XiaoMi-AI文件搜索系统
World File Search System能动
人机交互和人类能动性......
人工智能技术在军事决策过程中的普及似乎正在增加。起初，人工智能在军事领域的应用主要与武器系统有关，这些武器系统通常被称为自主武器系统 (AWS)，可以在无需进一步人工干预的情况下识别、跟踪和攻击目标 (红十字国际委员会 [ICRC] 2021)。世界各地的军队已经使用了武器系统，包括一些巡飞弹，这些武器系统结合了人工智能技术来促进目标识别，通常依赖于计算机视觉技术 (Boulanin 和 Verbruggen 2017；Bode 和 Watts 2023)。虽然巡飞弹通常在人类批准下操作，但似乎有可能在没有人为干预的情况下动态施加武力。事实上，俄罗斯在乌克兰战争的各种报道表明，乌克兰军队在作战的最后阶段使用巡飞弹，在未经人类批准的情况下释放武力 (Hambling 2023, 2024)。这些发展有力地强调了人们长期以来日益增长的担忧，即在使用基于人工智能的系统时，人类在武力决策中所起的作用正在逐渐减弱。
单个粒子相干能动性的实验研究
能动性被定义为通过单一循环演化可以提取的最大功量。它在评估量子系统的工作能力方面起着至关重要的作用。最近，量子相干性在工作提取中的重要性已在理论上得到确认，表明相干性更高的量子态比失相态量子态具有更高的能动性。然而，相干能动性的实验研究仍然缺失。在这里，我们报告了对单自旋系统中相干能动性的实验研究。基于使用辅助量子比特测量能动性的方法，成功提取了非平衡态能动性的相干和非相干分量。通过改变状态的相干性，观察到了系统相干性增加引起的能动性的增加。我们的工作揭示了量子热力学和量子信息论之间的相互作用，未来的研究可以进一步探索其他量子属性在热力学协议中的作用。
原创研究利用人工智能动脉多普勒波形预测外周动脉疾病患者的主要不良反应
方法与结果：纳入了接受踝臂指数测试的连续患者（2015 年 4 月 1 日至 2020 年 12 月 31 日）。患者被随机分配到训练、验证和测试子集（60%/20%/20%）。深度神经网络在静息胫后动脉多普勒波形上进行训练，以预测 5 年时的主要不良心脏事件、主要不良肢体事件和全因死亡。然后根据训练集中每个预测分数的四分位数对患者进行分组分析。在总共 11 384 名患者中，10 437 名患者符合研究纳入标准（平均年龄 65.8±14.8 岁；40.6% 为女性）。测试子集包括 2084 名患者。在 5 年的随访期间，共有 447 人死亡、585 起重大不良心脏事件和 161 起男性事件。调整年龄、性别和 Charlson 合并症指数后，胫后动脉波形的深度神经网络分析可独立预测 5 年内的死亡（风险比 [HR]，2.44 [95% CI，1.78–3.34]）、主要不良心脏事件（HR，1.97 [95% CI，1.49–2.61]）和主要不良肢体事件（HR，11.03 [95% CI，5.43–22.39]）。
支持组织决策的人工智能配置中的人类能动性
人类智能与人工智能 (AI) 的融合对于在组织决策中发挥优势正变得越来越重要。这需要了解人机协作配置以管理协作智能。然而，现有的关于人机协作的文献缺乏结构，并且在人类智能 (HI) 对人工智能协作的贡献以及人工智能系统如何在决策过程中配置方面支离破碎。本文进行了有组织的文献综述，以整合现有文献的见解。我们确定了协作智能中涉及的六种人类机构，并将研究结果综合成六种人机协作配置，并用矩阵框架进行解释。通过阐明人机协作的复杂性，该框架阐明了对 HI 和人工智能在决策中的相互交织作用有细致理解的必要性，这对设计和实施用于组织决策的人工智能系统具有重要意义。
人工智能动画的未来
