XiaoMi-AI文件搜索系统
World File Search Systemterest
AI和VR融合：在新兴的元评估罗伯特·戈德温·琼斯（Robert Godwin-Jones），弗吉尼亚州英联邦大学摘要
Metaverse的想法对语言学习具有巨大的希望。在3D沉浸式环境中访问的综合数字和现实世界的现象，通过非正式的聊天，模拟和游戏为偶然的语言学习提供了强大的机会，以及通过个性化的，适应性的，适应性的，适应性的语言获取。为了实现该愿景，将需要多模式AI，超越了纯文本语言模型，在任何媒体组合中发出输入和输出。将多模式AI整合到虚拟现实（VR）将允许身临其境的体验是广泛的和免费的形式，取代了提供有限的学习者代理的脚本互动。同时，AI系统内置的内存功能将使根据学习者的目标/兴趣和能力水平来创建用于个性化互动的学习者资料。同伴学习者的共同点，以及AI系统模仿人类交流实践的增长能力，将使Metaverse的版本与人类和人工智能代理人共同成为社会学习的协作空间。尽管这样的系统将提供一个吸引人的学习空间，但需要解决隐私和道德的关注。对于学习者而言，将基于AI的虚拟相互作用与真实的人类到人类通信进行补充，例如通过参与虚拟交流，这将非常重要。引言元代码的概念起源于尼尔·斯蒂芬森（Neal Stephenson）的雪崩溃（1992年），自从Facebook于2021年将自己重新命名为“ meta”以来，它吸引了人们流行的兴趣。同时，我们需要成为要了解人类与人工智能之间复杂的，相互交织的相互作用，使用诸如社会材料和复杂性理论等框架，以及从非威胁性的洞察力，从整体的，生态的角度来看，超越工具功能并考虑AI（和VR）。主要是通过虚拟现实（VR）可访问的合并真实和虚拟世界的概念似乎在人类活动的许多领域都有希望，包括语言学习。虚拟现实有望通过生成AI的新兴集成来转移到新的，更高的功能。对于语言学习，有望将VR应用程序从脚本上移动到自由形式的互动，并拥有高度个性化的自适应语言学习的希望。AI有望成为启用类似于Metaverse的事物的重要合作伙伴，尤其是随着其多模式功能的增强。在此过程中，人类可能以多种方式更严重地依赖AI，尤其是将其成为创作和学习伙伴（Godwin-Jones，2024b）。要了解AI浓度的程度，我们将需要将AI视为一种技术工具，并考虑其在社会中的转变效果。在此过程中，查看生态框架 - 社会材料和复杂性理论等生态框架将是有帮助的，这些作品分析了人类，非人类（包括AI）和使用背景之间的交织在一起的动态。通过将AI集成到混合现实的舞会中，可以重新定义计算机辅助语言学习（Call）的领域。此外，与土著文化相关的包容性和关系本体也提供了一种拒绝二元论和还原主义，邀请人们接受不确定性和歧义的观点，有助于应对破坏AI代表人类社会。AI增强VR可能会为语言学习带来深刻的变化，为学习者和领导教师提供了兴奋的机会，以重新思考传统的语言学习和评估方法，并可能质疑指导语言学习的基本使命和目标。
研究声明
是一个障碍。我们已经开发了许多具有概率正确性保证的不确定性量化技术。典型的不确定性定量技术使I.I.D.假设训练和测试分布是相同的（或密切相关的交换性假设）；因此，我们还设计了用于检测和减轻分配转移影响的技术。最后，我们设计了受到离线增强学习技术启发的算法，该算法可以从大规模批处理数据中以安全的方式进行学习，而无需与环境进行潜在危险的互动。神经词系统的保形预测。共构预测是通过将基本模型改为输出标签而不是单个标签的统计量来量化预测不确定性的技术的集合[1]。这些算法具有覆盖范围的范围，尤其是在假设训练和测试分布相同的假设下，预测集可以保证包含具有很高概率的地面真相标签。用于建立值得信赖的神经符号程序，与更传统的不确定性量化技术相比，共形预测具有多个优势，这些技术预测了每个标签的概率（例如，校准预测）。首先，与概率相比，预测集往往更容易纳入存在的软件（例如，传统的机器人计划算法可以避免障碍的预测集，而在概率预测下的计划需要修改计划算法）。此外，覆盖范围保证通常直接转化为整个系统的安全保证（例如，可以保证机器人避免具有很高概率的障碍），而为预测概率提供的保证是易于解释的。我们最近的工作已经证明了如何使用学习理论的技术来设计可能带有近似正确（PAC）瓜素的共形算法[2]。我们的工作也是第一个证明了如何将保形预测应用于包括Resnet [3]在内的深神经网络，随后在结合形式预测和深度学习方面有很大一部分[4，5]。在后续工作中，我们已经证明了共形预测提供的覆盖范围保证是如何用于为更广泛的神经成像计划提供概率保证。例如，我们将其与模型预测性屏蔽结合在一起 - 我们在先前的工作中开发的安全强化学习算法[6，7，8]），以使从视觉观察结果获得安全的加强学习，其中强化学习代理使用DNN策略直接映射图像[9]。