XiaoMi-AI文件搜索系统
World File Search System机器智能
在确定论下重新思考人和机器智能
1英语学院，汉库克大学外国研究大学，107 Imun-ro，Dongdaemun-gu，首尔 *linkinswib@naver.com摘要本文提出了一个形而上学的框架，以区分人类和机器智能。具体来说，它提出了两个相同的确定性世界 - 一个包括人类代理，另一个包括机器代理。这些药物在因果关系上表现出明显的相同性，但它们表现出不同类型的信息处理机制。通过假设人类在机器智能上的独特性，本文解决了它所指的“有利位置问题”，即如何通过将确定源放置在宇宙中来使确定主义者对确定论的主张合法化。关键字：确定性；计算主义；模拟;状态描述；反事实引入当决定者断言宇宙是确定性的时，这需要假设一个假设的有利位置来描述宇宙。一见钟情，可以说这样的有利位置应该位于宇宙以外的某个地方。例如，维特根斯坦（Wittgenstein，1922）指出，“哲学i”是一个“形而上学主题”，它不是“世界的一部分”（第75页）。确定论是对世界的哲学判断。因此，决定主义者的推理思维可能必须与世界分开。但是，确定主义者本人是世界的一部分。根据Danielsson（2023）的说法，因为“ [W]无法站在世界外”，“我们总是从存在的唯一有利位置来看待世界：1。（第1章）”两者之间的上述特殊关系（即确定主义者与宇宙）可能会引起混乱。决定者是空间和时间内的有限人士。那么，她如何证明自己对确定论主张的意义是合理的，这似乎是需要达到上帝眼睛的观点的观点？本文中此问题将被称为本文中的“有利点问题”。要解决这个问题，本文提议讨论两种不同类型的确定性世界。如果读者耐心地遵循本文的论点到最后，他们将看到它如何建立一个合理的模型，该模型允许确定主义者有效地声称我们的宇宙为确定性，同时保留其一部分。确定性知识本文将使用以下关键定义：（1）确定性知识（d知识）：与确定性世界中所有过去，现在和未来事件相关的事实。
信任机器智能：军事行动中的人工智能与人类自主协作
摘要 人工智能的不断进步使得军事系统的自主性水平更高。随着机器智能作用的不断扩大，人类与自主系统之间的有效合作将成为未来军事行动中越来越重要的一个方面。成功的人机自主协作 (HAT) 需要在机器智能中建立适当的信任水平，而这种信任水平会根据 HAT 发生的环境而有所不同。有关信任和自动化的大量文献，加上较新的关于军事系统自主性的研究，构成了本研究的基础。本研究研究了三类机器智能应用中信任的各个方面。这些包括数据集成和分析、所有领域的自主系统以及决策支持应用。每个类别中与适当校准信任水平相关的问题各不相同，信任不协调的后果和潜在的缓解措施也各不相同。
以机器智能为中心的功能材料和界面自动表征系统
经典的实验设计依赖于耗时的工作流程，需要经验丰富的研究人员进行规划、数据解释和假设构建。在这里，我们描述了一个集成的机器智能实验系统，该系统能够在可编程的动态环境下同时动态测试材料的电、光、重量和粘弹性。专门设计的软件控制实验并执行即时的大量数据分析和动态建模、实时迭代反馈以动态控制实验条件以及快速可视化实验结果。该系统以最少的人为干预运行，能够高效地表征材料的复杂动态多功能环境响应，同时进行数据处理和分析。该系统为以人工智能为中心的材料表征提供了一个可行的平台，当与人工智能控制的合成系统相结合时，可以加速多功能材料的发现。
机器智能 - 哥伦比亚心理学系
