XiaoMi-AI文件搜索系统
World File Search System情境
SensAI+Expanse 通过人工智能代理预测人类在特定情境中的情绪价变化以产生同理心
预测（F 1 = 0.91）具有高效的能源使用，并且可以使用特征重要性检查进行解释。此外，人工智能代理对人类人口统计数据保持中立，同时能够揭示个人特质。因此，这项研究的贡献包括有证据的结果，这些证据仅限于可用的人口和数据样本，表明某些年龄范围与性别组合之间存在行为差异。主要贡献是一个用于研究人类情绪价在情境中变化的新平台。该系统可以补充和取代（最终）传统的长列表自我评估问卷。SensAI + Expanse 平台贡献了几个部分，例如能够适应和学习以高性能预测情绪价状态的移动设备应用程序（SensAI），云计算（云）服务（SensAI Expanse）具有面向 AutoML 的随时可用的分析和处理模块。此外，智能手机传感为持续、非侵入性和个性化的健康检查做出了贡献。在未来，发展
可解释医疗人工智能的情境敏感框架
摘要 可解释人工智能 (XAI) 是一个新兴的多学科研究领域，旨在开发使 AI 系统更易于解释或解读的方法和工具。XAI 研究人员越来越多地认识到可解释性是一种对环境、受众和目的敏感的现象，而不是一个可以直接测量和优化的单一明确定义的属性。然而，由于目前没有可解释性的总体定义，这给这个多学科领域内的许多不同研究人员带来了沟通不畅的风险。这是我们在本文中试图解决的问题。我们概述了一个称为解释实用主义的框架，我们认为它有两个吸引人的特点。首先，它允许我们在明确的环境、受众和目的相关术语中概念化可解释性，同时保留可解释性的统一底层定义。其次，它使任何可能支撑关于寻求解释目的的可解释性相互冲突的主张的规范性分歧变得显而易见。第三，它使我们能够区分 AI 可解释性的几个维度。我们通过将这个框架应用于一个案例研究来说明这个框架，该案例研究涉及一个机器学习模型，用于预测患有意识障碍的患者是否有可能恢复意识。
情境概念化
Barrett、Wilson-Mendenhall 和 Barsalou (2014) 在过去的几个世纪里，哲学家以及后来的心理学家都认为思维就像一台机器一样工作——一台印刷机、一个电话总机、一台计算机。根据机器隐喻，思维由许多功能不同的过程（心理“模块”或“能力”）组成，这些过程相互作用；如果分开，这些过程仍将保留其身份和功能。机器隐喻决定了一种特殊的心理因果关系观点：位于一片脑组织（一个区域或一个网络）中的“心理过程 A”会导致位于另一片组织中的独立而不同的“心理过程 B”发生变化（见图 1）。情绪调节科学是机器隐喻发挥作用的一个很好的例子。例如，人们普遍认为，像恐惧这样的情绪是由大脑某个部分（通常是皮层下边缘或旁边缘皮层）计算的过程产生的，而大脑其他部分（通常是前额叶皮层）的执行或其他认知过程会调节这种过程。在情绪调节的过程模型（Gross，本书）中，情绪可以先被触发，然后受到调节（例如，你在树林里散步，一只毛茸茸的蜜蜂在你头上嗡嗡叫，引发了一种恐惧状态，然后你通过抑制逃跑的冲动，并通过仔细观察当地的风景（如形状有趣的岩石或树木）来分散自己的注意力，从而调节这种恐惧状态）。调节也可能发生在反应发生之前，从而阻止情绪的发生（例如，在你开始散步之前，你可能会提醒自己，蜜蜂是大自然的一部分，会为美丽的花朵授粉，并酿造美味的蜂蜜）。无论哪个先发生，情绪都与其调节是分开的。
调查主观工作量评级 (NASA TLX) 和主观情境意识评级 (SART) 对认知复杂的人机工作的有效性
主观工作负荷和态势感知指标，如 NASA 任务负荷指数 (TLX) 和态势感知评分技术 (SART)，经常用于人机系统评估。然而，这些评分的解释存在争议。在本研究中，通过比较操作员在执行场景后立即收集的评分和操作员通过视频回顾场景获得实际系统状态知识后收集的评分，调查了这些指标理论假设的经验证据。18 名有执照的控制室操作员参加了模拟器研究，运行了 12 个相对具有挑战性的场景。结果发现，在操作员获得事实场景知识后，对涉及内省的 TLX 项目的解释保持稳定，而对涉及对外部事件的感知的项目（如态势感知和表现）的解释则取决于操作员的场景知识。结果表明，操作员的评分可以区分心理努力、表现、挫折和态势感知。没有发现 SART 指数作为态势感知衡量标准的明确证据。相反，为本研究开发的主观情境意识测量方法与工作量不同，与操作员绩效相关，表明这种类型的测量方法值得未来研究其有效性。研究结果有助于制定测量程序
通过ELSA-D任务探索的空间情境意识（SSA）活动
由于此特定任务的受控性质，Astroscale可以很容易地可以直接命令和控制两个航天器的仪器数据，包括准确的时间依赖于时间依赖的状态向量和航天器动力学。这可以评估任务的关键阶段中使用SSA服务的使用。本文旨在评估SSA要求，包括轨道传播和确定航天器，态度分析（州和进化率），方法分析和避免碰撞。通过评估和遗传后的这些需求，希望更好地了解哪些服务对于将来的RPO任务是必不可少的或理想的，无论它们是否是积极的碎片清除（ADR），EOL，EOL，轨道内检查还是寿命延长（LEX）。
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）
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）
集成的空间情境意识系统：SDA和SSA
摘要：SDA（太空领域意识）和SSA（空间情境意识 - SSA）被定义为对太空对象的全面知识以及跟踪，理解和预测其未来位置的能力。本文的目的是提出SSA计划来保护太空系统，现在被认为是每个国家可持续发展的基本资产。即使破坏了太空基础结构的一部分，也会对公民和经济活动的安全产生严重的影响。这些系统假定在太空和地球上运行的各个实体获得的所有数据的组合，以创建一个共同的数据库。SSA系统是根据美国军事计划SDA（太空领域意识）创建的； SSA和SDA几乎相似，但是SDA是一个替代SSA的新术语，该术语以前存在。SDA是一个更好且改进的SSA。越来越多地，SSA计划是国家和欧盟太空战略的一部分，但尚无法将其纳入国际太空法。