XiaoMi-AI文件搜索系统
World File Search System心理模型
结合人体工程学概念和认知机制，促进人类与人工智能代理的合作
摘要 将人工智能从实验环境部署到具体应用意味着要考虑环境的社会方面，从而设想人类与计算机之间的交互，以成为行动中的伙伴。本文回顾了有关人机交互的研究计划，包括可解释人工智能 (XAI) 和 HRI/HCI。我们认为，即使词汇和方法不同，这些概念都集中在人工智能必须向与其交互的人类提供其行为的准确心理模型上。这具有不同的含义，具体取决于我们考虑工具/用户交互还是合作交互——尽管合作交互是未来自动驾驶汽车概念的核心，但记录却少得多。从这一观察出发，本文使用关于联合行动的认知科学语料库来提出更精细的认知机制，这些机制已被证明对人类联合行动至关重要，可被视为未来人工智能的认知要求，包括共享任务表示和心理化。最后，提出了交互内容假设来满足已确定的机制，包括人工智能体引出其意图和触发人类合作者对其心理化的能力。
使用虚拟现实实时分析 COVID 疫情
摘要。在大数据时代，有效地可视化数据对于发现过程至关重要。我们正在探索使用沉浸式虚拟现实平台对 COVID-19 大流行进行科学数据可视化。我们感兴趣的是在认知技术和人机交互领域寻找更好地理解、感知和与多维数据交互的方法。沉浸式可视化可以更好地理解和感知数据中的关系。本文介绍了一种基于 Unity 开发平台的沉浸式数据可视化工具。该数据可视化工具能够可视化美国五十个州的实时 COVID 大流行数据。与传统的桌面可视化工具相比，沉浸式可视化可以更好地理解数据，并带来更多以人为本的态势感知洞察。这项研究旨在确定虚拟现实工具中描绘的图表和条形图等图形对象如何根据分析师的心理模型开发，从而增强分析师的态势感知。我们的结果还表明，用户在使用沉浸式虚拟现实数据可视化工具时会感到更加满意，从而展示了沉浸式数据分析的潜力。
贝叶斯大脑假说：一种进化方法...
2例如，感知系统的功能之一是提供2D视觉场景的3D解释（与学习运动序列或做出道德决定相反）。3在我们的示例中，感知系统可以结合对环境的一些先前知识（就场景的空间排列而言），并目前可用的感官信号来得出估计三维距离的估计。4任何认知系统的神经生物学基材的鉴定基本上是表征解剖学特性和确定脑系统活性的生理机制，这些机制决定了涉及感兴趣的认知功能的大脑系统的活性。5运动控制是对具有神经系统的生物体运动的调节。它包括反射，学习的习惯（例如步行立场）以及目标指导的动作（例如精确的手抓手）。6预测编码是一种大脑功能的理论，表明大脑不断预测其感觉信号。然后使用预测和感知信号的比较来生成和更新环境的心理模型。7有效的编码是一种神经信息处理的理论，表明神经代码对生物学成本进行了准确性，这源自对神经活动的硬连线生理约束。
为人类发明和创新技术
IITH 拥有强大的研究基础，在抗击 COVID-19 方面做出了许多杰出贡献，例如检测试剂盒、口罩、呼吸机、数学模型、心理模型、应用程序、消毒解决方案和社会公益技术，其中包括提高认识和支持 IITH 在 Unnat Bharat Abhiyan 计划下采用的邻近村庄。随着 COVID 19 感染人数的增加，开发更快、更有效的检测试剂盒成为当务之急。我们的教授 Shiv Govind Singh 教授开发了一种快速检测试剂盒，可以经济地诊断 COVID 19，他正在完成所需的认证，以便可以大规模生产以扩大覆盖范围。来自印度理工学院医疗保健创业中心孵化器 Aerobiosys 的 Jeevan Lite 呼吸机是印度理工学院与 Covid 19 不懈斗争的另一个例子。这一系列发展中的最新成果是 Usafe Health Care 可重复使用的呼吸器面罩，这是一款高质量、价格实惠的面罩，是在印度理工学院 Surya Kumar 博士和 Renu John 教授的支持下推出的。
可持续安全管理的系统评价
摘要：事故模型是一种心理模型，可以让我们理解不良事件的因果关系。本研究基于五个主要目标：（i）系统地回顾有关 AcciMap、STAMP 和 FRAM 模型的相关文献，并综合理论和实验结果以及主要研究流程；（ii）研究用于对事故主要因素和社会技术系统行为进行建模的独立和混合应用；（iii）强调探索研究机会的优势和劣势；（iv）用安全-I-II-III 来描述安全和事故模型；最后，研究系统模型的应用对增强系统可持续性的影响。系统模型可以识别不同系统级别的促成因素、功能和关系，有助于提高系统意识并增强安全管理的可持续性。此外，它们的混合扩展可以显著克服这些模型的局限性并提供更可靠的信息。在系统中应用安全 II 和 III 概念及其方法也可以提高其安全水平。最后，复杂系统的伦理控制表明，应利用这些方法进行进一步研究，以加强系统分析和安全评估。
