XiaoMi-AI文件搜索系统
World File Search System群体决策
优化协作脑机接口以增强面部识别
摘要——本研究的目的是通过使 EEG 置信度解码器最佳地适应群体组成来最大化群体决策表现。我们训练线性支持向量机从人类参与者的 EEG 活动中估计他们的决策信心。然后，我们使用加权多数规则组合个人决策来模拟不同规模和成员的群体。分配给组中每个参与者的权重是通过解决小维度、混合、整数线性规划问题来选择的，其中我们最大化训练集上的群体表现。因此，我们引入了优化的协作式脑机接口 (BCI)，其中每个团队成员的决策都根据个人神经活动和群体组成进行加权。我们在 10 名人类参与者执行的人脸识别任务上验证了这种方法。结果表明，最佳协作式 BCI 比其他 BCI 显著提高了团队绩效，同时提高了群体内的公平性。这项研究为协作式 BCI 在以稳定团队为特征的现实场景中的实际应用铺平了道路，在这些场景中，优化单个群体的决策政策可能会带来团队动态的长期显著效益。
人工智能带来的不可能结果：一项调查
2 路易斯维尔大学 mario.brcic@fer.hr, roman.yampolskiy@louisville.edu 摘要 不可能定理表明，某个特定问题或一组问题无法按照声明中描述的方式解决。此类定理限制了人工智能（尤其是超级智能）所能做的事情。因此，这些结果可作为人工智能安全、人工智能政策和治理研究人员的指导方针、提醒和警告。这些可能以在约束满足框架内形式化理论的形式解决一些长期存在的问题，而无需承诺一种选择。我们坚信这是长期人工智能安全计划最谨慎的方法。在本文中，我们将适用于人工智能的不可能定理分为五种基于机制的类别：演绎、不可区分、归纳、权衡和难解性。我们发现某些定理过于具体或具有限制应用的隐含假设。此外，我们还添加了新的结果（定理），例如可解释性的不公平性，这是归纳类别中第一个与可解释性相关的结果。其余结果处理克隆之间的错位，并对代理的自我意识设置限制。我们得出结论，演绎不可能性否认了 100% 的安全保证。最后，我们给出了一些在可解释性、可控性、价值一致性、道德和群体决策方面具有潜力的想法。它们可以通过进一步调查来深化。
宣传与生成ai
Mark Alfano，Macquarie University Amir Ebrahimi Fard，独立研究人员的关键字：错误信息，虚假信息，生成人工智能，宣传，Slopaganda摘要，至少自Francis Bacon，口号“知识IS Power”以来，已使用“知识IS Power”来捕获在小组级别上的决策之间的关系。我们知道，能够塑造小组的信息环境是塑造他们决策的一种方式。从本质上讲，这是为他们做出决定的一种方法。本文重点介绍了通过设计故意影响群体决策能力的策略，从而有效地塑造了他们在环境中利用信息的能力。其中最著名的是政治言论，宣传和错误信息。本文从这些文章中引出的现象是一种相对较新的策略，我们称之为Slopaganda。根据《卫报》的报道，澳大利亚新闻集团目前每周都会筹集3000种“本地”生成AI（GAI）故事。在未来几年中，这种“生成的AI斜率”将带来多种与知识有关的（认知）挑战。我们借鉴了认知科学和人工智能方面的当代研究来诊断斯洛帕加达的问题，描述了一些最近的令人不安的病例，然后提出了一些干预措施，这些干预措施可能有助于对抗Slopaganda。
融合混合信息的城市新能源汽车发展前景评估MADM新模型
新能源汽车作为缓解城市环境问题的有效途径，已成为研究其在中国的发展现状和未来前景的焦点。针对不同城市新能源汽车产业发展的巨大差异，本研究以中国十个典型城市为研究对象，开发了一个新颖的多属性决策（MADM）框架来评估这些城市推广新能源汽车的前景。研究首先建立一套全面的指标体系，涵盖经济、政策支持、基础设施、技术创新和环境等关键维度，包含五种不同类型的评价信息。该体系融合了五种不同类型的评价信息：精确数、区间数、三角模糊数、犹豫模糊数和概率语言词集（PLTS），增强了框架处理不同数据类型的能力。然后，采用改进的熵（IEntropy）权重法确定评价指标的客观权重。然后将这些客观权重与VIKOR方法相结合，形成一种综合混合评估信息的结构化群体决策方法。基于模块化思维，综合混合评估信息对每个城市的新能源汽车发展前景进行评估和排序。敏感性分析和比较分析进一步证明了所提出的MADM框架的稳健性和可靠性。排序结果表明，上海和广州在新能源汽车推广方面处于领先地位，而哈尔滨和郑州等城市则落后。基于这些发现，本研究提出了有针对性的政策建议，以促进中国主要城市新能源汽车产业的可持续发展。
