XiaoMi-AI文件搜索系统
World File Search System为本
以人为本的航空自动化 - CORE
先进自动化系统 (FAA)：20 世纪 90 年代为美国国家空域的空中交通管制和管理而实施的硬件、软件和程序组合。“飞机”的缩写。ARINC 通信和地址报告系统。姿态指示器：陀螺仪飞机姿态显示器，也称为人工地平仪。另请参阅 EADI。自动相关监视：指定期向地面控制站自动报告飞机位置、高度和其他数据。自动航路空中交通管制，FAA 的先进 ATC 系统概念。航路和终端自动化之间的界限不再那么明确，该术语的使用正在减少；另请参阅 AAS、FAS。自动飞行服务站：一种交互式自动化设施，可向通用航空和其他飞行员提供与飞行相关的信息。另请参阅 FSS。人工智能。航空公司飞行员协会，航空公司飞行员的劳工组织。 (ALT-STAR)：飞行管理系统的高度获取模式，在此模式下，飞机被命令爬升至预选高度并保持水平。辅助动力装置，一种小型涡轮机，提供电力、压缩空气和飞机液压系统的动力源。航空法规咨询委员会，由联邦航空管理局设立，以确保用户对监管过程的意见。航空无线电公司提供
以人为本的人工智能六大挑战
a 美国佛罗里达州奥兰多市中佛罗里达大学；b 美国佛罗里达州奥兰多市 Design Interactive 生物特征与分析；c 意大利巴勒莫大学 Matematica e Informatica；d 希腊克里特岛 FORTH-ICS 计算机科学研究所；e 德国慕尼黑工业大学社会科学与技术学院；f 加拿大蒙特利尔 HEC 蒙特利尔分校信息技术系；g 美国马里兰州巴尔的摩市约翰霍普金斯大学土木与系统工程系；h 英国牛津大学计算机科学系；i 美国新泽西州皮斯卡塔韦市 IEEE 标准协会新兴技术与战略发展系；j 美国马里兰大学计算机科学系；k 美国明尼苏达州明尼阿波利斯市明尼苏达大学计算机科学与工程系；l 美国加利福尼亚州奥克兰市凯撒医疗集团家庭医学与成瘾医学系；m 美国人工智能认知洞察； n 美国负责任的人工智能合作组织；o 希腊克里特岛克里特大学和 FORTH-ICS 计算机科学系；p 德国汉堡工业大学数字经济研究所；q 中国浙江杭州浙江大学心理学系
以人为本的 4IR 模型 - Yannis Eustathopoulos
如今，第四次工业革命/4IR（人工智能（AI）、机器人、物联网（IoT）、云、增强现实、3D 打印等）技术已成为有关经济、社会和环境未来的公开辩论的核心。在这场辩论的核心中，我们发现新技术对于实现可持续发展目标（SDG）的实际和潜在关键贡献。然而，越来越多的出版物和文章揭示了新技术的负面后果和风险以及严重的脆弱性。第四次工业革命的弱点通常归因于寡头垄断数字经济模式的盛行，这种模式积累了相当大的技术、金融和市场力量。本政策文件总结了 FORCE 项目的工作和成果，提出了第四次工业革命给欧洲带来的诸多机遇和挑战。这些挑战涉及广泛领域：从欧洲国家的数字主权和经济韧性到新技术对健康、工作条件、就业、环境和人权带来的机遇和影响。在此背景下，提出了多项建议，旨在深化和扩大欧盟当前监管数字部门的举措，释放新技术对可持续发展的潜力，同时塑造以人为本的第四次工业革命模式。
以人为本的可解释人工智能过程模型
引言人工智能 (AI) 的发展已展现出令人瞩目的性能，特别是在图像处理或游戏等明确定义的领域。然而，所部署的技术对于人类用户来说可能是不透明的，这引发了一个问题：人工智能系统如何提供解释 (Neerincx 等人，2018 年；Rosenfeld 和 Richardson，2019 年)，并且监管框架对可解释人工智能 (XAI) 的需求日益增长。话虽如此，2017 年，谷歌的研究主管 Peter Norvig 指出，在人类可能不擅长提供“解释”的情况下期望计算机提供“解释”是具有讽刺意味的。可解释人工智能 (XAI) 的大部分工作都严重依赖于以计算机为中心的视角 (Springer，2019 年)。例如，Holzinger 等人 (2020) 假设人类和人工智能系统可以平等地访问“基本事实”。由此可见，可解释性“……突出了机器表示中与决策相关的部分……，即有助于模型在训练中的准确性或特定预测的部分。”