XiaoMi-AI文件搜索系统
World File Search System类比
脑机类比——“特刊”
在这篇评论文章中，我们详细概述了《生态与进化前沿》特刊中收集的 12 篇文章，这些文章的研究主题是“关于脑机类比的最新想法——所有隐喻都是错误的，但有些是有用的”。摘要附有图形摘要，图形摘要是将文章与选定概念链接起来的矩阵。正如图灵首次指出的那样，本期特刊的所有作者都认为语义是脑机类比争论中的关键问题，并因此解决了许多此类问题。我们认为，缺少的是隐喻和类比之间的区别，我们重新评估了隐喻，详细描述了类比，并为后者提供了定义。为了丰富辩论，我们还认为有必要发展大脑的进化理论，我们对此进行了概述。本文以对科学创造力的思考作为结束，因为我们同意这样的观点：隐喻和类比及其美学影响对于创造过程至关重要，无论是在科学还是艺术领域。
“人工智能可以类比蒸汽动力”或来自......
智能。它符合 Garvey 的观察，即虽然“这又是人工智能时代”，但这一次人工智能作为“一项划时代的技术，正在占领越来越多的领域”，因此“可能很快就会变得无处不在，与技术文明本身共存：成为现代性理所当然的特征，就像自来水或电一样。” 5 从这个意义上讲，智能的概念被修改了；它不再是单个机器的属性，而是扩散到相互关联的机器网络中。正如 Halpern、Mitchell 和 Geoghegan 所指出的，这体现在“冷战理性”与“智能指令”之间的对比中。冷战理性“主要源自少数资金雄厚的智库的概念出版物”，而“智能指令”则“渗透”到从手机、送货卡车到医疗保健系统等一切事物中，同时“本质上依赖于全球数百万甚至数十亿人之间的互动和个人特质”。6
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。
人类比机器更聪明吗？
人造机器能否通过采取主动行动让其创造者感到惊讶？根据克里斯蒂安尼尼 (2016) 的说法，这个问题已经问了几个世纪，并产生了各种各样的答案。堪称第一位计算机程序员的阿达·洛夫莱斯很清楚自己在这个问题上的立场：“分析机不自诩能够创造任何东西”，她在 1843 年说道。“它可以遵循分析；但它没有预测任何分析关系或真理的能力”。然而，173 年后，一个在距离她在伦敦的家一英里多的地方开发的计算机程序击败了围棋九段大师李西石。AlphaGo 的程序员中没有人能打败李西石，更不用说打败他们自己的程序了。根据克里斯蒂安尼尼 (2016) 的说法，该软件已经学会了做它的程序员不能做和不理解的事情。 AlphaGo 使用的机器学习技术在人工智能领域正在广泛传播。在过去，“学习机器”的概念听起来可能像是一个骗局。
类比分类的提议 - 非形式逻辑
奥维耶多大学哲学系 奥维耶多人文校园，33011 西班牙 dalvar@uniovi.es 摘要：在本文中，我将根据类比的内部结构对其进行分类。选择该分类中使用的标准首先需要讨论任何类比的最小组成部分。据此，我将讨论类比与相似性之间以及类比与“同源”之间的区别，并强调操作和程序类比的重要性。最后，我将对不同类型的类比进行分类，这有助于进一步理解类比一般理念的某些调制之间的差异，例如原型、原型、模型、模拟、寓言、范式、经典、地图、思想实验、神话、乌托邦、反乌托邦和寓言。
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。
人工智能中的抽象和类比.pdf
例如，虽然当今的计算机视觉系统可以识别物体的感知类别，例如将金门大桥的照片标记为“一座桥”，但这些系统缺乏人类对这些物体的丰富概念知识——这些知识使得人类能够在各种各样的情况下对这些物体进行稳健的识别。此外，人类能够形成抽象并将其应用于新情况，而这种方式甚至连当今最好的机器都无法做到。继续使用“桥”的例子，人类可以轻松理解扩展和隐喻概念，例如“水桥”、“蚂蚁桥”、“桥接手指”、“鼻桥”、“歌曲之桥”、“弥合性别差距”、“过桥贷款”、“烧毁桥梁”、“桥下的水”等等。事实上，对于人类来说，任何感知类别（例如桥梁）都是通过其背后的丰富概念结构来理解的。这种概念结构使人类能够轻松回答一些常识性问题，例如“如果你开车经过一座高架吊桥会发生什么？”或“跨越性别差距的桥的两边各有什么？”此外，头脑中的概念结构使人类能够轻松生成不同抽象层次的“桥梁”；例如，想象你自己用腿在沙发和咖啡桌之间架起一座桥梁，或者用其他音符在钢琴上的两个音符之间架起一座桥梁，或者通过对话弥合与配偶之间的差异。
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%。
基于数字孪生的多类比创新设计 - MDPI
摘要：类比设计是一种有效的创新设计方法。但现有的类比设计研究主要侧重于创新方案的形成方法，没有考虑应用的可行性和实用性。本研究提出了一种基于类比的多类比创新设计（M-AID）模型，该模型既考虑了以设计为中心的复杂性（DCC），也考虑了发明问题的解决方案（TRIZ）。为了提高实用性，引入数字孪生（DT），将真实的设计信息、制造生产数据和维护信息应用于设计过程。该方法包括6个步骤：（1）基于用户和市场需求对目标产品进行分析，综合一般功能需求；（2）利用知识库和专利库获取类比功能源；（3）调用数字孪生资源获取真实产品数据进行设计；（4）利用DCC理论降低融合后设计系统的复杂性； (5)利用TRIZ解决设计冲突问题；(6)根据产品需求评估设计方案。该方法提高了设计方案的可行性，减少了设计过程中从概念方案到最终方案的迭代次数，提高了创新设计过程的效率。以太阳能电池板除尘系统的创新设计为例，证明了该方法的适用性。