XiaoMi-AI文件搜索系统
World File Search SystemZg
如何引用这篇文章Mhammed A.，Zghair A.，Essa A.，Jawad A.，Abed M.，Batool M.，Jasim L.等速和热力学分析Azur C Dye AD
水污染是当今社会的关键挑战之一。染料是抗性降解的致癌污染物，从水中清除它们的吸附性需要一些吸附剂，具有较高的吸附效率。当前的研究重点是将硫糖染料的吸附去除到氧化石墨烯 - 羧甲基纤维素 - 丙烯酰胺（go/p（cmc-co-am））纳米复合材料通过自由基共聚过程合成的纳米复合材料。批处理吸附研究是为了苦苦理解染料浓度和温度对吸附效率的影响。浓度研究和温度的数据应用于不同的等温模型和热力学研究。结果表明，Freundlich等温模型最适合吸附数据（R²= 0.9219），突出了异质吸附。此外，高温会导致降低吸附能力，从而揭示了吸附过程的放热性质。热力学上，该过程本质上是自发的和放热的，在温度范围内熵的降低。总体而言，结果显示了GO/P（CMC-CO-AM）纳米复合材料对从水吸附的Azure C染料的有效性。
引文 (APA) Cavalcante Siebert, L., Lupetti, ML, Aizenberg, E., Beckers, NWM, Zgonnikov, A., Veluwenkamp, HM, Abbink, DA, Giaccardi, E., Houben, GJPM, Jonker, CM, van den Hoven, MJ, Forster, D., & Lagendijk, RL (2022)。有意义的人类控制：AI 系统开发的可操作属性。AI 与伦理。https://doi.org/10.1007/s43681-022-00167-3 重要提示 要引用此出版物，请使用最终出版版本（如适用）。请检查上面的文档版本。
摘要 人类如何才能继续控制基于人工智能 (AI) 的系统，这些系统旨在自主执行任务？这样的系统越来越普遍，既带来了好处，也带来了不良情况，即其行为的道德责任不能正确地归因于任何特定的人或团体。有意义的人类控制的概念已被提出来解决责任差距，并通过建立条件来缓解责任差距，使责任能够正确地归因于人类；然而，对研究人员、设计师和工程师的明确要求尚未存在，这使得开发仍然处于有意义的人类控制下的基于人工智能的系统具有挑战性。在本文中，我们通过迭代的溯因思维过程确定了有意义的人类控制下的基于人工智能系统的四个可操作属性，从而解决了哲学理论与工程实践之间的差距，我们将利用两个应用场景来讨论这些属性：自动驾驶汽车和基于人工智能的招聘。首先，人类和人工智能算法交互的系统应该有一个明确定义的道德负载场景领域，系统应该在其中运行。其次，系统内的人类和人工智能代理应该有适当且相互兼容的表示。第三，人类承担的责任应与人类控制系统的能力和权威相称。第四，人工智能代理的行为与意识到道德责任的人类行为之间应有明确的联系。我们认为，这四个特性将支持具有实践意识的专业人士采取具体步骤，设计和构建促进有意义的人类控制的人工智能系统。
引文 (APA) Peschl, M.、Zgonnikov, A.、Oliehoek, FA 和 Cavalcante Siebert, L. (2022)。道德：通过多目标强化主动学习使人工智能与人类规范保持一致。在 C. Pelachaud 和 ME Taylor (Eds.) 中，第 21 届自主代理和多智能体系统国际会议 (AAMAS '22) 论文集 (第 1038-1046 页)。国际自主代理和多智能体系统基金会。https://dl.acm.org/doi/abs/10.5555/3535850.3535966 重要提示 要引用此出版物，请使用最终发布的版本（如果适用）。请检查上面的文档版本。
从演示和成对偏好推断奖励函数是将强化学习 (RL) 代理与人类意图相结合的良好方法。然而，最先进的方法通常专注于学习单一奖励模型，因此很难权衡来自多位专家的不同奖励函数。我们提出了多目标强化主动学习 (MORAL)，这是一种将社会规范的不同演示组合成帕累托最优策略的新方法。通过维持标量权重的分布，我们的方法能够以交互方式调整深度 RL 代理以适应各种偏好，同时无需计算多个策略。我们在两种场景中通过实证证明了 MORAL 的有效性，这两种场景模拟了交付和紧急任务，需要代理在存在规范冲突的情况下采取行动。总的来说，我们认为我们的研究是朝着具有学习奖励的多目标 RL 迈出的一步，弥合了当前奖励学习和机器伦理文献之间的差距。