XiaoMi-AI文件搜索系统
World File Search System幻觉
撒谎，欺骗和幻觉：玩家对游戏信任和欺骗的看法
撒谎 - 做出欺骗意图的不真实陈述的行为[74] - 长期以来一直是道德哲学中的重要主题[8，35，55]。许多学者都研究了撒谎 - 在哪种情况下，可以接受[13，63，71]，对撒谎的看法如何在文化和年龄之间有所不同[15，37]等。但是，从叙事构建，讲故事的角度，撒谎和欺骗可以用作探索和增强写作的主题主题[67，80]。谎言的角色可以为故事增添一定程度的歧义和道德复杂性[83，121]；这种欺骗可以帮助表征作品的角色，增加戏剧化和阴谋的水平，并增强读者从故事中脱颖而出的隐喻含义。扩展了在叙事写作中使用欺骗的概念，视频游戏是一种越来越多地用于讲述故事和传达叙事的媒介，以使人们发笑，哭泣和思考[10，45]。与传统的讲故事形式（例如书籍或电影）相反，游戏为玩家提供了高度的互动性，可以控制他们的选择和决定[59]。在这种体验中，游戏可以通过其虚拟代理提供一种社交互动形式 - 不可玩的字符（NPC）[1，5]。与NPC的互动是游戏的重要组成部分，因为它们会影响玩家感到[112]，提供情感关系和依恋的车辆[14]的现实主义和沉浸度[14]，并增加了玩家从游戏中带走的欣赏和意义的感觉[45]。游戏中互动性的负担能力为玩家提供了代理机构，他们想要移动的方式，他们想要如何互动等。我们考虑了这样一个问题，即这种玩家驱动的互动如何影响并受到信任和启示方面的影响，尤其是NPC和玩家之间的互动。，有着相对稀缺的工作，着眼于玩家如何看待NPC中的真实性，谎言和欺骗。由于自然主义的NPC对话和互动的快速研究改善了越来越重要的差距（例如通过AI方法[72，84]）与他们以前的有限和僵化的行为形成对比[60]。我们考虑以下研究问题，从最初启动游戏到游戏后的外卖阶段，也可以构成游戏玩法体验的不同阶段。
主动自我触摸恢复了“橡胶手幻觉”扰乱后的身体本体感受的空间意识
身体自我意识依赖于视觉，触觉，本体感受和运动信号的不断整合。在“橡胶手幻觉”（RHI）中，具有视觉刺激的刺激会导致自我意识的变化。尚不清楚其他躯体信号是否可以弥补由有关身体的视觉信息引起的自我意识的改变。在这里，我们将RHI与机器人介导的自动触摸结合使用，以系统地研究触觉，本体感受和运动信号在维持和恢复身体自我意识中的作用。参与者用右手移动了领导者机器人的手柄，同时从追随者机器人的左手手中收到了相应的触觉反馈。这种自动刺激是在诱导经典RHI之前或之后进行的。在三个实验中，在RHI之前（但不是之前）提供了主动自我打击，大大降低了由RHI引起的原始漂移，支持主动自我接触对身体自我意识的恢复作用。在非自愿自我打击期间不存在效果。单峰控制条件证实，自动触摸的触觉和运动组件都是恢复身体自我意识所必需的。我们假设主动自动触摸会瞬时提高触摸身体部位的本体感受的精度，从而抵消了RHI构成的视觉捕获效果。
人工智能幻觉：一个值得澄清的误称
摘要 — 随着大型语言模型在人工智能 (AI) 中的不断发展，文本生成系统已被证明受到一种通常称为“幻觉”的问题现象的影响。然而，随着人工智能在包括医学在内的各个领域的存在感越来越强，人们对该术语本身的使用产生了担忧。在本研究中，我们进行了系统性回顾，以确定在 14 个数据库中定义“AI 幻觉”的论文。我们展示和分析了所有数据库中获得的定义，根据它们的应用对它们进行分类，并提取每个类别中的要点。我们的结果强调了该术语使用方式缺乏一致性，但也有助于识别文献中的几个替代术语。我们讨论了这些影响，并呼吁更加统一的努力，为一个重要的当代 AI 问题带来一致性，该问题可能对多个领域产生重大影响 1。索引术语 — 人工智能、幻觉、生成式人工智能
