XiaoMi-AI文件搜索系统
World File Search System社交互动
人类机器人的人类智能的前景
直接和发展的基于行为的移动机器人方法都产生了许多有趣的机器人演示，这些机器人在现实世界中导航，映射，计划和操作。这项工作最好被描述为模仿昆虫水平的运动和导航的尝试，而基于行为的非平凡操纵世界的工作很少。已经有一些基于行为的尝试来探索社交互动，但是这些尝试也以我们在昆虫中看到的各种社交互动为基础。但是，考虑如何从所有这些昆虫水平扩展到全人类水平的智力和社会互动会导致一种综合，这与传统人工智能和认知科学中所想象的大不相同。我们向目标报告。
发展认知神经科学 - DSCN 实验室
从童年到青春期的过渡以同伴互动的显著变化为标志。然而，研究直接与同伴互动有关的大脑系统（例如，心理化和奖励网络）的研究有限，特别是在童年和青春期早期。在这里，我们分析了 50 名 8-12 岁儿童的 fMRI 数据，当时他们参与了一项任务，与同伴（Peer）聊天或回答有关故事人物（Character）的问题。使用 beta 序列相关分析，我们研究了社交互动如何调节心理化和奖励网络内部和之间的功能连接，以及这种调节是否随着年龄而变化。我们观察到，在心理化和奖励网络中，社交互动对功能连接的影响受年龄的调节。此外，在社交互动过程中，这些网络内部和之间的连接性越强，对同伴与人物条件的反应时间就越快。在显着性和镜像神经元网络中也发现了类似的影响。这些发现有助于我们了解大脑支持社交互动的方式与年龄相关的差异，从而有可能增进我们对自闭症谱系障碍等社交沟通障碍中的核心社交困难的理解。
人际神经同步和精神障碍
在早期成长阶段以及整个生命周期中，缺乏社交互动能力和适应不良的关系是导致精神障碍的最重要因素之一（Schilbach，2016；Schilbach 和 Lahnakoski，2023）。反之亦然，精神障碍会影响我们成功与他人互动和享受社交互动的能力。心理治疗是许多精神障碍的有效治疗方法，它利用结构化的治疗关系来促进患者的健康。因此，有人认为，一般的精神障碍可以解释为社交互动障碍（Schilbach，2016）。然而，有些精神障碍，如自闭症谱系障碍 (ASD)、（反应性）依恋障碍 (RAD) 或社交焦虑症 (SAD)，其特点是社交互动和沟通中断是其潜在病理机制的重要组成部分。与此一致，最近的超扫描研究首次得出证据表明，INS 减少与以下情况相关：(i) ASD 患者日常生活中的社交困难程度增加（Quiñones-Camacho 等人，2021 年），(ii) 预测高风险母子二元组中依恋质量较差（Miller 等人，2019 年）和 (iii) 在情绪消极的情况下评估时与 SAD 症状严重程度相关（Deng 等人，2022 年）。
大脑皮层 - I-LABS - 华盛顿大学
言语互动和模仿对于幼儿的语言学习和发展至关重要。然而，目前尚不清楚母子二元组如何在轮流言语互动中同步皮质层面的振荡神经活动。我们的研究调查了母子对在轮流言语模仿范式中的脑间同步。使用双 MEG（脑磁图）装置同时测量互动母子对的大脑活动。在社交互动和非互动任务（被动聆听纯音）之间比较了人际神经同步。与非互动条件相比，在 θ 和 alpha 波段，社交互动期间的脑间网络同步性有所提高。在下额回的右角回、右三角回和左岛叶部分观察到了增强的人际大脑同步性。此外，这些顶叶和额叶区域似乎是表现出大量脑间连接的皮质中枢。这些皮质区域可以作为言语社交交流中互动成分的神经标记。本研究首次使用双 MEG 装置研究母子在言语社交互动过程中的脑间神经同步。我们的研究结果加深了我们对母子二人组言语互动过程中轮流发言的理解，并表明社交“门控”在语言学习中发挥着作用。
转弯期间的双 MEG 脑间同步... - I-LABS
言语互动和模仿对于幼儿的语言学习和发展至关重要。然而，目前尚不清楚母子二元组如何在轮流言语互动中同步皮质层面的振荡神经活动。我们的研究调查了母子对在轮流言语模仿范式中的脑间同步。使用双 MEG（脑磁图）装置同时测量互动母子对的大脑活动。在社交互动和非互动任务（被动聆听纯音）之间比较了人际神经同步。与非互动条件相比，在 θ 和 alpha 波段，社交互动期间的脑间网络同步性有所提高。在下额回的右角回、右三角回和左岛叶部分观察到了增强的人际大脑同步性。此外，这些顶叶和额叶区域似乎是表现出大量脑间连接的皮质中枢。这些皮质区域可以作为言语社交交流中互动成分的神经标记。本研究首次使用双 MEG 装置研究母子在言语社交互动过程中的脑间神经同步。我们的研究结果加深了我们对母子二人组言语互动过程中轮流发言的理解，并表明社交“门控”在语言学习中发挥着作用。
CV.pdf - Miguel Vasco
[J2]项目 INSIDE：面向自闭症治疗中的自主半非结构化人机社交互动。出处：医学中的人工智能 96，2019 年，页。 198–216（Scimago Q1 人工智能）[pdf]
人工智能与教育的意外后果
报告还质疑了人工智能个性化学习的广泛推动，这种学习方式已被提出近一百年，旨在解决各种教育问题，如学生脱离学习、缺乏动力和成绩差距。然而，人工智能个性化学习深受硅谷观点的影响，这种观点过分强调技术和个人主义，而忽视了社区。人工智能个性化学习（与差异化教学截然不同）的一个重大缺陷是可能会削弱教育中的社交互动，而社交互动对于培养信任、动力和参与度至关重要。同时，过分强调个人学习路径，实际上可能会削弱学生的自我实现，导致学习成果同质化。它还可能低估教育在社区建设和社交技能发展中的关键作用，忽视学生的全面发展，并可能加剧社会经济和文化差距。
Maryam Hosseini -
马萨诸塞州理工学院（MIT）剑桥，马萨诸塞州马萨诸塞州剑桥 - 城市研究与计划部2022年 - 现在•使用尖端的LLM和开放式摄像计对象检测模型与HPI-Germany领导国际协作项目，以分析社交互动模型，分析社交互动和信息。•带头开发和公开推出瓷砖2net，吸引了11个国家 /地区的30个城市的外展，渴望利用其能力来改善城市基础设施规划和行人安全。•与法尔茅斯市官员合作，利用Tile2net生成全面的人行道图，并倡导关键的基础设施升级。•工程有效的算法方法纠正人行道网络的拓扑和连接性，与基本代码相比，速度增长3X。