XiaoMi-AI文件搜索系统
World File Search Systemdream
通过受干扰和对抗性的做梦来学习皮质表征
摘要 人类和其他动物无需大量教学就能学会从感官体验中提取一般概念。这种能力被认为是由睡眠等离线状态促进的，在这种状态下，先前的经历会被系统地重播。然而，梦的创造性特征表明，学习语义表征可能不仅仅是重播以前的经历。我们通过实现受生成对抗网络 (GAN) 启发的皮质架构来支持这一假设。我们模型中的学习跨三种不同的全局大脑状态组织，模拟清醒、非快速眼动 (NREM) 和 REM 睡眠，优化不同但互补的目标函数。我们在标准的自然图像数据集上训练模型并评估学习到的表征的质量。我们的结果表明，在 REM 睡眠期间通过对抗性做梦生成新的虚拟感官输入对于提取语义概念至关重要，而在 NREM 睡眠期间通过受干扰的做梦重播情景记忆可以提高潜在表征的稳健性。该模型为睡眠状态、记忆重放和梦境提供了一个新的计算视角，并提出了 GAN 的皮质实现。
1 圆形梦——否认物理现实
尤其是在近几十年来技术飞速进步之后，我们对技术的信念……超越甚至驳斥任何已知定律，已成为一种普遍的执念。举一个明显的例子：我用沙漏来描述孤立系统中熵定律的运作，沙漏上半部分的东西代表低熵，往下倒就会变成高熵（废物）。为了表达这一过程的不可逆转性，我特别指出，与通常的沙漏不同，‘热力学沙漏’不能翻转。保罗·萨缪尔森终于在他著名教科书《经济学》的最后一版中谈到了熵……他断言“科学可以暂时翻转沙漏”。……亚瑟·爱丁顿爵士……建议“如果你的理论被发现违反热力学第二定律……那么它只能在最屈辱中崩溃。”爱因斯坦还认为热力学“是唯一具有普遍内容的物理理论，永远不会被推翻”。也就是说，热量永远不会从较冷的冷凝器自动传递到较热的锅炉。
EEG 白日梦，一种检测白日梦活动的机器学习方法
脑电图 (EEG) 广泛应用于脑机接口研究 [15]。利用 EEG 信号对认知任务进行分类一直是过去几十年的讨论焦点 [16]。低信噪比是 EEG 信号分类的常见障碍。虽然多种类型的机器学习和深度学习算法已用于认知任务分类 [4, 12, 23]，但如果没有适当的噪声分离，EEG 信号分类的准确性就会遇到瓶颈。EEG 数据中的噪声可能来自各种来源，主要可分为两大类：i）来自外界的噪声，包括环境噪声、实验设置引起的噪声和静电引起的噪声等因素；ii）来自人体的噪声，包括眨眼和呼吸等身体活动以及分散注意力的想法等心理活动 [25]。尽管已经进行了大量研究并取得了成功，可以消除外部噪音 [14]，但检测和消除内部噪音的问题仍然是一个需要进一步探索的领域。本文将重点关注后者的噪音来源，即心理活动的噪音，旨在设计一种算法来检测和消除心理干扰造成的噪音。
法律领域人工智能的冬天、夏天和夏日梦想
摘要 本文反映了我作为 IAAIL 主席在 ICAIL 2021 上的讲话。它旨在表达我对人工智能和法律学科现状的看法，以及可能的未来前景。在这方面，我经历了人工智能研究（尤其是人工智能和法律研究）的不同时期：从人工智能的寒冬，即对人工智能不信任的时期（整个八十年代到九十年代初），到人工智能的夏天，即当前人们对该学科非常感兴趣并抱有很高期望的时期。人工智能研究最初几十年的结果之一是“智能需要知识”。自诞生以来，网络就被证明是一种非凡的知识创造和共享工具，因此，如果人工智能的发展遵循网络的发展，也就不足为奇了。我认为，自下而上的方法（就机器/深度学习和 NLP 而言）从原始数据中提取知识，结合自上而下的方法（就法律知识表示和法律推理与论证模型而言），可能代表对语义网以及人工智能系统发展的促进。最后，我对人工智能发展的潜力提出了自己的见解，其中考虑到了技术机遇和理论限制。
多元化与包容性实践美国拉丁裔的经济状况：美国梦被推迟
本报告旨在提高人们对拉美裔经济流动障碍和推动因素的认识，并概述了为美国拉美裔构建更具包容性的经济未来的行动。我们的框架与麦肯锡黑人经济流动研究所和麦肯锡全球研究所今年早些时候发布的一份报告《美国黑人的经济状况：现状和未来》类似。1 我们的工作围绕个人在经济中扮演的四种经济角色展开：工人、企业主或企业家、消费者和储蓄者。虽然这一框架让我们能够探索美国拉美裔的多重经济现实，但我们认识到这些角色并不详尽，也不代表个人在社会中流动的全部方式。毕竟，美国的拉美裔人口是多元化的，而本报告旨在研究基于原籍、出生地和性别的差异。
慢性阻塞性肺病的介入性支气管镜检查：不仅仅是一个白日梦