预测编码和随机共振是听觉幻觉感知的基本原理
只有通过实验来测试形式或计算模型，才能获得机械洞察力。此外，与病变研究类似，幻觉感知可以作为理解健康听觉感知的基本处理原理的载体。我们特别关注耳鸣——作为听觉幻觉感知的主要例子——回顾了人工智能、心理学和神经科学交叉领域的最新研究。特别是，我们讨论了为什么每个耳鸣患者都会遭受（至少是隐藏的）听力损失，但并不是每个听力损失患者都会遭受耳鸣。我们认为，内在神经噪声是沿着听觉通路产生和放大的，是一种基于自适应随机共振恢复正常听力的补偿机制。神经噪声的增加可能会被误认为是听觉输入并被感知为耳鸣。这种机制可以在贝叶斯大脑框架中形式化，其中感知（后验）吸收了先前的预测（大脑的期望）和可能性（自下而上的神经信号）。可能性的较高均值和较低方差（即增强的精度）会改变后验概率，表明对感官证据的误解，而大脑中支持先前预测的可塑性变化可能会进一步混淆这种误解。因此，两个基本处理原理为听觉幻觉的出现提供了最有力的解释力：预测编码是一种自上而下的机制，而自适应随机共振是一种互补的自下而上的机制。我们得出结论，这两个原理在健康的听觉感知中也发挥着至关重要的作用。最后，在神经科学启发的人工智能背景下，这两个处理原理都可能有助于改进当代的机器学习技术。
身体幻觉
身体的幻想是对身体立即意识的变化，与身体的垂直状态不符。他们提供了一种独特的工具，用于调查介导我们身体意识的感知过程和大脑机制。本章从心理学和认知神经科学的角度分析了身体的幻想。我讨论了经典的幻觉范式，例如肌肉刺激振动引起的橡胶手幻觉和虚幻的肢体运动。此外，我认为涉及单肢位置和运动的变化以及更复杂的幻觉的身体幻觉，涉及多个肢体和身体部位之间的相互作用。此外，我回顾了涉及大小，所有权和身体部位数量变化的幻觉。我们还强调了全身幻觉，涉及整个身体的感知方面的变化。身体幻觉揭示了来自不同感觉方式的信息（例如本体感受，触摸和视觉）如何不断地自动集成，以产生一个人体在空间中的相干多感官表示。此多感官体形表示是动态的，并且基于先前身体经历和自下而上的感觉信号处理的信息。
人工智能幻觉：事实与虚构
实际上，人工智能会查找信息、回忆信息并从我们的生活经历中推断信息。我们作为人类所增加的这种价值（目前）无法被生成性人工智能复制，这意味着，在它试图打动主人并“填补空白”时，会产生虚假陈述。如果生成性人工智能产生的虚假和诽谤性言论被发表，并且可能对言论主体造成或已经造成严重伤害，这就引出了一个问题：根据英国诽谤法，谁应该为该出版物造成的严重伤害负责？理论上，控制或托管该服务的网站公司可能要承担责任（适用英国案件 Godfrey v Demon Internet Ltd [2001] QB 201）。但实际上，鉴于开发和托管生成式人工智能产品（例如 ChatGPT（OpenAI）和 Google Bard（Google LLC））的大多数实体并非位于英格兰和威尔士，而是位于美国，因此，如果不解决向美国出版商提起英国诽谤诉讼所面临的主要司法障碍，就不可能在该司法管辖区对美国实体提起诽谤诉讼：即，表明在所有发表诽谤性言论的地方中，英格兰和威尔士显然是最合适的法院。
消除幻觉：基于 GPT 的智能教科书和文档解释性 AI
摘要 传统的解释性资源，例如用户手册和教科书，通常包含的内容可能无法满足用户的不同背景和信息需求。然而，开发直观的、以用户为中心的方法来有效地解释复杂或大量的信息仍然是一个开放的研究挑战。在本文中，我们介绍了 ExplanatoryGPT，这是我们设计和实施的一种方法，用于将文本文档转换为交互式智能资源，能够提供动态、个性化的解释。我们的方法使用最先进的问答技术来生成按需、可扩展的解释，目的是让读者有效地浏览和理解静态材料。ExplanatoryGPT 将最先进的语言模型 ChatGPT 与 Achinstein 的哲学解释理论相结合。