办公时间：在线，通过约会讲师，讲师是自然机器智能的高级编辑，这是一本关于人工智能，机器学习和机器人技术的科学杂志。他拥有爱荷华大学的心理学学士学位，明尼苏达大学的神经科学博士学位以及纽约大学认知神经科学的博士后培训。 他曾在纽约大学哥伦比亚大学和明尼苏达大学担任教职员工。 课程公告描述该研讨会将从心理学，神经科学和计算机科学等领域以及网络论，人工智能，机器人技术，连接性，神经网络，机器学习和深度学习等方法调查机器智能中的历史和现代发展。 重点是对主题的概念理解。 该课程不包括计算机编程和统计信息的背景。 一个总体目标是让学生成为知情的人工智能应用程序。 详细描述了研讨会的目标是对机器智能有更深入的了解。他拥有爱荷华大学的心理学学士学位，明尼苏达大学的神经科学博士学位以及纽约大学认知神经科学的博士后培训。他曾在纽约大学哥伦比亚大学和明尼苏达大学担任教职员工。 课程公告描述该研讨会将从心理学，神经科学和计算机科学等领域以及网络论，人工智能，机器人技术，连接性，神经网络，机器学习和深度学习等方法调查机器智能中的历史和现代发展。 重点是对主题的概念理解。 该课程不包括计算机编程和统计信息的背景。 一个总体目标是让学生成为知情的人工智能应用程序。 详细描述了研讨会的目标是对机器智能有更深入的了解。他曾在纽约大学哥伦比亚大学和明尼苏达大学担任教职员工。课程公告描述该研讨会将从心理学，神经科学和计算机科学等领域以及网络论，人工智能，机器人技术，连接性，神经网络，机器学习和深度学习等方法调查机器智能中的历史和现代发展。重点是对主题的概念理解。该课程不包括计算机编程和统计信息的背景。一个总体目标是让学生成为知情的人工智能应用程序。详细描述了研讨会的目标是对机器智能有更深入的了解。
迈向自主机器智能之路 版本 0.9.2，2022-06-27
本文不是传统意义上的技术论文或学术论文，而是一份立场文件，表达了我对智能机器的愿景，这种机器的学习方式更像动物和人类，可以推理和计划，其行为由内在目标驱动，而不是由硬连线程序、外部监督或外部奖励驱动。本文中描述的许多想法（几乎所有想法）都已由许多作者在各种情况下以各种形式提出。本文并不主张其中任何一个想法的优先权，而是提出了如何将它们组合成一个一致整体的建议。特别是，本文指出了未来的挑战。它还列出了一些可能或不可能成功的途径。本文尽可能少用专业术语，尽可能少使用数学先验知识，以吸引具有各种背景的读者，包括神经科学、认知科学和哲学，以及机器学习、机器人技术和其他工程领域的读者。我希望这篇文章能够帮助理解人工智能领域的一些研究背景，因为有时这些研究的相关性很难看出。
关于机器智能不可能实现的论据
自从“人工智能”这个名词短语被创造出来以来，人们一直在争论人类是否能够利用技术创造智能。我们从热力学和数学的角度对这个问题进行了新的阐述。首先，我们定义了什么是可以成为人工智能载体的代理（设备）。然后我们表明，由 Hutter 等人提出的、至今仍被人工智能界接受的“智能”的主流定义太弱，甚至无法捕捉到当我们将智能归因于昆虫时所涉及的内容。然后，我们总结了 Rodney Brooks 提出的非常有用的基本（节肢动物）智能定义，并根据此定义确定了人工智能代理需要具备的属性，才能成为智能的载体。最后，我们表明，从创建这种代理所需的学科（即数学和物理学）的角度来看，这些属性既不能通过隐式或显式的数学设计来实现，也不能通过设置一个人工智能可以自发进化的环境来实现。
Chess AI：机器智能的竞争范式
残局研究长期以来一直是测试人类创造力和智力的工具。我们发现它们也可以作为测试机器能力的工具。两个领先的国际象棋引擎 Stockfish 和 Leela Chess Zero (LCZero) 在游戏过程中采用了截然不同的方法。我们使用 20 世纪 70 年代末著名的残局研究 Plaskett's Puzzle 来比较这两个引擎。我们的实验表明 Stockfish 在谜题上的表现优于 LCZero。我们研究了引擎之间的算法差异，并以我们的观察结果为基础仔细解释测试结果。受人类解决国际象棋问题的方式启发，我们询问机器是否可以拥有某种形式的想象力。在理论方面，我们描述了如何应用贝尔曼方程来优化获胜概率。最后，我们讨论了我们的工作对人工智能 (AI) 和通用人工智能 (AGI) 的影响，并提出了未来研究的可能途径。
论人类智能与机器智能的差异
