XiaoMi-AI文件搜索系统
World File Search System受人
受人类情感感知机制启发的情感导向预训练探索
深度卷积神经网络（DCNN）的预训练在视觉情绪分析（VSA）领域起着至关重要的作用。大多数提出的方法都采用在大型物体分类数据集（即 ImageNet）上预训练的现成的主干网络。虽然与随机初始化模型状态相比，它在很大程度上提高了性能，但我们认为，仅在 ImageNet 上进行预训练的 DCNN 可能过于注重识别物体，而未能提供情绪方面的高级概念。为了解决这个长期被忽视的问题，我们提出了一种基于人类视觉情绪感知（VSP）机制的面向情绪的预训练方法。具体而言，我们将 VSP 的过程分为三个步骤，即刺激接受、整体组织和高级感知。通过模仿每个 VSP 步骤，我们通过设计的情绪感知任务分别对三个模型进行预训练，以挖掘情绪区分的表示。此外，结合我们精心设计的多模型融合策略，从每个感知步骤中学习到的先验知识可以有效地转移到单个目标模型中，从而获得显着的性能提升。最后，我们通过大量实验验证了我们提出的方法的优越性，涵盖了从单标签学习（SLL）、多标签学习（MLL）到标签分布学习（LDL）的主流 VSA 任务。实验结果表明，我们提出的方法在这些下游任务中取得了一致的改进。我们的代码发布在 https://github.com/tinglyfeng/sentiment_pretraining 。
个人对 AI 建议的干预措施的信任度较低，更愿意接受人类健康专家的相同建议
领导这项研究的南洋理工大学南洋商学院 (NBS) 助理教授 Hyeokkoo Eric Kwon 表示：“尽管人工智能具有提供更高质量干预措施的潜力，但我们发现，人们对仅由人工智能建议或源自人工智能的健康干预措施的信任度低于他们认为基于人类专家意见的干预措施。我们的研究表明，即使健康干预措施越来越多地由人工智能引导，与情绪和态度相关的情感人类因素仍然很重要，并且这种技术在补充人类而不是取代人类时效果最佳。”
保护亚利桑那州选民免受人工智能生成的选举错误信息的侵害
但随着人工智能 (AI) 的使用日益频繁，我们也很容易在网上意外发现有关选举的误导性和不正确的信息。作为我们应对虚假信息带来的持续挑战的努力的一部分，我的办公室制定了本指南，以帮助您识别人工智能生成的内容并对网上可能存在的虚假信息保持警惕。
AAI宣布受人尊敬的2024年杰出研究员
AAI宣布受人尊敬的2024年杰出研究员：认可免疫创新和领导力罗克维尔的卓越，马里兰州（2024年3月6日） - 认可了对美国免疫学家协会（AAI）和更广泛的免疫学社区和AAI宣布的2024年杰出的Fellows的非凡科学贡献和值得注意的服务。今年的课程包括22个人，他们的创新发现有助于推进免疫学研究并提高我们对健康的理解。这些AAI成员在研究努力和领导角色方面举例说明了卓越，激发了他们的同龄人和子孙后代。他们的研究跨越了各种领域，从传染病和癌症免疫疗法到自身免疫性疾病和基本免疫机制。杰出的AAI研究员以“ DFAAI”为名，以认识到他们在免疫学社区中的成就。被公认为是AAI杰出的同胞，强调了他们继续致力于推动科学发现的界限。祝贺最新研究员：约翰·P·阿特金森，医学博士（AAI '75）圣路易斯·邦妮·B·布洛姆伯格（B. Blomberg）博士的华盛顿大学医学院（AAI '82）迈阿密米勒大学医学院Prosper N. Boyaka博士（AAI '98）俄亥俄州立大学
立即发布 Viridi 成立中东和北非子公司，扩大全球影响力 受人尊敬的区域行业领导者 Eng.Nabelah Al-Tunisi 将领导
纽约州布法罗和沙特阿拉伯阿勒科巴尔——2023 年 10 月 25 日——Viridi 是一家创新电池技术开发商，其电池技术可在几乎任何环境或地点安全安装和运行，该公司通过成立 Viridi MENA 扩大其全球影响力。这家总部位于沙特阿拉伯阿勒科巴尔的子公司将与该地区的合作伙伴合作，在中东和北非 (MENA) 各地制造和部署 Viridi 独特的故障安全锂离子电池储能系统。工程师 Nabelah Al-Tunisi 是该地区能源行业的杰出人物，曾担任沙特阿美公司首席工程师，她将担任 Viridi MENA 公司总裁。
益普索香港发布：调查显示香港消费者接受人工智能，但仍寻求道德和隐私方面的保证香港，2023 年 9 月 28 日 - 最近的一项
