XiaoMi-AI文件搜索系统
World File Search System心智
摘要 研究：AI 社会认知评估与建模。评估 LLM 中的心智理论及其在心理学中的应用 NLP：LLM IFT、表征学习（对比和三重态损失）、语义聚类、总结 DL：Transformers、MoE、EncDec、RNNs、DPO、LoRA 工具：Python、Pytorch、Deepspeed、AWS Sagemaker、hydra、SQL 管理：建立 ML 团队、职能、策略和 OKR、招募和指导科学家和实习生以及建立数据和注释伙伴关系。
摘要 研究：AI 社会认知评估与建模。评估 LLM 中的心智理论及其在心理学中的应用 NLP：LLM IFT、表征学习（对比和三重态损失）、语义聚类、总结 DL：Transformers、MoE、EncDec、RNNs、DPO、LoRA 工具：Python、Pytorch、Deepspeed、AWS Sagemaker、hydra、SQL 管理：建立 ML 团队、职能、策略和 OKR、招聘和指导科学家和实习生以及建立数据和注释合作伙伴关系。
利用手工制作的放射素学对多中心智能MRI预测多发性硬化症患者的残疾进展
（1）比利时迪彭贝克（Diepenbeek）3590的Hasselt University的生物医学研究所MS中心（生物医学研究所）。（2）Hasselt University，Agoralaan大楼D数据科学研究所（DSI），3590，Diepenbeek，比利时。 （3）D -LAB，荷兰马斯特里赫特大学马斯特里赫特大学的肿瘤学研究所精密医学系D -LAB。 （4）荷兰马斯特里赫特大学医学中心的肿瘤学和发育生物学研究所放射学和核成像系，荷兰马斯特里奇。 （5）比利时安特卫普大学安特卫普大学IMEC-Vision Lab。 （6）𝜇神经研究中心，比利时安特卫普大学，安特卫普大学。 （7）Sumo Group，idlab，根特大学-IMEC，根特，比利时。 （8）比利时Ku Leuven的Esat-Stadius。 （9）noorderhart，康复和比利时Pelt MS中心。 （10）荷兰Sittard-Geleen Zuyderland Medical Center神经病学系学术中心Zuyd。 （11）荷兰马斯特里赫特马斯特里赫特大学的心理健康与神经科学学院。 *=这些作者对这项工作同样贡献了对应作者= Philippe Lambin（philippe.lambin@maastrichtuniverity.nl）（2）Hasselt University，Agoralaan大楼D数据科学研究所（DSI），3590，Diepenbeek，比利时。（3）D -LAB，荷兰马斯特里赫特大学马斯特里赫特大学的肿瘤学研究所精密医学系D -LAB。（4）荷兰马斯特里赫特大学医学中心的肿瘤学和发育生物学研究所放射学和核成像系，荷兰马斯特里奇。（5）比利时安特卫普大学安特卫普大学IMEC-Vision Lab。（6）𝜇神经研究中心，比利时安特卫普大学，安特卫普大学。 （7）Sumo Group，idlab，根特大学-IMEC，根特，比利时。 （8）比利时Ku Leuven的Esat-Stadius。 （9）noorderhart，康复和比利时Pelt MS中心。 （10）荷兰Sittard-Geleen Zuyderland Medical Center神经病学系学术中心Zuyd。 （11）荷兰马斯特里赫特马斯特里赫特大学的心理健康与神经科学学院。 *=这些作者对这项工作同样贡献了对应作者= Philippe Lambin（philippe.lambin@maastrichtuniverity.nl）（6）𝜇神经研究中心，比利时安特卫普大学，安特卫普大学。（7）Sumo Group，idlab，根特大学-IMEC，根特，比利时。（8）比利时Ku Leuven的Esat-Stadius。（9）noorderhart，康复和比利时Pelt MS中心。（10）荷兰Sittard-Geleen Zuyderland Medical Center神经病学系学术中心Zuyd。（11）荷兰马斯特里赫特马斯特里赫特大学的心理健康与神经科学学院。*=这些作者对这项工作同样贡献了对应作者= Philippe Lambin（philippe.lambin@maastrichtuniverity.nl）
心智-大脑研究辅修课程 | GW Bulletin
研究心智与大脑关系的研究人员越来越多地从各个学科的角度进行研究。心智与大脑研究的前沿辅修课程涵盖心理学、语言学、计算机科学和人类学等领域，提供 20 多个选修课程选项。
