XiaoMi-AI文件搜索系统
World File Search System情境
教学情境中的生成式人工智能 - 学术申诉专员
11 阿尔凯西和麦克法兰，2023；阿塔鲁里等人。 2023；基督教 2023；法郎 2023；胡赛尼、拉斯穆森和雷斯尼克 2023；吉等人。 2023；基德和比尔汉 2023； Lee、Bubeck 和 Petro 2023；莱特曼等人。 2023；刘、张、梁 2023；梅加赫德等人。 2023；梅策、莫兰丁-雷斯、罗兰-梅策和弗洛林多 2023 年； OpenAI 2023 年 3 月 27 日；波里茨 2023；韦斯和梅斯 2023 年；威瑟 2023；张，等人。 2023；赵，等人。 2023； Zhavoronkov 2023。12 Busch 2023；电子隐私信息中心 2023；Huang 2023；Hosseini 和 Horbach 2023；Lauer、Constant 和 Wernimont 2023；Meskó 和 Topol 2023；美国国立卫生研究院 2023；Schwartz 和 Rogers 2022。13 请参阅 registrar.uky.edu/ferpa 和 registrar.uky.edu/ferpa/ferpa-faculty-and-staff-faq。14 请参阅 www.research.uky.edu/office-research-integrity。15 Bender、Gebru、McMillan-Major 和 Shmitchell 2021；Brown 等人 2020；Caliskan、Bryson 和 Narayanan 2017；Hovy 和 Prabhumoye 2021； Liang, Wu, Morency 和 Salakhutdinov 2021；Najibi 2020；Nazer 等人 2023；Nicholas 和 Bhatia 2023；Schwartz 等人 2022；Small 2023 年 7 月 4 日；Whittaker 等人 2019；Zhuo, Huang, Chen 和 Xing 2023。16 Appel、Neelbauer 和 Schweidel 2023；Lucchi 2023；Saveri 和 Butterick 2023；Sobel 2018；Strowel 2023；Thorbecke 2023；Zirpoli 2023。17 Chen, Zaharia 和 Zou 2023。
社会情境人工智能能够从人类互动中学习
无论人工智能代理有多少可用数据，代理在实际部署中都不可避免地会遇到以前从未见过的情况。通过从其他人那里获取新信息来应对新情况（即社交情境学习）是人类发展的核心能力。不幸的是，社交情境学习对人工智能代理来说仍然是一个开放的挑战，因为它们必须学会如何与人互动以寻找它们所缺乏的信息。在本文中，我们将社交情境人工智能的任务（代理通过与人的社交互动寻找新信息）形式化为强化学习问题，代理通过社交互动观察到的奖励来学习识别有意义且信息丰富的问题。我们将我们的框架表现为一个交互式代理，它在大型照片共享社交网络上拓展其视觉智能时，学习如何用自然语言询问有关照片的问题。与主动学习方法不同，主动学习方法隐含地假设人类是愿意回答任何问题的神谕，而我们的代理则根据观察到的规范来调整其行为，即人们有兴趣或不感兴趣回答哪些问题。通过为期 8 个月的部署，我们的代理与 236,000 名社交媒体用户进行了互动，我们的代理在识别新视觉信息方面的表现提高了 112%。受控现场实验证实，我们的代理的表现比主动学习基线高出 25.6%。这项工作为不断改进人工智能 (AI) 代理提供了机会，使其能够更好地遵守开放社交环境中的规范。
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
分析复杂问题解决运动情境中的信息处理、决策和视觉策略
