我曾多次指出,物理学的最新发展给我们上了一课,即不断扩展适合于对新经验进行分类的概念框架的必要性,这引导我们采取一种普遍的认识论态度,这种态度可能有助于我们避免在其他科学领域出现明显的概念困难。然而,由于各方都认为,这种态度似乎涉及一种与真正的科学精神不相容的神秘主义,我很高兴利用目前的机会向在完全不同的领域工作但团结一致努力为我们的知识找到共同基础的科学家发表演讲,重新回到这个问题上,最重要的是试图澄清已经产生的误解。在讨论将要讨论的问题之前,我只需要简要地回顾一下物理学的发展如何经常地告诉我们,即使是描述我们日常经验所必需的最基本的概念的一致应用,也是基于最初未被注意到的假设,然而,对这些假设的明确考虑是
黑洞信息悖论在多大程度上导致了量子力学的违背?我将解释黑洞互补性如何提供一个框架来阐明黑洞的量子表征如何在信息悖论的情况下保持一致。我指出,有两种方法可以兑现这里所用的一致性概念:操作性概念和描述性概念。这两种关于一致性的思考方式导致了(至少)两个黑洞互补性原则:操作性原则和描述性原则。我们关于现实主义/工具主义的科学背景哲学可能最初会让我们更喜欢其中一个原则。然而,最近的物理学文献将量子信息论和量子计算复杂性理论的工具应用于涉及黑洞内部或周围量子系统的各种思想实验,这意味着操作性原则在描述性原则不成功的情况下是成功的。这让我们看到,对于操作主义者来说,黑洞信息悖论可能不再紧迫。
人工智能 (AI) 有可能显著提高人类在各个领域的表现。理想情况下,人类与人工智能之间的协作应产生互补团队绩效 (CTP),这是他们任何一方都无法单独达到的绩效水平。然而,到目前为止,CTP 很少被观察到,这表明人们对互补性的原理和应用理解不足。因此,我们开发了一个互补性的一般概念,并形式化了其理论潜力以及在决策情况下的实际实现效果。此外,我们将信息和能力不对称确定为互补性的两个主要来源。最后,我们在两项实证研究中说明了每个来源对互补潜力和效果的影响。我们的工作为研究人员提供了决策中人机互补性的全面理论基础,并表明利用这些来源是设计有效的人机协作(即实现 CTP)的可行途径。
互补性是最初在量子结构域中引起的基本思想。在标准范围内被制定为对两个可观察物的多种确定的不可能。尽管互补性通常被理解为一种纯粹的量子现象,但事实并非如此,并且在经典领域中也存在互补性[1-4]。这是最初被认为是量子起源的现象的另一个例子,但也可以在经典的光学元件中找到,因为Zeno ectect的情况,例如[5-12]。在这项工作中,我们证明了量子和经典光学的互补性完全平行性。为了定义,我们专注于路径互补互补性的最开创性示例:年轻的干涉。互补性将体现在尝试为这两个互补变量的联合分布中得出的。我们的起点是,只要观察值足够精确,就可以同时在量子域中同时观察到两个互补观测。在我们的情况下,通过通过不同的极化状态在每个光圈处标记光线来允许关节观察。然后,在跟踪包含路径信息的极化状态时观察到干扰。但是,即使观察结果不精确,它也可以提供有关所讨论的两个变量的完整而精确的信息,然后可以通过合适的数据反转程序提取这些变量。这个想法是,这种尝试的联合分布将在某种病理中表现出来。此反转过程将应用于对光圈处的光量和干扰模式的不精确,同时观察,以解决这些可观察到的无噪声关节分布的存在。我们发现的主要结果是,这将以与量子op- op-
摘要:这是一篇专门讨论互补性-语境性相互作用以及与贝尔不等式相关的评论。从互补性开始讨论,我指出语境性是它的种子。玻尔语境性是可观测量结果对实验语境的依赖性;对系统-仪器相互作用的依赖性。从概率上讲,互补性意味着联合概率分布 (JPD) 不存在。人们必须使用语境概率而不是 JPD。贝尔不等式被解释为语境性的统计检验,因此是不相容性的。对于与语境相关的概率,这些不等式可能会被违反。我强调,贝尔不等式测试的语境性是所谓的联合测量语境性 (JMC),即玻尔语境性的特例。然后,我研究了信号(边际不一致性)的作用。在 QM 中,信号可以被视为一种实验产物。然而,实验数据通常具有信号模式。我讨论了信号的可能来源——例如,状态准备对测量设置的依赖性。原则上,可以从信号阴影的数据中提取“纯语境性”的度量。这个理论被称为默认语境性 (CbD)。它导致不等式,其中有一个量化信号的附加项:Bell–Dzhafarov–Kujala 不等式。