PSYC 251 (A01) – 心智与大脑简介 2025 年春季 | 周二、周三、周五 上午 10:30 – 上午 11:20 在 DTB A120
- 概述神经元的基本组成部分及其在神经系统中的作用。 - 使用关键术语描述关键的大脑系统、它们的位置和组织。 - 解释涉及感觉、知觉、行动、记忆、注意力和决策的认知过程的神经基础。 - 描述关键大脑区域的功能组织，包括感觉和运动皮层、前额叶皮层、海马、丘脑、小脑、基底神经节和杏仁核。 - 评估各种认知神经科学和行为研究方法（如 fMRI、ERP、病变研究和反应时间研究）在解释认知过程方面的优势、局限性和道德考虑。 - 讨论基本概念，如神经可塑性、神经表征、大脑中的层次处理和我们感知的建设性。 - 回顾不同的认知理论如何有助于我们理解个体差异和神经多样性。 - 将认知神经科学的见解应用于日常环境、道德考虑和跨学科联系。
端到端可解释人工智能：衍生心智理论指纹以区分自闭症和典型发育及社交症状的严重程度
摘要 — 心智理论 (ToM) 是一种不断发展的能力，对人类的学习和认知有重大影响。早期发展的心智理论能力使人能够理解他人的目标和抱负，以及与自己不同的思维方式。自闭症谱系障碍 (ASD) 是一种普遍存在的广泛性神经发育障碍，参与者的大脑似乎以整个大规模大脑系统的弥漫性变化为标志，这些大脑系统由功能上连接但物理上分离的大脑区域组成，这些大脑区域在意志行为、自我监控和监控他人意图方面出现异常，通常称为心智理论。虽然功能性神经成像技术已被广泛用于确定与心智理论有关的神经相关性，但具体机制仍需阐明。当前大数据和人工智能 (AI) 框架的可用性为系统地识别自闭症患者和正常发育患者铺平了道路，通过识别神经相关性和基于连接组的特征来生成准确的社会认知障碍分类和预测。在这项工作中，我们开发了一个 Ex-AI 模型，该模型量化了正常发育和 ASD 个体之间 ToM 大脑区域变异的共同来源。我们的结果确定了一个特征集，可以在该特征集上训练分类模型以学习特征差异并更清晰地对 ASD 和 TD ToM 发展进行分类。这种方法还可以估计 ASD ToM 亚型内的异质性及其与基于社会认知障碍的症状严重程度评分的关联。基于我们提出的框架，我们使用可解释 ML (Ex-Ml) 模型获得超过 90% 的平均准确率，使用可解释深度神经网络 (Ex-DNN) 模型获得平均 96% 的分类准确率。我们的研究结果基于静息状态下 ToM 区域功能连接模式的关键差异和异质性，以及对早期发育阶段轻度至重度非典型社会认知和沟通缺陷的预测，在 ASD 样本中确定了三个重要的亚组。
功能主义、算法和人工智能心智理论的追求
计算机技术的进步催生了一个有趣的论点：可以研究和理解人类大脑是如何按照数字计算机的原理运作的。这一说法后来成为一个更有实质内容的论点：心灵是一台计算机，因为心灵是在大脑中实现的。大型语言模型 (LLM) 的最新成功，例如 Bard（由谷歌制作）、GPT3、ChatGPT（也称为 GPT3.5，由 OpenAI-Microsoft 制作）和 LLaMA（由 Meta 制作），引起了人们对人类与机器智能的讨论的更多关注和关注。其结果是人们开始追求一种合理的心灵理论。功能主义被吹捧为心灵理论的基础，其中拥有心灵并不意味着拥有任何内在品质；相反，它是完成或实现特定任务或功能的能力。这种实现是通过计算程序操作表征结构来实现的。这些程序是规则或配方，称为算法，它们在数据中创建统计关系以产生推理。本文讨论了功能主义理论，展示了它如何为运行人工智能技术的算法奠定基础。通过分析大型语言模型的成功，本文展示了功能主义框架，尽管在实现通用人工智能方面仍有许多工作要做，但它却是人工智能进步的基础。
Andrei P. Kirilyuk。通用心智科学：基于复杂性的人工智能能否拯救危机中的世界？。2020 年。�hal-02882097�
尽管人工智能领域的实践努力呈指数级增长，但是传统科学框架仍然缺乏对智能和意识底层现象的真正科学和数学精确的理解。对于那些极其复杂的现象，不可避免地占主导地位的经验主义和反复试验的方法效率极低，最终只能从根本上有限地模仿智能行为。我们对大脑中未简化的多体相互作用过程进行了第一性原理分析，揭示了其新的定性特征，这些特征导致了严格定义的混沌、不可计算、智能和有意识的行为。基于获得的未简化动态复杂性、智能和意识的普遍概念，我们推导出适用于任何与环境交互的智能系统的普遍智能定律。我们最终展示了为什么以及如何这些从根本上得到证实且在实践中有效的智能系统动力学定律对于正确的人工智能设计和训练是不可或缺的，而这在全球朝着真正可持续发展迈进的关键变革时期是迫切需要的。
量子纠缠使心智在一生中得以实现......
