XiaoMi-AI文件搜索系统
World File Search SystemToward
利用囚禁离子实现自旋压缩
相干量子现象的利用代表着计量学领域的一个新领域，该领域的研究旨在实现对物理现象的越来越精确的测量。量子计量学实验的原型可能是原子钟中使用的简单的拉姆齐干涉测量法，几十年来，它一直是时间和频率标准校准的基础。然而，现代量子计量学实验通常需要对几个量子自由度进行复杂的操纵才能获得单一的测量结果。例如，考虑量子逻辑光谱时钟测量，其中使用原子的量子力学运动作为总线，将一个原子的内部时钟跃迁状态转移到辅助原子中可检测的跃迁[1]。对 N 个不相关粒子集合进行测量的自然精度极限是标准量子极限，其中测量精度与 ∼ 1 / √ 成比例
对机器人和人工智能的信任
机器人化和人工智能 (AI) 有望深刻改变社会。信任是人与技术互动的重要因素，因为机器人和人工智能越来越多地参与到以前由人类处理的任务中。目前，需要研究对人工智能和机器人的信任，尤其是在初次见面时。本文报告了一项在线信任游戏实验中对机器人和人工智能信任的研究结果。信任游戏操纵了被描述为人工智能或机器人的假设对手。将这些对手与仅使用人类姓名或昵称的对照组对手进行比较。参与者 (N = 1077) 居住在美国。用机器人或人工智能描述对手不会影响参与者对他们的信任。名为 jdrx894 的机器人是最受信任的对手。名为“jdrx894”的对手比名为“Michael”的对手更受信任。进一步分析表明，拥有技术或工程学位、在线接触机器人和机器人使用自我效能可预测对机器人和人工智能的信任度更高。在五大性格特征中，经验开放性可预测更高的信任度，而尽责性可预测更低的信任度。结果表明，对机器人和人工智能的信任与环境有关，也取决于个体差异和技术知识。
飞行员对驾驶舱内人工智能的态度
摘要 — 随着航空业积极致力于将人工智能应用于空中交通，利益相关者一致认为需要采取以人为本的方法。然而，自动化设计往往以用户为中心，而开发实际上是以技术为中心的。这可以归因于系统设计人员的观点与实际使用复杂性之间的差异。目前在人工智能应用中也可以观察到同样的情况，大多数设计工作都集中在人与人工智能之间的界面上，而整个系统设计都是建立在先入为主的假设之上的。为了从用户的角度了解人工智能驱动的驾驶舱辅助系统的潜在可用性问题，我们采访了四名经验丰富的飞行员。虽然我们的参与者确实讨论了界面问题，但他们更担心如果操作复杂性超出其能力，自主系统可能会成为负担。除了常见的人机界面问题之外，我们的研究结果还指出，需要在系统设计层面更多地考虑操作复杂性。索引词 — 访谈、主题分析、智能驾驶舱辅助系统、人机交互、不完善的人工智能
迈向无核武器世界
2022 年 6 月，签署和批准《禁止核武器条约》的缔约国首次会议在维也纳举行。这是普遍陷入瘫痪的军备控制和裁军议程上唯一的光明前景。如果这次会议和《条约》有机会吸引核大国拆除和废除其核武库，那么让世界舆论和政治领导人了解《条约》及其核心目标至关重要。除其他事项外，《条约》宣布核武器在军事和道德上是不可接受的，根据国际法是非法的。因此，全球媒体必须关注《条约》如何产生动力和政治意愿，以消除世界上的核武器。目前有太多问题在争夺政治注意力（例如，入侵乌克兰、全球疫情、经济压力和紧张、民主挑战和气候变化）。这意味着，核战争的危险和核裁军的必要性在公众关注和政治焦点方面往往被忽视。然而，事实是，入侵乌克兰，以及普京总统暗示可能在那场冲突中使用战术核武器，已经将核战争的风险提升到了旧冷战最黑暗时期的水平。普京的言论挑战了戈尔巴乔夫-里根的断言，即核战争永远不可能打赢，也永远不能打。他们这样做提出了关于核武器威慑作用的重要问题，并挑战了在战争中使用此类武器的核禁忌。这使得世界媒体和舆论领袖绝对有必要重新关注核战争的灾难性人道主义后果以及迅速走向核废除的重要性。如果核大国不愿意加入废除核武器条约，那么他们必须表明他们愿意降低核风险和不确定性。