XiaoMi-AI文件搜索系统
World File Search Systemelicitation
人工智能系统的需求获取与建模：实证研究
摘要：人工智能 (AI) 系统在最近获得了显著的关注，在构建 AI 软件系统时对需求工程 (RE) 提出了新的挑战。人工智能实践的 RE 研究并不多，实证研究也很少。此外，许多 AI 软件解决方案往往侧重于技术方面，而忽略了以人为本的价值观。在本文中，我们报告了一个案例研究，该案例研究使用我们的框架和以人为本的 AI 系统 RE 支持工具来引出和建模需求。我们的案例研究是一个移动健康应用程序，用于鼓励 2 型糖尿病患者减少久坐行为。我们与应用程序团队的三位专家一起进行了研究——一名软件工程师、一名项目经理和一名数据科学家。我们在研究中发现，在开发应用程序的第一个版本时，大多数以人为本的方面最初并没有被考虑。我们还报告了健康应用程序 RE 面临的其他见解和挑战，例如频繁变化的需求。
人工智能在需求获取和分析中的影响的文献综述
本论文由两名学生在斯德哥尔摩大学战略信息系统管理学位课程中完成。如本研究所述，需求工程中的手动获取过程容易出错且耗时。传统方法和技术通常会产生具有模糊性、不足、不完整、不一致和过时特征的需求。研究问题集中在对人工智能在支持识别精确和详细需求方面的具体作用缺乏清晰的理解，以及需要总结相关工作的发现。本论文的目标是研究人工智能在需求工程中的影响，主要关注需求获取和分析。在介绍需求工程、传统获取方法和人工智能的基本背景知识后，进行了系统的文献综述，以揭示需求获取和分析中使用的人工智能方法、技术和工具。在 PRISMA 方法的帮助下，总结并介绍了主要发现和结果。大多数在线文献都集中在与传统方法相关的各种问题上，并介绍了人工智能聊天机器人、文本挖掘和自然语言处理技术、虚拟现实、情感分析、众包、深度学习技术、游戏化和贝叶斯网络如何提高需求引出的质量和速度。面临的主要挑战之一是，没有与传统方法和指标进行广泛的比较，以了解人工智能如何全面帮助需求引出——只有每个案例的指标。此外，对于哪种人工智能方法和工具适合每种引出和分析方法，没有明确的定义。
对话式人工智能服务的用户意图识别与需求引出方法
摘要 近年来，聊天机器人成为引导用户消费服务的新型智能终端，然而其最为诟病的是所提供的服务不是用户期望的或者最期望的，这一缺陷主要源于两个问题，一是信息不对称导致用户需求表达的不完整性和不确定性，二是服务资源的多样性导致服务选择的困难。对话机器人是典型的网状设备，引导式多轮问答是引出用户需求最有效的方式。显然，复杂的问答轮次过多不但枯燥无味，而且用户体验不佳。因此，我们的目标是在尽可能少的轮次中尽可能准确地获取用户需求。为此，提出了一种基于知识图谱（KG）的用户意图识别方法进行模糊需求推理，并提出了一种基于粒计算的需求引出方法进行对话策略生成。实验结果表明，这两种方法可以有效减少对话轮数，并能快速准确地识别用户意图。索引术语——知识图谱；不确定性需求分析；多轮对话；认知服务计算；聊天机器人；对话式人工智能机器人；粒计算。
CommunityBots：创建和评估公共输入的多代理聊天机器人平台
近年来，支持AI支持的对话代理商或聊天机器人的普及已成为传统在线调查的替代方案，以吸引人们的信息。但是，使用单人聊天机器人在各种主题上进行相反并收集多方面的信息存在差距。先前的工作表明，单人聊天机器人难以理解用户意图并在多面对话中解释人类语言。在这项工作中，我们研究了如何利用多代理聊天机器人系统在多个领域进行多方面的对话。为此，我们进行了一项OZ的巫师研究，以调查多代理聊天机器人的设计，以在多个高级领域及其相关主题中收集公众投入。接下来，我们设计，开发和评估了CommunityBots，这是一个多代理聊天机器人平台，每个聊天机器人单独处理另一个域。为了管理跨多个主题和聊天机器人的对话，我们提出了一种新颖的对话和主题管理（CTM）机制，该机制根据用户的响应和意图来处理主题转换和聊天机器人转换。我们进行了一项主题研究，将社区机器人与单人聊天机器人基线与96名群众工作人员进行了比较。我们评估的结果表明，社区机器人参与者的参与度更高，提供了更高的质量响应，并且在同一会话中与多个不同的聊天机器人进行交谈时，会议中断的中断更少。我们还发现，与接口集成的视觉提示有助于参与者更好地了解CTM机制的功能，从而使他们能够感知文本对话的变化，从而提高用户满意度。基于我们研究的经验见解，我们讨论了多代理聊天机器人设计的未来研究途径及其在丰富信息启发中的应用。
新型太空机器人悬架系统的系统要求启发和概念化
摘要 - 动物操纵器在太空探索中起着关键作用，并为卫星寿命扩展，轨道资产检查和Deorbiting铺平了道路。但是，尽管设计用于零重力，但在地球重力下测试了太空机器人。大多数太空机器人都被构造出来，使它们无法承受地球的重力负载，因此需要对地面测试的外部支撑系统。但是，常规测试设施，却面临着重大局限性，包括工作空间的限制和动态影响。在这种背景下，计划了一种新型的悬挂系统，用于非重力空间机器人。为了应对这一挑战，本文审查了用于太空机器人测试设置的机械悬架系统，并概述了新颖的SUS-
评估扩展的输入启发和基于机器学习的启动对人群库存预测的影响
人类一直在预测不可能的人方面具有固有的兴趣。旅程可能始于算命先驱者，甲骨文和先知，使用太阳标志，行星位置和恒星对准来预测未来。，但是今天，人工智能使用统计数据，大数据分析以及这一切的核心，机器学习（ML）取代了他们的位置。ML已渗透每个现代行业，以提供预测性见解。非整合列表如下。在医疗保健中，ML模型已用于预测大流行期间的Covid-19潮流，死亡人数和恢复率[17]。在制造业中，它们已被应用于提高智能工厂的效率[19]。在监视中，Karpathy等。[12]评估卷积神经网络（CNN）在487个视频类别上的性能，总共有100万个YouTube视频，以进一步监视自动化。在心理健康领域，Fathi等。[7]在具有七个输入功能的大型数据集上训练ANFIS模型，以检测医疗保健中的社交焦虑症。
将AI基准数据映射到通过专家启发的定量风险估计
