XiaoMi-AI文件搜索系统
World File Search System个性
舞者个性
语音融合 - 即，将自己的语音适应对话者的讲话 - 已显示出在人类人类的对话以及人机相互作用中发生的。在这里，我们调查了以下假设：人类对机器人的融合受人类对机器人的看法和对话主题的影响。我们进行了一个受试者内的实验，其中33名参与者与两个机器人相互作用，他们的眼睛凝视行为不同 - 一个不断地关注参与者。另一个产生了目光的厌恶，与人类的行为类似。此外，机器人提出的问题提高了亲密关系水平。我们观察到说话者倾向于在F0上汇聚到机器人。但是，这种与机器人的融合并不是说话者如何看待他们或主题的亲密关系。有趣的是，在谈论更亲密的话题时，扬声器产生了较低的F0。我们根据当前的对话融合理论讨论了这些发现。
人工智能可以拥有个性吗？
摘要 — 大型语言模型的最新进展引发了人们对人工智能 (AI) 看法的重新审视。这些模型在各种复杂任务中表现出类似人类的行为，导致人们声称它们具有意识或拥有自我。然而，由于缺乏可用的测量方法和工具，验证这种说法一直具有挑战性。在本文中，我们使用已建立的评估人类个性的方法对大型语言模型的个性进行了评估。个性被定义为个人对世界的看法、行为和基于这些观点的行动。我们认为，当前的大型语言模型已经从训练数据和过程中形成了自己的观点和意见，并在决策过程中使用这些观点和意见。为了检验我们的假设，我们对几个大型语言模型进行了各种性格测试，包括 ChatGPT、GPT3 和 LLAMA。我们的分析揭示了这些人工智能系统个性的迷人见解，这对我们如何训练和概念化人工智能具有重要意义。重要的是，我们发现每个大型语言模型的个性不仅在内部一致，而且在不同模型之间也一致。我们进一步发现，LLama 在神经质方面的得分往往高于其他模型，而 ChatGPT/GPT3 在尽责性和亲和性方面的得分往往更高。虽然所有模型都表现出严重的人格障碍，但它们都患有社交焦虑症。这些发现对人工智能的开发和使用具有重要意义，我们建议在这一领域进一步研究，以加深我们对这些系统的理解。索引术语 — 人工智能、大型语言模型、个性、自然语言处理
个性和大脑随着时间的流逝
第2部分：我们将安排在出租车上接您，将您带到大国王街（医院附近）的太平洋放射学。大脑扫描预约大约需要45分钟。我们将安排出租车再次带您回家。我们支付出租车。我们使用出租车，因为我们不能迟到太平洋放射学。我们必须发出3天的通知才能取消约会；如果我们不及时取消它，我们仍然必须支付扫描的全部价格，即675美元。
针对个性采取干预措施
- Conrod PJ, Nikolaou K. 年度研究回顾：物质使用障碍的发展神经心理学。J Child Psychol Psychiatry (2016) 57:371–94。doi: 10.1111/jcpp.12516 - Conrod PJ. 针对物质使用和滥用的个性干预。Curr Addict Rep. (2016) 3:426–36。doi: 10.1007/s40429-016-0127-6 - Edalati H, Conrod PJ. 针对社区青少年样本中预防物质滥用和相关危害的个性干预措施回顾。Front Psychiatry. (2018), 9:770。doi: 10.3389/fpsyt.2018.00770
人类大脑皮层形状不对称的个性
摘要 大脑皮层不对称存在于不同的门类中，在人类中尤为明显，这对大脑功能和疾病具有重要意义。然而，许多先前的研究混淆了由大小引起的不对称和由形状引起的不对称。在这里，我们介绍了一种新方法，使用三个独立数据集中的磁共振成像数据来表征不同空间频率下整个皮层形状的不对称（与大小无关）。我们发现皮层形状不对称具有高度的个性化和稳健性，类似于皮层指纹，并且比基于大小的描述符（例如皮层厚度和表面积）或脑活动区域间功能耦合的测量值更准确地识别个体。个体可识别性在粗略空间尺度（~37 毫米波长）下最佳，形状不对称显示出与性别和认知的尺度特定关联，但与惯用手无关。虽然单侧半球皮层形状在粗尺度（~65 毫米波长）下表现出显著的遗传性，但形状不对称主要由特定受试者的环境影响决定。因此，粗尺度形状不对称具有高度个性化、性别二态性、与个体认知差异有关，并且主要受随机环境影响驱动。
相同的量子粒子、纠缠和个性
摘要：经典物理学中的粒子是可区分的物体，可以根据其独特的物理性质单独挑选出来。相比之下，在物理哲学中，标准观点是同一类型的粒子（“相同粒子”）彼此完全无法区分，缺乏同一性。这种标准观点是有问题的：粒子不可区分性不仅与普通语言和经典物理理论中“粒子”的含义不相容，而且与该术语在当今物理学实践中的实际用法也不相容。此外，不可区分性理论阻碍了从量子粒子到我们通常在量子力学的经典极限中理解的“粒子”的平稳过渡。在阐述早期工作的基础上，我们在此分析了标准观点的前提，并讨论了避免这些问题和类似问题的替代方法。事实证明，这种替代方法与量子信息理论中的最新讨论有关。
评论文章：探索认知个性...