目前，他们没有表现出这样做的迹象。没有关于控制裂变材料、解除戒备、不首先使用、现代化和小型化以及减少库存的讨论。我们生活在一个极其危险的时期。九个国家拥有 13,100 枚核弹头。俄罗斯和美国仍然是两个核超级大国，拥有全球 90% 以上的核库存。这两个国家不仅不愿意减少这些军火库，而且还在现代化、升级和扩建方面投入巨资。与冷战最后几年不同，没有计划或安排任何谈判来减少核库存。除了《新削减战略武器条约》的续签外，没有任何谈判来降低意外或故意使用核武器的风险。相反，入侵乌克兰导致北约和其他战略联盟越来越依赖美国的核保护伞。因此，新闻媒体和非营利性国际新闻集团的 IDN-InDepthNews 必须继续关注核战争的危险以及旨在降低核风险和更理想地彻底废除所有核武器的新谈判的核心重要性。从过去的经验中我们知道，当大众媒体将基于证据的注意力集中在核危险和风险上时，就会出现大规模的公众动员和和平运动。当国家和平运动成为全球性运动时，政治领导人别无选择，只能进行谈判。因此，感谢 INPS 和 IDN 多年来在引起人们对核危险的关注方面所发挥的作用。斗争还没有结束。让我们希望 TPNW 签署国的缔约国会议能够产生永久消除核武器的真正政治意愿。<>
迈向大规模脉冲神经网络
摘要 —深度学习彻底改变了人工智能 (AI)，在计算机视觉、语音识别和自然语言处理等领域取得了显著进步。此外，大型语言模型 (LLM) 的最新成功推动了对大规模神经网络的研究热潮。然而，对计算资源和能源消耗的不断增长的需求促使人们寻找节能的替代方案。受人脑的启发，脉冲神经网络 (SNN) 有望通过事件驱动的脉冲实现节能计算。为了为构建节能的大型 SNN 模型提供未来方向，我们概述了开发深度脉冲神经网络的现有方法，重点关注新兴的脉冲 Transformer。我们的主要贡献如下：（1）深度脉冲神经网络的学习方法概述，按 ANN 到 SNN 的转换和使用代理梯度的直接训练分类；（2）深度脉冲神经网络的网络架构概述，按深度卷积神经网络 (DCNN) 和 Transformer 架构分类； （3）对最先进的深度 SNN 进行全面比较，重点关注新兴的 Spiking Transformers。然后，我们进一步讨论并概述了大规模 SNN 的未来发展方向。
人工智能走向个性化医疗
在目前的医疗实践中，当患者感觉到症状时，他/她会咨询医生。然后医生以一刀切的方式给药。然而，最近的遗传学研究表明，不同的基因组成会对药物产生不同的影响，因此应该为每个人定制药物。“个性化医疗”的主要思想是在正确的时间和剂量为正确的患者提供正确的干预措施，包括药物。通过这种方法，药物治疗模式将从治疗转变为预防。个性化医疗的兴起之所以成为可能，是因为来自不断增加的生物分子（蛋白质组学、基因组学和其他组学）和健康相关数据的信息被人工智能 (AI) 工具成功“挖掘”。在本文中，我们提出，面向个性化医疗的 AI 系统必须具有可接受的性能，易于临床界解释，并在大量人群中得到验证。我们研究了一些具有里程碑意义的论文，关键词是“个性化医疗应用的 AI”；1）基于图像的自动患者分类，2）基于基因的自动癌症分类，3）保留射血分数患者表型的自动健康记录心力衰竭。所有示例均根据其性能、可解释性和临床有效性进行评估。通过分析，我们得出结论，个性化医疗的 AI 可以从五个因素中受益：（1）国内和国际遗传学和健康数据的标准化和汇集，（2）多模态数据的使用，（3）疾病专家指导 AI 模型的开发，（4）临床界对 AI 发现的调查，以及（5）大型临床试验对 AI 发现的跟进。
自我决定和对人工智能的态度