文献和多位专家指出了大型语言模型（LLM）的许多潜在风险，但对实际危害的直接测量仍然很少。AI风险评估到目前为止一直集中在衡量模型的功能上，但是模型的功能只是风险的指标，而不是衡量风险的指标。更好地建模和量化AI风险方案可以帮助桥接这种断开连接，并将LLM的功能与有形现实世界的危害联系起来。本文通过证明如何使用现有的AI基准来促进风险估计的创建，从而为该领域做出了早期贡献。我们描述了一项试点研究的结果，其中专家使用AI基准Cybench的信息来生成概率估计。我们表明，对于此目的，该方法似乎很有希望，同时指出可以进一步加强其在定量AI风险评估中的应用。
通过振动触觉刺激引发情绪作为聋人和听力障碍人士的替代方法：一项脑电图研究
摘要：尽管技术和可访问性不断进步，但表演艺术及其文化产品仍然无法为许多人所接受。通过使用振动触觉刺激作为替代渠道，我们探索了一种不同的方式来增强观看视听媒体时产生的情绪过程，从而引起听障人士更大的情绪反应。我们记录了 35 名听力正常的参与者和 8 名严重和完全听力丧失的参与者的大脑活动。结果显示，在专有刺激手套上，在双手同步进行软振动触觉刺激的情况下，听力正常的参与者在观看视频时和听力受损的参与者在观看同一视频时，相同的区域被激活。这些大脑区域（双侧中额眶额叶、双侧上额回和左扣带回）被报告为情绪和注意力区域。我们得出结论，振动触觉刺激可以在观看视听媒体时引起适当的皮质激活。
与没有糖尿病的成年人相比，成年人健康睡眠习惯的信念：一项合理的行动方法启发研究
抽象的客观睡眠是健康生活方式的一部分，在糖尿病的成年人中，睡眠不足与发展并发症的风险有关。目的是比较基于合理的行动方法的成年人与没有糖尿病的成年人健康睡眠习惯（HSHS）的信念。方法总共有56名患有糖尿病的成年人和98名成年人回答了有关其信念的开放性问题：避免在床上使用屏幕；有定期睡眠时间表；或在睡前避免咖啡因，酒精和香烟。定性内容分析用于确定两组之间最重要的信念，相似性和差异。结果两组均报告采用HSHS可以改善睡眠。有定期的睡眠时间表可以促进糖尿病成人的糖尿病管理。在两组中都确定了采用每个HSH的负面后果。采用HSHS主要与两组的负面情绪（例如压力，焦虑，恐惧）有关。避免在床上使用屏幕的筛查与不知道糖尿病成人晚上血糖水平的焦虑有关。的伴侣，父母和朋友被认为是批准采用HSHS的最重要的人，但他们通常被认为不太可能两组都采用HSHS。患有糖尿病的成年人认为采用HSHS的障碍更多。促进两组的因素包括消除不健康的睡眠习惯，行为替代，使用提醒，时间管理和社会支持的触发因素。讨论这些信念可以指导行为睡眠干预的发展，包括针对糖尿病成年人的特定干预措施。
优化客舱设计以提升乘客体验...
研究与设计方法 ................................................................................................ 10 以人为本的设计 ...................................................................................................... 10 设计思维 ...................................................................................................................... 11 参与式设计 ................................................................................................................ 12 在线调查（定性和定量） ...................................................................................... 12 专家知识获取 ............................................................................................................. 13 小组获取方法 ............................................................................................................. 13 头脑风暴 ...................................................................................................................... 14 可用性评估 ............................................................................................................. 15 基于场景的设计 ...................................................................................................... 15 角色 ...................................................................................................................... 16 问题、选项和标准 (QOC) ................................................................................ 16 原型 ......................................................................................................................