伊娃·里科马尼奥 - 热那亚
精选出版物 - E Pesce、F Porro、ER《大型数据集、偏差和面向模型的最优实验设计》《国际质量与可靠性工程》（正在印刷）。 - F Carli，M Leonelli，ER，G Varando 用于分层分阶段树结构学习的 R 包 stagedtrees J. of Stat Software，102:6，1–30，2022。 - M Leonelli，ER，JQ Smith 用于群体决策的概率输出的连贯组合：一种代数方法，OR Spectrum 42:2，499–528，2020 - Fassino，ER，MP Rogantin 一些复杂函数的体积规则和期望值，代数统计杂志，SE Fienberg 纪念刊，10:1，115–127，2019 - E Pesce，ER，HP Wynn 大数据中的实验设计问题。偏见问题，在：Greselin F、Deldossi L、Bagnato L、Vichi M（编辑）复杂数据的统计学习。 CLADAG 2017。分类、数据分析和知识组织研究。 Springer, Cham, 第 193–20 页，2019 年 - S Barani, ER 等 7 人《地震矩释放的时间尺度及其对地震发生概率的影响》，《科学报告》8:1，1–11，2018 年 - A Bigatti, CGIorgen, ER、JQ Smith 使用计算机代数发现统计等价类，《国际近似推理杂志》95，167–184，2018 年 - M Leonelli, ER、JQ Smith 用于计算乘法影响图中预期效用的符号代数，《数学与人工智能年鉴》81:34，273–313，2017 年 - S Massa, ER 高斯马尔可夫组合的代数表示，《伯努利》23:1， 626–644，2017 - ER，N Rudak，S Kuhnt 统计模型构建设计的数值代数扇形，Statistica Sinica，26，1021–1035，2016 - C Fassino，ER，G Pistone 一般节点的插值立方体公式的代数，Statistics and Computing，24:4，615–632，2014 - ER，JQ Smith，P Thwaites 使用链式事件图进行因果分析，人工智能 174:12-13，889–909，2010 - ER 代数统计简史（第 8 届德国概率和统计公开会议开幕报告）。 Metrika 69, 397–418, 2009 - MJ Chappell, G Margaria, ER, HP Wynn 微分代数方法用于研究生物有理多项式模型的结构可识别性。数学生物科学，174，1–26，2001 - G Pistone, ER, HP Wynn 代数统计学。Chapman and Hall/CRC，博卡拉顿，2000
衡量人工智能信任的价值——社会技术系统视角
[1] 2022. 韦氏词典：美国最值得信赖的在线词典。https://www.merriam-webster.com [2] Diego Antognini、Claudiu Musat 和 Boi Faltings。2021. 通过批评与解释互动。第三十届国际人工智能联合会议 IJCAI-21 论文集，周志华（编辑）。国际人工智能联合会议组织，515–521。https://doi.org/10.24963/ijcai.2021/72 主轨道。 [3] Alejandro Barredo Arrieta、Natalia Diaz-Rodriguez、Javier Del Ser、Adrien Bennetot、Siham Tabik、Alberto Barbado、Salvador Garcia、Sergio Gil-Lopez、Daniel Molina、Richard Benjamins、Raja Chatila 和 Francisco Herrera。2020 年。可解释人工智能 (XAI)：概念、分类法、机遇和挑战，迈向负责任的人工智能。Inf. Fusion 58 (2020)，82–115。[4] Gagan Bansal、Besmira Nushi、Ece Kamar、Walter S. Lasecki、Daniel S. Weld 和 E. Horvitz。2019 年。超越准确性：心智模型在人机团队表现中的作用。在 AAAI 人类计算与众包会议 (HCOMP) 上。 [5] Gagan Bansal、Tongshuang (Sherry) Wu、Joyce Zhou、Raymond Fok、Besmira Nushi、Ece Kamar、Marco Túlio Ribeiro 和 Daniel S. Weld。2021 年。整体是否超过部分？人工智能解释对互补团队绩效的影响。2021 年 CHI 计算机系统人为因素会议论文集 (2021 年)。[6] Pieter J. Beers、Henny PA Boshuizen、Paul A. Kirschner 和 Wim H. Gijselaers。2006 年。共同点、复杂问题和决策。群体决策与谈判 15 (2006)，529–556。 [7] Umang Bhatt、Alice Xiang、S. Sharma、Adrian Weller、Ankur Taly、Yunhan Jia、Joydeep Ghosh、Ruchir Puri、José MF Moura 和 P. Eckersley。2020 年。可解释的机器学习在部署中的应用。2020 年公平、问责和透明度会议论文集 (2020 年)。[8] Wayne C Booth、William C Booth、Gregory G Colomb、Gregory G Colomb、Joseph M Williams 和 Joseph M Williams。2003 年。研究的技巧。芝加哥大学出版社。[9] Andrea Brennen。2020 年。当人们说他们想要“可解释的人工智能”时，他们真正想要的是什么？我们询问了 60 位利益相关者。2020 年 CHI 计算系统人为因素会议扩展摘要。1-7。 [10] Zana Buccinca、Phoebe Lin、Krzysztof Z Gajos 和 Elena Leah Glassman。2020 年。代理任务和主观测量可能会在评估可解释的人工智能系统时产生误导。第 25 届智能用户界面 (IUI) 国际会议论文集 (2020 年)。[11] Hao-Fei Cheng、Ruotong Wang、Zheng Zhang、Fiona O'Connell、Terrance Gray、F. Maxwell Harper 和 Haiyi Zhu。2019 年。通过 UI 解释决策算法：帮助非专家利益相关者的策略。在 2019 年 CHI 计算机系统人为因素会议论文集 (英国苏格兰格拉斯哥) 中。美国纽约州纽约，1-12。 https://doi.org/10.1145/3290605.3300789 [12] Erin K. Chiou 和 John D. Lee。2021 年。信任自动化：为响应性和弹性而设计。《人为因素》（2021 年）。[13] Meia Chita-Tegmark、Theresa Law、Nicholas Rabb 和 Matthias Scheutz。2021 年。您可以信任您的信任衡量标准吗？2021 年 ACM/IEEE 人机交互国际会议论文集 (2021)，第 92-100 页。https://doi.org/10.1145/3434073.3444677 [14] Jin-Hee Cho、Kevin Chan 和 Sibel Adali。2015 年。信任建模调查。ACM 计算调查 (CSUR) 48，2（2015 年），1-40。[15] Herbert H. Clark。1996 年。使用语言。剑桥大学出版社。[16] David Roxbee Cox。1958 年。实验规划。 (1958 年)。