摘要 本文从替代和互补投入弹性变化的角度研究 ESG。我们不是从成本函数计算这些弹性,而是从输入距离函数 (IDF) 计算。我们的数据来自 Refinitiv Eikon Datastream 数据库。我们关注美国经济,因为她在世界经济中发挥着全球作用,因此不确定性对世界其他地区产生了溢出效应。数据包括 5,798 家公司,涵盖 38 个美国行业,跨越 2009 年至 2020 年的 12 年,包括:(i) 销售额、资本和员工的财务数据;(ii) 两个财务比率和 (iii) 三个主要 ESG 指标。我们从 IDF 函数的跨对数计算 Antonelli 互补弹性 (AEC) 和 Allen-Uzawa 替代弹性 (AES)。我们发现标准投入具有正的 AEC 弹性;然而,ESG 交叉弹性显示负号,将它们归类为 q 替代。因此,ESG 值之一的增加会导致另一个值的边际值下降。另一方面,AES 弹性只有治理-环境“对偶”的符号为负;其余对均为正,这意味着它们是 p 互补。
4 在经典极限中,拉伸的视界成为 Thorne 等人(1986 年)膜范式中的膜。5 参见(Banks,1995 年,第 9-11 页)。6 参见 Vickers(2013 年)中几个不一致但成功的科学理论的例子。我在此不对该书中提出的关于如何理解不一致科学的观点持立场。
“黑洞互补性”是针对黑洞信息悖论而出现的一系列有影响力的思想的标签。然而,在文献中,许多不同的主张都属于这一标签,而“黑洞互补性”的诉求往往令人困惑。解析这些文献,我认为黑洞互补性是关于蒸发黑洞的量子表征的一致性。为了突出这一点,我描述了两个一致性主张——即黑洞互补性的两个原则:操作互补性和描述互补性。这两个原则的吸引力取决于一个人的科学哲学背景。工具主义者倾向于操作互补性,而科学现实主义者倾向于描述互补性。如果一个人抵制工具主义(许多人出于充分理由这样做),他有表面理由采用描述性原则并拒绝操作性原则。然而,物理学文献中关于黑洞互补性的一系列思想实验给了我们强有力的理由来采用操作原理并拒绝描述原理。这表明,如果我们能够接受工具主义,那么操作互补性可能足以解决黑洞信息悖论。
区域经济影响分析具有从Haig(1926)到Kratena等人最新的区域间动态计量经济学模型的悠久历史。(2013)。研究人员试图构建可以预测经济行动并估计的经济行动的分析框架。领域的主要工具之一仍然是输入输出(IO)模型,其75年以上的持续使用在很大程度上是由于它作为大多数区域经济模型的基础的重要性。在过去的40年中,设计和估计越来越复杂的经验模型的能力通过改进的统计方法,数据频率增加和计算能力的指数增长(Tesfatsion和Judd,2006;另请参见Brooke等人。,1992)。这导致了更复杂的模型的开发,即具有产生动态预测和影响分析的能力的计量经济输入输出(EIO)。首先由Isard(1951)开发了该模型将IO模型的部门细节与时间序列信息相结合,为研究人员提供了一种强大的工具,以了解超出传统静态模型范围的长期现象。在国家一级的国家一级和康威(1990)的Stone(1961)和Almon(2017)进一步增强了其发展。然而,如今,在世界大多数地区,EIO仍然是很少使用的模型,并且当然并未在区域分析中广泛使用。1的部分缺乏识别是由于在同一时间范围内发生的另一类模型的成功和增长引起的,该模型是区域可计算的一般平衡(CGE)模型。CGE模型开始出现在1970年代,但直到1990年代才成为区域经济建模的主要工具(Partridge and Rickman,1998)。该模型采用了一种可靠的,复杂的技术,将供应侧关系纳入了IO的需求方面。再加上易于访问的软件,尤其是近年来,在发展中国家尤其是在全球范围内的突出。然而,该模型通常缺乏EIO的一些原始好处,例如预测和详细的部门信息,尽管一些最近的事态发展表明可以容纳这些限制(例如,请参见术语模型,Wittwer,2017年)。本文的目的是评估EIO和CGE之间的实际和理论差异,并评估可以实现两种方法的整合的路径。应该指出的是,Heim(2017)的最新贡献对国家一级的当前趋势提出了挑战,该趋势避免了动态随机通用平衡(DSGE)配方的标准计量经济学模型和矢量自动回应(VAR)模型。Heim(2017)开发了一个56个方程式模型,并测试了其针对DSGE和VAR模型的预测能力,并取得了很大的成功。
人工智能 (AI) 系统越来越多地用于支持人类在教育、医疗保健、社会工作和刑事司法等社会性背景下的工作。在这些情况下,人工智能可以自动化从业人员的日常工作,同时腾出他们的时间从事他们认为更有意义的活动 (Holstein、McLaren 和 Aleven 2019a;Patel 等人 2019;Yang、Steinfeld 和 Zimmerman 2019)。人工智能还可以帮助扩大社会服务的提供,并帮助人类做出更明智和公平的决策 (du Boulay 2016;Holstein、McLaren 和 Aleven 2018b;Patel 等人 2019)。尽管有这些好处,但现代人工智能系统还是容易出错和不完善的。如果不经过精心设计,人工智能可能会僵化地扩大实践而不考虑当地情况,加剧有害的不平等,或使有价值的人与人之间的互动自动化 (Alkhatib