XiaoMi-AI文件搜索系统
World File Search System互动
Albrecht Schmidt、Fosca Giannotti、Wendy E. Mackay、Ben Shneiderman、Kaisa Väänänen。人工智能造福人类：关于如何为个人和社会创造真正互动和以人为本的人工智能的小组讨论。第 18 届 IFIP 人机交互会议 (INTERACT)，2021 年 8 月，意大利巴里。第 335-339 页，10.1007/978-3-030-85607-6_32。hal-03603481
AI 有望在我们生活的许多领域带来革命。过去几年，我们观察到机器学习 (ML) 算法取得了重大进展，并催生出令人印象深刻的系统，例如图像理解和自然语言识别。数据被大规模收集，可用数据集（公共或公司内部）的数量正在迅速增长，因为许多人都了解数据的基本价值。然而，许多应用程序并不关注人，它们不是以人为本的。下面，我们将讨论为什么先进的 AI 和 ML 算法和技术是不够的，以及为什么这不足以创造 AI 革命。为了取得对人类、个人和社会都有意义的真正进步，我们必须了解如何利用 AI 的新潜力和能力从根本上改变交互系统的设计。
公共和私营部门在创新中的互动——......
■ 与信息指标相反，在所研究的 16 个行业组中，有 13 个使用更细粒度的聚合基于协作指标显示交互有所增加。一些初始交互水平最高的行业组显示增幅最大：C20（化学品和化学产品制造）、C21&C26（基础药品和药物制剂制造；计算机、电子和光学产品制造）和 M72（科学研究和开发）。C27tC28（电气设备制造；机械和设备制造）也显示大幅增长。
利用深度学习和用户互动的...
1计算机工程系1银橡树大学，艾哈迈达巴德，印度摘要：文化遗产保护对于学习历史和维护我们的身份至关重要。但是，使用传统方法进行遗产现场识别和认可经常需要手动检查和专业知识，这可能是资源和时间密集的。为了自动化遗产识别的过程，本研究提出了一种新颖而创意的解决方案，将深度学习技术与直观的互动相结合。使用历史和建筑意义上的七个图片，使用VGG16模型训练该系统，VGG16模型是通过转移学习改进的卷积神经网络（CNN）的一种形式。Pygoogle-image Python库用于收集这些图片。结果是一个在简化平台上开发的交互式，用户友好的应用程序。潜在的遗产网站可以由用户上传照片，算法可以很高的精度识别它们。此方法使保护工具更广泛地可用，同时还可以简化历史识别程序。支持文化保护计划，并使包括遗产经理，城市规划师和政策制定者在内的利益相关者受益，它减少了对常规技术的依赖。这项将最先进的深度学习方法与用户输入相结合的技术是可持续性和文化遗产保护的主要进步。索引术语 - 深度学习，卷积神经网络，机器学习，图像识别
人类计算机的互动和学习者春季2025
我鼓励学生探索用于所有作业和评估的生成人工智能（AI）工具（例如ChatGpt）的使用。必须按照APA样式指南制定的指南，包括所使用的工具的特定版本，必须适当地确认和引用任何此类用途。提交的工作应包括用于生成内容的确切提示，以及附录中的AI的完整响应。由于AI生成的内容不一定是准确或适当的，因此每个学生有责任评估提交的任何生成AI输出的有效性和适用性。如果您的工作中发现不准确，无效或不适当的信息，您可能不会获得全部信贷。与这些准则的偏差将被视为违反《 UF荣誉法》。请注意，在学生工作中使用AI的期望在您的课程和讲师中可能会有所不同。如果您对什么是允许的，而不是特定课程或作业的疑问，请给我发电子邮件。
电网支持互动式逆变器符合性证明
1. 根据 UL 1741（第三版，日期为 2023 年 5 月 19 日），合规性要求满足 UL 1741 补充 SA 和 SB 中详述的规范，以及源要求文件 (SRD) 中概述的智能逆变器要求。此外，该产品已根据 UL 1741 补充 SB 和 IEEE 1547.1-2020 进行了验证，确保与 IEEE 1547-2018、IEEE 1547a-2020、IEEE 1547:2018 勘误表中规定的 SRD 以及以下机构制定的 SRD 保持一致：a. 加州电气规则 21。b. 具有必需 URP 的夏威夷电气规范（SRD-V2.0，日期为 2022 年 11 月 18 日）。c. 技术互连要求 NEPR-MI-2019-0009（2022 年 5 月 19 日）d. ISO-NE 的默认 IEEE 1547-2018 设置要求（2022 年 12 月 13 日）e. 新墨西哥州（EPE、PNM 和 Xcel Energy (SPS) TIIR）（2023 年 6 月 30 日，电网支持功能的评估按照 IEEE 1547.1-2020 进行，并通过针对 IEEE 2030.5-2018 通信协议的验证来确认互操作性。