基本心理学事实
2014 年，研究人员研究了人格特质与 Facebook 上的自我表现之间的关系，并发表了研究结果。2021 年的一项研究发现，人格特质通过对日常压力源的情感反应可以预测长期身体健康。研究探讨了出生顺序是否会影响非认知能力，结果表明它确实会以某种方式影响。2015 年发表的一项研究发现，内向的人在涉及社会关系质量和情绪调节能力的特定条件下会获得幸福感。2016 年，研究人员对 14 岁至 77 岁的性格稳定性进行了研究。疾病控制与预防中心提供了有关儿童发育的信息。研究探索了从儿童到成年时期人类大脑微观结构的成熟过程，结果发表于 2008 年。2019 年发表的一篇论文研究了类别学习中的适应性灵活性，发现幼儿的选择性注意成本小于成年人。2020 年发表的论文研究了从幼儿期到青年期双语对大脑发育的影响。2017 年发表的一项研究探索了如何通过做出更好的选择来改善群体决策。2018 年发表的一项研究研究了旁观者效应，发现同理心在某些条件下会变成冷漠。2017 年发表的一项研究探索了社会分类的起源。2019 年发表的一篇论文研究了行为者-观察者在判断不忠行为方面的差异，发现换位思考可以通过实验操作减少这种偏见。一项关于视觉非语言记忆痕迹的研究发现，它在主动维持时很脆弱，但被动维持数十秒，结果于 2020 年发表。2014 年出版的一本书章节探讨了音乐回声记忆训练作为改善工作记忆和其他认知功能的一种方法。在健康男性中研究了压力对工作记忆、外显记忆和内隐记忆的影响，研究结果于 2008 年发表。2002 年发表的一篇论文中，一项研究根据他们对该领域的贡献和对他人的影响等因素对 20 世纪最杰出的 100 位心理学家进行了排名。另一项研究探讨了梦境回忆频率和主题多样性随年龄的变化，结果尚未发表。给出文章文本这里尽管多年来心理学取得了巨大的发现，但人类大脑及其功能仍然受到各种误解的影响。一些突出人类思维复杂性的关键发现包括：影响负面情绪的基因、善于撒谎的人善于发现欺骗以及音乐对感知有深远的影响。拥有积极的关系可以增强幸福感，而记住过去的事件往往依赖于检索而不是回忆。70% 的时间里，大脑会将记忆重塑为完美时刻，但面对问题时，大脑往往会回忆起负面行为。即使睡过头，人们仍然渴望睡眠，而那些对连环杀手着迷的人往往是熟练的谈话者。有趣的是，没有盲人患上精神分裂症，这凸显了感官体验对心理健康的重要性。投资体验而不是物质财富会带来更大的价值，而唱歌已被证明可以减轻焦虑和抑郁。厌食症等心理障碍的死亡率很高，严重的抑郁症会加速生物衰老。坠入爱河可以迅速发生，但这是大脑的化学反应，而不是基于心灵的情感。较高的智商可能会阻碍女性建立浪漫关系的能力，而睡前想到的最后一个人往往决定了一个人的情绪状态。由于口头交流的限制，相当一部分人通过短信更好地表达自己，这会导致消极情绪增加并对免疫系统产生负面影响。擅长讽刺和玩世不恭的人往往拥有健康的心智和高级的社交技能。尽管没有疲劳或困倦，但有些人认为其他人会表现出悲伤等情绪来表示关心。这可能是自闭症儿童由于还不懂同理心而经常不沮丧的原因。如果某人的第一滴眼泪来自右眼，则表示他们很开心；否则，他们很伤心，并且像做梦一样看到回忆。能够舔到自己的手肘表明你对新事物持开放态度。穿得好可以帮助你保持稳定和快乐，但由于所谓的“消极偏见”，我们的大脑会记住坏事而不是好事。这就是为什么即使得到别人的称赞后，你仍然会想起同事的刻薄评论。为了平衡这一点，建议每经历一次负面体验，就经历 5 次积极体验。一项研究表明，吃饭会让你在准备吃饭时对它失去兴趣，因此你的满意度会下降。我们的大脑也会陷入“确认偏见”，这意味着我们会寻找事实来支持我们已经相信的东西，比如无论你多么努力，改变你爷爷的政治观点是多么困难。