XiaoMi-AI文件搜索系统
World File Search System将人
将人类专业知识与人工智能相结合
∗ 我们感谢斯坦福大学医院为数据访问提供便利。作者感谢阿尔弗雷德·P·斯隆基金会 (2022-17182)、JPAL 医疗保健交付计划和麻省理工学院 SHASS 的支持。该实验已在 AEA 注册表上预先注册，编号为 AEARCTR-0009620。预分析计划可在 SSR 注册 9620 和 SSR 注册 8799 处获得。† Agarwal：麻省理工学院和 NBER 经济学系，电子邮件：agarwaln@mit.edu。Moehring：麻省理工学院斯隆管理学院，电子邮件：moehring@mit.edu。Rajpurkar：哈佛医学院生物医学信息学系，电子邮件：pranav_rajpurkar@hms.harvard.edu。Salz：麻省理工学院和 NBER 经济学系，电子邮件：tsalz@mit.edu。该项目受益于与多位放射科医生的合作，包括斯坦福大学的 Matthew Lungren 博士、Curtis Langlotz 博士和 Anuj Pareek 博士、西奈山医院的 Etan Dayan 博士和 Adam Jacobi 博士、VinBrain 的 Steven Truong 和 VINMEC 的多位放射科医生，以及 USARAD、Vesta Teleradiology 和 Advanced Telemed 的远程放射科医生。我们感谢 Daron Acemoglu、David Autor、David Chan、Glenn Ellison、Amy Finkelstein、Chiara Farronato、Drew Fudenberg、Paul Joskow、Bentley MacLeod、Whitney Newey、Pietro Ortoleva、Paul Oyer、Ariel Pakes、Alex Rees-Jones、Frank Schilbach、Chad Syverson 和 Alex Wolitzky 提供的有益对话、评论和建议。Oishi Banerjee、Ray Huang、Andrew Komo、Manasi Kutwal、Angelo Marino 和 Jett Pettus 提供了宝贵的研究协助。
将人类保持在循环中
摘要：机器人培训通常在模拟环境中进行，尤其是在增强学习中。因此，使用域随机化生成多个培训环境，以确保转移到现实世界应用程序并弥补未知现实世界状态。我们建议通过在培训过程的各个阶段参与人类应用专家来改善域随机化。专家可以在模拟现实主义，确定遗漏的属性并验证机器人执行方面提供有价值的判断。我们的人类在循环工作流程中描述了它们如何在五个阶段增强过程：验证和改善现实世界扫描，纠正虚拟表示，指定特定于应用程序的对象属性，验证和影响模拟环境的产生和验证机器人培训。我们概述了示例并强调研究机会。此外，我们提出了一个案例研究，在该案例研究中，我们实施了不同的原型，证明了在给定阶段的人类专家的潜力。我们的早期见解表明，人类的投入可以使不同阶段的机器人培训受益。
将人类认知心理学应用于人工智能的可能性，以改善皮肤病学诊断及其准确性
摘要探讨了人类思想和认知心理学的状态，模式识别是我们表现出色的技能。新皮层是仅在哺乳动物中发现的大脑的最外部部分，是造成这种能力的原因。随着高级神经网络的发展，人类可以更好地处理视觉和听觉模式。能够寻找模式通常被认为是我们认为是卓越模式处理（SPP）的一部分。随着我们的发展，我们的能力变得越来越复杂，从而创造了人工智能。人工智能席卷了世界，是创造和认可的很大一部分。AI对于标准模式识别任务而言是值得注意的，因为它具有大量数据和数据驱动的机器学习的进步。但是，AI内部存在很大的差距，可以克服其达到人类水平的技能处理能力。这创建了一个问题，即我们如何通过将认知心理学原理应用于AI并推进模式处理系统以及是否可能建立跨越差距的桥梁。如果可能的话，它可以提高医疗保健中AI诊断能力的准确性和精度吗？
将人工智能整合到...
