本论文由 DigitalCommons@Molloy 免费提供给您,供您开放访问。它已被 DigitalCommons@Molloy 的授权管理员接受并纳入论文和学位论文。如需获得许可,请通过上面列出的电子邮件地址联系作者。如果没有列出电子邮件地址或需要更多信息,请联系 tochtera@molloy.edu。
快捷商务 (QC) 是一个令人着迷的机会 - 它为一个人们认为从未存在过的问题提供了解决方案,或者即使存在,TAM 也会限制这个机会。此外,即使在今天,单位经济学对许多人来说仍然是难以理解的。这正是为什么许多看似明显的候选人要么很早就放弃了这个领域,要么根本没有尝试过。如果这还不够的话,没有全球先例表明在这个领域可以实现有意义的规模和盈利。鉴于这种背景,我们相信,一些平台呈指数级增长趋势,消费者采用率快速增长,知名品牌对该渠道的依赖性日益增强,以及少数品牌对盈利途径的指导,这些将继续给许多人带来积极的惊喜。另一方面,我们一直在强调对这一机遇的信心(参考我们之前的工作,报告 1、报告 2 和报告 3)。在本文中,我们尝试将更多细节具体化,使我们相信强大的执行力、针对快速交付而优化的技术堆栈和规模效益最终可以带来庞大、可持续的行业级利润池。
Bakhtin, A.、Brown, N.、Dinan, E.、Farina, G.、Flaherty, C.、Fried, D.、Goff, A.、Gray, J.、Hu, H.、Jacob, AP、Komeili, M.、Konath, K.、Kwon, M.、Lerer, A.、Lewis, M.、Miller, AH、Mitts, S.、Renduchintala, A.、Roller, S. 和 Rowe, D. (2022)。将语言模型与战略推理相结合,实现外交博弈中的人类层面博弈。科学。doi:https://doi.org/10.1126/science.ade9097。
认知架构与生成模型是实现一般具身智能的两种截然不同的方法,本文探讨两者的初衷、实现方式和优缺点,旨在将其融合为一般具身智能,以发挥其优势,补足其弱点。首先,通过分析两者不同的应用场景和进一步研发的难点,探索两者之间的潜在协同作用和可能的整合策略。然后,通过结合认知架构(模拟类人认知过程)和生成模型(擅长根据学习模式生成新内容)的优势,实现创建具有增强整体能力的具身智能的目标。最后,本文结合示例,提出了一个综合框架,展示了如何集成认知架构、生成模型和其他人工智能方法以实现一般具身智能。
摘要:等离子体驱动的光催化可实现无法通过其他方式实现的反应选择性。热载流子(即金属纳米结构中等离子体衰变产生的电子和空穴)起着根本性的作用,它们与分子物种相互作用。了解这种选择性背后难以捉摸的微观机制是合理设计热载流子反应的关键步骤。为了实现这一点,我们提出了最先进的多尺度模拟,超越了密度泛函理论,对光催化反应速率决定步骤的热载流子注入进行了模拟。我们专注于二氧化碳还原,实验表明,在光照下存在铑纳米立方体会导致选择性地生成甲烷而不是一氧化碳。我们表明,选择性是由于铑向反应中间体 CHO 直接注入空穴(主要是)。出乎意料的是,这种注入并不是通过有利于适当的键断裂来促进选择性反应路径,而是通过促进适当的分子片段与表面结合来促进选择性反应路径。 ■ 简介
虽然隐喻经常被用来解决对疫苗的误解和犹豫,但它们在健康信息传递中的效果如何尚不清楚。我们使用受试者间、前测/后测设计,研究了解释性隐喻对人们对疫苗态度的影响。我们在美国在线招募了参与者(N = 301),并要求他们对一项(虚构的)健康信息传递活动提供反馈,该活动围绕对五个常见问题的回答进行组织。所有参与者在评估这五个问题的答案之前和之后都完成了一项包含 24 项问题的疫苗态度测量。我们为每个疫苗问题创建了三个可能的答案段落:两个包含扩展的解释性隐喻,一个包含文字答案(即没有解释性隐喻)。参与者被随机分配到所有隐喻或所有“文字”答案。