XiaoMi-AI文件搜索系统
World File Search Systemexplanation
大语言模型的医学解释对放射学诊断决策的影响
临床表现：一名59岁的妇女在右眼有4天的炎症和疼痛病史，在那里她已经失明了几年。慢性失明和最近的症状表明了一个长期存在的眼部问题，现在已经成为症状。成像发现：磁共振成像显示右轨道质量，表明受影响的眼睛有明显的病变。全身参与：腹部和胸部成像显示许多肝肿块，腹部和胸部淋巴结肿大以及椎骨硬化骨性疾病，表明广泛转移性疾病。眼病史：几年患者在眼中盲目的事实表明，长期存在的主要眼病，例如黑色素瘤，可以转移到其他器官。病理确认：将右眼夹紧用于姑息性缓解，并获得组织以进行诊断。摘除剂以控制症状并获得明确的诊断。症状相关性：轨道肿块，广泛的转移性病变和患者眼病史的组合强烈表明转移性眼部黑色素瘤。
一种定量方法，用于比较添加性局部解释方法
局部添加说明方法越来越多地用于了解复杂机器学习（ML）模型的预测。最常用的广告方法，塑造和石灰，遭受文献中很少测量的局限性。本文旨在使用六个定量指标来衡量对OpenML数据集（304）数据集的这些限制，还评估了基于新兴联盟的方法来解决其他方法的弱点。我们在特定的医疗数据集（Sa Heart）上说明和验证结果。我们的发现表明，石灰和沙普的大约在高维度上特别有效，并产生了可理解的全球解释，但是在更改方法的pa-rameters时，它们缺乏精确度，并且可能是不需要的行为。基于联盟的方法在高维度上在计算上昂贵，但提供了更高质量的本地解释。最后，我们提出了一个路线图，总结了我们的工作，指出了最合适的方法，具体取决于数据集维度和用户的目标。
基于论点的自然语言解释和评估医疗保健
采矿论点是一个自动自然语言处理（TALN）和计算机论证模型的全面扩展领域，旨在在自然语言中自动识别文本资源中的论证结构（即组成部分和关系）。在媒体领域，通过提供自动检测论点结构以根据证据支持医学的方法，被证明是有益的。这些方法的重要性是基于以下事实：尽管神经模型在医学诊断预测中的准确性，但其结果的解释仍然有问题。本文解决了这个开放的问题，并着重于对自然语言中的论证解释的生成和评估，以帮助医学诊断预测，以帮助临床医生进行决策和教育。首先，我提出了一条新的完整管道，以根据医学本体论和从检查文本中检测到的医学本体论和临床实体进行自然考试（MCQ）医学的永久解释（MCQ）医学。我定义了对医疗指定实体（NERC）的认可和分类的艺术状态，以检测患者表达的症状以及我根据ONTTO-LOGIE的条款对医疗措施进行的，以证明提供给医学生提供的临床病例的诊断。关键字：自动自然语言处理，提取论证结构，解释性论点。管道称为SYMEXP，允许我们的系统基于模板以自然语言生成安排解释，以证明正确的答案是正确的，以及为什么提出的其他选项不正确。其次，我提出了一个框架，用于评估基于论证的解释，称为Abexa，以自动提取医学MCQ的论证结构，并突出显示一组可自定义的标准，以表征临床解释和文档的论点。abexa通过在自动论证图上定义一组模式来解决从论点的角度评估解释的问题。非常彻底，我为解毒剂软件的持续设计和开发做出了贡献，该软件提供了不同的解释性人工智能模块，这些模块由医学争论。我们的系统提供了以下功能：用于医学领域的多语言论证分析，临床诊断的解释，提取和生成，医学领域的多语言语言模型以及医学MCQ的第一个多语言基准。总而言之，在本文中，我探讨了人工智能与论证理论结合如何导致更透明的健康和卫生系统。，我们通过在医学支持方面展示其所有潜力，例如医学生，将结果应用于关键的医学领域。
对性别角色的严格经济解释：犁的持久遗产。