文章了解水文，人类和气候系统反馈循环：参与式建模研讨会的结果
摘要：地下水耗尽威胁着全球淡水资源，需要紧急水管理和政策以满足当前和未来的需求。然而，现有的数据密集型评估并不能完全解释跨界地下水系统中复杂的人，气候和水相互作用。在这里，我们介绍了试点参与式建模研讨会的设计和发现，旨在提高对基于地下水系统的水文和气候反馈回路的了解。使用来自系统动态传统的参与性建模工具和方法，我们从水，社会，数据和系统科学中捕获了研究人员的心理模型。总共确定了54个反馈回路，证明了这种方法可以充分捕获地面水系统的复杂性。作为一个说明性的例子，基于研讨会的结果，我们讨论了参与系统建模作为概念化工具的价值，跨越学科筒仓的观点。我们进一步讨论结果如何为未来关于地下水问题现有知识差距的研究提供信息，并在此过程中促进跨学科，使用的使用启发性的研究，以更广泛地进行水决策。
重新思考：反向工程师的头脑内部的第一次看
当人类活动需要大量专业知识和非常专业的认知技能，而普通人群对此却很少理解时，通常被认为是“一种艺术”。安全域中的不同活动已属于此类别，例如剥削，黑客入侵和本文的主要重点：二进制反向工程（RE）。但是，尽管科学家已经研究了许多领域（从国际象棋棋手到计算机程序员）的专家（从国际象棋棋手到计算机程序员），以了解他们的心理模型并捕获有关其行为的特殊之处，但了解二进制代码和解决逆向工程难题的“艺术”仍然是黑匣子。在本文中，我们介绍了专家和初学者反向工程师采用的不同策略的衡量，同时接近X86（DIS）装配代码的分析，这是典型的静态静态任务。我们通过对72名具有不同经验水平的参与者的两个未知二进制文件的重新活动进行了16,325分钟的重新活动来进行探索性分析：39名新手和33位专家。
使用概念建模方法进行可解释AI
摘要 许多人工智能 (AI) 应用都涉及机器学习的使用，机器学习不断发展并解决越来越复杂的任务。同时，概念建模通常应用于此类现实世界任务，以便可以在适当的细节级别对其进行抽象，以捕获和表示开发有用的信息系统以支持应用程序的要求。在这项研究中，我们开发了一个框架，通过使用概念模型从应用程序的人类心理模型发展到机器学习模型。基于该框架，我们开发了一种新颖的概念叠加方法，以提高机器学习模型的可解释性。我们通过将机器学习应用于《住房抵押贷款披露法》数据库中的公开数据来说明该方法，该数据库包含在美国收集的 2020 年抵押贷款申请数据。机器学习任务是预测抵押贷款是否获得批准。结果显示，通过以代表心理模型的概念模型的形式包含领域知识，而不是仅仅依靠算法，可以提高机器学习应用程序的可解释性。初步结果表明，包含此类知识有助于推进可解释性问题。
对噪声图像分类任务中人工智能辅助依赖的实证研究
摘要。如今，人类在各种高风险和低风险的决策任务中使用人工智能辅助。然而，人类对人工智能辅助的依赖往往不是最理想的——人们对人工智能的依赖程度要么过低，要么过高。我们对嘈杂的图像分类任务中的人机辅助决策进行了实证研究。我们分析了参与者对人工智能辅助的依赖程度以及人机辅助的准确性，并与人类或人工智能独立工作进行了比较。我们证明，参与者没有表现出自动化偏见，这是人类在人工智能辅助下表现出的一种广泛报道的行为。在这种特定的人工智能辅助决策实例中，人们能够在需要时正确地推翻人工智能的决策，并在综合表现上接近理论上限。我们认为，与之前的研究结果存在差异的原因在于：1）人们擅长对日常图像进行分类，并且对自己执行任务的能力有很好的了解；2）当被要求表明对自己的决策的信心时，人们会进行深思熟虑的元认知行为；3）人们能够通过结合每次试验后提供的反馈来建立良好的人工智能心理模型。这些发现应该可以为未来的实验设计提供参考。
平行认知：人机交互和管理的混合智能
摘要：传统的认知科学作为一种跨学科的研究方法，主要采用实验、归纳、建模和验证范式，而这些模型有时并不适用于信息物理社会系统（CPSS），因为该系统中的大量人类用户涉及严重的异质性和动态性。为了减少以人为中心的系统中人与机器之间的决策冲突，我们提出了一种称为并行认知的新研究范式，该范式利用智能技术体系分三个阶段研究认知活动和功能：基于人工智能认知系统（ACS）的描述性认知、通过计算审议实验的预测性认知和通过并行行为处方的规范性认知。为了使这些阶段不断在线迭代，我们进一步提出了一种基于心理模型和用户行为数据的混合学习方法来自适应地学习个体的认知知识。在城市出行行为处方和认知视觉推理两个代表性场景上的初步实验表明，我们的并行认知学习对于人类行为处方是有效可行的，从而可以促进复杂工程和社会系统中的人机合作。