本研究旨在分析不同专业水平（专家、中级和新手）拳击手（法国拳击）在模拟和视频问题解决情境中的信息处理、决策和视觉搜索活动，这些情境复制了自然任务要求。受试者被安置在一块屏幕前，屏幕上从正面拍摄的拳击手被视为对手，他做出不同的拳击动作，他们必须根据先前学到的反应通过操纵杆做出反应。进行了两个实验。第一个实验用于分析受试者在复杂程度各异的情况下的反应。在每种情况下，对手都会采取不同的行动（进攻、开局和佯攻）。在简单情况下，受试者只需对一种动作做出反应，而在复杂情况下，他们必须对多种动作做出反应并选择适当的反应。分析了反应准确性和反应时间。结果表明，各组之间的差异只发生在复杂情况下。专业拳击手的反应更准确，但所有组的反应时间相同。该实验还用于选择第二个实验中保留的适当序列，在该实验中，在测试期间使用眼动记录仪（Nac Eye Mark recorder V）分析拳击手的视觉行为。空间（性质、数量、视觉注视频率和扫描路径）
芬兰的情境意识解决方案
一组芬兰和芬兰的技术公司为非军事应用提供并建立情境意识系统。这些公司在自己的技术领域具有深厚的专业知识，并且作为一个集群，它们满足了各种各样的客户需求。小组的能力领域和产品涵盖了情境意识系统的所有方面，从卫星和传感器到基于人工智能的数据处理系统。根据系统的应用和要求，将相应选择参与公司。以下图显示了情境意识系统中的联合芬兰产品。
多域情境意识
G. Denaro，D。Gaglione，N。Forti，A。 Simone，F。Daffina，G。Bottini，D。Quattrociocchi，L.Millefiori，P.Braca，S。Carniel，P。Willett，A。Iodice，D。Riccio，D。Riccio，A。Farina，“空间全球海上监视”。 第一部分：卫星技术，“ IEEE航空和电子系统杂志，2021年。Simone，F。Daffina，G。Bottini，D。Quattrociocchi，L.Millefiori，P.Braca，S。Carniel，P。Willett，A。Iodice，D。Riccio，D。Riccio，A。Farina，“空间全球海上监视”。第一部分：卫星技术，“ IEEE航空和电子系统杂志，2021年。
人工智能与诊断的情境合理性：人类的问题解决能力以及健康和医学的产物
人工智能与诊断的情境理性：人工智能与诊断的情境理性：人类的问题解决与健康和医学的人工制品人类的问题解决与健康和医学的人工制品
人类大脑在自然体验的事件边界重新激活特定情境的过去信息
摘要 尽管我们以连续的方式感知世界，但我们的体验被分割成离散事件。然而，为了理解这些事件，必须将它们拼接成一个总体叙述——一个展开事件的模型。有人提出，当啮齿动物建立空间环境模型时，这种拼接过程发生在离线神经再激活中。在这里，我们表明，在理解自然叙事的同时，人类会重新激活过去事件的神经表征。与离线重放类似，这些重新激活发生在海马体和默认模式网络中，其中重新激活对相关的过去事件有选择性。然而，这些重新激活不是在长时间的离线期间发生的，而是在正在进行的叙述事件之间的边界上发生的。这些结果在两个数据集中重复出现，表明重新激活是将时间上相距遥远的信息绑定到对正在进行的体验的连贯理解中的候选机制。
情境感知深度强化学习... - arXiv
摘要 —随着无人机技术的快速发展，无人机被广泛应用于包括军事领域在内的许多应用领域。本文提出了一种新型的基于情境感知 DRL 的自主非线性无人机机动性控制算法，应用于网络物理巡飞弹药。在战场上，基于 DRL 的自主控制算法的设计并不简单，因为通常无法收集现实世界的数据。因此，本文的方法是利用 Unity 环境构建网络物理虚拟环境。基于虚拟网络物理战场场景，可以设计、评估和可视化基于 DRL 的自动非线性无人机机动性控制算法。此外，在现实战场场景中，存在许多不利于线性轨迹控制的障碍物。因此，我们提出的自主非线性无人机机动性控制算法利用了情境感知组件，这些组件是在 Unity 虚拟场景中使用 Raycast 函数实现的。基于收集到的态势感知信息，无人机可以在飞行过程中自主且非线性地调整其轨迹。因此，这种方法显然有利于在布满障碍物的战场上避开障碍物。我们基于可视化的性能评估表明，所提出的算法优于其他线性移动控制算法。