我们表明，古代农民的后代可能有兴趣与他们自己通婚，从而维持性别分工，这种分工最初是在犁出现后基于比较优势而合理化的，即使他们移居到现代工业经济中，个人生产力取决于教育而不是身体特征。结果基于这样的论点：如果效率要求生产率较高的配偶专注于提高收入，生产率较低的配偶专注于抚养孩子，无论性别如何，有效的家庭均衡将通过一项成本低廉的婚前合同来实现，该合同规定丈夫应做前者，妻子应做后者。然而，如果与孩子共度的时间能带来直接的效用，那么合同可能就没有必要了，因为有效的均衡可能以很少或没有劳动分工为特征。关键词：犁、比较优势、性别、匹配、敲诈问题、合同执行、移民。 JEL 代码 : C78, D02, J16, J61
虚拟衰老大脑：老年人认知能力下降的模型驱动解释
健康衰老伴随着个体认知能力的异质性下降，尤其是在衰老期间。这种变异的机制尚不清楚，但与白质纤维束的重组和大脑区域的功能共同激活有关。在这里，我们建立了一个因果推理框架，以提供结构连接和大脑功能之间联系的机制洞察，并基于大脑图像数据和网络建模。通过应用不同程度的半球间结构连接退化，我们不仅能够重现与年龄相关的半球间功能通信下降和相关的动态灵活性，而且我们获得了衰老过程中结构连接对大脑功能的整体调节增加。值得注意的是，结构连接和大脑功能之间的调节增加幅度更大，在认知能力较差的老年人中增加幅度更大。我们通过基于深度学习的贝叶斯方法独立验证了我们框架的因果假设。当前的结果可能是首次在大型群体中从机制上证明衰老过程中的去分化和支架作用会导致认知能力下降。
对人工智能的态度阅读解释的答案
文本讨论了人们如何对人工智能预测缺乏信心，尽管其技术进步和比人类更好的预测能力。本文强调了医生不愿相信沃森（Watson）的肿瘤学建议的案例，即使他们恰逢自己的观点。它解释说，这种不信任源于AI决策过程的复杂性，这通常很难理解。因此，人们倾向于依靠人类专家而不是AI，而了解这种不情愿的原因对于改善对AI的信任至关重要。人们对AI的看法不同，具体取决于他们的观点。大多数人都没有意识到AI的良好效果，但是当失败时，他们非常了解。这可以使人们相信技术是不可靠的。我们对AI的看法受媒体和娱乐的影响。看电影或展示AI甚至可以改变人们对日常生活中自动化的感觉。如果某种事物被表现为积极，乐观的人会变得更加热情，而如果是负面的，那些已经持怀疑态度的人会变得更加信任。这表明，当人们看到有关AI的证据时，他们倾向于使用它来支持他们现有的观点，这可以看作是自然的人类趋势。如果我们继续在媒体和娱乐行业介绍AI，这可能会导致两组人。那些从AI中受益的人将对技术有更多的信任，而那些看不到其利益的人可能会完全拒绝它。如果AI用户不接受其优势，则可能处于不利地位。您已经参加了考试，因此不可能在不登录或注册的情况下重新开始。在进行继续之前，您必须首先确认考试已完成并记录结果。学术阅读测试的正确答案4（四），第3节如下：
![b'Introfuction。现代宇宙学的目标之一是曲率扰动P（k）的原始功率谱的表征。在通货膨胀期间，长波长的量子波动在辐射和物质时代中经典和重新进入哈勃半径，从而为宇宙大规模结构中的重力不稳定性提供了初始种子。 P（k）上最严格的约束来自宇宙微波背景（CMB）各向异性的调查，揭示了在范围内非常大的尺度上的近规模不变的，略带红色的频谱[0。 001，0。 1] mpc \ xe2 \ x88 \ x92 1。 Planck DR3数据在k = 0时限制了p（k）的幅度a s。 05 MPC \ XE2 \ x88 \ x92 1及其规格索引到LN 10 10 A = 3。 044 \ xc2 \ xb1 0。 014和N S = 0。 9649 \ xc2 \ xb1 0。 0042分别为68％Cl [1]。银河系可以将这些约束扩展到O（1）MPC \ XE2 \ X88 \ X92 1，但较小的尺度仍然很大程度上不受限制。最近观察到在NHz频率上通过PUL-SAR计时阵列（PTA）[2 \ XE2 \ X80 \ X935]观察到对P（k）的兴趣很大，因为标量会产生这种标量的兴趣，因为标量会产生此类scgwb。 [6 \ xe2 \ x80 \ x938]在秤[10 7，10 9] mpc \ xe2 \ x88 \ x92 1。最近的研究表明，这种标量诱导的势波背景（SIGWB）](/simg/2/26d4b467966015605fd8b1d34fe521ce2741b56e.webp)
