XiaoMi-AI文件搜索系统
World File Search System无意识
数字组织中的高可靠性：无意识，...
面临高风险并在纯数字领域运营的组织，例如计算机安全和许多金融服务，必须满足两个相互矛盾的目标：他们需要大规模和快速地识别数字威胁，同时避免自动化处理导致的错误。对高可靠性组织的研究发现，同时实现这些目标面临多重挑战，因为自动化往往使组织的运营“盲目”，无法从容应对高风险领域不断变化的复杂情况。在数字运营中，一个特殊的挑战来自“框架问题”，即算法无法适应其开发人员最初的认知框架中未确定的环境。在一家计算机安全公司 (F-Secure) 内进行了一项探索性、理论生成案例研究，以研究在数字领域行动的组织如何通过缓解框架问题来实现高可靠性。本文探讨了数字化组织操作的认知和实用特征，以及这些特征如何应对框架问题。集体正念被认为是在这样的社会技术环境中出现的，通过精心分层的系统组合（人类）有意识和（数字）无意识的操作，而组织的核心操作仍然是数字化和算法化的。研究结果指出了迄今为止与数字化组织相关的未探索的可靠性挑战，以及克服和/或缓解这些挑战的几种相关方法。
蚂蚁、蜘蛛和 DNA：让无意识的生成
在蒂姆·英戈尔德 (Tim Ingold) 的《森林地表寓言》(2008) 中，蚂蚁和蜘蛛一起思考了当前关于现实构成和我们对现实的理解的讨论中最紧迫的一些问题。它们特别关注有关代理和关系特征的问题。蚂蚁认为是“网络”，而蜘蛛则坚持认为我们处理的是“网状结构”。蚂蚁显然是布鲁诺·拉图尔 (Bruno Latour) 的行动者网络理论 (ANT) 的拥护者，而英戈尔德则将自己塑造为以经验为导向的蜘蛛，提出了熟练的实践涉及发展性体现的反应性的观点。在同样的寓言体裁中，这篇文章让 DNA（脱氧核糖核酸）向两位理论家发起了挑战。DNA 认为，蚂蚁和蜘蛛都对像自己一样的隐形生物视而不见。他们强调时空即时性，这需要一种一维（平面）本体论，而这种本体论往往会将无意识的生成机制排除在视野之外。因此，ANT 和 SPIDER 错过了本体论构成的核心动态。实际上，两位思想家都从思想属性、DNA 电荷的角度来解释无意识的存在，并大喊不要将其视为人类！
来自 Mod 的简单后量子无意识传输协议...
摘要。不经意传输 (OT) 是一种基本加密协议，在安全多方计算 (MPC) 中起着至关重要的作用。大多数实用的 OT 协议（例如 Naor 和 Pinkas (SODA'01) 或 Chou 和 Orlandi (Latincrypt'15)）都基于类似 Diffie-Hellman (DH) 的假设，并且不具有后量子安全性。相反，MPC 协议的许多其他组件（包括乱码电路和秘密共享）都是后量子安全的。随着量子计算的出现，对非后量子 OT 协议的依赖带来了重大的安全瓶颈。在本文中，我们通过构建一个基于 Saber（一种基于 Mod-LWR 的密钥交换协议）的简单、高效的 OT 协议来解决这个问题。我们实现了我们的 OT 协议并进行了实验以评估其性能。我们的结果表明，我们的 OT 协议在计算和通信成本方面都明显优于 Masny 和 Rindal (CCS'19) 提出的最先进的基于 Kyber 的后量子 OT 协议。此外，我们的 OT 协议的计算速度比 Chou 和 Orlandi (Latincrypt'15) 提出的最著名的基于 DH 的 OT 协议更快，使其在高带宽网络设置中具有竞争力，可以取代基于 DH 的 OT。
丙泊酚介导的无意识状态会破坏感觉信号在皮质层级中的传递
在美国，每天有近 60,000 例手术使用全身麻醉（Brown、Lydic 和 Schiff，2010 年）。全身麻醉的一个关键组成部分是无意识，在此期间患者不知道自己所处的环境（Brown 等人，2010 年）。当无法实现这一目标时，就会出现术中意识（Ghoneim，2000 年）。虽然这种现象很少见（Sebel 等人，2004 年），但经历过这种现象的患者报告称，他们受到了严重的创伤（Kotsovolis 和 Komninos，2009 年）。大多数关于麻醉对大脑影响的研究都集中在生理状态变化上。然而，如果我们要了解麻醉如何导致无意识以及麻醉在术中意识中是如何失效的，我们需要了解麻醉对感觉输入处理的影响。我们打算使用最常用的麻醉剂之一异丙酚来做到这一点。丙泊酚是一种 γ-氨基丁酸激动剂（Hemmings 等人，2005 年，2019 年；Bai、Pennefather、MacDonald 和 Orser，1999 年）。尽管丙泊酚的分子作用机制已被充分理解（Sahinovic、Struys 和 Absalom，2018 年），但我们对其在功能网络层面的作用机制了解较少（Lewis 等人，2012 年，2013 年；Purdon 等人，2013 年；Brown、Purdon 和 Van Dort，2011 年）。丙泊酚诱导慢振荡总体增加