思维是人类大脑活动之一，被称为脑电波，其本质是大脑神经元发出的电脉冲。思维的特性与量子纠缠的特性高度相似且密切相关，如叠加性、非局域关联性、瞬时连接性、一元性等。脑内振荡电脉冲经过放大、调制、量子纠缠等一系列转换，被转换成携带大脑活动信号的量子纠缠电磁波，即携带思维活动信号的载波。载波可以在自由空间中传输，无论距离多远，都可以在其他地方通过解调来检测、记录和检索原始的大脑活动数据，因此生前思维可以永久保存。
预印本：探索心智、算法和计算的计算理论 1 Jordan Dopkins ( jdopkins@gsu.edu ) 佐治亚州立大学，佩里
第 2 节区分了两种关于计算心智理论 (CTM) 历史的观点。传统观点将 CTM 追溯到行为主义心理学的缺陷以及 20 世纪 40 年代和 50 年代数字计算机的出现。Colombo 和 Piccinini 拒绝了这种观点，认为它扭曲并过度简化了 CTM。相反，他们主张以更基本的概念（如算法或机制）为基础的历史基础。有关其他示例，请参阅 Isaac 2018 和 Uckelman 2018。我认为他们的方法有四个优点。首先，它提供了对 CTM 的开创性贡献的细致入微的理解。以 McCulloch 和 PiS 1943 年的论文为例，该论文讨论了“全或无”神经信号及其用 1 和 0 表示的方式。Colombo 和 Piccinini 对 CTM 历史的思考方式使我们能够超越数字计算机信号的类比，并将该论文置于更悠久的算法形式化尝试历史中，可以追溯到莱布尼茨或尤利。其次，它捕捉了 CTM 与数字计算机无关的方面，例如大脑对连续变量的模拟操作，正如图灵 (1950) 和冯·诺依曼 (1958) 所讨论的那样。第三，Colombo 和 Piccinini 的方法通过强调与算法和机制相关的特定点，增强了思维/计算机类比。最后，它将历史叙述扩展至波斯数学家 Al-Khwarizmi (c.780-850)，并将笛卡尔、霍布斯和洛夫莱斯等熟悉的人物联系起来。
构思 XAI：探索 AI 用户心智模型
摘要 — 人工智能 (AI) 在社会中发挥着重要作用，包括如何做出至关重要、往往改变生活的决定。因此，近年来，人们对可解释人工智能 (XAI) 的兴趣日益浓厚，它是一种揭示通常被描述为黑匣子中的流程和操作的手段，黑匣子是一个通常不透明的系统，其决策难以被最终用户理解。本文介绍了一个有 20 名参与者（计算机科学和平面设计专业学生）参加的设计思维研讨会的结果，我们试图调查用户在与 AI 系统交互时的心理模型。参与者使用两个角色，被要求同情 AI 驱动的招聘系统的两个最终用户，识别用户体验中的痛点并构思这些痛点的可能解决方案。这些任务用于探索用户对 AI 系统的理解、AI 系统的可理解性以及如何向最终用户解释这些系统的内部工作原理。我们发现，视觉反馈、分析和比较、特征突出显示以及事实、反事实和主要推理解释可用于改善用户对人工智能系统的心理模型。