XiaoMi-AI文件搜索系统
World File Search SystemTeraction
与盲童一起设计开放式人工智能体验
人工智能技术通常用于帮助人们执行具有明确目标的离散任务（例如，识别图像中的人脸）。提供持续实时信息的新兴技术使更加开放的人工智能体验成为可能。我们与一名盲童合作，探讨了为旨在支持社会意义建构的系统设计人机交互的挑战和机遇。采用研究设计视角，我们反思了在设计这一体验时如何处理人工智能系统的不确定能力。我们贡献：（i）一个开放式人工智能系统的具体例子，该系统使盲童能够扩展自己的能力；（ii）一个想象和实际使用之间的差异说明，强调能力如何来自人机交互而不是仅仅来自人工智能系统；（iii）讨论设计选择，以打造一个持续的人机交互，解决人工智能系统不确定输出的挑战。
多模态NLP与人工智能：跨媒体
摘要。在人工智能飞速发展的时代，多模态自然语言处理（NLP）已成为一个至关重要的领域。本文探讨了多模态NLP在跨媒体信息理解与生成中的意义和应用。多模态NLP通过整合文本、图像、音频和视频等多种模态，旨在提高语言理解和生成的准确性和全面性。本文讨论了多模态NLP中使用的各种技术和模型，包括深度学习架构和注意力机制。本文还研究了该领域的挑战和未来方向，强调了改进人机交互和智能应用的潜力。通过案例研究和实验结果，本文证明了多模态NLP在图像字幕、视频描述生成和跨模态检索等任务中的有效性。总体而言，多模态 NLP 对于提升人工智能能力以及实现人机之间更自然、更无缝的交互具有巨大潜力。
设计人工智能系统的四种实用方法
虽然使用人工智能 (AI) 的系统越来越多地成为日常技术使用的一部分，但我们并不完全了解人工智能如何改变设计流程。需要对设计师如何与人工智能合作有一个结构化的理解，以改进设计流程和教育未来的设计师。为此，我们采访了参与使用人工智能项目的设计师。过去的工作主要关注经验丰富的设计师创建的人工智能系统，而我们则关注多样化交互设计师的观点。我们的结果表明，当人工智能融入时，交互系统的设计过程会受到影响，设计团队会调整他们的流程以适应人工智能。根据我们的数据，我们提出了交互设计师与人工智能合作所采用的四种方法：先验、事后、以模型为中心和以能力为中心。我们的工作为人工智能系统的设计流程如何制定提供了一个务实的解释。
1990 年《石油污染法》：问题与解决方案
矿产管理局已被授权负责实施与海上设施相关的 OPA。矿产管理局发布了《海上设施（包括州水下陆地和管道）石油泄漏财务责任拟议规则制定预告》（58 FR 44 797），征求公众对财务责任和受影响方的意见。矿产管理局对“海上设施”、“陆上设施”和“责任方”的定义和相互作用的初步解释将对所有类型的石油生产、精炼、运输和配送设施施加财务责任要求，无论这些设施位于传统的海上——联邦外大陆架和领海——还是陆上。因此，任何这些行动的责任方都必须出示 1.5 亿美元财务责任的证据。
智能专业的技能
稀缺技能也正在离开克罗地亚。重要的技能，这是与S3领域直接相关的重要技能，例如药品，S3领域和其他地方所需的横向数字技能以及重要的软技能，都从克罗地亚迁移。在2015年和2019年之间，技术技能从克罗地亚大规模消失（图2）。此外，净技能迁移最高的是通用软技能，例如解决问题，以及不同的ICT特定技能，例如人类计算机的影响和开发工具。特定的先进技能 - 药物制造，基因工程，或范围的化学 - 也是最高的移民技能。关键部门（例如研究，医院和医疗保健，计算机软件，IT服务和药品）有大量的净出口。与其他新的欧盟成员相比，至少对于离开克罗地亚的前三名技能，克罗地亚的技能迁移率很高。
机器人脆弱性和用户同理心的启发
摘要 - 本文描述了一项受试者间的亚马逊机械土耳其人研究（n = 220），该研究研究了机器人的情感叙事如何影响其在人类观察者中引起同理心的能力。我们首先进行了一项试点研究，以开发和验证机器人的情感叙事。然后，在完整的研究中，机器人使用了三种不同的情感叙事策略之一（有趣，悲伤，中立），同时在互动过程中在购物任务方面变得降低了功能。作为机器人的功能，参与者被重复询问他们是否愿意帮助机器人。结果表明，传达悲伤的叙述会极大地影响参与者在整个反应过程中帮助机器人的意愿，并确定参与者在整个互动过程中是否对机器人感到同情。此外，过去与机器人的过去经验更高，也提高了参与者帮助机器人的意愿。这项工作表明，情感叙事在人类与机器人之间情感联系的短期互动中可以有用。
交叉注意DTI：在盲评估设置中与交叉注意模块的药物目标相互作用预测
，我们通过基于变压器的神经网络模型实现了药物目标影响（DTI）预测任务的最新性能。通过序列化化合物和蛋白质成对的微笑，细节和蛋白质序列数据，我们实现了有希望的DTI预测。与两个基准数据集上的最新模型相比，该模型改善了平方平方误差度量。通过使用两个变压器编码器作为特征提取器和作为任务执行者的交叉注意，发现了新型药物候选物的关键区域，从而允许对化合物的结构突出显示。值得注意的是，化合物和蛋白质相互参考以通过注意机制相互参与。此外，我们提出了一种模型评估方法，该方法称为盲目评估，该方法是为了发现药物发现的实际目的而设计的。所提出的模型被认为是一种潜在的筛选方法，用于挖掘大型数据集并突出新的潜在药物候选物，并为这些化合物的结构提供丰富的注释，以告知高吞吐量筛选（HTS）研究。