XiaoMi-AI文件搜索系统
World File Search System抽象化
思想实验 - Iris Publishers
海洋生物的漫长进化时期，早在大约 3.9 亿年前脊椎动物成功征服陆地之前，为陆地生物的许多生物学和生理学相似性奠定了基础。在哺乳动物中，仍然可以找到鳃动脉成对结构的遗迹，并证明其共同起源。对称性和二元性原则自进化早期以来就一直被观察到，并影响所有物理和功能结构。问题是，在一个充满复杂过程和混乱条件的世界中，像二分法这样的简单二元系统如何对大脑功能有用。事实上，当事物被简化为两个对比属性时，许多详细信息就会丢失。显然，仅比较两个相反的模式就可以快速辨别。当快速识别关键情况并迅速做出适当的反应至关重要时，这一点尤为重要。感官印象的抽象化加速了大脑的处理，并允许对有用信息进行优先排序。自我意识的外化有助于有意识地意识到自我的存在。
数据和人工智能的政治哲学
我们越来越受制于依赖大数据和人工智能的技术系统的力量。这些系统正在重塑福利国家和刑事司法管理。它们被用来监管逃税行为、追捕虐待儿童者，并模拟疫情蔓延。它们还被用来通过面部识别技术将庞大的监控网络武器化。但算法的力量远远超出了国家：我们花越来越多的时间在数字平台上工作、社交和消费。我们的体验受算法的支配，算法不断监控和塑造我们的行为和注意力，自动选择我们看什么和不看什么。这些在线体验对线下产生了影响，其中包括对全球民主进程的前所未有的挑战。其他学科中关于大数据和人工智能的法律和政治影响的文献蓬勃发展，哲学中关于人工智能伦理问题的文献也在迅速增长。然而，迄今为止，从政治哲学的角度来看，研究工作相对较少。本期特刊的诞生源于这样一种认识：政治哲学在关于人工智能如何重塑我们共同的政治、社会和经济生活的讨论中发挥着至关重要的作用。人工智能的广泛部署再次引起了人们对政治哲学中长期存在的基本问题的关注，并产生了真正具有政治意义的新哲学问题。现有的哲学问题以前所未有的规模重新浮出水面，例如某些基于规则的决策程序（无论该程序是由官僚和行政官员还是算法系统实施）是否公正合法，或者基于统计概括做出判断是否以及何时在道德上是允许的。其他例子包括道德和法律哲学中关于歧视为何错误的长期争论；政治哲学中关于政治平等的经典争论（鉴于不平等的政治影响力）；政治哲学和经济哲学中关于工作和异化的争论；以及关于理想化和抽象化的更广泛争论，这些争论贯穿政治和道德哲学以及科学哲学。新的哲学问题也随之出现：例如，我们不能简单地借鉴最初为小规模窃听场景或全景监狱的物理环境而设计的隐私理论，并将它们拖放到一个庞大、分散的相互监视的世界——在这个世界里，人们的数字足迹可以推断出最私密的秘密，从而形成“黑暗模式”，促使消费者和选民做出特定的选择。我们不能总是援引现有的合法性和政治义务概念，将政治权威牢牢地定位在理想民族国家所拥有的权力垄断中，这些国家由民主授权的公职人员统治，而忽略技术变革已经创造了由不受监管和未经民主授权的公司控制的重大权力和财富寡头垄断的事实。我们无法充分阐述政治权力的理论，
通用人工智能程序合成语言Pro5Lang的情景记忆机制
我们设计了一种陈述性记忆机制，它尽可能与神经科学和认知科学的发现保持一致，同时不违反证明合理性的数学逻辑要求。其主要特点如下。 寄存器和内容可寻址存储器中存储的值仅限于已证明的命题。由于信息处理的最小单位（一个已被证明的命题）有自足的意义，记忆管理（比如忘记不必要的知识）就变得更容易。另一个优点是，即使在合成过程中执行不完整的程序，数据结构也不太可能崩溃。由于程序执行的顺序也将变得更加灵活，因此在时间允许的情况下规划未来的行动将变得更加容易。 每次进行推理时，都会自动将已证明的命题添加到已证明命题集合中，即将信息写入联想记忆机制。目的是减轻程序负担，提高程序综合的性能。 我们计划提供两种类型的陈述性知识回忆：自动回忆和主动回忆。 （目前仅实现了主动回忆。）事件回忆并不涉及重现某一特定时刻大脑的整个内部状态，而是仅重现一个已证实的命题。这使得信息处理能够实现，例如从一个命题推断另一个命题。 回忆陈述性知识的机制也被设计成不破坏证明的合理性（第 3.7 节）。 陈述性知识分为证实命题（情景记忆）和语义记忆。 Pro5Lang 中的语义记忆是多个已证明命题的压缩和抽象版本，旨在使用 [5]2 中描述的方法通过归纳推理来获取。 （然而，在当前的实现中，语义记忆也是从一开始就手动提供的。）由于存在过度概括和获取不正确的语义记忆的可能性，因此有必要提供单独的机制来选择和忘记不正确的语义记忆。这将在第 5 节中讨论。 由于记忆空间有限，即使正确的陈述性知识也会被适当地遗忘。即使不时随机选择和删除已证明命题集合中的元素，图 2 和 Pro5Lang 中的算法也不会失去健全性。然而，证明可能需要更长的时间并且可能变得越来越难以完成。为了避免降低证明的效率，需要使用一些启发式方法来选择需要遗忘的知识。 （目前实施中尚未采取此类措施。）