想象一下，明天一家知名科技公司宣布他们已经成功创建了人工智能 (AI)，并让你对其进行测试。你决定首先测试所开发的人工智能的一些非常基本的能力，例如将 317 乘以 913 和记住你的电话号码。令你惊讶的是，系统在这两项任务上都失败了。当你询问系统的创建者时，你被告知他们的人工智能是人类水平的人工智能 (HLAI)，而且由于大多数人无法执行这些任务，所以他们的人工智能也不能。事实上，你被告知，许多人甚至不能计算 13 x 17，或者记住他们刚遇到的人的名字，或者认出办公室外的同事，或者说出他们上周二早餐吃了什么2。此类限制的清单相当长，是人工智能愚蠢领域的研究主题 [Trazzi and Yampolskiy, 2018; Trazzi and Yampolskiy, 2020]。术语“通用人工智能 (AGI)”[Goertzel 等人，2015] 和“人类水平人工智能 (HLAI)”[Baum 等人，2011] 已互换使用（参见 [Barrat，2013]，或“（AGI）是一种机器的假设智能，它有能力理解或学习人类能够完成的任何智力任务。”[匿名，2020 年 7 月 3 日检索]），指的是人工智能 (AI) 研究的圣杯，创造一种能够：在广泛的环境中实现目标的机器
人工智能的机遇与风险——为未来社会开发和利用机器智能的概念
摘要：人工智能（AI）：社会的福音还是祸害？人工智能技术和解决方案——正如过去大多数革命性技术所做的那样——一方面带来了负面影响，另一方面也带来了巨大的积极潜力。避免前者并促进后者将需要在未来社会概念、研究和开发以及对基于人工智能的解决方案的控制方面进行大量投资，同时避免滥用。为人工智能在社会中的未来角色做准备，应努力实施相关的风险管理方法和工具、人机合作互补模型、优化生产和管理的策略以及分配所创造的经济价值的创新概念。目前正在讨论的人工智能影响的两种极端“最终状态”（如果有最终状态的话）可能表现为：（a）人工智能不受控制地取代生产、服务、行政和决策过程的主要方面，导致前所未有的风险，如高失业率、货币贬值和有偿工作报酬过低，导致财富和就业分配不均，削弱社会和平、社会凝聚力、团结、安全等；或者，相反，（b）通过提高生产、行政和服务的自动化程度，将人们从日常劳动中解放出来，将政治和社会的构成转变为具有高道德标准、个人自决和人道主义原则普遍占主导地位的选区，而不是纯粹的唯物主义。这两个极端的任何组合都可能发展，这些组合可能因不同的社会和政治制度而异。
利用机器智能揭示阿尔茨海默病......
阿尔茨海默病 (AD) 是最常见的痴呆症，占痴呆病例的 60-70% [ 1 ]。这种神经退行性疾病的特征是神经元细胞损伤以及伴随的认知和功能衰退，主要影响老年人，其中三分之二为女性，并且随着人口老龄化，患病率预计会持续上升 [ 2- 4 ]。目前尚无明确的治疗方法来预防或减缓这种使人衰弱的疾病的进展。旨在改善疾病的研究工作集中于淀粉样蛋白和 tau 通路，因为它们是 AD 病理的重要因素，因为过量 β-淀粉样蛋白 (Aβ) 肽沉积和过度磷酸化的 tau 蛋白会导致 DNA 和 RNA 损伤 [ 5- 7 ]。然而，目前临床批准的 AD 药物都不是疾病改善疗法 (DMT)，而是广泛针对 AD 症状 [ 8 ]。尽管目前有超过 100 种 AD 治疗药物，但美国食品药品监督管理局 (FDA) 批准的最后一种 AD 药物是 2003 年上市的 N-甲基-D-天冬氨酸 (NMDA) 受体 AD 拮抗剂美金刚[9,10]。虽然中国 FDA 最近批准了甘露聚糖 (GV-971) 的临床使用，但国际药物试验正在进行中，以确认结果并验证其在中国境外的使用（NCT03715114、NCT02986529、NCT02293915）[11]。由于我们对 AD 病因的理解存在差距，以及导致疾病异质性的基因组和环境因素之间复杂的相互作用，因此有必要采取多模式方法实现精准医疗。