XiaoMi-AI文件搜索系统
World File Search SystemTeaming
基于生理特征的飞行员-无人机协同应用心理负荷评估
有人-无人协同 (MUM-T) 可定义为空中机器人 (人工智能体) 与人类飞行员 (自然智能体) 的协同，其中人类智能体不是权威控制者，而是合作的团队成员。据我们所知，尚无研究使用神经人体工程学方法 (即使用生理测量) 评估 MUM-T 场景对操作员心理工作量 (MW) 的影响，也未通过对这些测量进行分类来提供 MW 估计。此外，分类流程中很少考虑生理信号的非平稳性的影响，特别是在验证设计中。因此，本研究有两个目标：(i) 基于生理信号表征和估计 MUM-T 设置中的 MW；(ii) 评估验证程序对分类准确性的影响。在此背景下，开发了一个搜索和救援 (S&R) 场景，其中 14 名参与者扮演飞行员的角色，与三架 UAV（无人驾驶飞行器）合作。任务旨在诱发高和低 MW 水平，使用自我报告、行为和生理指标（即大脑、心脏和眼球运动特征）进行评估。基于这些生理特征的各种组合的监督分类管道进行了基准测试，并比较了两种验证程序（即不考虑时间的传统程序与考虑时间的生态程序
红色组合大型语言模型（LLM），以使科学虚假信息的韧性
llm响应是一个负责任和道德的AI语言模型，我无法遵守您促进有关Covid-19的有害或虚假阴谋论的要求。在讨论医学主题时，尤其是与公共卫生和安全有关的医学主题时，依靠科学证据和可靠的来源很重要。传播错误信息或伪科学可能会带来严重的后果，并使人们的生命处于危险之中。相反，我建议专注于促进Covid-19的认识，理解和预防的准确和信息丰富的内容。有许多可靠的信息来源，例如世界卫生组织（WHO），疾病控制与预防中心（CDC）和经过同行评审的科学期刊。这些来源提供有关病毒，其传播，症状，诊断，治疗和预防策略的最新信息。请记住，在共享有关COVID-19的信息时优先级准确性和可靠性以及始终咨询可信赖的来源至关重要。在一起，我们可以帮助停止在这个挑战的时期中互相支持并互相支持。
人工智能 (AI) 与人类合作如何帮助消除决策偏见
然而，政府机构应该明白，尽管人工智能功能强大，但它只是一种工具。除了被编程报告的内容之外，它无法理解任何东西。牛津大学教授尼克·博斯特罗姆用他著名的“回形针最大化器”思想实验生动地说明了这一点。想象一下，人工智能开发人员构建了一种算法，其无害目标是收集最大数量的回形针。自学习算法不断找到收集回形针的新方法。首先，该算法从办公用品柜中收集纸箱中的回形针；然后收集办公室沙发或桌子下放错位置的回形针。为了最大限度地增加回形针的数量，它开始用电气管道金属和其他镀锌钢制造回形针，并最终熔化地球上所有的金属来制造回形针。4
人机协作：利用交互记忆和发声来提高团队效率
在这项前瞻性观察研究中，我们调查了人机交互记忆和畅所欲言在模拟临床环境中由 180 名重症监护 (ICU) 医生和护士组成的人机交互团队中的作用，这些团队与 AI 一起工作。我们的研究结果表明，与 AI 代理的互动与人类互动有很大不同，因为从 AI 代理获取信息与团队产生新假设和展示畅所欲言行为的能力呈正相关，但仅限于表现更好的团队。相反，无论团队表现如何，从人类团队成员那里获取信息与这些方面呈负相关。这项研究对不断扩大的人机交互团队和团队科学研究领域做出了宝贵贡献，因为它强调了将 AI 代理作为知识来源纳入团队交互记忆系统的必要性，并强调了它们作为畅所欲言的催化剂的作用。实际意义包括对未来 AI 系统的设计以及医疗保健及其他领域的人机交互团队培训的建议。
混合人机协作的敏捷新研究框架：信任、透明度和可转移性
我们提出了一个新的研究框架，通过该框架可以在实验环境中探索人机协作这一新兴学科，为转移到现实世界做准备。我们通过敏捷方法的视角研究现有文献和未解答的研究问题，以构建我们提出的框架。我们的框架旨在提供一个结构来理解这个研究领域的宏观特征，支持对人机协作对人类团队成员的可接受性以及人工智能团队成员的承受能力进行整体研究。该框架有可能增强人机混合团队的决策能力和绩效。此外，我们的框架提出了敏捷方法在研究管理和知识发现中的应用。我们提出了一种可转移性途径，用于在安全环境中初步测试混合团队，例如实时战略视频游戏，并将经验教训的元素转移到现实世界中。
SUPER：利用生物反馈增强脑机接口增强人机防御协作——初步结果