b'Introfuction。现代宇宙学的目标之一是曲率扰动P（k）的原始功率谱的表征。在通货膨胀期间，长波长的量子波动在辐射和物质时代中经典和重新进入哈勃半径，从而为宇宙大规模结构中的重力不稳定性提供了初始种子。 P（k）上最严格的约束来自宇宙微波背景（CMB）各向异性的调查，揭示了在范围内非常大的尺度上的近规模不变的，略带红色的频谱[0。 001，0。 1] mpc \ xe2 \ x88 \ x92 1。 Planck DR3数据在k = 0时限制了p（k）的幅度a s。 05 MPC \ XE2 \ x88 \ x92 1及其规格索引到LN 10 10 A = 3。 044 \ xc2 \ xb1 0。 014和N S = 0。 9649 \ xc2 \ xb1 0。 0042分别为68％Cl [1]。银河系可以将这些约束扩展到O（1）MPC \ XE2 \ X88 \ X92 1，但较小的尺度仍然很大程度上不受限制。最近观察到在NHz频率上通过PUL-SAR计时阵列（PTA）[2 \ XE2 \ X80 \ X935]观察到对P（k）的兴趣很大，因为标量会产生这种标量的兴趣，因为标量会产生此类scgwb。 [6 \ xe2 \ x80 \ x938]在秤[10 7，10 9] mpc \ xe2 \ x88 \ x92 1。最近的研究表明，这种标量诱导的势波背景（SIGWB）
b'Introfuction。现代宇宙学的目标之一是曲率扰动P（K）的原始功率谱的表征。在通货膨胀期间，在辐射和物质时代的哈勃半径经典和重新输入膨胀的半径时，长波长量子波动扩增，为重力不稳定的初始种子提供了宇宙大规模结构中的初始种子。P（k）上最严格的约束来自宇宙微波背景（CMB）各向异性的表达，揭示了在范围内非常大的尺度上的近规模不变的，略带红色的频谱[0。001，0。1] mpc \ xe2 \ x88 \ x92 1。Planck DR3数据在k = 0时限制了p（k）的幅度a s。05 MPC \ XE2 \ x88 \ x92 1及其Spec-Tral索引到LN 10 10 A = 3。044 \ xc2 \ xb1 0。014和N S = 0。9649 \ xc2 \ xb1 0。0042分别为68％Cl [1]。 银河系可以将这些约束扩展到O（1）MPC \ Xe2 \ x88 \ x92 1，但较小的尺度仍然很大程度上不受约束。 Recent observations of a Stochastic Gravitational Wave Background (SGWB) at nHz frequencies by Pul- sar Timing Arrays (PTA) [2\xe2\x80\x935] have sparked a signifi- cant interest in P ( k ) at much smaller scales, since scalar fluctuations can generate such a SGWB at second order in perturbation theory [6 \ xe2 \ x80 \ x938]在秤[10 7，10 9] mpc \ xe2 \ x88 \ x92 1。 如果下达，PTA测量值可能会在通货膨胀的后期提供有价值的信息，对理论模型产生了深远的影响。0042分别为68％Cl [1]。银河系可以将这些约束扩展到O（1）MPC \ Xe2 \ x88 \ x92 1，但较小的尺度仍然很大程度上不受约束。