XiaoMi-AI文件搜索系统
World File Search System创作
在VR>中使用生成AI模型的创作3D布局
现有的沉浸式创作工具使用户可以直观地可视化VR中的3D场景的设计概念，但最当前的3D布局（例如建筑设计和游戏场景）是通过手动安装3D mod els努力创建的。此手动过程不仅乏味且耗时，而且还可以限制用户探索各种想法的能力[31]。近年来，生成人工智能（AI）模型已成为自动构成可理解文本[44]，Photorealistic图像[46]，Videos [2]，Music [37]和3D布局[34，45，57]的强大手段。通过利用生成模型，我们可以在沉浸式内容创建过程中为用户提供自动生成的3D布局，从而使用户能够在探索替代设计可能性的同时节省时间和精力。
艺术家与人工智能在艺术创作空间共同创作过程中的协同作用不断演变
本文将新兴人类与数字技术关系的理论和实证讨论应用于我们对艺术家与人工智能 (AI) 合作艺术创作过程的兴趣。到目前为止，理论重点主要放在中介（代码）和融合（机器人）人类与技术关系上，相互（协同）关系尚未得到充分探索。为了解决这个问题，我们对理论讨论进行了细致入微的探讨，并扩展了实证研究，通过对 18 位使用人工智能的芬兰艺术家进行视频采访，分析了空间协同创作艺术创作过程。借鉴巴拉德的作品，我们认为人类和人工智能从根本上是交织在一起的，通过相互作用获得他们的代理权。在此基础上，我们展示了艺术家和人工智能的代理权如何在创作过程的三个阶段出现并相互发展：（1）编码和数据，（2）学习和训练，以及（3）策划结果。因此，通过我们对艺术家和人工智能如何创造新材料和有意义的艺术世界的实证研究，我们能够细致入微地理解协同作为一个空间过程。关键词：代理、艺术、人工智能、共同创造、数字地理。
人工智能（AI）内容创作工具和大学学习简介：学生指南
• 由于训练过程中存在偏见，ChatGPT 和其他 AI 工具并不总是提供合乎道德、公正的答案，并且可能提供导致偏见和歧视的答案，例如文化、种族、性别歧视。 • 由于数据中的这些偏见，AI 工具可能提供导致种族主义、性别歧视、残疾歧视和其他有害歧视形式的答案。 • 媒体报道表明，创建这些工具的公司的劳动实践有时存在问题，依赖低薪或无薪劳动力对数据集中的内容进行人工检查。还值得记住的是，当您使用这些工具的免费版本时，您正在向公司提供无偿劳动，公司将利用您的问题和回答进一步训练该工具并回应其他工具。
基于 AR 通信的结构化创作，提高复杂设备远程诊断的效率
由于专家维护人员和技术人员之间的经验和知识水平不同，远程诊断程序容易出现沟通错误。这会导致效率低下，从而延迟诊断过程。本文的目的是开发一个用于增强现实 (AR) 远程通信 (SMAARRC) 的结构化消息创作框架，并评估其提高远程诊断服务效率的能力。该框架为其提出了一种消息结构和自动 AR 内容创建规则，可在远程环境中实现数据捕获和共享。实验室实验表明，与传统的远程通信方法（电话和电子邮件）相比，远程呼叫的平均时间减少了 56%，同时保持了相同的质量。远程专家的反馈证明了该框架在现实生活中的可用性和可行性。
数据重用中的改变价值：非指定社区和创作过程
虽然数据重用的定义尚有争议（见 van de Sandt、Dallmeier-Tiessen、Lavasa 和 Petras，2019 年），但从广义上讲，数据重用涉及“[…] 研究中，部分或全部分析数据由重用者或其研究团队成员以外的其他人收集”（Curty、Crowston、Specht、Grant 和 Dalton，2017 年）。数据重用的此类定义通常基于这样的假设：重用者是特定指定社区的一部分（由开放档案信息系统定义，2012 年），通常是科学界的一部分。指定社区与数据生命周期一起发展（Baker、Duerr 和 Parsons，2015 年），与监测活动有关（空间数据系统咨询委员会，2012 年，第 4-19 页）。数据管理的一个重要目标就是“从除创建者以外的研究人员看不到的数据转变为其他研究人员可以轻松找到的集合”（Kethers、Treloar 和 Wu，2017，第 2 页）。
利用 LLM 的力量：通过新闻标题生成的视角评估人机文本共同创作
