XiaoMi-AI文件搜索系统
World File Search Systemvirtua
建议引用：Hornung, Olivia；Smolnik, Stefan (2021)：人工智能入侵职场：对组织使用个人虚拟助理的负面情绪，电子市场，ISSN 1422-8890，Springer，柏林，海德堡，第 32 卷，Iss。1，第 123-138 页，https://doi.org/10.1007/s12525-021-00493-0
摘要 基于人工智能的个人虚拟助理 (PVA) 经常用于私人环境，但尚未进入工作场所。无论其对组织的潜在价值如何，在工作场所持续实施 PVA 都可能遭到员工的抵制。要了解这种抵制的动机，有必要研究人类行为的主要动机，即情绪。本文揭示了与组织 PVA 使用相关的情绪，主要关注威胁情绪。为了实现我们的目标，我们进行了一项深入的定性研究，在焦点小组讨论和个人访谈中收集了 45 名员工的数据。我们根据 Beaudry 和 Pinsonneault (2010) 设计的情绪分类框架对情绪进行了识别和分类。我们的结果表明，损失情绪（例如不满和沮丧）以及威慑情绪（例如恐惧和担忧）构成了组织 PVA 使用界限的宝贵基石。
Juliette Mattioli、Gabriel Pedroza、Souhaiel Khalfaoui、Bertrand Leroy。结合数据驱动和基于知识的 AI 范式来设计基于 AI 的安全关键系统。人工智能安全研讨会 (SafeAI)，2022 年 2 月，虚拟，加拿大。hal-03622260
基于人工智能的系统的开发面临着多重艰巨挑战。这些挑战主要一方面归因于相关工程学科（系统、安全、安保）的技术债务、其固有的复杂性、尚未解决的问题，另一方面归因于人工智能自主性的新兴风险、人工智能启发式与所需确定性之间的权衡，以及总体而言，定义、描述、评估和证明基于人工智能的系统足够安全和可信的难度。尽管过去几十年来，许多领域做出了大量研究贡献并取得了不可否认的进步，但实验性人工智能和可认证人工智能之间仍然存在差距。本文旨在“通过设计”弥合这一差距。考虑到工程范式是指定、关联和推断知识的基础，提出了一种新范式来实现 AI 认证。所提出的范式承认现有的 AI 方法，即联结主义、符号主义和混合主义，并提出利用它们作为知识捕获的基本特征。因此获得了一个概念元体，分别包含数据驱动、知识驱动和混合驱动的类别。由于观察到研究偏离了知识驱动，而是努力采用数据驱动方法，我们的范式呼吁依靠混合驱动方法来增强知识工程，以改善它们的耦合并从它们的互补性中获益。
利用虚拟现实和人工智能改变教育
MedChat 不仅是一种技能培养工具，而且是技术如何解决患者与医生之间互动复杂性的基准。它符合将人工智能纳入医学教育的日益增长的趋势。宋认为，该应用程序具有巨大的潜力，可以更好地培养未来的医生，使其不仅提供称职的，而且提供富有同情心的护理，从而提高医疗质量。
关于人工智能（ai）、虚拟现实（vr）的专题回顾...
当今时代，人工智能 (AI) 和沉浸式学习工具（如虚拟现实 (VR) 和增强现实 (AR) 应用）近年来在艺术和设计领域越来越受欢迎。高等教育中的此类技术正在彻底改变传统的教学方法，尤其是在建筑教育中，理解空间品质、形式和结构至关重要。许多工具都是公开的，既有商业的也有开源的，提供了转换、建模、体验和可视化设计形式或图像的机会。尽管这些工具很受欢迎，但却缺乏探讨这些工具在建筑教育中应用趋势的文章。因此，这篇专题评论论文 (TR) 旨在综合 2018 年至 2024 年 SCOPUS 和 MENDELEY 数据库中关于 AI、AR、VR 和建筑教育等关键词的文献。这篇专题评论的结果揭示了五个主题：建筑理论理解、创意生成、空间和形式探索、学生行为和技术探索。该研究结果为对建筑教育领域 AI、VR 和 AR 的应用感兴趣的研究人员和从业者提供了宝贵的见解。
Bertrand Braunschweig、Rodolphe Gelin、François Terrier。人工智能安全之墙：confiance.ai 计划中的方法。人工智能安全研讨会 (SAFEAI)，2022 年 2 月，虚拟，加拿大。�hal-03657293�
摘要 AI 在高速发展的过程中面临着一些“障碍”。除了社会和伦理方面的考虑，AI 社区在使用、设计和研究方面也面临着一些相互关联但又汇聚了一些考虑的障碍：信任、安全、能源、人机合作和“非人性”。安全问题对所有这些问题来说都是特别重要的主题。Confiance.ai 工业计划旨在通过开发七个相互关联的项目来解决其中的一些问题，这些项目从不同的角度解决这些方面的问题，并将它们集成到基于 AI 的系统的工程环境中。我们将介绍 confiance.ai 采取的具体方法以及基于成员提供的真实工业用例的验证策略。
虚拟现实和弗伦克尔的练习的比较效果...
方法：在Sialkot伊斯兰中央医院门诊病患者门口进行了一项随机临床试验，样本样本是通过非概率便利性抽样选择的36名中风患者。参与者被随机分为两组：A组（虚拟现实）和B组（Frenkel的练习），每个组成18个参与者。平衡，步态和生活质量分别通过Berg Balance量表（BBS），定时和GO（TUG）测试以及中风特定的生活质量（SS-QOL）评估评估。每周三次进行每次干预措施在六周内每节30分钟。数据正态性，并将参数测试（包括配对和独立样品t检验）用于统计分析。<0.05的p值被认为是显着的。
Ikram Chraibi Kaadoud、Lina Fahed、Philippe Lenca。可解释的人工智能：知识发现、知识表示和表示学习交叉点的叙述性回顾。MRC 2021：第十二届国际情境建模与推理研讨会，2021 年 8 月，加拿大蒙特利尔（虚拟）。第 28-40 页。 hal-03343687
可解释人工智能 (XAI) 最近已成为一个非常活跃的领域，这主要是由于神经网络等黑箱模型的广泛发展。最新技术定义了最近的 XAI 目标，并提出了具体方法。在 XAI 和其他领域之间可以找到隐式链接，尤其是与知识和神经网络相关的领域。我们在此旨在强调这些隐式链接。我们对两个领域的研究工作进行了叙述性回顾：（i）知识领域，重点关注知识发现和表示，以及（ii）表示学习。我们讨论了这些领域与 XAI 之间的相似性和连接点。我们得出结论，为了使黑匣子更加透明，XAI 方法应该受到更多启发，并利用知识和表示学习领域的过去和最近的工作。通过本文，我们为多学科研究人员和人工智能专家以及人工智能知识渊博的用户提供了 XAI 领域的切入点。
DXC技术在短短90天内迁移到零信任网络访问，以驱动虚拟优先策略
“从人们的角度来看，我们优先考虑远程工作，并评估我们需要采用或更改的过程和技术以确保员工安全而确保安全。我很高兴地说，我们选择了零信托交易所中的正确技术来支持我们的零信托旅程。”
SIICA 虚拟免疫学学院 2025
意大利免疫学、临床免疫学和过敏学协会 (SIICA) 很高兴宣布为本科生、博士生、博士后研究员和医学博士研究生开设 2025 年虚拟高级免疫学学院 (SoI)。SoI 2025 提供高质量的直播网络研讨会和互动课程，为期 4 天，每天下午举行。