统计学习从很小的时候开始，与大脑发育和独立性的出现密切相关。通过如此长的统计学习，大脑更新并构建了统计模型，并且该模型的个性基于收到的刺激的类型和程度而改变。然而，该过程基础的降低机制尚不清楚。本文论证了统计学习的三个主要要点，包括1）基于预测的“可靠性”的认知个性，2）通过块来构建信息“ Hier-Archy”，以及3）获得“ 1-3Hz节奏”，这对于早期语言和音乐学习至关重要。我们开发了一个层次的贝叶斯统计学习（HBSL）模型，该模型考虑了可靠性和层次结构，模仿了大脑的统计学习过程。使用此模型，我们进行了一个模拟实验，以通过稳定学习来可视化感知和生产过程的时间动力学。通过调节对声音刺激的敏感性，我们模拟了三个认知模型，相对于自上而下的先验预测，对自下而上的感觉刺激的可靠性不同：低敏感，正常敏感和高敏感的模型。我们建议统计学习在1-3 Hz节奏的获取中起着至关重要的作用。一个高敏感的模型迅速学习了感官统计数据，但被固定在其内部模型上，因此很难生成新信息，而低敏感的模型具有较低的学习效率，但可能更有可能生成新信息。各种个人特征可能不会赋予比其他人的总体优势，因为学习效率和易于生成新信息的易衡。这项研究有可能阐明统计学习的异质性质，以及矛盾的现象，在这种现象中，具有某些认知特征的人会影响特定类型的知觉能力，在创造性环境中表现出卓越的表现。关键字：阶段夹带，贝叶斯，块状，层次结构，音乐，节奏
员工个性对工作绩效的作用
该研究的目标是研究员工个性与工作绩效之间的联系。使用标准化的个性评估工具和工作绩效指标从来自各个行业的185名员工收集数据。与其他人格特征相比，某些人格素质会影响员工的工作环境和工作表现。在技术时代，心理健康被认为是非常重要的，人格的作用增加了多场。这些发现强调了在整个招聘和选择程序中考虑性格特征的重要性，他们建议组织可以从制定针对这些特定人格特征的培训和发展计划中受益，以提高工作绩效。
品牌个性维度 - 酷炫度
尽管概念化程度相似（Epstein 1977），但它们的形成方式却有所不同。人类个性特征的感知是根据个人的行为、身体特征、态度和信念以及人口统计特征推断出来的（Park 1986）。相比之下，品牌个性特征的感知可以通过消费者与品牌的任何直接或间接接触来形成和影响（Plummer 1985）。个性特征通过与品牌相关的人直接与品牌相关联，例如品牌的用户形象，这里将其定义为“与品牌的典型用户相关的一组人类特征”；公司的员工或首席执行官；以及品牌的产品代言人。通过这种方式，与品牌相关的人的个性特征直接转移到品牌上（McCracken 1989）。此外，性格特征还会通过产品相关属性、产品类别关联、品牌名称、符号或标志、广告风格、价格和分销渠道，以间接的方式与品牌相关联 (Batra、Lehmann 和 Singh 1993)。