传统中药（TCM）是数千年来中国国家的实际经验和摘要。它在治疗各种慢性疾病，复杂疾病和主要的传染病方面具有巨大的潜力，并逐渐吸引了世界各地人们的注意。但是，由于TCM处方和动作机制的复杂性，TCM行业的发展仍处于相对保守的阶段。随着人工智能技术在各种领域的兴起，许多学者开始将人工智能技术应用于传统的中医行业，并取得了显着的进步。本文全面地总结了人工智能在传统方面的发展中，包括新药发现，数据挖掘，质量标准化和传统中医行业技术的重要作用。还强调了这些应用中人工智能的局限性，包括缺乏药理研究，数据库质量问题以及人类计算机互动带来的挑战。然而，人工智能的发展为传统中医的现代化带来了新的机会和创新。将人工智能技术纳入中医行业的全面应用中，预计将克服传统中医学行业面临的主要问题，并进一步促进整个中医学行业的现代化。
将人工智能应用于数字营销
摘要：本研究旨在探索营销与人工智能之间相互作用的作用和影响因素、营销人员在数字时代的发展作用以及人工智能对营销过程的影响。通过全面的营销分析，研究强调了人工智能在所有营销和生产阶段发挥的新兴力量。本文分为三个阶段：第一阶段侧重于从传统营销到数字营销的转变，强调新技术如何对商业领域产生重大影响。重点转向人工智能在营销运营中的运营框架，认识到后者在现代消费者的整个转化渠道中增加价值的能力。随后，调查产生了令人兴奋的未来发展想法。最后，演讲全面概述了营销向数字化的转变以及人工智能在此背景下的功能。关键词：人工智能、数字营销、数字生态系统、营销人员、消费者趋势
将人工智能融入土木工程实践：机遇与影响
实践取决于技术过时、供应商锁定和环境影响等因素。工程师必须考虑人工智能系统的生命周期成本和环境足迹，并权衡短期利益和长期可持续性之间的权衡。将人工智能融入土木工程实践为提高效率、生产力和创新提供了重要机会。然而，要实现这些好处，需要解决一系列与道德、数据隐私、技术可行性、法规遵从性、技能发展、变革阻力、成本限制和可持续性有关的影响和挑战。通过积极应对这些挑战并负责任地利用人工智能技术，土木工程师可以充分利用人工智能的潜力来应对行业面临的复杂挑战，并推动未来几年的可持续增长和创新。
引用：Gutierrez Lopez, M.、Porlezza, C.、Cooper, G.、Makri, S.、MacFarlane, A. 和 Missaoui, S. (2022)。设计问题：将人工智能驱动的工具嵌入新闻工作常规的策略。数字新闻，11(3)，第 484-503 页。doi：10.1080/21670811.2022.2043759
摘要 随着人工智能的前景，新兴技术在新闻业的应用势头强劲。然而，这些技术如何与新闻编辑室的实践、价值观、惯例和社会文化体验交织在一起的问题往往被忽视。本文探讨了人工智能驱动的工具如何渗透到新闻工作中，以及将技术能力与编辑要求相融合的设计策略。我们采用多方法研究了人工智能在伦敦两个新闻编辑室新闻制作中的部署情况：（1）与记者和技术人员在英国广播公司进行的设计民族志研究；（2）采访《泰晤士报》的记者。我们的研究结果表明，虽然记者通常愿意尝试对他们的工作有益的人工智能驱动的技术，但技术人员却很难将它们融入新闻工作流程中。大家的共识是，新闻业需要人类判断来做出复杂的决策，新闻价值观应该在人工智能工具设计中优先考虑。我们认为，人工智能工具需要符合新闻业的专业实践和价值观，才能被完全接受为一种编辑工具。因此，将新技术融入新闻工作流程需要记者和技术人员之间的密切合作，以及融入工作惯例和价值观的社会技术设计。
将人工智能融入教育学学士学位课程
摘要：本系统综述探讨了人工智能 (AI) 在职前教师教育课程中的整合。随着人工智能技术的持续快速发展，人们越来越认识到它们改变教学和学习实践的潜力。本综述综合了现有的研究和文献，以研究人工智能在职前教师教育计划中的各种应用方式。重点关注的领域包括将人工智能用于个性化学习、数据分析、课程规划、虚拟教学助理、课堂管理、专业发展以及对道德和社会影响的探索。该研究强调了教师教育者在培养未来教育者在教学实践中有效利用人工智能技术方面的重要作用。他们的职责包括课程开发、教学和促进、专业发展、建模最佳实践、研究和学术、合作和伙伴关系以及宣传和政策制定。人工智能在职前教师教育中的各种应用带来的好处包括提高教学效率和支持持续的专业发展。然而，道德考虑、算法偏见和教学整合的需要等挑战仍然是重要的考虑因素。这篇评论强调了深思熟虑的实施策略和持续研究的重要性，以充分利用人工智能的潜力，为未来的教育工作者应对 21 世纪课堂的复杂性做好准备。关键词：人工智能；职前教师教育；课程整合；个性化学习；数据分析；课程规划
将人工智能融入高等教育
本评论系统分析了 2018 年至 2023 年期间拉丁美洲发表的关于将人工智能纳入高等教育的文献。目的是确定哪些研究已经发表了关于这个主题的研究，指出科学成果的贡献，以及仍然存在的弱点和差距。它试图回答的问题是：拉丁美洲如何解决人工智能与高等教育的融合问题？结论是，现有信息使我们能够回答，主要兴趣是以反思性、探索性或描述性的方式展示人工智能在高等教育中的挑战和机遇。也就是说，主要对这项新兴技术的含义进行概念分析，而不是对其实施或实际影响进行实证研究。在案例研究、人工智能的具体应用或对其在拉丁美洲教育环境中的有效性的评估方面仍然存在差距。
将人类放在循环中：增加吸收，但自动决策的准确性降低
自动化决策获得了吸引力，促使人们讨论了呼吁人类监督的调节。了解人类的参与如何影响算法建议的接受以及由此决定的准确性至关重要。在在线实验（n = 292）中，对于预测任务，参与者从算法或其他参与者中选择建议词根。在受试者间设计中，如果完全委派了预测，或者是否可以调整建议。66％的次，参与者更喜欢将决定委托给同样准确的人类。如果参与者可以监视和调整建议，那么对算法的偏好增加了7个百分点。参与者更仔细地遵循算法的收回。重要的是，他们不太可能干预最不准确的建议。因此，在我们的实验中，人类在循环的设计增加了吸收，但降低了决策的准确性。