无意识地操纵具有解码神经反馈的概念表示影响搜索行为
人类学习中有意识意识的必要性一直是心理学和神经科学的长期话题。先前对非意识联想学习的研究受到潜意识刺激的信噪比低的限制，并且证据仍然存在争议，包括不重复复制。使用功能性MRI解码神经反馈，我们指导来自男女的参与者产生类似于视觉感知现实世界实体（例如狗）时观察到的神经模式。重要的是，参与者仍未意识到这些模式所代表的实际内容。我们利用一种联想的十NEF方法将感知含义（例如狗）浸入日本的希拉加纳角色中，这些角色对我们的参与者没有固有的含义，绕开了角色与狗的概念之间的有意识联系。尽管缺乏对神经反馈目标的认识，但参与者还是成功地学会了激活双边锻造形式的目标感知表示。在视觉搜索任务中评估了我们培训的行为意义。ecnef和对照参与者搜索了由Decnef培训期间使用的Hiragana预先塑造的狗或剪刀目标或对照Hiragana。Decnef Hiragana并未对其相关目标进行搜索，但令人惊讶的是，参与者在寻找目标感知类别时受到了损害。因此，有意识的意识可能起作用，以支持高阶关联学习。这项工作还提供了关于神经代表性漂移的ectnef效应的说明。同时，在现有神经表示中的重新学习，修改或可塑性的较低级别形式可能会在不知不觉中发生，并且在原始培训环境之外会产生行为后果。
丙泊酚介导的无意识状态会干扰感觉信号在皮质层级中的传递
图 1：在清醒和昏迷动物中传递刺激时，从四个皮质区域记录 LFP 和脉冲数据。（A）犹他阵列的植入位置。STG：颞上回（听觉）；PPC：后顶叶皮质（联想）；8A：区域 8A（认知）；PFC：前额皮质（认知）。（B）在清醒和昏迷状态下传递的刺激。UC（无条件）音调和条件音调是两种不同的声音，均持续半秒。条件音调之后是经过半秒延迟后吹向动物面部的气流。UC 气流是相同的气流，没有任何先前的音调。（C）维持剂量期间脉冲率稳定。显示每个大脑区域的平均发放率（1 分钟箱）（平均值 +/SEM）。水平黑条（顶部）表示丙泊酚输注剂量的时间过程。给予高剂量 30 分钟（起效），然后给予低剂量 30 分钟（维持）。紫色条标记失去意识 (LOC) 和恢复意识 (ROC) 的平均时间。灰色框表示清醒和无意识状态所用的时间范围。
微度中的大脑活动增加反映了重新建立意识的无意识动力
背景：微度是短暂的睡眠实例，导致双眼的反应性以及部分或全部延伸的闭合。微骨会带来毁灭性的后果，尤其是在跨性别部门。研究目标：关于微渗的神经特征和潜在机制的问题。这项研究旨在更好地了解微骨的生理底物，这可能会使人们对现象有更好的了解。方法：分析了一项早期研究的数据，涉及20个健康的非腿部剥夺受试者。每个会话持续50分钟，并需要受试者执行2D连续的视觉运动跟踪任务。同时数据收集包括跟踪性能，Eye-Video，EEG和FMRI。一个人类专家在视觉上检查了每个参与者的跟踪性能和视频录音，以识别微质量。我们的兴趣是微度≥4-S的持续时间，使我们总共有10个受试者的事件。微填布事件分为四个2-S段（前，开始，开始，结束和帖子）（中间，开始和末端段之间存在差距，对于微渗> 4 s），然后通过检查以前的段来分析每个片段，通过检查源代源的eeg eeg power in delta，delta，theta，theta，alpha，alpha，beta，beta，beda，beda，beda，beda，beda，beda，beda sega sega sega sega sega，beda，beda，beda sega sega sega be n of seg eeg pown。结果：theta和alpha频段的EEG功率增加了微骨前和开始之间。在微渗的起点和末端之间，三角洲，beta和伽马频段的功率也增加。相反，在三角洲和阿尔法频段的微度末端和柱头之间的功率降低了。这些发现支持三角洲，theta和alpha频段中的先前发现。然而，以前尚未报道Beta和伽马频段的功率增加。结论：我们认为，在微观休息期间增加的高频活性反映了无意识的“ cogni tive”活性，旨在重新建立在积极任务中入睡后重新建立意识。