大型语言模型 (LLM) 的最新进展，包括生成式预训练 Transformer (GPT) 系列 (Brown 等人，2020 年)，已经打破了之前类人文本生成的天花板 (Bommasani 等人，2021 年)。这导致了 NLP 任务的范式转变，与任务无关的 LLM 超越了其他最先进的特定于任务的模型的性能 (Lee 等人，2022 年)。然而，LLM 支持的系统并非没有缺陷，经常会出现幻觉、偏见或偶尔产生不适当内容，例如有害、歧视性或误导性信息（Wang 等人，2022 年）。人机文本共同创作（或在 AI 的帮助下写作）允许对生成过程进行一些控制，并有机会克服一些 LLM 缺陷。共同创作方法在总结（Goyal 等人，2022 年；Bhaskar 等人，2022 年）和创意写作（Moore 等人，2023 年；Cao，2023 年；Yuan 等人，2022 年；Ding 等人，2023 年）等领域显示出巨大的前景。然而，由于人工智能缺乏问责制（Shneiderman，2022 年），当文本共同创作过程中出现错误时，责任负担将转移到人类身上。
概念说明共同创作研讨会，制定包容性和可持续商业国家行动计划
独立商业机构。在审查其职责、范围和能力，包括解决任何结构和能力差距之后，指定国家企业发展局（NEDA）作为牵头政府机构，负责与其他利益攸关方（包括工业部和可持续发展委员会）合作，制定和实施一份发展独立商业机构能力的路线图，供政府机构和企业使用。该路线图将确定企业在开发包容性和可持续商业模式方面的能力差距，以及学术和公共机构在推广此类商业模式方面的能力差距；确定目前在这些领域提供培训和能力建设的机构和组织；并提出措施（包括培训计划、教学课程和工具包），以加强提供商业培训和发展服务，支持独立商业机构。
讲故事探索故事创作中的AI-发布其第一个AI撰写的Audiobook
当AI负责写书时会发生什么？结果是否提供了令人满意的阅读体验？讲故事的故事在2024年春季开始了一个项目，目的是探索如何在创作过程中使用生成的AI，确定可用的AI工具来简化工作流程，并对最终产品的质量进行更深入的了解。AI将负责写作，翻译，叙述和说明完整的工作。框架：瑞典语，丹麦语，芬兰语和英语中的一部未来派小说，讲述了AI驱动的世界中的爱与人际关系，主要针对年轻的观众。
从创新到生态创新：共同创作的培训材料作为研究和技术组织变革的驱动力
循环经济的概念一直是创新、产品设计和技术管理中建立新视角的主要驱动力。循环经济背景下的技术创新已成为竞争力、在国家和欧洲项目招标中取得成功的因素，也是吸引员工的源泉。如今，全球组织正在实施转型管理，从旨在仅提供额外经济收入的创新，到愿意通过保持在地球边界限制之下并满足某些有针对性的社会需求来实现可持续发展的创新。与这种转变相关的可持续性方法中，最常被提及的术语是“生态创新”。所需的范式转变是技术密集型组织必须与这个社会技术系统中的公司和行业一起应对的新挑战。如果不调整创新过程，就无法实现这种范式转变。此外，生态创新的概念和实施仍不明确，缺乏验证，实验过程频繁发生。因此，总体方法需要由设计工程师和应用研究人员的实用工具和方法来支持。本文对一家大型公共资助研究机构（CEA：替代能源和原子能委员会）与大学学术研究人员（格勒诺布尔理工学院）之间的项目合作提供了反馈，旨在正式确定开展生态创新研发项目所需的方法。从这个角度来看，杠杆之一是通过提供培训材料来传播应用知识（技术诀窍），以使研发工程师意识到在循环经济框架内创新的重要性。本文介绍了以协作方式进行的此类教育培训的开发过程。该培训内容旨在使工程师能够在四个主要主题上制定系统愿景和实践见解：可持续性挑战、环境影响评估、循环经济愿景和生态创新方法。它在试点研讨会上进行了测试，然后转变为在线格式。© 2022 作者。由 ELSEVIER BV 出版 这是一篇根据 CC BY-NC-ND 许可协议 ( https://creativecommons.org/licenses/by-nc-nd/4.0 ) 开放获取的文章，由第 29 届 CIRP 生命周期工程会议科学委员会负责同行评审
通过深度生成模型的 AI 指导工具实现新手与 AI 音乐共同创作
摘要虽然生成式深度神经网络 (DNN) 已展示出其创作新颖乐曲的能力，但人们对与这些音乐 AI 共同创作的挑战和潜力关注较少，尤其是对于新手而言。在一项对一种广泛使用的交互式音乐 AI 的需求探索研究中，我们发现 AI 会因其生成的音乐内容数量而让用户不知所措，并因其非确定性输出而令他们沮丧。为了更好地满足共同创作需求，我们开发了 AI 指导工具，包括将内容生成限制为特定声音的语音通道；用于控制生成内容与现有示例的相似性的基于示例的滑块；用于推动音乐生成朝高级方向（快乐/悲伤、常规/惊讶）的语义滑块；以及可供试听和选择的生成内容的多种替代方案。在一项总结性研究（N=21）中，我们发现这些工具不仅增强了用户对人工智能的信任、控制、理解和合作感，而且还有助于增强用户相对于人工智能的自我效能感和对作品的主人翁感。