XiaoMi-AI文件搜索系统
World File Search System类比
类比设计中人与人工智能的交互协同创造力
简介 十一年前，马希尔 (Maher) 问道：“谁在创造？” (Maher 2012)，并提出了几个创造性应用的分析空间，包括构思和互动两个维度。马希尔的问题引出了乔丹诺斯 (Jordanous) 的 PPP 视角框架，其中创造行为可以由人类或人工智能 (Jordanous 2016) 执行，以及坎托萨洛 (Kantosalo) 和塔卡拉 (Takala) 的 5C 框架，其中创造行为由人类和人工智能共同组成的集体执行 (Kantosalo and Takala 2020)。1然而，对于人与人工智能互动中创造力的位置，人们的共识较少。混合主动性创造性界面方法提出了一组基本的细粒度活动，这些活动可以由人类或人工智能以某种结构化对话的形式执行（Deterding 等人，2017 年；Spoto 和 Oleynik，2017 年），随后扩展到生成应用（Muller、Weisz 和 Geyer，2020 年），针对特定算法方法进行了改进（Grabe、Duque 和 Zhu，2022 年），并针对其他算法方法进行了批评（Zheng，2023 年）。虽然这些方法生成了重叠的分析动作词汇，但它们并没有解决创造力在何处发生（以及由谁或什么通过这些动作发生）的问题。在这篇短文中，我们提供了对该问题的一个答案的几个例子。我们重新利用 Kantosalo 和 Takala (2020) 的 5C 中的集体概念，提出一种类型的创造力可能会在以下互动空间中不对称地出现 (Rezwana and Maher 2022)
太阳能园区集群的光纤网络类比
增加可再生能源在电力系统中的份额是成功实现能源转型的关键。最佳可再生能源选址需要采取整体方法，涉及土地、资源、环境和经济数据以及约束。在本文中，我们将太阳能光伏发电渗透到电网的问题视为时空分析，并结合针对政策制定者和投资者的决策支持。我们的目标是寻找新的模型，以最大限度地提高能源渗透和网络稳定性，同时最大限度地降低运营成本。我们展示了如何通过研究围绕共享变电站的多个太阳能光伏园区的最佳聚类来选择太阳能光伏站点以满足这些目标。这是一个组合问题，涉及给定一组光伏站点候选的所有潜在集群。我们的主要贡献在于确定并提出我们的问题与光纤网络设计中解决的所谓 SONET 问题的建模类比。我们展示了这种新的时空光伏园区布局模型如何最大限度地降低运营成本，同时提高所产生的解决方案的能量稳定性。我们还引入了 GIS 预处理步骤来降低所提方法的计算成本。我们根据真实案例研究和法属圭亚那电力系统的数据，将我们提出的基于 SONET 的模型与现有的 GIS 优化模型进行了比较。这种新方法将多个光伏园区聚合成分布在整个领土的集群。以法属圭亚那为例，相同的全球标称功率（≈45 MW）可以分布在 11 个光伏园区和 3 个集群中，而不是 3 个大型光伏园区。结果显示，当考虑到 ⩽ 5 MW 的光伏园区时，每千瓦时发电成本大幅提升，最多可增加 10 MW 的额外安装功率和 16 GWh 的额外发电量。新的集群配置还可确保解决方案的能量稳定性得到提高，从而降低网络管理员和决策者的风险。
可靠性与有效性目标类比...
n是如果10个项目测试的长度增加， n是将大小增加到20个项目（具有相同平均平均项目间相关性）的因素，n = 2，因为长度增加了2个示例：如果10个项目的长度增加了长度，则如果10个项目的长度增加到20个项目，则增加了20个项目（n = 2，n = 2，因为 假设原始可靠性r xx原始性为.6。n是将大小增加到20个项目（具有相同平均平均项目间相关性）的因素，n = 2，因为长度增加了2个示例：如果10个项目的长度增加了长度，则如果10个项目的长度增加到20个项目，则增加了20个项目（n = 2，n = 2，因为 假设原始可靠性r xx原始性为.6。假设原始可靠性r xx原始性为.6。
类比作为思维和人工智能的基本功能 - Cognitorium
文献中讲了很多类比在思维中的重要性，但只给出了一个类比推理的例子。作者认为，类比在思维方面有着更广泛的含义，是三段论与隐喻、知觉与比较、归纳与演绎、抽象的分类与构造等思维机制的基本功能，这些都将在报告中举例说明。作者还批评了结构类比作为类比实现方式的主导假设，并提出了另一个基于上下文的类比原则。将展示如何从句法谓词获得词汇类比，这为基于神经网络以外的原理构建人工智能提供了基础。
量子压缩态的结构光类比 - DR-NTU
© 2024 作者。开放存取。本文根据知识共享署名 4.0 国际许可协议获得许可，允许以任何媒介或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信任，提供知识共享许可的链接，并指明是否进行了更改。本文中的图像或其他第三方材料包含在文章的知识共享许可中，除非在材料的致谢中另有说明。如果材料未包含在文章的知识共享许可中，并且您的预期用途不被法定法规允许或超出允许用途，则您需要直接从版权所有者处获得许可。要查看此许可证的副本，请访问 http://creativecommons.org/licenses/by/4.0/。
语言概念的视觉类比及其含义