与许多 XAI 文献一样，这并没有为人类提供任何角色，只能作为被动接受者。这意味着人工智能系统能够反省自己的过程来生成解释。然后将得到的解释呈现给用户，并描述人工智能系统的流程或它使用过的特征（“决策相关部分”）。这样，解释就只是一个建议（来自人工智能系统）加上与此相关的特征。正如 Miller (2017) 所指出的那样，这种态度的一个问题在于，它是基于设计师对什么是“好的”解释的直觉，而不是基于对人类如何响应和利用解释的合理理解。这并不能说明为什么选择某些特征，也不能说明为什么建议适合用户的关注点。它也没有将解释置于更广泛的组织中；分析师的解释可能与数据收集管理人员或接受分析师简报的经理的解释不同。对于 Holzinger 等人 (2020) 来说，情况的各个方面（定义为基本事实）被组合成一个陈述；也就是说，解释只是这个陈述的一种表达。这意味着从特征到解释存在线性插值。这类似于 Hempel 和 Oppenheim (1948) 的“覆盖定律模型”，该模型关注的是历史学家如何根据先前的原因来解释事件。然而，“基本事实”（由 Holzinger 的过程模型和覆盖定律模型假设）很少得到完全定义（导致在选择相关特征时产生歧义）。这意味着，仅仅陈述情况方面而不说明为什么选择这些方面（而不是其他方面）可能不会产生有用或可用的解释。霍夫曼等人（2018）对与解释相关的文献进行了全面的回顾。从这篇评论来看，解释涉及人类的理解（将人工智能系统的输出置于特定情境中），我们同意，考虑这一点的适当框架是数据框架的理解模型（Klein 等人，2007）。此外，理解（及其与解释的关系）依赖于认识到过程（提供和接收解释）必须是相互的、迭代的和协商的。这个过程依赖于“解释者”和“被解释者”达成一致。换句话说，解释涉及“共同点”（Clark，1991），其中理解上有足够的一致性以使对话继续进行。对话的性质将取决于提供解释的情况和被解释者的目标。例如，被解释者可能是“受训者”，他试图理解解释以学习决策标准，也可能是“分析师”，使用人工智能系统的建议作为政策。
以人为本的AI和机器人技术
在小尺度的限制中h→0（更精确，但雄辩的定义较少由（12）提供）。该工具的第一个成功是，它允许丢弃通过FBM在小尺度下对完全发育的湍流速度建模的可能性；实际上，此过程具有线性缩放函数，这不是湍流数据的情况，请参见[32]和Ref。其中。关于对缩放函数提供的信息的理解的关键步骤是由于U. Frisch和G. Parisi在1985年引入的关键思想而获得的[60]：他们将缩放函数的严格凹入性解释为表明所分析函数的点型规律性所赋予的不同值的存在。让我们更加精确：局部界限函数f：r→r的指数定义如下。
像您和我这样的用户：从以人为本的角度了解用户驱动的数据经济
全球拥有超过50亿个社交媒体用户（“用户”），YouTube和Facebook等数字平台已成为人们日常生活中不可或缺的一部分。其中许多平台提供了“免费”服务，例如娱乐和社交互动，但是这些服务背后是一种复杂的经济非货币交换。在本文中称为零价格的用户，一个特定的用户组，交易了时间，注意力和数据之类的个人资源，而不是金钱来使用“免费”服务。同时，另一个更活跃的用户组扮演着重要角色：内容创建者。内容创建者，尤其是有影响力的人，在为平台提供原始和引人入胜的内容方面扮演着核心角色。将这两种类型的用户团结在一起的是，他们都基于个人资产的货币化参与分布式价值创造过程，这将他们作为经济参与者定位为新兴用户驱动的数据经济。用户提供或与其他用户交换的许多资源可以用平台用作经济资产。但是，这些资源的感知并不像传统的经济交易一样。缺乏洞察力可能会导致一系列未来的后果和成本，可能会对用户产生负面影响并减少其福祉。因此，本论文的目的是从以人为本的角度探索社交媒体用户作为用户驱动的数据经济中的活跃经济参与者。该研究基于定性和定量方法的组合。调查用于研究零价格用户及其与“免费”服务的参与。对于内容创建者而言，进行了深入的访谈，因为该小组代表了人口较小的人群。这项研究通过采用以人为中心的观点而脱颖而出。换句话说，它贡献了专注于增强用户福祉的知识，而不是像公司和组织通常这样做的那样优先考虑增长和创新。结果表明，平台策略（例如无限滚动和有针对性的广告）可以巧妙地影响用户行为并导致各种非货币成本。这些可能表现为拖延，
