XiaoMi-AI文件搜索系统
World File Search System主观
在避免疼痛和寻求奖励期间加强学习中个体差异的神经相关性
抽象生物学会学会获得奖励并避免通过行动 - 结果关联进行惩罚。强化学习（RL）提供了一个关键的框架，通过评估学习率，行动偏见，Pavlovian因素（即，在刺激值的影响下）以及对成果的主观影响（即寻求奖励和惩罚）的主观影响，来理解这种关联学习中的个体差异。然而，这些个人级别指标在大脑中的代表如何仍然不清楚。当前的研究利用fMRI在健康的人类中和概率学习进行/不执行任务来表征学习涉及寻求奖励和避免疼痛的神经相关性。在行为上，参与者在避免疼痛期间与寻求奖励相比显示出更高的学习率。此外，结果对奖励试验的主观影响更大，并且与较低的响应随机性有关。我们的成像发现表明，在回避学习过程中学习率和表现精度的个体差异与背扣带扣带回皮质，中型皮层和中心后回的活性呈正相关。相比之下，在避免疼痛和寻求疼痛期间，帕夫洛维亚因子分别在上述回中心和上额回（SFG）中表示。通过激活左侧扣带回皮层的激活来积极预测结果的主观影响。最后，动作偏见由补充运动区域（SMA）和SMA代表，而SFG在限制这种行动趋势方面发挥了作用。，这些发现首次突出了RL期间计算过程中个体差异的神经底物。
数字健康和非健康决定的数学预测指标...
人们经常在医疗和健康环境中遇到数字信息。在本文中，我们研究了与健康和非健康环境中决策准确性相关的数学因素。这是一项重要的努力，因为数学认知研究人员与研究健康决策的人之间的跨话相对较少。90名成年人（M = 37岁； 86％白人；男性为51％）回答了假设的健康决策问题，93名成年人（M = 36岁； 75％的白人； 42％的男性）回答了一个非医疗决策问题。所有参与者都是从在线小组中招募的。每个参与者完成了一系列涉及客观数学技能的任务（例如，整数和分数估计，比较，算术流利度，客观算术等）和其数学态度，焦虑和主观算术的主观评分。在单独的回归模型中，我们确定了哪些客观和主观数学措施与健康和非健康决策准确性相关。大小比较精度，多步算术准确性和数学焦虑症是健康决策准确性的显着差异，而对数学的关注（如开放式策略报告中所示）是非医疗决策精度的唯一重要预测指标。重要的是，来自数学认知文献的可靠和有效的措施与健康决策准确性相比，比常用的主观和客观算法更加密切。这些结果具有实际的含义：了解与健康决策绩效相关的数学因素可以为将来的干预措施提供信息，以增强对数字健康信息的理解。
理解人们如何推理人工智能的审美评价
摘要 人工智能 (AI) 算法甚至在美学等创造性领域也取得了令人瞩目的成就。然而，机器学习 (ML) 社区之外的人是否能够充分解释或同意他们的结果，特别是在这种高度主观的领域，受到质疑。在本文中，我们试图了解不同的用户社区如何在主观领域推理 AI 算法结果。我们设计了 AI Mirror，这是一个研究探测器，可以告诉用户算法预测的照片美学分数。我们对该系统进行了用户研究，共有来自三个不同群体的 18 名参与者：AI/ML 专家、领域专家（摄影师）和普通公众成员。他们通过出声思考、调查和访谈等方式执行了拍照和推理 AI Mirror 预测算法的任务。结果表明：（1）用户使用自己特定群体的专业知识来理解 AI；（2）用户采用各种策略来缩小他们的判断与 AI 预测之间的差距；（3）用户的想法和 AI 预测之间的差异与用户对 AI 的可解释性和合理性的感知呈负相关。我们还讨论了主观领域中 AI 注入系统的设计考虑因素。
人工智能背景下的意识本质：重新定义人与技术的关系 Izuchukwu Kizito Okoli* 和 Osita Gregory Nnajiofor* https://dx.doi.org/10.4314/ujah.v25i1.1 摘要 人工智能 (AI) 背景下的意识本质提出了一个需要分析和进一步探索的问题。本研究旨在通过研究意识与 AI 的交集（包括形而上学含义和考虑）来重新定义人与技术的关系。主要目标是在 AI 的背景下定义意识，评估 AI 表现出意识的潜力，研究对人类体验的形而上学含义，并探索伦理层面。研究结果表明，意识涉及自我意识、感知、意向性和主观体验。虽然 AI 可以实现高级认知能力，但高阶意识的存在仍然不确定，这引发了关于主观意识本质的形而上学问题。意识难题凸显了连接物理过程和主观体验的挑战，强调了形而上学考虑的必要性。本文还探讨了人工智能集成的伦理影响及其对人类体验的影响。建议包括进一步研究人工智能中的意识、
