XiaoMi-AI文件搜索系统
World File Search SystemSeeing
通过数字棱镜看到世界：混合现实中传播视频使用的心理含义
数以百万计的人每天将依靠相机和屏幕来向他们展示周围世界。Apple，Meta和其他公司是大量生产的耳机，可以阻止现实世界中的光，而是依靠PassThrough视频作为混合现实的促成技术。本文的11位作者分别花了几个小时的时间在公共场合和私下戴上这些耳机，其目的是记录PassThrough的经验，然后组织和审查以前的研究，这将有助于研究学者，行业领导者和其他组织随着时间的流逝更好地了解心理后果。首先，我们描述了为什么传道将成为媒体景观的重要组成部分。接下来，我们总结了使新的通行头耳机从以前脱颖而出的技术规范，但与人类对参数的愿景（例如视野，失真，延迟和分辨率）相比，但仍然具有较低的责任感。接下来，我们回顾相关的先前心理学研究。我们得出的结论是，传道经验可以激发敬畏并介绍许多应用，但也可能会引起视觉后效应，距离判断的失误，引起模拟器疾病以及干扰社会联系。我们建议游说日常使用这些耳机的公司谨慎和克制，并敦促学者严格，纵向研究这种现象。
眼见为实？日常数字生活中的信任与视觉化
本文阐述了波伏娃和梅洛-庞蒂用来分析人类主体间性及其暴力维度的意志侵犯概念。首先，我将介绍存在主义现象学具身理论的基本结果，该理论为这一传统中所有关于主体间性的讨论和争论奠定了基础，也为关于人类暴力的讨论奠定了基础。然后，我将阐明波伏娃关于压迫的基本概念。具身和压迫这两个概念使我能够解释波伏娃和梅洛-庞蒂所说的侵犯。本文的主体部分阐明了侵犯的中介性和物质性，并区分了其不同形式。最后，我认为波伏娃和梅洛-庞蒂发展的侵犯概念与萨特在《辩证理性批判》中提出的政治哲学序列性概念有着家族相似性。我提供这些解释和澄清，因为我相信它们可以进一步促进我们对当代媒体的政治方面的批判性探究。
看到的是：用于机械解释性的脑启发的模块化训练
摘要：我们引入了脑启发的模块化训练（BIMT），这是一种使神经网络起作用的方法更模块化和可解释。受到大脑的启发，BIMT将神经元嵌入几何空间中，并以与每个神经元连接长度成正比的成本增强损失函数。这是受到进化生物学中最低连接成本的想法的启发，但我们是首先将这一想法与培训神经网络结合起来的，具有梯度下降以供解释性。我们证明，BIMT发现了许多简单任务的有用的模块化神经网络，以符号公式，可解释的决策边界和分类特征以及算法数据集中的数学结构揭示了组成结构。在定性上，受BIMT训练的网络具有肉眼容易识别的模块，但经常训练的网络似乎更为复杂。定量，我们使用纽曼的方法来计算网络图的模块化； BIMT在我们所有的测试问题上都达到了最高的模块化。一个有前途且雄心勃勃的未来方向是应用提出的方法来了解视力，语言和科学的大型模型。
Seeing AI（适用于 iOS 和 Android）：免费
小部件和放大图标 iOS：点击并按住主屏幕上的任意空白处。当图标开始摆动时，点击左上角的加号。选择一个小部件并按“添加小部件”。要放大图标，请转到设置>显示和亮度>视图>显示缩放，然后选择“较大文本”。手机将重启。 Android：触摸并按住主屏幕上的空白处。点击小部件并进行选择。将小部件滑动到您想要的位置。设置>壁纸和样式，应用网格。做出选择并点击应用。 虚拟主页按钮（iOS）：设置>辅助功能>触摸并打开辅助触控。将出现的按钮移动到屏幕上您想要的位置。
眼见不一定为实：对人工智能生成图像的人类和模型感知进行基准测试
照片是人类记录日常生活经历的一种方式，通常被视为值得信赖的信息来源。然而，人们越来越担心人工智能 (AI) 技术的进步可能会产生假照片，从而造成混乱并降低人们对照片的信任。这项研究旨在全面评估区分最先进的 AI 生成的视觉内容的代理。我们的研究使用新收集的大规模假图像数据集 Fake2M 对人类能力和尖端假图像检测 AI 算法进行了基准测试。在我们的人类感知评估 HPBench 中，我们发现人类很难区分真实照片和 AI 生成的照片，错误分类率为 38.7%。除此之外，我们还对 AI 生成的图像检测模型能力进行了评估 MPBench，MPBench 中表现最佳的模型在与人类评估相同的设置下实现了 13% 的失败率。我们希望我们的研究能够提高人们对 AI 生成图像潜在风险的认识，并促进进一步的研究以防止虚假信息的传播。更多信息可以参考https://github.com/Inf-imagine/Sentry。