像您和我这样的用户：从以人为本的角度了解用户驱动的数据经济
全球拥有超过50亿个社交媒体用户（“用户”），YouTube和Facebook等数字平台已成为人们日常生活中不可或缺的一部分。其中许多平台提供了“免费”服务，例如娱乐和社交互动，但是这些服务背后是一种复杂的经济非货币交换。在本文中称为零价格的用户，一个特定的用户组，交易了时间，注意力和数据之类的个人资源，而不是金钱来使用“免费”服务。同时，另一个更活跃的用户组扮演着重要角色：内容创建者。内容创建者，尤其是有影响力的人，在为平台提供原始和引人入胜的内容方面扮演着核心角色。将这两种类型的用户团结在一起的是，他们都基于个人资产的货币化参与分布式价值创造过程，这将他们作为经济参与者定位为新兴用户驱动的数据经济。用户提供或与其他用户交换的许多资源可以用平台用作经济资产。但是，这些资源的感知并不像传统的经济交易一样。缺乏洞察力可能会导致一系列未来的后果和成本，可能会对用户产生负面影响并减少其福祉。因此，本论文的目的是从以人为本的角度探索社交媒体用户作为用户驱动的数据经济中的活跃经济参与者。该研究基于定性和定量方法的组合。调查用于研究零价格用户及其与“免费”服务的参与。对于内容创建者而言，进行了深入的访谈，因为该小组代表了人口较小的人群。这项研究通过采用以人为中心的观点而脱颖而出。换句话说，它贡献了专注于增强用户福祉的知识，而不是像公司和组织通常这样做的那样优先考虑增长和创新。结果表明，平台策略（例如无限滚动和有针对性的广告）可以巧妙地影响用户行为并导致各种非货币成本。这些可能表现为拖延，
以人为本的AI设计 - 信息学
与传统AI不同，该AI着重于最大化效率和自动化任务，HCAI强调了人类的协作和道德决策。这里有关键差异：•教育：传统AI自动化评分和内容交付，而HCAI创建了适合各个学生需求的人化学习平台。•医疗保健：传统AI优化了诊断和数据处理，而HCAI则确保AI稳定患者的舒适性，隐私和情感幸福感。•财务：传统AI最大化投资的风险分析，而HCAI则确保透明度并防止信用评分偏差。•运输：传统AI专注于自动自动驾驶汽车，而HCAI则增强了驾驶员辅助系统以提高安全性和舒适性。•客户服务：传统的AI聊天机器人han dle查询有效，而hcai-power
朝着以人为本的AI管理
作为由人工智能提供支持的算法（AI）越来越多地参与了组织的管理，当机器能够对人类获得权力时，必须进行以人为本的AI管理研究并了解人们的感受和行为。两种主流方法 - 小插图研究和案例研究 - 揭示了重要但不一致的见解。在这里，我们讨论了小插图研究的局限性（情感预测错误，有偏见的媒体覆盖范围和问题替代）和案例研究（社会可取性偏见以及缺乏随机分配和控制条件），这可能会导致他们分别对AI管理的负面和积极的反应过高。我们进一步讨论了减轻这些局限性的第三种方法的优势：众包市场上的现场实验。一项关于亚马逊机械土耳其人（MTURK；作为世界领先的众包平台）的概念证明研究表明，人类对AI管理的反应独特，与Vignette或案例研究中的AI管理不完全一致。参与者（n = 504）在AI与人类管理方面没有显着差异，在绩效，内在动机，公平感知和承诺方面。我们建议，众包的Mar Ketplaces可以超越人类的研究主题库，并成为AI管理的工作场所的模型，促进及时的行为研究以及对以人为中心的工作设计和组织的强大预测。
以人为本的AI和机器人技术
抽象机器人在AI中具有特殊的位置，因为机器人与现实世界相连，并且机器人越来越多地出现在人类的日常环境中，从家里到工业。除了案例外，机器人有望完全取代它们，人类将在很大程度上受益于与此类机器人的实际互动。不仅对于像机器人一样的复杂互动场景，在团队中充当指南，同伴或成员，而且还适用于更具预定义的功能，例如人类或商品的自主运输。越来越多的机器人需要合适的接口才能与人类互动，以使人感到舒适，这考虑了对采取行动的一定透明度的需求。本文描述了以人为中心的机器人技术研发（包括口头和非语言互动，彼此了解和学习）以及如果机器人将在我们的日常环境中包括在内，影响人类生活和社会，必须处理的道德问题。