人工智能与网络安全的互动，保护未来网络
人工智能 (AI) 是一个最广泛和最具活力的领域之一，吸引了世界各地越来越多的学生、从业者和研究人员。尤其是自然语言处理，它的众多化身之一，每周都会成为新闻焦点。最近，已经发布了各种程序，使任何人都可以生成文本提示的艺术或逼真的再现。因此，公众可以亲身体验什么是人工智能。另一方面，这些人工智能可以被转移来愚弄或欺骗其他人，例如人脸生成程序，从而引发道德问题。这促使人工智能研究人员着手提高机器和深度学习算法的公平性和安全性。事实上，由于人工智能有望渗透到从医疗保健到农业或交通运输等社会各个领域，立法者对其对社会的影响持谨慎态度，并试图立法限制其使用，阻止其自动化所有复杂决策过程的能力。这就是为什么人机交互方法大多得到开发，特别是对于安全关键型应用。网络安全是另一个关键领域，它可以从人工智能方法中受益，用于恶意软件分析、入侵检测、警报关联和威胁情报等各种任务，目标是增强下一代网络的网络安全状况。它们的效率将依赖于人工智能在复杂、分布式和异构环境中发现模式并做出预测
人工智能与数字公众的互动
摘要 人工智能 (AI) 和数字公共基础设施 (DPI) 是两项在全球政策讨论中占据中心地位的技术发展。然而，迄今为止，关于 AI 和 DPI 如何相互提升彼此提供的公共价值的讨论相对较少。因此，在本文中，我们描述了 AI 和 DPI 可以相互作用以互利共赢的机遇和挑战。首先，我们定义 AI 和 DPI，以提供清晰度并帮助政策制定者区分这两项技术发展。其次，我们提供了实证证据，说明 AI（一种通用技术）如何集成到许多 DPI 系统中，帮助 DPI 在诸如通过机器翻译 (MT) 进行语言本地化、通过推荐系统提供个性化服务等用例中发挥作用。第三，我们列举了 DPI 如何通过提高可用训练数据的数量和质量来充当创建更高级 AI 系统的“基础”。第四，我们讨论了集成 AI 和 DPI 的挑战，包括高级 AI 模型的高推理成本、与传统软件的互操作性挑战、对 AI 系统中诱导偏差的担忧以及与 DPI 相关的隐私挑战。我们最后得出了关于政策制定者如何努力增强人工智能和 DPI 的积极互动的关键要点。
人类互动中的文化变化-Repositum
我在此解释说我已经独立写了这项工作，我已经完全指定了有用的资源和辅助工具，并且我肯定已经担任了工作的立场 - 包括表，地图和插图 - 在措辞或含义中，其他作品或互联网在任何情况下，无论如何将其表示为借款。我进一步解释说，我只使用生成的AI工具作为工具，而我在当前工作中的创造力主要超过了我的创造性影响。在附录“概述使用的艾滋病”中，我列出了所有使用的生成AI工具，并指示了它们的使用方式以及如何使用。对于没有实质性更改而没有实质性更改的文本段落，我给出了输入（提示）以及与您的产品名称和版本号/日期一起使用的IT应用程序。
Huwo：建立物理互动世界...
强化学习已被证明对人形机器人的运动有效，但是在复杂环境中实现稳定的运动仍然具有挑战性。humanoid机器人必须在导航并不断适应与环境的相互作用时保持平衡。对这些机器人环境动力学的深入了解对于实现稳定的运动至关重要。由于有特权信息，即机器人无法直接访问，以扩展可用的空间，因此先前基于强化的学习方法是从部分观察结果中重建环境信息，或者从部分观察中重建机器人染色信息，但它们从完全捕获的机器人环境相互作用的动力学中却缺乏。在这项工作中，我们提出了一个基于HU Manoid Robots（HUWO）的物理互动模型的端到端增强学习控制框架。我们的主要创新是引入物理互动世界模型，以了解机器人与环境之间的动态影响。另外，为了解决这些相互作用的时间和动态性质，我们采用了变压器-XL的隐藏层进行隐式建模。所提出的框架可以在复杂的环境（例如斜坡，楼梯和不连续的表面）中展示强大而灵活的运动能力。，我们使用Zerith 1机器人（在模拟和现实世界部署中）验证了该方法的鲁棒性，并将我们的Huwo与基线与基线进行了定量比较，并具有更好的穿越性和命令跟踪。
