XiaoMi-AI文件搜索系统
World File Search System涌现
度量场作为希尔伯特空间的涌现
首先，我们解释时空和度量场作为基本概念的一些模糊性。然后，从 Unruh 效应的角度，使用 Gelfand–Naimark–Segal 构造，我们构造一个算子作为加速量子，我们称之为量子加速算子 (QAO)。随后，我们研究了 Minkowski 空间中两个不同框架的真空之间的关系。此外，我们表明，通过将这样的 QAO 应用于 Minkowski 真空，可以获得 Minkowski 空间中每个加速框架的真空。此外，利用这些 QAO，我们增强了希尔伯特空间，然后提取了 Minkowski 时空一般框架的度量场。在这种方法中，这些概念通过构造的 QAO 从希尔伯特空间中出现。因此，这种增强的希尔伯特空间在一般框架中包含了量子场论，可以被视为基本概念，而不是经典度量场和标准希尔伯特空间。
来自量子混沌动力学的精确涌现量子态设计
我们给出了一种新型的随机矩阵普适性的精确结果，这种普适性是无限温度下量子多体系统可以表现出的。具体来说，我们考虑一个纯态集合，该集合由一个小的子系统支撑，该子系统是通过对系统其余部分进行局部投影测量而生成的。我们严格地证明了，从一类经历淬火动力学的量子混沌系统推导出的集合接近于一种完全独立于系统细节的普适形式：它在希尔伯特空间中均匀分布。这超越了量子热化的标准范式，该范式规定子系统放松为一个量子态集合，该集合再现了热混合状态下局部可观测量的期望值。我们的结果更普遍地意味着量子态本身的分布与均匀随机态的分布变得难以区分，即集合形成了量子信息论术语中的量子态设计。我们的工作建立了量子多体物理学、量子信息和随机矩阵理论之间的桥梁，表明伪随机态可以从孤立的量子动力学中产生，为设计量子态断层扫描和基准测试的应用开辟了新方法。
从符号涌现到可解释且有同理心的人工智能
摘要 —我们认为，可解释的人工智能必须拥有其决策的基本原理，能够推断观察到的行为的目的，并能够在受众理解和意图的背景下解释其决策。为了解决这些问题，我们提出了四个新颖的贡献。首先，我们根据感知状态定义任意任务，并讨论可能解决方案领域的两个极端。其次，我们定义内涵解决方案。根据某些智能定义，它是最佳的，它描述了任务的目的。拥有它的代理根据该目的对其决策有基本原理，并以基于硬件的感知符号系统来表达。第三，要传达该基本原理，需要自然语言，即一种编码和解码感知状态的方式。我们提出了一种意义理论，其中，为了获得语言，代理应该模拟语言描述的世界，而不是语言本身。如果人类的话语对代理的目标具有预测价值，那么代理将根据自己的目标和感知状态赋予这些话语以意义。在皮尔士符号学的背景下，代理社区必须共享符号、指称项和解释项的粗略近似值才能进行交流。意义只存在于意图的背景下，因此要与人类交流，代理必须具有可比的经验和目标。一个学习内涵解决方案的代理，在类似于人类动机的目标函数（如饥饿和痛苦）的驱使下，可能不仅能够根据自己的意图，而且能够根据受众的理解和意图来解释其原理。它形成了对人类感知状态的某种近似。最后，我们引入镜像符号假设，该假设认为，在类似人类的强迫下，代理作为内涵解决方案的一部分学习的符号表现得像镜像神经元。根据普遍的推测，这些神经元可能在促进同理心方面发挥重要作用。索引术语 — 内涵型人工智能、可解释型人工智能、同理心型人工智能
多制度互动：系统涌现的一个例子
本文讨论了多层次视角 (MLP) 下社会技术系统和转型中的背景问题。它强调系统间相互作用，为此开发了一种类型学，该类型学借鉴了已发表的转型案例研究的回顾和元级分析。随后，该类型学与 MLP 转型路径相关联。通过这一过程，我们得出了一种新的转型路径，即新系统的出现，适用于从现有先行社会技术系统的贡献中出现的系统。关键词：多政权、社会技术转型、系统交互 1. 简介