在另一项工作中，我们展示了如何为大型语言模型构建共形预测集，并构成它们以提供概率保证，以检索增强问题回答[10]。最后，在正在进行的工作中，我们通过使用抽象解释来通过程序传播预测集[11]，致力于将这些技术扩展到一般程序组成。分布偏移下的不确定性定量。如果可以区分它们，则不确定性量化的传统算法，包括共形和校准预测，在很大程度上取决于I.I.D.训练和测试分布是相同的（或稍弱的交换性假设）。 在许多现实世界中，这些假设分解了 - 例如，在不断变化的环境中运行的机器人或部署在患者人群不同的新医院中的机器学习模型。 因此，除了量化I.I.D.下的不确定性外 假设，我们需要检测该假设何时失败。 我们考虑了无监督的域适应设置（即，我们从移位的测试分布中使用了未标记的示例），这在许多设置中都存在，因为系统可以观察到所需的预测输出的输入。 然后，我们建议使用基于分类器的测试来检测协变量分布的变化[12]。 直观地，想法是训练DNN以区分培训和测试输入。训练和测试分布是相同的（或稍弱的交换性假设）。在许多现实世界中，这些假设分解了 - 例如，在不断变化的环境中运行的机器人或部署在患者人群不同的新医院中的机器学习模型。因此，除了量化I.I.D.下的不确定性外假设，我们需要检测该假设何时失败。我们考虑了无监督的域适应设置（即，我们从移位的测试分布中使用了未标记的示例），这在许多设置中都存在，因为系统可以观察到所需的预测输出的输入。然后，我们建议使用基于分类器的测试来检测协变量分布的变化[12]。直观地，想法是训练DNN以区分培训和测试输入。
安全与防御 欧洲
去年，美国退出《联合全面行动计划》（JCPOA），即 2015 年与伊朗达成的暂停伊朗核计划的协议，欧洲人对此感到非常不满和愤怒。欧洲各大媒体迅速大肆宣扬特朗普政府再次玩弄谎言，危及全球和平的基石。这一行动是经过漫长而微妙的谈判从德黑兰手中夺取的。这一行动是恶意的，归根结底，甚至不符合美国的利益。英国、法国和德国是 JPCOA 的欧洲签署国，它们不仅宣布希望遵守该协议，而且还表现出非凡的细致，以规避华盛顿即将实施的制裁，并提出了与伊朗制定替代汇款程序的创造性想法。毫无疑问，它们相信自己的政府也会效仿。不幸的是，他们在做这些计算时没有考虑到他们国家的经济，而他们实际上想要保护这些国家的利益。面对是保住利润丰厚的美国业务还是试图破解与毛拉政权发展业务的难题的选择，欧洲人几乎无一例外地选择屈服于美国人的意愿，断绝了与伊朗的业务关系。德黑兰对巴黎、柏林和伦敦政府对华盛顿强硬派采取的立场的感激之情是短暂的。自 2019 年 7 月初以来，国际原子能机构 (IAEA) 已证实伊朗再次进行铀浓缩，其规模超过了 JCPOA 允许的规模。浓缩材料的最大允许持有量也已超过允许持有量。除此之外，德黑兰还威胁要重新运行一座已退役的重水反应堆。因此，现在欧洲也被迫（尽管有些遗憾）认为，目前的协议已无法挽回，必须谈判达成新的协议。欧洲普遍对特朗普政府的反感，在美国反对派通过不断的宣传运动的推动下，已经如此强烈，以至于承认美国是正确的问题实际上已不再是问题。在这种情况下（而且不仅仅是在这种情况下），欧洲人似乎认为美国而不是伊朗才是真正的问题国家。但这反过来意味着他们接受被我们这个时代最危险的政权之一利用，他们只不过是棋盘上的棋子。此外，即便有人认为受规则约束的国际政治不仅是可取的，而且也是可能的，但他们也必须接受这样一个事实：时不时地，有些条约和协议（如《中导条约》）已经过时了，或者也许根本就不应该缔结。许多人认为，联合全面行动计划属于后者。谈判伙伴中最低共同标准签字的墨迹未干，批评者就开始发出声音，而且不仅仅是在美国。尤其是以色列，这个国家正受到毛拉政权的灭绝威胁，甚至沙特阿拉伯，在海湾地区的地缘战略层面上受到德黑兰的挑战，都毫不掩饰他们的沮丧和愤怒。批评者认为，伊朗只是在拖延时间：在对伊朗实施的制裁暂停后，伊朗将暂时搁置核计划，以便经济复苏。一旦实现这一目标，伊朗将迅速掌握资源，成为一个核大国。而伊朗政权在过去几周恢复生产的速度表明，这不仅仅是危言耸听。许多人不知疲倦地指出，几十年来，伊朗从未对其他国家发动过一次军事侵略。相反，伊朗自己也遭到了萨达姆·侯赛因统治下的伊拉克的攻击。这也许是真的，但不是全部事实。按照传统国际法，伊朗的战争程度低于“战争”的程度，但伊朗确实已经开始在整个地区以武力制造动乱，通过支持黎巴嫩（和叙利亚）的真主党、也门的胡塞叛军、伊拉克的什叶派政党和民兵等代理人，而且不仅仅是言辞。在此背景下，德黑兰政权的动力并非出于对强权政治的兴趣，而更多地是出于对宗教和意识形态的关注。只要这种情况持续，伊朗的统治者就不应该指望任何人对他们表示任何信任。