XiaoMi-AI文件搜索系统
World File Search System交互的
人类与自动化机器学习系统交互的角色和模式
随着自动化机器学习 (AutoML) 系统在复杂程度和性能方面不断进步，了解这些框架中人机交互 (HCI) 的“如何”和“为什么”变得非常重要，包括当前的和预期的。这样的讨论对于最佳系统设计是必要的，利用先进的数据处理能力来支持涉及人类的决策，但它也是识别不断提高的机器自主性水平所带来的机遇和风险的关键。在此背景下，我们重点关注以下问题：(i) 对于最先进的 AutoML 算法来说，HCI 目前是什么样子，特别是在开发、部署和维护阶段？(ii) AutoML 框架内对 HCI 的期望是否因不同类型的用户和利益相关者而异？(iii) 如何管理 HCI，以便 AutoML 解决方案获得人类的信任和广泛接受？(iv) 随着 AutoML 系统变得更加自主并且能够从复杂的开放式环境中学习，HCI 的基本性质会发生变化吗？为了考虑这些问题，我们将 HCI 中的现有文献投射到 AutoML 领域；到目前为止，这种联系基本上还没有得到探索。为此，我们回顾了包括用户界面设计、人为偏见缓解和对人工智能 (AI) 的信任等主题。此外，为了严格衡量 HCI 的未来，我们考虑了 AutoML 如何在有效开放的环境中体现。这
用于脑肿瘤定位的人机交互的可解释人工智能
摘要：成人脑原发性恶性肿瘤在全球范围内都是致命的。计算机视觉，尤其是人工智能 (AI) 的最新发展，为自动表征和诊断脑肿瘤病变创造了机会。人工智能方法在不同的图像分析任务中提供了前所未有的准确性，包括区分含有肿瘤的大脑和健康的大脑。然而，人工智能模型就像一个黑匣子，隐藏了合理的解释，而合理的解释是将人工智能成像工具转化为临床常规的重要一步。可解释的人工智能方法旨在可视化训练模型的高级特征或集成到训练过程中。本研究旨在评估所选深度学习算法在定位肿瘤病变和在磁共振成像对比中区分病变与健康区域方面的表现。尽管分类和病变定位准确度之间存在显著相关性（R = 0.46，p = 0.005），但本研究中检查的已知 AI 算法根据其他不相关的特征对一些肿瘤大脑进行分类。结果表明，可解释的 AI 方法可以培养对模型可解释性的直觉，并可能在深度学习模型的性能评估中发挥重要作用。开发可解释的 AI 方法将成为改善人机交互和协助选择最佳训练方法的重要工具。
辅助场景中情感人机交互的人工智能
与人类互动的社交机器人的发展正成为机器人研究的重要焦点，促使欧盟委员会投资社交和认知机器人，通过提升对值得信赖的以人为本和基于人工智能 (AI) 的技术的看法，这些技术可以为整个社会带来巨大的利益。在这方面，去年更新的人工智能协调计划制定了采用新一代人工智能机器人的战略。事实上，人工智能的最新进展使计算机具有社交能力。例如，人工智能驱动的社交机器人提供心理、社会和情感支持。有认知障碍的人可能会从社交机器人的日常工作帮助中受益，因为这些系统使他们能够长时间在家中保持自由 [4]。人工智能应用于机器人的潜力在辅助应用中具有许多优势，例如：
对人机交互的信任：范围模型、测量和方法
信任已成为人们与 AI 系统交互的关键因素。然而，人们对信任模型的使用以及用于哪些系统知之甚少：机器人、虚拟角色、智能车辆、决策辅助工具或其他。此外，目前还没有已知的衡量 AI 信任的标准方法。本范围审查从模型、措施和方法的角度概述了人机交互 (HAII) 中的信任状况。研究结果表明，信任是 HAII 背景下的一个重要且多方面的研究主题。然而，大多数工作理论化不足且报告不足，通常不使用已建立的信任模型，并且缺少有关方法的详细信息，尤其是绿野仙踪。我们为系统审查工作提供了几个目标，以及一个研究议程，以结合当前文献的优势并解决其弱点。
自主船舶系统中人机交互的系统回顾
航运自动化程度正在提高。人工智能 (AI) 应用（如防撞和计算机视觉）的进步有可能增强或取代船舶导航员的角色。但是，如果以减少人类控制的方式实施 AI 技术，也可能危及安全。在这篇系统综述中，我们纳入了 42 项关于人类监督和控制自主船舶的研究。我们解决了三个研究问题 (a) 目前在自主船舶系统中如何采用人类控制？(b) 正在使用哪些方法、途径和理论来解决安全问题和设计挑战？(c) 哪些研究空白、监管障碍和技术缺陷是实施这些问题的最大障碍？我们发现 (1) 除了后备角色之外，人类操作员在确保自主船舶安全方面发挥着积极作用，(2) 系统理论过程分析和贝叶斯网络是基于风险的设计中最常见的风险评估工具，(3) 岸上控制中心操作员的新角色将需要新的能力和培训。自主船舶研究领域正在迅速发展。安全关键系统中与人工智能系统的互动日益频繁，带来了新的风险，凸显了新的研究问题。有效的人机交互设计取决于跨学科努力的增加，需要协调生产力与安全性（弹性），te