澳大利亚肺脏基金会 COPD-X 计划提供了澳大利亚和新西兰 COPD 诊断和管理的全面循证指南。3 管理的基础是戒烟、肺康复和吸入药物治疗，目的是减轻症状、改善肺功能和生活质量，并降低病情恶化和死亡的风险。对于晚期疾病患者，其他治疗选择有限。预防性大环内酯类抗生素可能对频繁发作的患者有益，但并未得到广泛提倡，4 当 COPD 与慢性缺氧相关时，长期氧疗可降低死亡率，5 肺移植可能适用于合并症有限的特定患者。6 对于某些对药物治疗无效的晚期肺气肿患者，肺减容术被接受作为附加疗法，6 但尽管得到了主要国际社会的支持，但根据我们的经验，澳大利亚和新西兰并未广泛提供该疗法。
机器人梦dream以求吗？人类计算机整合设计和评估中的经验因素
人类计算机相互作用研究的最新发展标志着从相互作用到设备与人体整合的新范式转变。人类计算机集成的研究领域旨在将计算机作为“使用”用户的“一部分”，而不是将人类和计算机视为两个独立的实体，以增强其身体或认知能力[2，27，29]。想象一下，例如，攻击用户身体以执行精确运动运动的外骨骼。因此，这种可穿戴的外骨骼可以允许从未碰过钢琴的用户在专业水平上弹奏。这类似于医疗康复领域的假体的目标，该目标旨在帮助截肢者完全恢复或超过预压前功能。这种范式的独特之处在于技术与人体融合在一起的想法，与成为一个人有意识地控制的“工具”，或者是循环中没有人的自主系统（见图1）。集成系统的目标是实现从根本上不同的经验目标，即“我是用我的[自我]做到的，而不是“机器为我做到的”或“我用机器做到了” [16，27]。尽管有新的机会增加了人类绩效，可及性和整体经验，但我们看到当前对人类计算机整合的搜索局限性。首先，对人类计算机集成的研究主要是一项技术企业，因为它主要关注“物理形式因子”和“实现措施”。但是，要使人类与计算机成功整合，仅考虑“物理整合”就不够。例如，外部骨骼可能能够移动用户的手指，使他们的身体毫不费力地弹钢琴，而仍然没有向他们提供一种感觉，即这些动作是“由我完成的” [33]，或者假肢可能会帮助用户毫不费力地行走，而不会为用户提供“我的幻想”，“我的假体是我的一部分。如果我们要将计算机作为“我们的一部分”体验，因此我们还必须考虑“体验式集成”，即，如何作为用户身体的自然组成部分来体验技术。但是，在评估整合时，大多数研究人员都专注于用户作为身体一部分的反思性自我感知或判断的变化，例如他们的“关系自我” [27]，“身体形象” [19，20]和“自我形象” [5]，同时忽略了身体体验的前反射方面[10，11，18]，即感觉到身体所有权和代理的感觉，而无需明确的观察和反思[34]。幻影肢体患者就是一个例子，因为他们反思地意识到他们缺少肢体（即，它不是他们自我概念或身体形象的一部分），而他们仍然“预先反射”感觉到幻影肢体是身体的一部分。仅旨在满足用户反思性自我感知的系统将利用过于狭窄的身体体验，这反过来又可能导致
幻觉、想象、做梦：重新组合刺激——……
在人类感知的广阔领域中，存在着一类独立于刺激的感知，它将幻觉、心理意象和梦境等体验结合在一起。医学和心理学之间的传统分歧导致这些体验被分别研究。这篇评论旨在从现象学和潜在的大脑功能层面考察它们的相同点和不同点，从而在一个共同的框架内将它们重新组合起来。我们使用 Edmund Parish 的历史著作作为指导工具，并结合认知、临床和计算科学领域的最新研究成果，思考如何调和不同的观点，并为未来的研究提出新的假设。这篇文章是主题文章“离线感知：没有匹配的外部刺激的自愿和自发的感知体验”的一部分。
对Covid-19：现实还是梦想的有效药物？
REMDESIVIR是RNA依赖性RNA聚合酶的抑制剂，该聚合酶已由FDA批准在患有严重COVID-19的住院患者中急诊使用。Favipiravir防止在临床试验II阶段/III中复制该病毒，以研究Covid-19的安全性和功效。治疗抗体可以是SARS-COV-2的特定靶标，但它认为是长期解决方案。与抗病毒疗法一起，针对通过病毒感染劫持的途径可以将其视为克服SARS-COV-2感染的一种有希望的方法。药物重新利用可以增加克服SARS-COV-2感染的机会，并提供时间和成本效益的替代方案，可为患者提供新的疗法。
遗传屏幕将Dreammist识别为睡眠的调节器
。CC-BY 4.0国际许可证。是根据作者/资助者提供的预印本（未经同行评审认证）提供的，他已授予Biorxiv的许可证，以在2020年11月18日发布的此版本中显示在版权所有的此版本中。 https://doi.org/10.1101/2020.11.18.388736 doi：Biorxiv Preprint