XiaoMi-AI文件搜索系统
World File Search Systemcommonsense
将人工智能深深扎根于基础科学对于...
人工智能的发展目标之一就是将人工智能深深扎根于基础科学，同时发展以脑为启发的人工智能平台，推动新的科学发现。这些挑战对于推动人工智能理论和应用技术的研究至关重要。本文提出了未来20年人工智能研究面临的重大挑战，包括：（i）在理解脑科学、神经科学、认知科学、心理学和数据科学的基础上，探索人脑的工作机制；（ii）人脑的电信号是如何传输的？脑神经电信号与人体活动的协调机制是什么？（iii）将脑机接口（BCI）和脑肌肉接口（BMI）技术深深扎根于对人类行为的科学研究； (iv)研究知识驱动的视觉常识推理（VCR），发展新型认知网络识别推理引擎（CNR）；（v）发展高精度、多模态智能感知器；（vi）研究基于知识图谱（KG）的智能推理与快速决策系统。我们认为，人工智能前沿理论创新、知识驱动的常识推理建模方法、人工智能新算法和新技术的革命性创新与突破、发展负责任的人工智能应成为未来人工智能科学家的主要研究策略。关键词：类脑人工智能；脑机接口；认知科学；常识推理；知识图谱驱动推理；负责任的人工智能。
Mohan Sridharan
我的主要研究兴趣包括知识代表和推理，认知系统，机器学习和控制系统，以及适用于与人类合作的自适应机器人和代理。i设计算法和体系结构：（a）用定性和定量描述常识域知识和不确定性的定性和定量描述； （b）基于从环境和人类获得的mul-timodal传感器线索进行交互和累积学习； （c）使设计师能够理解机器人的行为并确定其满足所需的属性。此外，我对支持在诸如气候信息学，农业灌溉管理和智能运输等领域中自动化的算法感兴趣。
人工智能未来的七大支柱
摘要：近年来，人工智能研究显示出对人类和社会产生积极影响的巨大潜力。尽管人工智能在分类和模式识别相关任务中的表现往往优于人类，但在处理直觉决策、意义消歧、讽刺检测和叙事理解等复杂任务时，它仍然面临挑战，因为这些任务需要高级推理，例如常识推理和因果推理，而这些推理尚未得到令人满意的模拟。为了解决这些缺点，我们提出了七个支柱，我们认为这些支柱代表了人工智能未来的关键标志性特征，即：多学科性、任务分解、平行类比、符号基础、相似性度量、意图意识和可信度。
2025-2026立法优先事项
颁布了2020年关于压裂的大陪审团建议：2020年，宾夕法尼亚州大陪审团发表了一项严厉的研究，该研究对压裂构成的健康和环境风险进行了严厉的研究。该报告提出了一系列常识性建议，以减少这些威胁，包括增加来自家庭，学校，医院和企业的石油和天然气钻探的挫折（HB 170上课）；要求石油和天然气公司报告其在压裂过程中使用的化学药品（上一次HB 477）；加强压裂地点的空气污染保护；并研究压裂对公共卫生的影响（上一次HB 175）。立法机关应尽快通过这些急需的健康保护。
人工智能
计算机科学家 Yejin Choi 在此揭开 ChatGPT 等大型人工智能系统的现状，强调尖端大型语言模型的三个关键问题（包括一些在基本常识推理方面失败的有趣例子）。她欢迎我们进入一个新时代，在这个时代，人工智能几乎就像一个新的智力物种——并指出了构建根据人类规范和价值观进行训练的小型人工智能系统的好处。（随后是与 TED 负责人 Chris Anderson 的问答）'• Johnson, D.、Goodman, R.、Patrinely, J.、Stone, C.、Zimmerman, E.、Donald, R.，...... & Wheless, L. (2023)。评估人工智能生成的医疗反应的准确性和可靠性：对 Chat-GPT 模型的评估
人工智能的下一个十年：
这些问题中的每一个都是经典人工智能的核心。例如，约翰·麦卡锡 (John McCarthy) 在他的开创性论文《具有常识的程序》[McCarthy 1959] 中指出了常识知识的价值；道格·莱纳特 (Doug Lenat) 将常识知识以机器可解释的形式表示出来作为他一生的工作 (Lenat、Prakash 和 Shepherd，1985；Lenat，2019)。经典人工智能“积木世界”系统 SHRLDU 由特里·温诺格拉德 (Terry Winograd)（谷歌创始人拉里·佩奇 (Larry Page) 和谢尔盖·布林 (Sergey Brin) 的导师）设计，围绕一个内部的、可更新的世界认知模型展开，该模型代表了软件对一组堆叠物理对象的位置和属性的理解 (Winograd，1971)。SHRLDU 随后对这些认知模型进行推理，以推断出随着时间的推移积木世界的状态。2
CMS快照1月9日至16日，2025年
*1月10日-CMS发布的2026年Medicare Advantage和D部分计划的付款政策更新。拟议的政策将继续保持医疗保险优势和D稳定。今天，医疗保险和医疗补助服务中心（CMS）发布了日历年（CY）2026 Medicare Advantage（MA）和Medicare D Perfercription药品计划的提前通知，这些通知将更新这些计划的付款政策。此版本补充了2026年MA的合同，并提出了CMS于2024年11月发布的拟议规则。如果是最终的，这些政策和更新将继续对MA付款负责，负责任的技术更新。按照建议，预计从2025年到2026年，从政府向MA计划的付款预计将平均增加4.33％，即超过210亿美元。
火影忍者：自动从叙事文本中获取计划模型
域模型采集已被确定为计划技术的应用，尤其是在叙事计划中的瓶颈。以自动化的方式从叙事文本中学习动作模型对于克服这种障碍，但由于此类文本的固有复杂性而具有挑战性至关重要。我们使用我们完全自动化的，无监督的系统Naruto介绍了从叙事文本得出的计划域模式的评估。我们的系统结合了结构事件提取，常识事件的预测以及文本矛盾和相似性。评估结果表明，火影忍者生成的域模型比现有的完全自动化的甲基动物更高，甚至有时与在人为援助的情况下与半自动化方法创建的域相提并论。
使用基于能量的模型的神经符号推理的建模模式
神经符号（NESY）AI致力于通过快速，可靠的预测来增强机器学习和大型语言模型，通过无缝整合神经和符号方法，表现出常识性和值得信赖的推理。在如此广泛的范围内，已经提出了几种分类法，以对这种集成进行分类，强调知识代表，推理算法和应用程序。我们对神经符号界面捕获方法捕获概率，逻辑和算术约束推理的神经符号界面捕获方法进行研究。此外，我们为杰出的学习损失类别的梯度和推理和学习的形式化而得出表达。通过严格的经验分析，跨越了三个任务，我们表明NESY方法在半监督的环境中对神经基础的影响达到了37％的证明，并且在提问方面的GPT-4提高了19％。