他们从几个维度对每个答案进行评分,然后描述如果朋友提出关于疫苗的目标问题,他们将如何回答。结果显示,两种条件下的参与者都认为大多数信息同样易于理解、信息丰富且具有说服力,但也有少数例外。两种条件下的参与者对疫苗的支持态度也表现出类似的小幅但显著的增加,从前测到后测。值得注意的是,隐喻条件下的参与者对假设朋友提出的问题提供了更长的自由反应答案,不同的隐喻在他们的回答中被重复使用,程度不同,方式也不同。综上所述,我们的研究结果表明:(a)简短的健康信息段落可能有助于改善对疫苗的态度,(b)隐喻既不会增强也不会减弱这种态度效应,(c)隐喻可能比文字语言更有助于促进有关疫苗的进一步社会交流。
自动驾驶领域的竞争非常激烈,丰田汽车等传统汽车巨头与亚马逊等科技巨头展开了激烈的竞争。Alphabet、通用汽车和百度等公司的战略举措加剧了竞争。百度已经启动了一个名为 Apollo 的特殊自动驾驶项目,而 Alphabet 和通用汽车分别收购了专门的自动驾驶公司 Waymo 和 Cruise。所有这些参与者都已在某些地区开展商业无人驾驶出租车业务,这表明它们已经达到了发展水平。1 汽车专业知识和技术智能的结合加剧了创新竞赛,形成了一个专利成为强大货币的生态系统。专利格局涵盖了各种各样的发明,表明该行业的保护措施既强大又广泛。
在创意环节中,参与者在发散过程和收敛过程中都表现出认知偏差。在各种情况下,观察到发散过程依赖于或与 ChatGPT 给出的方向密切相关。尽管三组在创意方法上有所不同,并且各自决定在创意生成的早期阶段纳入或排除生成性 AI 工具,但他们的最终结果几乎倾向于同一方向:创建一个颜色编码的分隔空间,让专注、放松和协作可以共存。结果的细节再次相似或在多个情况下相同:使用舒适的座椅(在研讨会 1、2 和 3 期间建议 14 次)、窗帘(在研讨会 1 和 3 期间建议 3 次)、灵活的座椅(在研讨会 1 和 2 期间建议 13 次)和隔音(在研讨会 1、2 和 3 期间建议 13 次)。这些例子是特意选择作为例证的,因为它们在二人的 ChatGPT 对话中反复出现。
摘要 人工智能 (AI) 在各个领域的广泛应用导致了对算法理解、透明度和可信度的需求日益增长。可解释人工智能 (XAI) 领域旨在开发能够以人类可理解的方式检查和解释人工智能系统行为的技术。然而,解释的有效性取决于用户如何看待它们,而它们的可接受性与理解程度和与用户现有知识的兼容性有关。到目前为止,XAI 的研究人员主要关注解释的技术方面,大多没有考虑用户的需求,而这方面对于值得信赖的人工智能来说是必须考虑的。与此同时,人们对以人为本的方法越来越感兴趣,这种方法侧重于人工智能与人机交互的交集,即所谓的以人为本的 XAI (HC-XAI)。HC-XAI 探索了实现 XAI 系统的用户满意度、信任度和接受度的方法。本文对 HC-XAI 进行了系统调查,回顾了来自各个数字图书馆的 75 篇论文。本文的贡献包括:(1)确定常见的以人为本的方法,(2)为读者提供 HC-XAI 方法设计视角的见解,以及(3)对所有研究论文进行定量和定性分析。研究结果激发了讨论,并为 HC-XAI 正在进行和即将开展的研究提供了启示。
使用具有参数初始条件的 (3+1) 维混合框架,我们研究了重离子碰撞中已识别粒子(包括介子、K介子、质子和 Lambda 粒子)的快速度相关定向流 v 1 ( y )。考虑了涉及 Au+Au 碰撞的情况,在 √ s NN 下进行,范围从 7.7 到 200 GeV。使用测量的带电粒子伪快速度分布和净质子快速度分布来约束束流方向的动态。在该框架内,介子的定向流由倾斜源的侧向压力梯度驱动,重子的定向流主要由于横向扩展驱动的相对于束流轴的初始不对称重子分布。我们的方法成功地再现了介子和重子的 v 1 快速度和束流能量依赖性。我们发现重子的v 1 ( y )对重子的初始停止有较强的约束力,而定向流与介子的v 1 ( y )一起可以探究有限化学势下致密核物质的状态方程。