没有用户就没有界面。交互的控制论视角
正如我们所料，它是上一代计算机的产物，并由上一代计算机生成：随着将大型计算机的计算时间分配给多个批处理作业的算法越来越先进，显然可以进一步划分大型计算机的计算时间。将计算时间划分为足够小的部分，并快速连续地相互衔接，在几个人看来，他们将拥有对整台机器的独占控制权。这种称为“分时”的想法并没有将计算机的资源划分给几个批处理作业，而是划分给几个人（我们将在下文中将这些人重新定义为“用户”），这些人现在可以与机器进行“对话交互”。6 分时一代的对话以书面文本交换的形式发生，而沃克的第四代交互则引入了图形显示，将文本命令集中到可视菜单中。第五代也是最后一代催生了个人计算的图形用户界面，这些界面经过多次迭代，至今仍在我们的台式机、笔记本电脑和手机上陪伴着我们。7
将意识归因于人工智能：人机交互及其对人机交互的延续影响
近年来，人工智能 (AI) 是否可以被视为有意识，因此应该通过道德视角进行评估的问题浮出水面。在本文中，我们认为，人工智能是否有意识并不像人工智能在人机交互过程中可以被用户视为有意识这一事实那么令人担忧，因为这种意识的归属可能会对人机交互产生延续效应。当人工智能被视为像人类一样有意识时，人们对待人工智能的方式似乎会延续到他们对待他人的方式中，这是因为激活的模式与与人类交互时激活的模式一致。鉴于这种潜力，我们可能会考虑规范我们对待人工智能的方式，或者我们如何构建人工智能以引起用户的某些类型的对待，但不是因为人工智能天生具有感知能力。这一论点侧重于像人类一样的社交行为人工智能，例如聊天机器人、数字语音助手和社交机器人。在本文的第一部分，我们通过人机交互、人机交互和人工智能代理心理学方面的文献，为人工智能意识感知与对人类行为之间的延续效应提供了证据。在论文的第二部分，我们详细介绍了图式激活机制如何使我们能够测试意识感知作为人机交互和人人交互之间延续效应的驱动因素。本质上，将人工智能视为像人类一样有意识，从而在交互过程中激活一致的思维图式，是人工智能行为和感知的驱动因素，可以延续到我们对待人类的方式中。因此，人们可以将类似人类的意识归因于人工智能这一事实值得考虑，对人工智能的道德保护也值得考虑，无论人工智能固有的意识或道德地位如何。
一种具有人机交互的新型智能制造模式...
如图7所示HCP协同融合智能制造系统由三部分组成：1）人机界面与装备自主控制系统；2）基于数字孪生的人机协同分析决策系统；3）基于知识图谱的人机物理数据融合系统。人机界面与装备自主控制系统包括智能感知、智能分析决策、智能自主控制、人机界面和物理系统。基于数字孪生的人机协同分析决策系统包括基于数字孪生和新一代信息技术的人机协同学习提升、精准执行、自主决策和实时分析。
用于康复人机交互的 FES 循环和闭环反馈控制
摘要：对于因神经损伤而导致运动障碍的个体，功能性电刺激 (FES) 和康复机器人等康复疗法在改善其活动能力和日常生活活动方面具有巨大潜力。将 FES 与康复机器人相结合可实现紧密协调的人机交互。此类交互的一个例子是 FES 骑行，其中机动辅助可以提供高强度和重复的协调肢体运动练习，从而带来生理和功能上的好处。本文介绍了多个 FES 骑行试验台和安全装置的开发，以及自行车骑手系统的切换非线性动力学。介绍了用于节奏和扭矩跟踪的闭环 FES 骑行控制设计。对于每个跟踪目标，作者介绍并讨论了过去用于计算肌肉刺激和电机电流输入的稳健和自适应控制器的工作。针对每个控制器和跟踪目标组合，提供了涉及健全个体和神经损伤参与者的实验结果。根据实施要求、预期康复结果和骑手表现，讨论了控制算法的权衡。最后，概述了未来的工作以及所开发方法对包括遥控机器人在内的其他技术的适用性。
沟通方向性和人工智能代理差异对人机交互的影响
在本质上具有交互性的人机协作环境中，沟通方向在用户如何看待他们的人工智能伙伴方面发挥着重要作用。在具有部分可观察信息的人工智能驱动的合作游戏中，玩家（无论是人工智能还是人类玩家）需要其他玩家准确解释他们的行为才能取得成功的结果。在本文中，我们研究了在合作游戏环境中具有各种沟通方向的人工智能代理的社会认知。当参与者认为他们正在与人工智能或人类一起玩时，我们会测量参与者对其伙伴的主观社会认知（融洽关系、智力和好感度）以及沟通的性质（响应性和主导角色）。我们对这款合作游戏的 Mechanical Turk（n=199）进行了大规模研究，发现不同人工智能代理、不同沟通方向以及代理被视为人工智能/人类时，游戏结果和社会认知存在显著差异。我们发现，先前的研究表明，对人工智能的偏见因沟通方向和人工智能代理的不同而不同。