人工智能 (AI) 在生活的各个领域都变得越来越重要。因此，了解个人对人工智能的态度至关重要。本文通过两项基于自我决定理论和基本心理需求（自主性、能力和关联性）的研究调查了对人工智能的态度。研究 1 使用了来自芬兰 (N = 1,541)、法国 (N = 1,561)、德国 (N = 1,529)、爱尔兰 (N = 1,112)、意大利 (N = 1,530) 和波兰 (N = 1,533) 的 18-75 岁成年人口横断面样本。研究 2 基于来自芬兰 (N = 828) 的 18-80 岁成年人的纵向两波样本。根据稳健回归分析，研究 1 发现，基本心理需求的满足与整个欧洲更高的 AI 积极性和更低的 AI 消极性相关。根据研究 2 的结果，基于混合多层回归模型，自主性和关联性随着时间的推移增加了 AI 积极性并降低了 AI 消极性。结果为自我决定在对 AI 的态度中的作用提供了有力的证据。自我决定是 AI 接受的一个重要因素，考虑到 AI 解决方案的快速发展和采用，它变得越来越重要。
社论：迈向并超越人类水平的人工智能
目前，人类水平的人工智能 [也称为“强人工智能”、“通用人工智能 (AGI)”等] 是科学界和公众最感兴趣的问题之一。然而，由于许多客观和主观原因（Bostrom，2014），该领域的具体研究和工程工作很少。下面回顾了我们研究主题中发表的四篇论文，然后简要概述了 AGI 的最终发展。本主题的第一篇文章（Karimpanal 和 Bouuffanais）重点关注强化学习算法中改进经验重放技术的问题。为了更有效地学习，作者提出了一种选择合适的转换序列来加速学习的方法。新方法结合了跟踪和存储、构建和重放与更高幅度的时间差异误差相关的合适转换序列。该方法在离策略环境中针对诸如水坑世界和山地车等任务进行了评估，结果表明，通过可控记忆参数，学习速度显著提高。Tapia 等人的论文与我们的大脑通过观察与环境有效互动所需的运动主题来构建和学习的能力有关。作者开发了一种基于动作语义知识、利用神经网络动态构建随时间变化情况下的行为的模型。他们的研究结果指出，在认知层面存在某种形式的静态内部表征机制，涉及构建广义地图的决策和战略规划。在虚拟击剑（防守和进攻）战斗游戏的任务中报告了认知运动技能的结果，并使用真实机器人进行了实验验证。在简要概述中，Bac 和 Zinovyev 描述了将多维空间投影到类比蜥蜴脑任务指定的低维空间的现代方法。他们的评论基于数学投影理论的概念，提供了关于局部固有维数的见解，有助于在实际中选择提取和检测 AI 应用中有用的低维表示的方法。他们列出了 100 篇参考文献，展示了几种以相似性或不相似性为特征的注入、投影和多重流形技术。因此，开发新的数学数据分析方法是现在和不久的将来创建学习系统的最重要任务之一。最后，Tyukin 等人开发了一个框架，用于知识在 AI 系统中传播的过程，而无需大量计算资源。他们展示了 AI 系统如何使用预训练的卷积神经网络为独立的 AI 代理创建训练环境。作者使用了两种学习算法来完全自动化知识和经验的传递，其中一个算法充当“老师”，另一个算法充当“学生”。该框架用于视频流中的自动行人检测，并表现出对过滤假阳性和假阴性错误的极高选择性。
洞察 2024：对人工智能的态度
在爱思唯尔，我们汇集了值得信赖的内容、人类专业知识和负责任地应用的人工智能技术，以帮助全球研究人员、教育工作者和医疗专业人士推进发现、创新和患者护理。在此过程中，我们不断探索新兴趋势及其对我们服务的社区的意义。我们的报告，包括《研究未来》、《未来的临床医生》、《高层观点》和《对研究的信心》，深入探讨了知识创造、传播、应用和医疗实践不断变化的格局。我们很高兴分享我们的最新报告《洞察 2024：对人工智能的态度》。基于来自全球近 3,000 名研究人员和临床医生的见解，本报告探讨了人工智能的现状和未来前景。他们的反馈表明，全球研究人员和临床医生都有兴趣在工作中采用人工智能工具，但不会以牺牲道德、透明度和准确性为代价。研究结果表明，高质量、经过验证的信息、负责任的开发和透明度对于建立对人工智能工具的信任以及缓解对错误信息和不准确性的担忧至关重要。