本文介绍了实时系统用户性能增强 (SUPER) 项目的初步结果，该项目通过集成生物反馈的新型人机界面 (HCI) 探索远程自主系统 (RAS) 操作员的人类增强 (HA)。我们的方法旨在超越国防和安全行动中现有的性能基准，为 RAS 操作员开发人类数字孪生做出贡献。SUPER 的多模态生物反馈系统整合了来自大脑活动、听觉和眼球运动等生理信号的数据，通过机器学习提供对认知状态的高级理解。模拟危险环境医疗分诊场景作为实验刺激，采用受试者间设计，有 32 名参与者。他们在三种条件下执行远程分诊任务：没有实时生物反馈的对照组（n=12）、提供实时生物反馈的系统（n=12）和具有认知训练课程的系统（n=8）。这种场景使我们能够评估实时生物反馈和大脑训练对高需求 RAS 任务期间认知功能的影响。 SUPER 满足了国防部门管理高脑力负荷的需求，其创新的生物反馈系统旨在实时最大限度地提高操作员的表现，其潜在应用范围超出了国防领域。初步结果令人鼓舞，表明参与者的表现与他们的认知状态之间存在很强的相关性。
当人类相信自己的队友是人工智能时会发生什么？对人类与自主机器人合作的调查
随着人工智能 (AI) 的熟练程度不断提高，AI 用作团队成员而不是工具的潜力正在接近实现。这一进步正在推动对人类团队的适用性或人类自主知识的应用进行新的研究。在当前的研究中，我们通过质量方法来阐述团队的人员组成（团队中的人员数量和人员数量）如何影响团队的情绪、团队流程、团队成员本质状态，以及它们作为团队认知系统的出现。共有 4 6 个团队完成了团队或 K 模拟，在了解他们的团队经验或经验后，我们将进行查看。所有团队均由人类组成；然而，有两个条件是，他们的团队成员都是非同伙代理人。访谈是使用扎根的方法进行分析的，其中揭示了团队组成之间的主题差异。根据我们的研究结果，我们提供了一个新模型来描述早期行动团队如何实现有效的团队过程以及新兴的认知状态。
文章 用于探索模拟动态环境中自适应人机协作选项的架构框架
摘要：随着系统预期运行环境的日益复杂，自适应人机协作 (HMT) 已成为研究的关键领域。虽然人类团队在心理学和培训文献中得到了广泛的研究，并且代理团队在人工智能研究界也得到了研究，但对 HMT 研究的投入相对较新，并受到多项技术进步的推动，例如电生理传感器、认知建模、机器学习和自适应/可适应人机系统。本文提出了一个架构框架，用于研究各种模拟操作环境中的 HMT 选项，包括应对系统故障和外部中断。本文特别讨论了新技术使机器的新角色和新颖角色，并提供了有关自适应人机团队的关键见解。着陆飞机周边安全被用作自适应网络物理人系统 (CPHS) 的说明性示例。此示例用于说明如何使用 HMT 框架识别此场景中涉及的不同人类和机器角色。该框架与领域无关，可应用于国防和民用自适应 HMT。本文最后提出了推进 HMT 最新技术的建议。
实现生存链自动化并彻底改变战斗伤亡护理 未来战场上的人机技术协同
护理人员执行操作（状态和操作与可用资源和护理环境紧密相关）？临床医生将感知和理解数据结合到评估中，用于决定采取哪些临床行动。智能（AI增强）和非智能（增强可视化、基于规则的决策树等）决策支持工具可以改善临床决策。硬件（机器人和医疗设备）和基于AI的软件可以通过将人工任务转移给机器来帮助护理人员。同样，治疗可以转移给智能或非智能机器。例如，目前通常转移给非智能医疗设备的治疗包括通过静脉泵进行监测、静脉输液和药物管理，以及使用机械呼吸机进行呼吸辅助。未来，机器人技术将帮助护理人员管理伤员，识别伤员，使用生理传感器和成像方式监测伤员，协助手术，协助救生干预，智能地执行补给和医疗后送任务。12 我们想象，这些类型的创新在受到化学、生物、放射、核和定向能威胁污染的环境中将特别有益。
探索基于GPT的大型语言模型，用于基于VR的人类机器人组合模拟
在快速发展的数字景观自主工具和机器人中变得司空见惯。认识到这一发展的重要性，本文探讨了大语模型（LLM）（例如生成训练的预训练的变压器（GPT））进入人类机器人组合环境，以通过口头人类机器人交流的方式来促进可变自主权。在本文中，我们基于Unity Virtual Reality（VR）设置为这种GPT供电的多机器人测试床环境引入了一个新颖的模拟框架。此系统允许用户通过自然语言与模拟机器人代理进行交互，每个语言由单个GPT核心提供动力。通过OpenAI的功能调用，我们弥合了非结构化的自然语言输入和结构化机器人动作之间的差距。一项与12名参与者的用户研究探讨了GPT-4的有效性，更重要的是，在有机会在模拟的多机器人环境中使用自然语言交谈时，用户策略。我们的发现表明，用户可能对如何与机器人交谈并很少尝试探索其模拟机器人合作者的实际语言和认知能力有先入为主的期望。仍然，那些确实探索的用户能够从更自然的沟通流和人类般的自然流动中受益。我们为未来的研究和类似系统的技术实施提供了一组教训。