人工智能背景下的意识本质：重新定义人与技术的关系 Izuchukwu Kizito Okoli* 和 Osita Gregory Nnajiofor* https://dx.doi.org/10.4314/ujah.v25i1.1 摘要 人工智能 (AI) 背景下的意识本质提出了一个需要分析和进一步探索的问题。本研究旨在通过研究意识与 AI 的交集（包括形而上学含义和考虑）来重新定义人与技术的关系。主要目标是在 AI 的背景下定义意识，评估 AI 表现出意识的潜力，研究对人类体验的形而上学含义，并探索伦理层面。研究结果表明，意识涉及自我意识、感知、意向性和主观体验。虽然 AI 可以实现高级认知能力，但高阶意识的存在仍然不确定，这引发了关于主观意识本质的形而上学问题。意识难题凸显了连接物理过程和主观体验的挑战，强调了形而上学考虑的必要性。本文还探讨了人工智能集成的伦理影响及其对人类体验的影响。建议包括进一步研究人工智能中的意识、
中小微企业对金融科技的接受度：新冠疫情后的应对措施
本研究的主要目的是评估影响棉兰市中小微企业采用金融科技的决定因素，重点关注后疫情时代的中小微企业。本研究对棉兰市 156 家中小微企业进行了在线调查。本研究使用结构方程模型 - 偏最小二乘 (SEM-PLS) 方法分析概念模型，利用 SmartPLS 版本 3 分析工具。研究结果发现，感知易用性和主观规范会影响棉兰市中小微企业参与者在使用金融科技时的感知有用性。总体而言，本研究的结果表明，感知易用性、感知有用性、主观规范和安全感对棉兰市中小微企业参与者使用金融科技具有积极而显著的影响。本研究的结果还为新常态时代（COVID-19 疫情后）棉兰市中小微企业使用金融科技提供了实际意义。关键词：主观规范；感知有用性；安全感；感知易用性；金融科技；中小微企业。
ESP 研究与认知神经科学
本评论考虑了超感知觉 (ESP) 研究和认知神经科学这两个领域，讨论了冲突点以及它们可能互补的领域。ESP 研究挑战了认知神经科学中的假设，即心智是大脑中已知物理过程的产物。应用于 ESP 研究的认知神经科学方法和工具可以使这两个领域受益并弥合它们之间的差距。首先，同时研究 ESP 任务期间的主观体验和神经活动将使我们能够更好地描述通常与 ESP 相关的主观状态。其次，走神和自由反应 ESP 实验设计之间的相似性使我们能够推测默认模式网络在知觉者体验过程中的潜在影响。最后，计算神经语言学和自然语言处理领域开发的工具可能对自动化自由反应 ESP 范式（如遥视）中的判断程序有价值。尽管对心智和大脑的假设可能不相容，ESP 研究可以从认知神经科学的方法和方式中获得新的见解，并且可以以自己的方式为人类主观体验和认知的研究做出贡献。
丰富多彩的现代商业信息图表演示
简介：Virgobit 和明斯特应用技术大学正在合作开发一款用于检测医护人员压力的移动应用程序。该应用程序使用可穿戴设备记录心率变异性 (HRV)，并应用信号处理算法来计算压力水平。它还通过问卷调查整合主观数据，以收集用户对压力的感知。通过分析客观和主观数据，该应用程序生成个性化的压力管理建议。这一创新解决方案旨在改善医护人员的心理健康，促进更健康的工作与生活平衡，应对他们面临的挑战，并打造更具韧性的医护人员队伍。
一种多模式的方法利用脑电图研究VR环境对心理工作负载的影响
抽象虚拟现实（VR）是一项允许用户体验模拟真实或虚构场景的多感觉和交互式环境的技术。仍然辩论了不同的VR沉浸式技术神学对心理工作量（MWL）的影响，即执行任务所需的资源数量；但是，从未利用脑电图在这种情况下的潜在作用。本文旨在调查在VR环境中对MWL进行认知任务的影响，这是通过使用多模式的方法进行的，其特征在于以不同程度的沉浸式来进行，这些方法通过生理EEG测量对MWL进行了良好评估的主观评估。提出了基于N-BACK测试的认知任务，以比较使用头部安装显示器（HMD）或桌面计算机展示Stim uli的特定裤子的性能和MWL。任务具有四个不同的复杂度（N¼1或2具有视觉或视觉和听觉刺激）。二十七名健康参与者都参加了这项研究，并在两种情况下都执行了任务。EEG数据和NASA任务负荷指数（NASA-TLX）分别用于评估客观和主观MWL的变化。 错误率（ER）和反应时间（RTS）也针对每个条件和任务水平进行了COL。 任务水平在两种情况下都对MWL产生了重大影响，增加了次级措施和降低性能。 EEG MWL指数显示出显着增加，特别是与休息相比。 不同程度的沉浸式均未显示个人的表现和MWL的显着差异，如主观评分所估计。EEG数据和NASA任务负荷指数（NASA-TLX）分别用于评估客观和主观MWL的变化。错误率（ER）和反应时间（RTS）也针对每个条件和任务水平进行了COL。任务水平在两种情况下都对MWL产生了重大影响，增加了次级措施和降低性能。EEG MWL指数显示出显着增加，特别是与休息相比。 不同程度的沉浸式均未显示个人的表现和MWL的显着差异，如主观评分所估计。EEG MWL指数显示出显着增加，特别是与休息相比。不同程度的沉浸式均未显示个人的表现和MWL的显着差异，如主观评分所估计。但是，在大多数情况下，HMD降低了EEG衍生的MWL，表明较低的认知负载。总而言之，HMD可能会减少某些任务的认知负荷。如脑电图MWL指数所示，MWL的降低水平可能对基于VR的应用程序的设计和未来评估有影响。