引用Antunes MSM，Sugiyama FHC，Gravina HD，Castro RC，Mercado FJR，Lima JO，Fontanari C和Frantz FG（2023）Covid-19灭活和非Replica
2019年底，严重的急性呼吸综合症冠状病毒2（SARS-COV-2）的出现刺激了免疫学和疫苗学方面的剧烈研究工作。除了先天免疫反应外，病毒特异性的体液和细胞免疫反应对于病毒清除均至关重要。T细胞表位在基于T细胞的免疫反应中起着核心作用。在此，我们总结了SARS-COV-2衍生的T细胞表位的肽/主要组织相容性复合物（PMHC）结构，并提出了未来疫苗开发工作中使用T细胞表位的挑战和机会。检索了总共27个SARS-COV-2相关的PMHC结构和五个带有T细胞受体的复合物。这些肽主要分布在尖峰（S），核蛋白（N）和ORF1AB蛋白上。大多数肽在SARS-COV-2的变体（VOC）中保守，除了位于S蛋白中的几种突变肽。还检索了与从SARS-COV衍生的7个表位复合的人类白细胞抗原（HLA）的结构，这表明具有SARS-COV-2的潜在跨T细胞免疫。SARS-COV-2和SARS-COV的抗原肽的结构研究有助于可视化跨T细胞免疫的过程和机理。T细胞表位面向疫苗是SARS-COV-2的潜在下一代疫苗，值得进一步研究。
既见森林又见树木：使用 transformer 构建个体和集体动态的表示
复杂的时变系统通常通过从单个组件的动态中抽象出来，从一开始就构建种群水平动态模型来研究。然而，在构建种群水平描述时，很容易忽略每个个体以及每个个体对大局的贡献。在本文中，我们提出了一种新颖的 Transformer 架构，用于从时变数据中学习，该架构构建了个体和集体种群动态的描述。我们不是一开始就将所有数据组合到模型中，而是开发了一种可分离的架构，该架构首先对单个时间序列进行操作，然后再将它们传递下去；这会产生置换不变性，可用于在不同大小和顺序的系统之间进行传输。在证明我们的模型可以成功恢复多体系统中的复杂相互作用和动态之后，我们将我们的方法应用于神经系统中的神经元群体。在神经活动数据集上，我们表明我们的多尺度 Transformer 不仅具有强大的解码性能，而且还提供了令人印象深刻的传输性能。我们的结果表明，有可能从一种动物大脑中的神经元中学习，并将模型转移到另一种动物大脑中的神经元上，并且可以解释不同集合和动物之间的神经元对应关系。这一发现开辟了一条从大量神经元集合中进行解码和表示的新途径。
在时空中捕获原子和电子
几乎所有光 - 互动的基本原因是空间和时间上的原子运动。为了提供类似电影的动力学访问，我们将电子显微镜与AttoSond激光技术统一。以这种方式，我们将现代电子束的令人敬畏的空间分辨率与光线周期[1]提供的壮观时间分辨率相结合。选定的结果将报告在超材料内的电场[2-3]，爱因斯坦 - de-haas对原子维度的影响[4]，相变的反应路径[5]和自由电子Qubit态的形成[6]。通过颠覆性成像技术实现了许多科学和技术的突破，我们的4D电子显微镜可能在原子维度上发挥了轻度相互作用的作用。
“新视角”——David Hockney 在 Heong 画廊举办的展览
-作者：Ellen Watters 恰逢春天到来之际，大卫·霍克尼 (David Hockney) 来到剑桥，在 Heong 画廊和菲茨威廉博物馆举办了两场展览。尽管 Heong 画廊是两个空间中较小的一个，但它展示了霍克尼的眼睛：描绘的艺术和技术 (2022 年 8 月 29 日结束) 的很大一部分。从 1959 年开始在皇家艺术学院学习后不久创作的木炭画，到他最近的 iPad 画作，展览展示了霍克尼作为空间探索者，以及如何在各种媒介中在平面上描绘它。两幅 60 年代中期的丙烯画，《被艺术装置包围的肖像》(1965 年) 和《亚利桑那》(1964 年)，是霍克尼创造空间、从想象中汲取灵感并思考色调和颜色排列可以代表物体的艺术奥秘的典型例子。在这两幅画中，霍克尼利用了空白空间的潜力。与此同时，《大峡谷 I》（2017 年）是一幅充满色彩和图案的画布。画布本身的规模和不寻常的形状有助于营造出所描绘空间——大峡谷——的极度广阔感。霍克尼不仅捕捉空间，还使用 3D 软件在令人着迷的摄影画作《观众观看带有头骨和镜子的现成品》（2018 年）中构建空间。