XiaoMi-AI文件搜索系统
World File Search System情境
情境中的机器学习，或从 LANDR 中学习
“您只需创造，剩下的交给我们”，在线音乐母带制作服务 LANDR 的标语如是说（关于 LANDR，第 nd 页）。LANDR 呼应了柯达 1888 年的口号“您只需按下按钮，剩下的交给我们”，承诺为客户带来音乐录制和发行最后阶段的轻松、无缝和简洁：母带制作和分发。只需单击一下（并进行信用卡交易），LANDR 用户即可在 Spotify、Apple Music、Google Play、Tidal、Deezer 等主要音乐平台上“以及其他所有重要平台”分发完成的曲目（关于 LANDR，第 nd 页）。但许多互联网服务都提供此选项。LANDR 提供的更独特的服务是自动化音乐母带制作，它建立在监督式机器学习 (ML) 之上，被称为人工智能 (AI)。他们既定目标是使用 ML 来自动化通常由人类母带制作工程师做出的决策。这一简单的说法既隐藏了真相，也揭示了真相：“人工智能”一词近年来已成为营销热词，掩盖了正在使用的许多不同类型的机器学习（参见 MacKenzie，2017 年，第 5 页）。此外，它模糊了可能使用某种机器学习的业务或运营之间的界限。
认知机器人的社会情境感知和行动
在此交付成果中，我们展示了 SPENCER 中使用的最终多模式人员和群体检测和跟踪系统。该系统的输出用于引导一组乘客到达机场的目的地，但也已在实验中用作人群之间符合社交要求的运动规划的输入。我们简要回顾了我们在通过连贯运动指示器特征进行群体检测方面的工作（已在 D2.4 中提到），然后描述了我们的多模式人员跟踪系统。该系统已在一系列实验中进行了评估，这些实验使用了合成数据和真实数据，包括在机器人的实际部署区域阿姆斯特丹史基浦机场捕获的带注释的数据集。该系统在 2015 年 12 月阿姆斯特丹史基浦机场的首次部署期间成功进行了测试，最终演示时只需进行微小的修改。
安全科学：一门情境科学 - HAL-ENAC
更一般地说，新概念、理论或方法的出现并不是安全科学中被广泛探索的领域。从更广泛的角度来看，库恩（1962）在其关于科学革命结构的论文中指出，异常或违背预期的存在是新范式的驱动力，即无法用现有理论或概念解释的事实。然而，除了现有科学发展作为新范式驱动力的局限性之外，库恩还承认“科学之外的条件可能会影响那些试图通过提出一项或另一项革命性改革来结束危机的人可用的替代方案范围” 135（库恩，1962 年，第 x 页）。这些外部条件中的一个重要方面是科学家可用的思想世界。根据作者的说法，愿景的转变不仅仅源于个人的天才，无论是亚里士多德还是伽利略，也源于他们所处的世界，尤其是当时的知识环境和可用的知识。虽然科学革命的影响并不深远，但 Jasanoff (2004) 强调科学与社会发展息息相关。“科学和社会是共同产生的，彼此支持对方的存在”（Jasanoff，2004 年，第 17 页）。因此，探索社会背景对于理解科学发展的起源是有意义的。更接近安全，其他作者指出了环境对安全愿景和方法发展的影响。Merritt & Maurino (2004) 说明了文化因素的作用，也说明了可用于进行研究的资源的作用，不仅是财务或技术资源，还有不断获取新思想和理论的途径 (第 176 页)。政治背景的影响也得到了强调，特别是在切尔诺贝利事故后安全文化概念的出现方面 (Dekker, 2019)。最近，在思考安全科学的未来时，Dekker (2020) 将最近的安全发展与新自由主义联系起来，强调了整体政治、经济和社会背景对安全及其演变的影响。简而言之，科学发展似乎可能受到更广泛背景的影响，这种背景超出了科学本身已确定的局限性和需求。153 154
印度空间情境评估报告2023
ISRO是许多国际福拉的积极参与者，例如与13个太空机构，国际宇航员学院（IAA）空间碎片碎片工作组，国际宇航员联合会（IAF）国际空间交通管理工作集团（IAF）国际宇航员组织（ISO）空间工作集团（ISO）太空工作集团（ISO）空间工程集团（ISO）空间库库（ISO）的空间工程集团（IAA）空间工程集团（ISO）空间工作集团（ISO）空间工具集团（ISO）和平工具（IN）和平的空间库库，促进有关太空碎片和外太空活动的长期可持续性的讨论和指南。ISRO，作为2023-24的IADC主席，于2024年4月举行了第42届年度IADC会议。 ISRO参加了IADC年度重新进入运动，并为IADC太空碎片缓解指南和其他空间可持续性方面的修订做出了贡献。 空间碎片的挑战：ISRO，作为2023-24的IADC主席，于2024年4月举行了第42届年度IADC会议。ISRO参加了IADC年度重新进入运动，并为IADC太空碎片缓解指南和其他空间可持续性方面的修订做出了贡献。 空间碎片的挑战：ISRO参加了IADC年度重新进入运动，并为IADC太空碎片缓解指南和其他空间可持续性方面的修订做出了贡献。空间碎片的挑战：
Adele Clarke对TED谈话的情境分析