脑电图谱的机器学习在GABA能麻醉期间对无意识进行了分类
在当前的麻醉学实践中，麻醉师推断出无意识状态，而无需直接监测大脑。药物和患者特异性的脑电图（EEG）特定的麻醉引起的潜意识的特征已被鉴定。我们将机器学习方法应用于构建分类模型，以在麻醉引起的无意识期间对无意识状态的实时跟踪。我们使用交叉验证选择和训练最佳性能模型，使用33,159 2S段的脑电图数据记录在7位健康志愿者中，他们收到了丙泊酚越来越多的兴奋剂，同时响应刺激，以直接评估无意识。在相同条件下收集的3个剩下的志愿者（中位志愿者AUCS 0.99-0.99）对13,929 2s EEG段进行测试时，的交叉验证模型表现出色。 模型在对27名手术患者的队列进行测试时显示出强烈的概括，这些手术患者在不同的情况下仅接受单独的临床数据集中收集的丙泊酚，并使用不同的硬件（中位患者AUC 0.95-0.98），并在病例中采取了模型预测，并采取了模型预测。 对17例接受七氟醚（单独或除丙泊酚之外）的患者的表现也很强（AUC中位数为0.88-0.92）。 这些结果表明，即使对具有类似神经机械的不同麻醉剂进行测试，EEG光谱特征也可以预测不同意性。的交叉验证模型表现出色。模型在对27名手术患者的队列进行测试时显示出强烈的概括，这些手术患者在不同的情况下仅接受单独的临床数据集中收集的丙泊酚，并使用不同的硬件（中位患者AUC 0.95-0.98），并在病例中采取了模型预测，并采取了模型预测。对17例接受七氟醚（单独或除丙泊酚之外）的患者的表现也很强（AUC中位数为0.88-0.92）。这些结果表明，即使对具有类似神经机械的不同麻醉剂进行测试，EEG光谱特征也可以预测不同意性。有了高性能的无意识预测，我们可以准确地监测麻醉状态，并且该方法可用于设计输液泵，以对患者的神经活动有明显的反应。
在“无意识”状态下，我们真的无意识吗？重新审视常见假设
在意识科学领域，传统上将某些状态（例如慢波非快速眼动睡眠和深度全身麻醉）归类为“无意识”。虽然这种分类乍一看似乎合理，但仔细调查发现它并非如此简单。鉴于（1）（无）意识的行为迹象可能不可靠，（2）（无）意识的主观报告可能不可靠，以及（3）假定为无意识的状态并不总是没有报告的体验，我们有理由重新审视我们对“无意识状态”的传统假设。虽然这些问题并不新颖，而且可能部分是语义上的，但它们对科学进步和临床实践都有影响。我们建议，专注于提供更务实和更细致入微的不同实验条件特征的方法可能会促进该领域的清晰度，并帮助我们为未来的研究奠定更坚实的基础。
基于量子无意识传输的全有或全无无意识传输...
Rabin 于 1981 年率先提出了无意识传输的概念 [1]。在 Rabin 的 OT (也称为全有或全无 OT) 协议中，Alice 向 Bob 发送消息 m，Bob 以 1/2 的概率接收到消息 m。在协议交互的最后，Alice 不知道 Bob 是否收到了消息 m，但 Bob 收到了。后来在 1985 年，Even 等人 [2] 提出了一种更实用的 OT，称为 1-out-of-2 无意识传输，它可以用于实现各种各样的协议 [2,3]。在此版本的 OT 中，Alice 有一对消息对 (m0, m1)，Bob 做出选择，其中一条消息被选中。在协议的最后，Bob 可以从 Alice 的消息对中检索与他的选择相对应的一条消息，而对另一条消息一无所知，而 Alice 也不知道 Bob 的选择。然而，Crépeau 证明，当消息为单个比特时，两种无意识传输协议是相似的，这意味着一个协议可以由另一个协议创建，反之亦然 [4]。此外，可以构建一个 1-out-of-2 无意识传输协议，该协议从单个比特的 1-out-of-2 无意识传输协议传输位串消息 [5-7]。这些协议设置的多功能性促使人们更广泛地研究安全双方计算的能力。经典 OT 依赖于计算难度假设。通常，这些假设分为两类：一般难度假设，例如单向函数 (OWF) 的存在，以及特定难度假设