XiaoMi-AI文件搜索系统
World File Search Systemcontexts
在社会背景下对AI系统的信任感知
摘要：现代的AI应用程序在关键的公共领域造成了广泛的社会影响。虽然先前的研究主要关注有关AI系统的个人用户观点，但本研究扩大了我们的理解，以涵盖一般公众的看法。通过调查（n = 1506），我们检查了教育，医疗保健和创意艺术领域中各种任务的公共信任。结果表明，参与者在跨领域的信任方面有所不同。值得注意的是，AI系统的能力的评估高于其在所有领域的仁慈。人口特征对对AI能力和仁慈的信任的影响较小。具体来说，具有更高技术能力，AI熟悉和知识的参与者认为AI在所有领域中都具有更大的能力。这些参与者还认为，更大的系统在医疗保健和创意艺术方面的仁慈，但没有教育。我们讨论了考虑公共信任及其在AI采用中的决定因素的重要性。
工业环境下用于龙虾部位检测的主动 YOLO
工业 4.0 通过人工智能、物联网 (IoT)、云计算、信息物理系统 (CPS) 和认知计算彻底改变了制造业，创造了“智能”环境，互联的机器可以自主优化生产。这种转变显著提高了生产力和性能。然而，工业 5.0 进一步发展，强调人与机器人之间的协作，利用人类的创造力和先进的机械。它旨在提高效率并实现大规模个性化，产品可根据个人需求量身定制。工业 5.0 的核心价值是以人为本，机器处理重复性任务，人类专注于认知和批判性思维任务 [2]。一方面，根据 [3]，支持以人为本的制造业人工智能的关键技术包括 i) 主动学习 (AL)：人工智能系统不断从人类反馈中学习，增强人机协同作用；ii) 可解释人工智能 (XAI)：确保人工智能决策透明易懂，促进信任和协作；iii) 模拟现实：使用虚拟环境模拟真实场景进行训练和决策； iv) 对话界面：实现人机之间的自然语言交互，提高可用性；v) 安全性：数字化增加了攻击面，因此需要确保数据和系统的安全。另一方面，在这种转变中，物体检测 (OD) 发挥着至关重要的作用 [4]，它应用于不同的系统，例如质量控制的缺陷检测、协作机器人 (cobots)、用于码垛和自动拾取和放置系统的机械臂以及视频监控系统。此外，值得一提的是，这些系统的最新发展是基于 YOLO 检测器，以实现精度和推理速度效率的平衡 [5]。
高等教育背景下的学术诚信与人工智能：
本文提出了一种快速评估高等教育学术诚信和人工智能的方法论方案。该方案遵循乔安娜·布里格研究所 (JBI) 更新的范围评估手册和系统评价荟萃分析的首选报告项目 (PRISMA) 报告标准。这项快速范围评估旨在确定反映高等教育机构学术诚信和人工智能交集的文献广度。我们将分析评估中纳入的研究，以深入了解这一新兴领域，特别是其伦理影响。我们的研究结果将与高等教育的学术人员、管理人员和领导以及学术诚信研究人员相关。
在教育环境中使用脑电图设备的潜力和局限性
抽象的无线脑电图（EEG）设备允许在实验室外面的上下文中记录记录。但是，必须考虑许多细节以供其使用。在这项研究中，使用与一组三年级小学生的案例研究，我们旨在在教育环境中展示这些设备的研究的一些潜力和局限性。在这些经验的发展中显而易见：研究团队和教育社区的利益和可能性之间；在教室的生活扭曲与学术界与实践之间合作的机会之间；在预算和准备设备的便利性和收集数据的实用性之间。在他们的潜力中，他们的知识是，他们允许访问不同的认知和情感过程，以及由研究人员与教育社区之间的联系所代表的学习机会。教室中的生活被这些类型的经验打断了，但这可能是一种促进更具综合性的未来发展的成本，从而使教学和学习过程受益。
在不同情况下如何、何时以及是否使用非致命武器