通过将问题生成和答案检索算法与 ChatGPT 相结合，我们的方法可以生成以用户为中心的交互式解释，同时缓解与 ChatGPT 相关的常见问题，例如幻觉和记忆缺陷。为了展示我们的解释性 AI 的有效性，我们使用各种来源进行了测试，包括法律教科书和一些健康和金融软件的文档。具体来说，我们提供了几个示例，说明了 ExplanatoryGPT 如何在生成更精确的解释方面优于 ChatGPT，这是通过对解释内容进行深思熟虑的宏观规划来实现的。值得注意的是，我们的方法还避免了需要提供解释的整个上下文作为 ChatGPT 的提示，由于常见的内存限制，这个过程通常是不可行的。
实时fMRI反馈会影响大脑的激活，导致听觉幻觉减少：第1部分：优越的颞回 - 原始证据 -
摘要：背景/目的：青光眼发展涉及血管因素，包括诸如高胆固醇血症（HC），全身动脉高血压（SAH）和糖尿病（DM）等疾病。这项研究的目的是确定青光眼疾病对腹膜血管密度（SPVD）和黄斑血管密度（SMVD）对高脂质血管丛的影响，从而控制了Glaucoma患者和正常受试者在SAH，DM和HC等合并症上的差异。方法：在155名青光眼患者和162名正常受试者中，测量了这项前瞻性，独立的，观察性的横断面研究，SPVD和SMVD。分析了正常受试者和青光眼患者组之间的差异。进行了95％置信和80％统计功率的线性回归模型。结果：对SPVD影响更大的参数是青光眼诊断，性别，假冒药和DM。青光眼患者的SPVD比健康受试者低1.2％（β斜率1.228; 95％CI 0.798–1.659，p <0.0001）。女性的SPVD比男性高1.19％（Beta斜率1.190; 95％CI 0.750–1.631，p <0.0001），而Phakic患者的SPVD比男性高1.7％（Beta Slope 1.795; 95％CI 1.311-1.311-2.280，p <0.0001）。此外，DM患者的SPVD比非糖尿病患者低0.9％（β斜率0.925; 95％CI 0.293–1.558，p = 0.004）。SAH和HC不影响大多数SPVD参数。SAH和HC患者在外圈中的SMVD比没有合并症的受试者低1.5％（Beta斜率1.513; 95％CI 0.216–2.858，p = 0.021和1.549; 95％CI 0.240-2.858，p = 0.022。结论：青光眼诊断，先前的白内障手术，年龄和性别似乎比SPVD和SMVD上的SAH，DM和HC的影响更大，尤其是SPVD。
六足机器人模拟器中的倾斜幻觉导致错误...
目标：我们测试六足模拟器中的某个程序是否会导致航空公司飞行员对倾斜角（即“倾斜”）做出错误假设以及对姿态指示器 (AI) 做出错误解释。背景：倾斜对解释错误的影响此前已在非飞行员中得到证实。飞行中，由于误导性的滚转提示（空间定向障碍）可能会出现错误的假设。方法：飞行员（n = 18）进行了 36 次试验，要求他们仅使用 AI 滚转至机翼水平。在显示 AI 之前，他们会收到滚转提示，在大多数试验中，提示与 AI 倾斜角方向相匹配，但在倾斜相反条件下（四次试验），提示方向相反。在基线条件下（四次试验），他们没有收到滚转提示。为了测试飞行员是否对 AI 做出反应，AI 有时会在倾斜水平条件下（四次试验）按照滚转提示显示机翼水平。结果：总体而言，飞行员在倾斜-相反条件下（19.4%）犯的错误明显多于基线条件（6.9%）或倾斜-水平条件（0.0%）。倾斜-相反条件下的学习效果明显，因为 38.9% 的飞行员在第一次接触这种条件时犯了错误。经验（即飞行小时数）没有显著影响。结论：倾斜程序可有效诱导飞行员的 AI 误解和控制输入错误。应用：该程序可用于空间定向障碍演示。