有时，你甚至可以通过思考一下来说服自己你过去做错了什么。在做决定时，你使用的语言很重要，问自己与目标相关的问题可能比说你已经实现了目标更能激励自己。人们也倾向于打破剥夺他们自由的规则，比如当一个孩子在课堂上不被允许使用手机，然后开始嚼口香糖。你的大多数梦都包含实际上很重要的秘密信息。如果你在开始某件事之前制定了 B 计划，这可能会让你第一次就失去成功的动力。喜欢恐怖电影的人会自然而然地从肾上腺素、多巴胺和内啡肽中获得快感，即使他们知道自己并没有真正的危险。宾夕法尼亚州的一项研究表明，了解一个饥饿小女孩的人捐款的金额是那些听到数百万人挨饿的统计数据的人的两倍多。心理学家认为，这是因为人们往往会被大规模的问题压垮，怀疑自己是否有能力做出重大改变。相反，当面对一个具体的、切实的情况时，人们更有可能采取行动。研究人员还发现，不确定性比知道负面结果更令人紧张。这是因为大脑的后果预测机制在面对未知的期望时会变得更加活跃。此外，“互惠规则”表明，人们更倾向于帮助过去帮助过他们的人。这种对社会和谐的天生渴望可能是为了维持顺畅的社会互动而进化的。研究表明，测试是一种有效的学习工具，因为与单纯学习而不需要回忆相比，测试信息可以在人的记忆中停留更长时间。人类大脑对稀缺性也很敏感，总是感觉自己缺乏必要的资源。例如，农民往往在经济富裕时制定更好的计划，而不是在经济匮乏时。此外，“空想性错视”现象描述了我们的大脑倾向于识别不存在的面孔，而不是错过真实的面孔。这被认为源于人脸识别在社交生活中的重要性。在解决现有问题后发现新问题在心理上是正常的。研究表明，当人们无法再识别出具有威胁性的面孔时，他们往往会求助于没有威胁性的面孔。“认知失调”解释了为什么人们经常贬低所爱之人的错误行为，尽管这种行为很严重。当现实与我们的信念相矛盾时，就会发生这种现象。皮格马利翁效应表明，当别人相信我们时，我们的表现会更好，相反，当预期会失败时，我们可能会挣扎。满足期望可以减轻压力，改善整体幸福感，甚至促进身体健康。有趣的是，尽管缺乏证据或逻辑推理，对特定大脑区域进行电刺激可以引发确定感。这归因于对即将发生的悲剧事件的恐惧。音乐偏好通常与我们生活中的情感事件有关，使其更加令人难忘。此外，人们倾向于高估自己的能力，这种误解具有与身体伤害类似的化学效应，说明了我们的大脑如何处理拒绝。极度孤独会对一个人的身心健康产生毁灭性的影响。研究表明，长期与世隔绝会导致血液凝固蛋白水平升高，而凝血蛋白水平升高又会增加中风和心脏病发作的风险。事实上，没有朋友的危害不亚于吸烟。研究还表明，身居高位的人往往难以与他人产生共鸣，导致面部表情呆板。一项实验付钱给志愿者，让他们说服某人一项无聊的任务很有趣，结果发现，撒谎的人仍然觉得这项活动很无趣，而真正相信这项任务很有趣的人只得到 1 美元的报酬。有趣的是，研究表明，拖延症通常是由心理因素驱动的，我们的大脑会优先考虑紧急任务，而不管它们的重要性如何。这可以归因于大脑倾向于以这种方式自我反应。此外，科学家还观察到，人们往往天生倾向于精神病、自恋和虐待狂的倾向。20 世纪 50 年代的普通精神病患者表现出的焦虑程度与今天的高中生相似，而压力水平往往在 20 多岁末和 30 岁初达到顶峰。精神疾病十分普遍，大约五分之一的欧洲人患有抑郁症或躁郁症等疾病。事实上，研究发现，患有躁郁症的人往往表现出较高的创造力。此外，人们可能会经历一种称为心碎综合症的现象，这种现象会因情绪困扰而导致暂时性心肌功能障碍。这也会导致不可预测性增加和同理心减少。尽管知道没有必要，但无法停止浏览社交媒体是许多人的共同特征。这与一种称为幻影振动综合症的疾病有关，影响了大约 68% 的人口。其他心理障碍，如情爱妄想症和巴黎综合症，也会导致人们相信自己很有名或对周围环境有不切实际的看法。例如，在日本，大约有一百万人将自己锁在卧室里多年，产生了严重的社会和健康问题，称为“蛰居族”。幻想和妄想在理解人类行为和心理方面的力量。有自恋倾向的人经常使用治疗来应对自己的情绪，尽管他们缺乏同理心。研究表明，这种共存可以缓解社会排斥的症状，甚至抑制与爱情和浪漫相关的情绪反应。水的存在可以对个人产生镇静作用，使他们更快乐、更平静、更有创造力。