摘要摘要本研究探讨了Chatgpt-4在定性研究过程中的整合，重点介绍了Adele Clarke和分析TED Talks成绩单的情境分析方法。调查结果表明，Chatgpt在初始编码中快速处理数据的能力，表明了更广泛的类别，反映了Clarke的“情况”的复杂性，以认识到人类和非人类元素，论述，辩论以及问题，时间和空间。在分析不同地图类型（情境，社会世界和竞技场，位置）的数据时，Chatgpt-4“理解”其不同的分析目的，认识到不同级别的抽象和理论结构。这项研究强调了生成AI在将复杂的理论框架转化为情境图和视觉表示方面的挑战，并强调了有效提示策略的重要性。此外，该研究在定性研究中确定了生成AI的几个角色，包括共同分析师，顾问和教练，强调了人类研究人员在决策和解释中的核心作用。
基于与任务环境相关的眼球运动的情境感知
摘要 近几十年来，情境意识这一主题一直受到人们的关注。冻结探测方法，例如情境意识全局评估技术 (SAGAT)，通常用于测量情境意识。本文旨在回顾 SAGAT 的有效性问题，并研究眼动是否是测量情境意识的有前途的替代方法。首先，我们概述了冻结探测方法的六个问题，例如冻结探测方法依赖于操作员能够记住然后明确回忆的内容。我们提出了一种基于人眼动与任务环境相关的情境意识操作化方法，以避免记忆中介和任务中断的不足。接下来，我们分析了实验数据，其中参与者 (N = 86) 被要求观察六个表盘的显示约 10 分钟，如果表盘指针超过阈值，则按下空格键。每隔 90 秒，屏幕就会变黑，参与者必须在纸上报告表盘的状态。我们评估了参与者的任务表现（检测到的阈值交叉百分比）与视觉采样分数（在阈值交叉期间瞥见的表盘百分比）和冻结探测分数的相关性。结果表明，视觉采样分数与阈值交叉水平（r = 0.31）和个人水平（r = 0.78）的任务表现相关。冻结探测分数较低，与任务表现的关联较弱。我们得出结论，SAGAT 概述的局限性阻碍了对情境意识的测量，情境意识可以通过与任务环境状态相关的眼球运动测量更有效地计算出来。目前的发现具有实用价值，因为眼动追踪摄像头和普适计算的进步减少了对 SAGAT 等中断性测试的需求。基于眼睛的情境意识是绩效的预测指标，其优势在于它可以通过实时反馈技术应用。
基于人工智能和情境感知技术的教育机器人：框架
电子邮件，1 shamaamora2014@gmail.com，1 ronyabogalala@hotmail.com，1 zizoabdo1210@gmail.com，2 marwa_areed@du.edu.eg，3 s.alkhalaf@qu.edu.sa，1 mw_amasha@yahoo.com 摘要教育机器人 (ER) 对人工智能 (AI) 的使用范围包括（科学、技术、工程和数学）STEM 领域、逻辑数学、调试、乐高机器人等等。迫切需要对 (ER) 政策和使用进行研究。然而，本文提出了一个框架，用于表示有关在学习环境中使用教育机器人和情境感知技术的知识。该框架使高等教育能够实现智能课堂表现。本研究的目的是从许多方面提出一种新策略。扩展和优化学生的答案并发展用户参与交流的能力。该框架在移动端引入了情境控制器系统，用于连接和准备来自机器人指标的数据。此外，它还混合了云端的不同AI识别服务，通过调查和理解数据来获取情境信息。我们还提出了在学习环境中使用机器人技术和情境感知技术的愿景，以改进和优化情境信息的最大效益。
基于与任务环境相关的眼球运动的情境感知
摘要 近几十年来，情境意识这一主题一直受到人们的关注。冻结探测方法，例如情境意识全局评估技术 (SAGAT)，通常用于测量情境意识。本文旨在回顾 SAGAT 的有效性问题，并研究眼动是否是测量情境意识的有前途的替代方法。首先，我们概述了冻结探测方法的六个问题，例如冻结探测方法依赖于操作员能够记住然后明确回忆的内容。我们提出了一种基于人眼动与任务环境相关的情境意识操作化方法，以避免记忆中介和任务中断的不足。接下来，我们分析了实验数据，其中参与者 (N = 86) 被要求观察六个表盘的显示约 10 分钟，如果表盘指针超过阈值，则按下空格键。每隔 90 秒，屏幕就会变黑，参与者必须在纸上报告刻度盘的状态。我们评估了参与者的任务表现（检测到的阈值交叉百分比）与视觉采样分数（在阈值交叉期间瞥见的刻度盘百分比）和冻结探测分数的相关性。结果表明，视觉采样分数与阈值交叉水平（r = 0.31）和个人水平（r = 0.78）的任务表现相关。冻结探测分数较低，与任务表现的关联较弱。我们得出结论，SAGAT 概述的局限性阻碍了对情境意识的测量，情境意识可以通过与任务环境状态相关的眼球运动测量更有效地计算出来。目前的发现具有实用价值，因为眼动追踪摄像头和普适计算的进步减少了对 SAGAT 等中断性测试的需求。基于眼睛的情境意识是绩效的预测指标，其优势在于它可以通过实时反馈技术应用。
人类与机器：用于情境感知、决策的数据...
• 认知引导决策——人们以模式库的形式运用他们的经验。他们迅速将情况与他们学到的模式相匹配。因此，人们可以成功地做出非常快速的决策（见下一张幻灯片中的图表）
通过机器学习方法识别关键情境设计线索
承担安全关键功能的自主技术的发展，例如无人驾驶汽车或手术机器人，可以潜在地减少事故和错误并提高生产力。然而，尽管自主系统有望提高安全性和生产力，但之前的人机交互研究表明，增加自动化并不一定能保证提高系统效率或安全性。通常，在大型系统内实现任务自动化会通过将操作员的工作量从一种物理或认知资源转移到另一种物理或认知资源来修改任务，从而改变任务而不是改进任务。操作员无法理解的设计不良的自动化通常会导致人为错误，并因实施不便而降低系统效率（Lee and Morgan 1994）。