聊天机器人时代的编程挑战。
乔治奥斯·扬纳卡基斯 马耳他大学数字游戏研究所,马耳他姆西达 摘要 数字游戏作为教育的新范式已具有重要意义。数字游戏人人都可以访问且价格合理,并为大规模教学和学习提供了机会。近年来,人们对数字游戏的兴趣日益浓厚,以支持大学预科(K-12)学校的计算思维和编程。人工智能(AI)和机器学习(ML)是一个快速发展的领域,在过去几年中吸引了越来越多的学习者。虽然数字游戏和AI/ML的融合对于教学和学习研究人员来说是一个重要且具有挑战性的领域,但该领域尚未进行过文献综述。这项工作的目的是回顾最近对支持AI和ML教育的游戏的研究。经过彻底的搜索,我们选择了相关的论文和游戏并将其纳入我们的定性内容分析。在此综述的基础上,我们概述了相关的研究论文和游戏,并展示了不同的游戏如何提供独特的机会来教授人工智能和机器学习中的许多不同概念和主题。 关键词:教育游戏、人工智能教育、机器学习教育、文献综述 1.简介 在过去的几年里,数字游戏在计算机科学(CS)和信息技术(IT)教育中越来越受欢迎(Harteveld 等人,2014 年;Kordaki 和 Gousiou,2016 年)。数字游戏一直是加强 CS 教育的几种流行方法。在 K-12 学校,有一些课程让学生参与玩游戏,其中包括必须解决的任务和问题才能进步(Vahldick 等人,2014 年),或鼓励学生使用可视化和基于块的编程环境开发游戏
为了加速经济脱碳,政府和企业正在投资氢气作为低排放或零排放燃料,以取代化石气体(也称为天然气或甲烷气体)。在联邦层面,2021 年 6 月,美国能源部 (DOE) 启动了首个“能源地球计划”,旨在十年内将“清洁氢气”的成本降低 2 至 1 美元/公斤,从而为应对气候危机做出贡献。3 为了支持这一目标,《通胀削减法案》引入了新的清洁氢气生产税收抵免,并扩大了现有的投资税收抵免范围,以适用于氢气项目和独立的氢气储存技术。4 此外,通过《两党基础设施法》,联邦政府将向七个区域氢气中心投资 70 亿美元,5 预计这也将催化超过 400 亿美元的私人投资。6