普洛诺伊效应的概念表明，人们会因为感知到的个人联系或目的而赋予物品很高的价值。这种现象的根源在于我们的大脑处理信息和存储记忆的方式。有趣的是，心理学家威廉·斯坦利·米利根（又名比利）的妄想让我们了解到思想是如何被灌输到我们的头脑中并融入到我们的记忆中的。他的案例研究虽然不寻常，但却凸显了人类行为和心理过程的复杂性。这本《心理学入门 101》的入门指南旨在向读者介绍心理学及其各个分支领域的基础知识。通过探索关键概念、研究方法和心理障碍，个人可以更深入地了解自己和他人。心理学是一个多方面的领域，旨在解释人类行为、心理过程和情感体验。### 心理学是一个跨学科领域，研究人类行为和认知，借鉴生物学、哲学、社会学和人类学。它试图了解信仰、情感、语言习得和记忆如何发挥作用。扎实掌握心理学基础知识对于理解人类行为的复杂性至关重要。心理学领域多种多样，涵盖认知心理学、发展心理学、社会心理学和异常心理学等各个领域。理解这些基本原理对于创建一个分析人类行为的综合框架至关重要。心理学的关键因素包括感知、学习、记忆、认知和动机，这些因素可以通过研究心理学概念来探索。通过深入研究心理学的基础，个人可以深入了解心理学家如何处理人类行为、研究方法和理论方法。心理学的历史可以追溯到古代，亚里士多德和苏格拉底等哲学家对情感、推理和记忆做出了早期贡献。心理学发展的关键里程碑包括威廉·冯特于 1879 年引入科学方法，这标志着现代心理学时代的开始。这一时期出现了结构主义和功能主义方法，扩展了冯特的思想。精神分析理论侧重于潜意识和塑造个性和行为的童年经历，而 BF 斯金纳的行为主义则拒绝心理过程并强调可观察的行为。亚伯拉罕·马斯洛和卡尔·罗杰斯引入了强调个人成长和自我实现的人本主义方法。 20 世纪 60 年代的认知革命研究了心理过程，并导致了认知行为疗法的出现，该疗法现已被广泛应用。神经科学的进步提高了我们对人类行为的生物学和神经学成分的理解。如今，心理学涵盖了各种主题和观点。理解感知、学习、记忆、认知、动机及其相互关系等关键概念对于初学者至关重要。感知涉及解释感官信息；学习通过经验和实践进行；记忆存储、保留、并检索信息。认知是指涉及思考和决策的心理过程。动机驱动行为及其方向。研究方法包括实验设计、调查、访谈、观察和案例研究。实验设计通过操纵一个变量同时测量对另一个变量的影响来测试因果关系。调查使用问卷收集有关态度和信念的信息；访谈提供对个人经历的深入了解。观察涉及行为或事件的系统记录，案例研究则研究具体事例或案例。心理学涵盖各种有助于理解人类行为和认知的思想流派。观察提供了对现实生活行为的洞察，而案例研究提供了有关具体案例的详细信息。元分析可用于量化跨多个研究的变量之间关系的强度。心理学领域多种多样，主要流派包括行为主义、精神分析和认知心理学。行为主义关注可观察的行为，而精神分析则强调潜意识和早期儿童经历。认知心理学研究心理过程，包括信息获取和利用。人本主义心理学强调个性和个人成长，强调以整体方式理解人性。了解这些思想流派对于学习心理学入门课程的初学者来说至关重要，它们可以对人类行为和心理过程有细致而完整的理解。焦虑、抑郁、躁郁症和精神分裂症等心理障碍会严重影响一个人的思想、情绪和行为。治疗通常涉及药物和疗法的结合，如认知行为疗法 (CBT)。躁郁症与精神分裂症：了解治疗方案和社会心理学应用心理学是一个充满活力的领域，在理解人类行为和心理过程中发挥着至关重要的作用。通过探索定义、历史、关键概念、研究方法、主要思想流派和实际应用，初学者可以在这个迷人的领域打下坚实的基础。心理学不断发展，为人类行为和认知提供见解，从而推动生活各个领域的进步。为了深入了解，我们鼓励您参加心理学入门课程或自行进一步阅读。掌握基础知识对于解开人类行为的复杂性至关重要，这是一个令人兴奋的旅程。了解人们的想法和行为在当今的工作场所至关重要，因此引入心理学对于提高工作动力和生产力具有重要意义。心理学 101 提供了坚实的基础，涵盖了关键概念、研究方法、主要思想流派和实际应用。它强调了心理学在理解人类行为和心理过程方面的重要性，为进一步的探索和个人成长铺平了道路。