摘要。尽管即使是非常先进的人工系统也无法满足人类成为社会互动适当参与者所需的苛刻条件,但我们认为并非所有人机交互 (HMI) 都可以适当地简化为单纯的工具使用。通过批评标准意向性主体解释的过于苛刻的条件,我们建议采用一种最小方法,将最小主体归因于某些人工系统,从而提出将采取最小联合行动作为社会 HMI 的案例。在分析此类 HMI 时,我们利用了丹尼特的立场认识论,并认为出于多种原因,采取意向性立场或设计立场可能会产生误导,因此我们建议引入一种能够捕捉社会 HMI 的新立场——人工智能立场。
本文介绍了一种跨性别包容的人工智能立场,即“行动人工智能”(eAI)。人工智能设计是一种体现人类文化和价值观的人类社会文化实践。不具代表性的人工智能设计可能会导致社会边缘化。第 1 节借鉴激进的行动主义,概述了具体文化实践。第 2 节探讨了跨性别如何作为一种社会文化实践与技术科学交织在一起。第 3 节重点介绍了在人工智能中机器人与人类互动的具体情况下颠覆性别规范。最后,第 4 节确定了四个道德载体:可解释性、公平性、透明度和可审计性,以便在开发性别包容的人工智能时采取跨性别包容的立场,并颠覆机器人设计中现有的性别规范。
植物激素生长素调节植物生长和发育的许多重要方面(Lavy and Estelle,2016年)。越来越多的证据表明生长素调节植物宿主与其相关微生物之间的相互作用,包括有益的共生体,内生菌和引起疾病的致病生物。因此,生长素也被微生物生成或分解了影响宿主信号,生理和发育不足为奇。此外,最近的研究表明,生长素(尤其是吲哚-3-乙酸,IAA)可以充当信号分子,直接影响微生物发育和/或基因表达(Kunkel and Johnson,2021)。在本研究主题中,我们邀请研究人员提交文章,调查生长素影响宿主和/或微生物生物学的各种方式。自2021年底发布电话以来,我们仅收到了与此主题相关的少数手稿。在事后看来,考虑到这一调查领域的新事物,这并不意外。本研究主题中的四篇文章报告报告了通过植物相关的微生物和生长素在调节植物微生物相互作用中的作用来推进IAA的合成和修饰。
行为源自多个在解剖学和功能上不同的大脑区域的协调活动 1,2 。现代实验工具 3–5 使我们能够前所未有地接触大量神经群,甚至是横跨全脑许多相互作用区域的神经群 2 。然而,要理解如此大规模的数据集,不仅需要稳健、可扩展的计算模型来提取区域间通信的有意义特征,还需要原则性理论来解释这些特征。在这里,我们介绍了基于电流的分解 (CURBD),这是一种使用数据约束的循环神经网络模型 6 推断全脑相互作用的方法,该模型一旦经过训练,就会自主产生与实验获得的神经数据一致的动态。CURBD 利用从这些模型推断出的功能相互作用来同时揭示多个大脑区域之间的定向电流。我们首先表明,CURBD 可以在具有已知连接和动态的模拟真实网络中准确地隔离区域间电流。然后,我们将 CURBD 应用于从广泛的神经数据集(斑马鱼幼虫 7 、小鼠 8 、猕猴 9 和人类 10 )获得的多区域神经记录,以证明 CURBD 在解开全脑相互作用和行为背后的区域间通信原理方面的广泛适用性。
简介 十一年前,马希尔 (Maher) 问道:“谁在创造?” (Maher 2012),并提出了几个创造性应用的分析空间,包括构思和互动两个维度。马希尔的问题引出了乔丹诺斯 (Jordanous) 的 PPP 视角框架,其中创造行为可以由人类或人工智能 (Jordanous 2016) 执行,以及坎托萨洛 (Kantosalo) 和塔卡拉 (Takala) 的 5C 框架,其中创造行为由人类和人工智能共同组成的集体执行 (Kantosalo and Takala 2020)。1然而,对于人与人工智能互动中创造力的位置,人们的共识较少。混合主动性创造性界面方法提出了一组基本的细粒度活动,这些活动可以由人类或人工智能以某种结构化对话的形式执行(Deterding 等人,2017 年;Spoto 和 Oleynik,2017 年),随后扩展到生成应用(Muller、Weisz 和 Geyer,2020 年),针对特定算法方法进行了改进(Grabe、Duque 和 Zhu,2022 年),并针对其他算法方法进行了批评(Zheng,2023 年)。虽然这些方法生成了重叠的分析动作词汇,但它们并没有解决创造力在何处发生(以及由谁或什么通过这些动作发生)的问题。在这篇短文中,我们提供了对该问题的一个答案的几个例子。我们重新利用 Kantosalo 和 Takala (2020) 的 5C 中的集体概念,提出一种类型的创造力可能会在以下互动空间中不对称地出现 (Rezwana and Maher 2022)