研究诚信 我们的使命是通过研究和分析帮助改善政策和决策，这得益于我们的核心价值观：质量和客观性，以及我们对最高诚信和道德行为的坚定承诺。为确保我们的研究和分析严谨、客观、不偏不倚，我们对研究出版物进行了严格而严格的质量保证流程；通过员工培训、项目筛选和强制披露政策，避免出现和实际出现财务和其他利益冲突；并通过承诺公开发表我们的研究结果和建议、披露已发表研究的资金来源以及确保知识独立的政策，追求研究工作的透明度。有关更多信息，请访问 www.rand.org/about/principles。
DIA：用于开发情境的人机混合对话助手
社交媒体消息应用程序（例如 WhatsApp 和 Facebook Messanger）在 2019 年已达到 23 亿用户，其中大多数用户来自发展中国家。发展中国家用户的高使用率为设计基于文本的社会变革干预措施提供了可能性。但是，这种干预措施依赖于专家（如医生、教育工作者和主持人）的知识，而这些知识在发展中环境中是稀缺的。可以使用聊天机器人来扩展专家知识，但需要更多的研究来支持需要特定环境支持（例如本地语言干预）或可能没有常规互联网连接的发展中国家用户。因此，为了支持在低资源环境中基于聊天机器人的干预措施的设计，我们构建了 DIA，这是一个适用于低资源环境的聊天机器人架构，以扩展专家知识并支持本地化。DIA 是一个人机聊天机器人（humbot）混合系统，可以从用户交互中有机地学习特定主题的知识和本地语言。我们在 WhatsApp 上构建了 DIA 的初步版本，并将其部署到科特迪瓦农村地区指导 38 名教师。通过初步部署，我们表明 DIA 可以帮助 (1) 构建主题和语言特定对话的数据集 (2) 通过聊天记录了解用户在线智能手机的使用情况，以及 (3) 通过对话互动收集调查数据。
强化学习方法将压缩环境集成到知识图中
摘要 - 在各个领域中广泛使用知识图在其中有效整合和更新信息带来了挑战。在合并上下文时，常规方法通常依赖于规则或基本的机器学习模型，这可能无法完全掌握上下文信息的复杂性和流动性。这项研究提出了一种基于强化学习（RL）的方法，特别是利用深Q网络（DQN）来增强将上下文集成到知识图中的过程。通过将知识图的状态考虑为环境将动作定义为集成上下文的操作并使用奖励功能来评估知识图质量后整合后的改进，该方法旨在自动开发最佳上下文集成的策略。我们的DQN模型将网络用作函数近似器，不断更新Q值以估计动作值函数，从而有效地集成了复杂和动态上下文信息。最初的实验发现表明，我们的RL方法在实现各种标准知识图数据集的精确上下文集成方面优于技术，突出了增强学习在增强和管理知识图方面的潜在和有效性。索引术语 - 知识图推理，强化学习，奖励成型，转移学习
精细映射基因组基因座完善了双相情感障碍风险基因作者和隶属关系
此预印本版的版权持有人于2024年1月21日发布。 https://doi.org/10.1101/2022.12.12.31.22284080 doi：medrxiv preprint
电网和技术变化背景下的太阳能光伏发电削减：预印本
太阳能光伏 (PV) 系统发电时没有边际成本或排放。因此，光伏发电几乎总是优先于其他燃料来源并输送到电网。随着光伏渗透率的提高，会出现光伏发电被削减的情况，要么是因为当地供需失衡，要么是为了保持系统灵活性。在本文中，我们对四个主要国家（智利、中国、德国和美国）近期的削减情况进行了新颖的综合分析。我们发现，2018 年这些国家削减了约 650 万兆瓦时的光伏发电量。我们发现，光伏削减在春季和秋季达到峰值，此时光伏发电量相对较高，但电力需求相对较低。与风电的情况类似，部分光伏削减归因于连接人口稀少的太阳能密集地区和负荷中心的输电能力有限。