XiaoMi-AI文件搜索系统
World File Search System创作奖
人工智能解决方案在跨平台创作中的应用
据TAdviser称，大量受访者认为开源解决方案和保证一定SLA水平的付费技术支持（78%）是大数据分析最有前景的平台。优先考虑部署在私有云中并使用自己的基础设施的商业平台，这些平台完全由客户控制（64％）。从安全角度来看，大公司不会考虑使用开源平台。
负责任地创作 AI 艺术：艺术家的实地指南
用于生成合成媒体的机器学习工具可以实现创造性表达，但也可能产生误导和造成伤害的内容。《负责任的人工智能艺术领域指南》为设计师、艺术家和其他制作者提供了一个起点，让他们了解如何负责任地谨慎使用人工智能技术。我们建议使用人工智能的艺术家和设计师将他们的作品置于负责任的人工智能的更广泛背景中，关注他们的作品可能带来的意想不到的有害后果，这些后果在信息安全、错误信息、环境、版权以及有偏见和挪用的合成媒体等领域都有所理解。首先，我们描述生成媒体的更广泛动态，以强调使用人工智能的艺术家和设计师如何存在于具有复杂社会特征的领域中。然后，我们描述了我们的项目，这是一个专注于人工智能创作生命周期中四个关键检查点的指南：(1) 数据集、(2) 模型代码、(3) 训练资源和 (4) 发布和归属。最后，我们强调，对于使用人工智能的艺术家和设计师来说，考虑这些检查点和刺激是构建创造性人工智能领域的起点，并关注其作品对社会的影响。关键词合成媒体人工智能艺术负责任的人工智能人工智能伦理生成媒体
人工智能创作的艺术品赢得科罗拉多州艺术大赛
• https://www.smithsonianmag.com/smart-news/artificial-intelligence-art-wins-colorado-state-fair-180980703/
人工智能时代下的AI电影创作导向转型
人工智能电影是一个具有鲜明技术性质与深刻思想性的商业电影类型，包含技术实践性层面的人工智能电影与主题创作层面的人工智能电影两个分支。随着科技的快速发展，人工智能电影的创作取向也随之发生转变，原因在于艺术世界是现实世界的映射，同时也被现实世界所审视、所重构，现实世界的感知与观念会间接影响艺术世界的基础，而艺术理念又能成为现实世界发展的触发点与起点。在人工智能给日常生活带来深刻影响的今天，理清人工智能电影创作取向的转变及其背后逻辑，对当下影视艺术创作具有重要的启示意义。
共同创作故事叙述游戏的人工智能架构
由于误解和共同的历史，这些角色之间产生了矛盾。WAWLT 中的角色使用故事筛选模式来理解世界。由于不同的角色可以使用不同的筛选模式，他们会对已经发生的事件讲述不同的故事——而这些相互冲突的理解导致他们采取相互冲突的行为。通过选择每个角色对相同事件采用几种可能的叙事框架中的哪一种，以及角色将如何根据他们对过去事件的理解对世界采取行动，玩家可以引导这些新出现的冲突的演变。WAWLT 是基于人工智能的游戏设计的一个例子[6]，其灵感来自对模拟驱动游戏中现有玩家讲故事实践的研究[5,12]。在设计 WAWLT 时，我们着手提供创造力支持功能，帮助玩家克服[13]中记录的四大创造力障碍：对空白画布的恐惧、对判断的恐惧、写作障碍和完美主义。进一步的设计灵感来自桌面故事讲述游戏 [ 2 , 19 , 20 ] 和人工智能增强的即兴戏剧体验《坏消息》[ 26 ]。WAWLT 旨在通过为玩家提供智能情节方向建议来支持玩家讲故事的实践，这些建议来自实时社交模拟，并由机器可理解的意图语言中的玩家话语引导。本文简要介绍了 WAWLT 人工智能架构及其关键子系统在支持混合主动故事讲述方面的作用。有关 WAWLT 设计的更多信息，请参阅 [10]。
人工智能共同创作游戏设计助手的原则
CCGDA 的使用是一个相对较新的概念，已经在实时战略关卡设计（Liapis、Yannakakis 和 Togelius 2013）（图 1）、超级马里奥世界（Guzdial 等人 2017）和众包谜题（Charity、Khalifa 和 Togelius 2020）中进行了初步实验。虽然这些早期原型系统证明了 AI 游戏设计工具的可行性，但对此类系统设计的原则和惯例的研究很少。我们的研究将调查在设计有效的 CCGDA 时应考虑的不同 AI 技术、游戏启发式方法和交互策略。我们的研究将使用数字纸牌游戏（例如炉石传说）作为研究平台，因为其中一些因素使它们在 AI 研究中很受欢迎（Hoover 等人 2020），包括：
用于 AI 辅助学术创作的发布基础设施
计算能力的最新进展以及互联网上文本、图像和其他数据的广泛可用性为具有数十亿个参数的人工智能 (AI) 模型奠定了基础。尤其是大型语言模型，它为能够改变社会运作方式的新技术打开了大门 [ 4 ]。例如，OpenAI 的模型已经在大量数据上进行了训练，可以生成类似人类的文本 [ 5 ]。这些模型基于 Transformer 架构，该架构使用自注意力机制来模拟语言的复杂性。这些模型中最著名的是生成式预训练 Transformer 3 (GPT-3)，它已被证明对一系列语言任务非常有效，例如生成文本、完成代码和回答问题 [ 5 ]。这有可能彻底改变科学家撰写和修改学术论文的方式，节省时间和精力，使研究人员能够专注于更高级的任务，例如数据分析和解释。
通过以下方式探索人工智能创作音乐的缺点
本文介绍了 Jazz Transformer，这是一种生成模型，它利用一种名为 Transformer-XL 的神经序列模型来建模爵士乐的曲谱。此外，该模型还努力结合魏玛爵士乐数据库 (WJazzD) 中存在的结构事件，以在生成的音乐中归纳结构。虽然我们能够将训练损失降低到较低值，但我们的听力测试表明，生成的曲目和真实曲目的评分之间存在明显差距。因此，我们更进一步，从不同角度对生成的曲目进行了一系列计算分析。这包括分析音高类、律动和和弦进行的统计数据，借助适应度景观图评估音乐的结构性，并通过类似 MIREX 的延续预测任务评估模型对爵士乐的理解。我们的工作以分析的方式展示了为什么迄今为止机器生成的音乐仍然比不上人类的艺术作品，并为未来自动作曲的研究设定了一些目标。
探索基金会奖（DISC0）
基础研究或机制研究将带来新发现或新技术，从而：• 了解干细胞和祖细胞的基本生物学。• 推进干细胞在基础研究中的应用。• 推进干细胞在再生医学中的应用• 解决再生医学中的瓶颈问题• 将再生医学扩展到不同的人类群体。