Recent observations of a Stochastic Gravitational Wave Background (SGWB) at nHz frequencies by Pul- sar Timing Arrays (PTA) [2\xe2\x80\x935] have sparked a signifi- cant interest in P ( k ) at much smaller scales, since scalar fluctuations can generate such a SGWB at second order in perturbation theory [6 \ xe2 \ x80 \ x938]在秤[10 7，10 9] mpc \ xe2 \ x88 \ x92 1。如果下达，PTA测量值可能会在通货膨胀的后期提供有价值的信息，对理论模型产生了深远的影响。最近的研究表明，这种标量引起的重力波背景（SIGWB）可以为PTA检测提供一个能力的解释，并且可能会对来自贝叶斯观察的许多其他候选者进行案例[9，10]（但是，请参阅[9 \ xe2 \ x80 \ x80 \ x9313]，以ellite tountion of Extimation of Exteration to inton of toseation portod of tosod of tosod of to pod stod of pod，以供pbod of profod of prod。 [11 \ xe2 \ x80 \ x9316]用于替代分析）。因此，设计这一假设的进一步检验至关重要，并且与cos-'
虚拟衰老大脑：老年人认知能力下降的模型驱动解释
健康衰老伴随着个体认知能力的异质性下降，尤其是在衰老期间。这种变异的机制尚不清楚，但与白质纤维束的重组和大脑区域的功能共同激活有关。在这里，我们建立了一个因果推理框架，以提供结构连接和大脑功能之间联系的机制洞察，并基于大脑图像数据和网络建模。通过应用不同程度的半球间结构连接退化，我们不仅能够重现与年龄相关的半球间功能通信下降和相关的动态灵活性，而且我们获得了衰老过程中结构连接对大脑功能的整体调节增加。值得注意的是，结构连接和大脑功能之间的调节增加幅度更大，在认知能力较差的老年人中增加幅度更大。我们通过基于深度学习的贝叶斯方法独立验证了我们框架的因果假设。当前的结果可能是首次在大型群体中从机制上证明衰老过程中的去分化和支架作用会导致认知能力下降。
当人工智能系统的行为不符合用户预期时，提供解释的挑战 Riveiro， M.；Thill, S. 2022，专著或会议论文集（第 30 届 ACM 用户建模、适应和个性化会议论文集，第 110-120 页）
人工智能 (AI) 中的解释可确保复杂 AI 系统的用户了解系统行为的原因。用户对系统行为的期望会发挥一定作用，因为他们共同决定了解释的适当内容。在本文中，我们研究了当系统以意外方式运行时用户所需的解释内容。具体来说，我们向参与者展示了涉及自动文本分类器的各种场景，然后要求他们在每种场景中指出他们喜欢的解释。一组参与者从多项选择问卷中选择解释类型，另一组参与者必须使用自由文本回答。当输出符合预期时，参与者对于首选的解释类型表现出相当明确的一致意见：大多数人根本不需要解释，而那些需要解释的人则希望得到一个解释，说明输入的哪些特征导致了输出（事实解释）。当输出不符合预期时，用户也喜欢不同的解释。有趣的是，在多项选择问卷中，一致性较低。然而，自由文本回答略微表明，他们更倾向于描述人工智能系统的内部运作如何导致观察到的输出（即机械解释）的解释。总体而言，我们表明用户期望是确定最合适的解释内容（包括是否需要解释）的重要变量。我们还发现不同的结果，尤其是当输出不符合预期时，这取决于参与者是通过多项选择还是自由文本回答。这表明对精确实验设置的敏感性可能解释了文献中的一些变化。