方法:从基因表达综合数据库中获取 HFpEF 小鼠数据集(GSE180065,包含 10 个 HFpEF 和 5 个对照样本的心脏组织)。比较 HFpEF 组和对照组的基因表达谱,以识别差异表达的 EMRG(DE-EMRG),并使用机器学习算法筛选具有诊断价值的诊断生物标志物。同时,我们构建了基于生物标志物的列线图模型以评估其预测能力,并使用单基因集富集分析、药物预测和调控网络分析对诊断生物标志物的功能进行研究。此外,利用基于诊断生物标志物表达的共识聚类分析来识别差异 HFpEF 相关基因(HFpEF-RG)。对 HFpEF 和亚型进行免疫微环境分析,以分析免疫细胞与诊断生物标志物以及 HFpEF-RG 之间的相关性。最后,对HFpEF小鼠模型进行qRT-PCR分析,以验证诊断生物标志物的表达水平。
自动驾驶汽车的未来在于以人为中心的设计和先进的AI Capabilies。未来的自动驾驶汽车不仅会跨乘客,而且还将互动并适应他们的欲望,从而使旅程变得舒适,有效且令人愉悦。在本文中,我们提出了一个新颖的框架,该框架利用大型语言模型(LLMS)来增强自动驾驶汽车的决策过程。通过整合LLMS的自然语言能力和上下文理解,专业工具使用,协同推理,并与自动驾驶汽车的各种模块进行作用,该框架旨在将LLMS的先进语言和推理能力无缝整合到自动驾驶中。拟议的框架具有革新自动驾驶汽车运行方式,提供个性化援助,持续学习和透明决策的潜力,最终为更安全,更有效的自动驾驶技术做出了贡献。
抽象的幽门螺杆菌是最常见的人类病原体之一,可能引起胃肠道(GI)疾病,包括简单的胃炎,胃溃疡和恶性胃炎。在某些情况下,例如免疫缺陷和潜在疾病,它可能是机会性感染。糖尿病(2型)(T2DM)是幽门螺杆菌的潜在疾病之一。由于在糖尿病患者中观察到胃肠道问题,因此有必要治疗幽门螺杆菌感染。在这篇综述中,我们的目的是根据流行病学调查评估幽门螺杆菌和T2DM之间的可能关系,该研究从数据库中检索出的70项研究,包括Scopus,PubMed和Google Scholar,介绍了H. Pylori和T2DM之间的关系,并讨论了此相关性的背景机制。根据我们的研究结果,不同的研究表明,幽门螺杆菌在2型糖尿病患者中比健康的个体或非糖尿病患者更为普遍。原因是幽门螺杆菌感染引起的炎症和炎症细胞因子的产生以及该细菌与糖尿病有关的细菌的不同激素失衡。通过追踪糖尿病患者的抗幽门螺杆菌抗体,以及> 75%患者的消化问题等症状的发生,可以得出结论,该细菌和T2DM之间存在关系。考虑到证据,至关重要的是,在T2DM患者中评估幽门螺杆菌感染的可能性,以使患者的医疗过程受到更高的谨慎态度。
我们正在快速经历一个历史时刻:人们在一台计算机前工作,由一台小型 CRT 控制,专注于仅涉及本地信息的任务。联网计算机变得无处不在,在我们的生活中以及科学、商业和社会互动的基础设施中发挥着越来越重要的作用。为了在新千年推动人机交互的发展,我们需要更好地理解新兴的交互动态,其中焦点任务不再局限于桌面,而是延伸到一个复杂的网络信息世界和计算机介导的交互。我们认为分布式认知理论在理解人与技术之间的交互方面发挥着特殊的作用,因为它的重点一直是整个环境:我们在其中真正做什么以及我们如何协调其中的活动。分布式认知为如何思考设计和支持人机交互提供了彻底的重新定位。作为一种理论,它专门用于理解人与技术之间的交互。在本文中,我们提出分布式认知作为人机交互的新基础,勾勒出一个综合的研究框架,并使用我们早期工作中的选集来提出该框架如何为数字工作材料的设计提供新的机会。
气候变化是对生物多样性和生态系统功能的最严重威胁之一。当前的温度变化速率主要由化石燃料的人类组合驱动,远远超过至少10,000年(较低的PleistoCene)和更长的时间(IPCC,2014年)。最后一次重大的气候变化事件引起了巨大的灭绝,导致许多大型四足动物突然灭亡,包括诸如羊毛猛mm,羊毛犀牛,毛s,牛皮龙,巨型麋鹿,巨型麋鹿,saber齿的虎和dire虎[1]等特征物种[1]。在先前的气候变化事件时,景观之间的主要差异之一是当前的景观是,生物圈现在由单个物种Homo Sapiens Sapiens主导,该物种已深刻改变并简化了许多陆地和水生生态系统。因此,除了气候变化外,自然生态系统还因其他人类引起的变化而改变了,包括森林砍伐,富营养化,过度收获,非本地物种的引入和各种类型的污染。因此,物种和种群受到多种压力源的挑战,使他们更难适应气候制度的快速变化。人们可以强烈认为我们不再生活在全新世,而是在人类世[2,3]。