益普索香港发布：调查显示香港消费者接受人工智能，但仍寻求道德和隐私方面的保证 香港，2023 年 9 月 28 日 - 益普索香港最近进行的一项调查名为“香港消费者对人工智能的适应度：品牌管家的见解”，揭示了公众对人工智能 (AI) 及其在各个领域的作用的看法。该研究强调，虽然 60.9% 的受访者熟悉人工智能的概念，但只有 27% 的受访者熟悉生成人工智能，即能够创造新颖和原创内容的技术。有趣的是，年轻一代，Z 世代和千禧一代，对生成人工智能的认识高于 X 世代和婴儿潮一代。调查还显示，大多数香港居民对人工智能的看法普遍积极，认为人工智能具有创新性、创造性、未来性和开创性。然而，它也揭示了一种矛盾，人工智能被认为缺乏灵魂和真实性，尤其是在艺术领域。在内容创作领域，由于人类带来的真实创造力和情感共鸣，人们强烈偏爱摄影新闻、新闻文章和相关网站内容中的人类驱动内容。同时，由于其效率和可扩展性，人工智能生成的内容更受消费者营销网站的青睐。信任是消费者对人工智能等新兴技术看法的基石。调查强调了信任差异，人工智能在互联网搜索中享有信任，但在人工智能生成的影响者和人工智能策划的新闻等领域普遍存在怀疑。该研究还深入研究了消费者在整个旅程中使用人工智能服务的舒适度。消费者在日常或交易互动中使用人工智能服务感到安心，例如订单跟踪和交付更新、下订单、付款、初始产品发现以及忠诚度和奖励计划管理。然而，不同行业的舒适度各不相同，消费者在餐饮、旅游和酒店以及购物/零售等领域与人工智能互动时感觉更舒服，而在医疗保健、保险和投资等高风险领域表现出较低的信任度。
客户在服务中接受人形机器人
摘要。在服务相遇中新兴的人形机器人引入了现在和短期的现实。由于这一不可阻挡的进步，有必要更好地了解客户对服务相遇中对类人生物的反应。为了阐明这种探讨的现象，这项研究调查了Robot与客户功能之间的相互作用如何成功引入这种破坏性创新。一项经验研究的结果，其中有168位美国客户样本表明，客户对机器人的人类风格的看法增加了使用人形服务机器人的使用意图。有趣的是，客户风险平均会节省这种关系。具体而言，研究发现，高风险的客户倾向于避免使用类人形时使用类人类机械性能。讨论重点介绍了研究的主要贡献，该研究结合了以前关于人类机器人互动的知识和从营销方法中规避风险的知识。最终描述了从研究结果和开放的供进一步研究的途径中得出的管理含义。
一种受人工智能启发的用于脑电图的时空神经网络......
摘要：准确识别人类的情绪状态对于高效的人机交互 (HRI) 至关重要。因此，我们见证了人们在开发基于各种生物信号的稳健且准确的脑机接口模型方面所做的大量研究。特别是，先前的研究表明，脑电图 (EEG) 可以深入了解情绪状态。最近，研究人员提出了各种手工制作的深度神经网络 (DNN) 模型来提取与情绪相关的特征，这些模型对噪声的鲁棒性有限，从而导致精度降低和计算复杂度增加。迄今为止开发的 DNN 模型被证明可有效提取与情绪分类相关的稳健特征；然而，它们巨大的特征维数问题导致了高计算负荷。在本文中，我们提出了一个混合深度特征袋 (BoHDF) 提取模型，用于将 EEG 信号分类到各自的情绪类别中。通过在特征提取阶段之前将 EEG 信号转换为 2D 频谱图，BoHDF 的不变性和鲁棒性得到进一步增强。这种时频表示与 EEG 模式的时变行为非常吻合。在这里，我们建议将 GoogLeNet 全连接层（最简单的 DNN 模型之一）的深度特征与我们最近开发的基于纹理的 OMTLBP_SMC 特征相结合，然后使用 K 最近邻 (KNN) 聚类算法。在 DEAP 和 SEED 数据库上进行评估时，所提出的模型分别实现了 93.83% 和 96.95% 的识别准确率。使用所提出的基于 BoHDF 的算法的实验结果显示，与之前报道的具有类似设置的工作相比，性能有所提高。
梅林项目：马来西亚学生接受人工智能聊天机器人
COVID-19 疫情加速了高等教育机构的教育格局，这些机构主要以面对面授课为主。在马来西亚，许多大学将课程转换为在线课程，以应对疫情期间在家工作的挑战，使用网络技术和混合学习方法。但是，在确保学生的注意力和保留率得到维持以及在线学习时为他们提供足够的支持和支架方面存在挑战。因此，开展了 MERLIN 项目，以开发虚拟学习助手，为在线课程之外的学生提供在线支持。该项目使用具有自然语言处理 (NLP) 功能的人工智能 (AI) 技术开发了一个聊天机器人，模拟聊天机器人与学生之间的类似人类的对话。学习环境中的内容是媒体丰富的，并映射到 Mayer 的 12 条多媒体学习原则。收集了 102 名学生的数据，以了解他们的看法和反馈。结果表明，学生发现聊天机器人有助于他们的学习过程，并提高了他们对课程材料的理解。提出了一个使用人工智能聊天机器人作为学习助手的概念学习框架，以改善学生在新常态下的在线学习体验。
人工智能入侵人类了吗？患者接受人工智能医疗意愿的机制研究——基于群际威胁理论的视角
人工智能已成为未来医疗行业发展的核心驱动力之一，但患者对人工智能在医疗中的应用持怀疑态度。本研究基于群际威胁理论（ITT），验证了患者在治疗（实验一：n = 446）和诊断（实验二：n = 330）场景中，会将人工智能视为外部群体，从而引发外部群体的感知威胁，导致患者出现回避行为。结果显示，尽管人工智能在医疗中可以提供专家级的准确性，但随着人工智能更多地参与医疗，患者仍然更容易依赖人类医生，并产生更多的负面情绪（实验一）。此外，患者更加关注与自身相关的个体层面的威胁，例如与隐私问题相关的现实威胁和与忽视个人特征相关的象征性威胁。相比之下，群体层面的现实威胁和象征性威胁对医疗场景下的患者影响较小（实验二）。