摘要 许多视觉生成人工智能 (AI) 模型使用文本“提示”作为输入来指导生成图像的开发。将文本转换为图像利用了语用学和语义学，这会对输出产生影响。为了促进更精确的提示，我们提出了文本相似性的三维向量空间，它使用文本表示、听觉表示和含义相似性作为轴。接下来，我们表明两个单词之间含义相似并不一定会导致相应的 AI 生成的这些单词图像之间视觉相似。我们利用八个图像生成器为抽象和具体的同义词、反义词和上义词-下义词对生成图像，并将它们的图像-图像 CLIPScore 与它们对应的文本-文本 CLIPScore 进行比较，从而定量地证明了这一点。在所有模型和关系类型中，文本与文本和图像与图像相似度的平均相似度同义词从 92.8% 下降到 70.1%，反义词从 89% 下降到 58.9%，上义词-下义词对的平均相似度从 85.6% 下降到 68.1%。
孔之怒：科幻小说、未来类比和早期军事太空政策
德鲁论文是屡获殊荣的硕士论文，由阿拉巴马州麦克斯韦空军基地高级航空航天研究学院 (SAASS) 选出出版。这一系列论文是为了纪念美国空军退役上校丹尼斯“丹尼”德鲁的杰出职业生涯。在空军大学工作的 30 年里，德鲁上校曾担任空军指挥参谋学院的教员，领导空中力量研究所，并担任 SAASS 的院长、副院长和军事战略教授。德鲁上校是空军出版作品最多的作家之一，也是一位备受追捧的国际演讲者。他曾为空军大学的 100,000 多名学生以及外国军方听众发表过演讲。1985 年，他因对空军大学的杰出贡献而获得 Muir S. Fairchild 奖。2003 年，荷兰女王贝娅特丽克丝授予他奥兰治拿骚勋章
孔的愤怒：科幻小说，未来的类比和早期的军事太空政策
Drew论文是屡获殊荣的硕士论文，被高级空气和太空研究学院（SAASS），麦克斯韦AFB，阿拉巴马州的出版。这一系列论文纪念了美国空军丹尼斯·丹尼·德鲁（Dennis“ Denny” Drew）的杰出职业。在30年的航空大学，Drew上校曾在Air Command and Compast College教职员工任职，执导了Air Power Research Institute，并担任Saass的Dean，Assoid Dean和军事战略教授。 Drew上校是空军最广泛发表的作者之一，也是国际发言人，需求量很高。 他已经向航空大学和外国军事观众讲授了100,000多名学生。 1985年，他因对航空大学的常规贡献而获得了Muir S. Fairchild奖。 在2003年，内斯·埃兰兹（Neth Erlands）的比阿特里克斯（Queen Beatrix）为他在荷兰皇家荷兰空军的教育贡献而成为橙色纳沙勋章的骑士。在30年的航空大学，Drew上校曾在Air Command and Compast College教职员工任职，执导了Air Power Research Institute，并担任Saass的Dean，Assoid Dean和军事战略教授。Drew上校是空军最广泛发表的作者之一，也是国际发言人，需求量很高。他已经向航空大学和外国军事观众讲授了100,000多名学生。1985年，他因对航空大学的常规贡献而获得了Muir S. Fairchild奖。在2003年，内斯·埃兰兹（Neth Erlands）的比阿特里克斯（Queen Beatrix）为他在荷兰皇家荷兰空军的教育贡献而成为橙色纳沙勋章的骑士。
一般生物学课程中使用的类比：在几代人之间如何保存DNA？
摘要本研究有两个主要目标。首先，它旨在检查教师在大学一般生物学课程中使用有关“跨几代的DNA保护”所使用的类比。第二，它旨在检查根据Thiele和Treagust的框架中使用的类比。在本研究中采用了定性研究设计，以深入研究案例。从一名一般生物学课程中的教师那里收集了35年的教学和研究经验的数据。根据结果，讲师使用了许多类比，但是其中七个即将解释几代人的DNA保护。通过引用讲师和数字和上述分类框架来分析这些类比。注意到，讲师对DNA使用的大多数类比都是结构性功能，口头式，混凝土，富集和嵌入的激活剂。供学生正确学习诸如DNA之类的抽象概念，这项研究提供了类比的示例，这些示例已通过良好的相似性关系与源头和目标之间的相似性关系进行了尝试，从而吸引了学生参加课程。在以后的研究中，可以测试类比对学生成就和解决问题技能的有效性。
视觉类比的两种计算方法：任务‐......
人工智能的发展提出了一个关于人类智能的基本问题：人类推理是通过应用从丰富的先前经验中获得的任务特定知识来最好地模拟的，还是基于领域通用的心理表征操纵和比较？我们针对视觉类比推理的情况来解决这个问题。使用熟悉的三维物体（汽车及其零件）的真实图像，我们系统地操纵视觉类比问题中的视点、零件关系和实体属性。我们将人类的表现与两种最近的深度学习模型（孪生网络和关系网络）的表现进行了比较，这两种模型直接经过训练来解决这些问题并将其任务特定知识应用于类比推理。我们还通过将领域通用的映射程序应用于汽车及其零部件的学习表征，开发了一个使用基于零件的比较 (PCM) 的新模型。在四项类比（实验 1）和开放式类比（实验 2）中，领域通用的 PCM 模型（而非特定任务的深度学习模型）在关键方面产生了与人类推理者相似的性能。这些发现证明，通过将大数据的深度学习应用于特定类型的类比问题，不太可能实现类似人类的类比推理。相反，人类确实（并且机器可能）通过学习对多个任务有用的结构信息进行编码的表示，再加上关系相似性的高效计算来实现类比推理。