当今世界正在应对人工智能。人工智能与媒体本身一样新颖，它乘着人工智能的浪潮，人工智能的结果将展示印度媒体的新前景。人工智能一词于 1956 年被创造出来，但在当今时代，它变得越来越流行，这全都归功于技术。一个问题出现了：人工智能 (AI) 会影响动画行业吗？技术日益发展，取代了许多在市场竞争中流失的工作，由于人工智能 (AI)，动画师的角色会保持不变吗？动画曾经是一个非常困难且耗时的过程。漫画家和动画师必须逐一绘制电影的每一帧。是否有必要采用新技术来掌握使用人工智能的媒体制作工作？人工智能 (AI) 几乎应用于所有领域，如媒体行业、电影、卡通片和动画等等。一个问题是，人工智能 (AI) 未来将如何应用于动画。众所周知，迪士尼使用人工智能 (AI) 仅从文本制作故事板动画。动画行业的技术进步是一个持续的过程。因此，在这篇研究论文中，研究人员讨论了人工智能动画的未来。本文介绍了不同的动画方法。讨论了人工智能 (AI) 如何影响动画以及现代动画与传统动画的区别。本文介绍了人工智能 (AI) 在动画中的主要功能。
使用液压驱动旋转测力计和双向高功率直流电源进行波浪能动力输出验证：预印本
摘要——许多组织致力于将波浪能转换器技术商业化，并通过技术就绪水平推进其设计。在现场部署原型波浪能转换器之前，一个关键步骤是通过实验室测试和性能表征来验证波浪能转换器中包含的子系统和组件。2021 年，美国国家可再生能源实验室 (NREL) 开发并演示了一种系统，用于在现场部署之前使用低速、高扭矩测力计和并网高功率直流电源和接收器测试动力输出装置 (PTO)。液压测力计可以模拟波浪运动引起的 PTO 驱动，并且能够适应各种波浪周期和高度，这些波浪周期和高度由测力计的各种速度和扭矩表示。大功率双向电源允许对波浪能转换器电力电子设备进行硬件在环和控制器在环测试。本文介绍了 NREL 研究人员在现场部署之前测试新型波浪能转换器 PTO 中所有组件和子系统所使用的方法。
意图一致的人工智能系统会削弱人类的能动性
人工智能 (AI) 系统的快速发展表明，通用人工智能 (AGI) 系统可能很快就会到来。许多研究人员担心 AI 和 AGI 会通过故意滥用 (AI-misuse) 或意外事故 (AI-accidents) 伤害人类。关于 AI-accidents，人们越来越致力于开发算法和范例，以确保 AI 系统与人类的意图保持一致，例如，AI 系统产生的行动或建议可能被人类判断为与他们的意图和目标一致。在这里，我们认为，与人类意图保持一致不足以保证 AI 系统的安全，而长期保护人类的能动性可能是一个更强大的标准，需要在优化过程中明确和先验地将其分开。我们认为 AI 系统可以重塑人类的意图，并讨论了保护人类免于失去能动性的生物和心理机制的缺乏。我们提供了第一个保护能动性的 AI-人类互动的正式定义，该定义侧重于前瞻性的能动性评估，并认为 AI 系统（而不是人类）必须越来越多地承担这些评估的任务。我们展示了在包含嵌入式代理的简单环境中如何发生代理丧失，这些代理使用时间差分学习来提出行动建议。最后，我们提出了一个名为“代理基础”的新研究领域，并提出了四个旨在提高我们对人工智能与人类互动中代理的理解的初始主题：仁慈博弈论、人权的算法基础、神经网络中代理表示的机械可解释性和从内部状态进行强化学习。
助记符作为记忆的符号：符号学和能动性
当前心灵哲学的争论之一是情境性问题，即心灵究竟存在于何处以及认知发生于何处。三种主要立场是内在主义，认为认知仅发生在身体内部，特别是大脑中（Adams 和 Aizawa 2009），分布式认知 (DCT) 理论，其中工具可用于辅助认知，但它们本身只是工具，本身不具有能动性（Giere 2004），以及扩展认知 (ExCT)，其中个体的位置及其认知方式可能包括与外部代理的临时联系，而这些外部代理本身是活跃的（Clark 和 Chalmers 1998）。 Clark 和 Chalmers 著名的 ExCT 例子使用了 Inga 和 Otto，它依赖于记忆作为一种认知功能而存在的想法，尽管认知的主要机构可能发生在大脑中，但认知工作可以说可以被“负荷”到环境中的条件上。“认知负荷是指通过身体动作（如写下信息或在手机或电脑上存储信息）来减少任务的心理处理要求的行为。”（Morrison 和 Richmond 2020）认知负荷可以提高效率，缓解记忆压力，尤其是在有很多事情要做的情况下。
人类能动性的未来 - 皮尤研究中心
顾问兼前硅谷首席执行官 Alan Mutter 观察到，“人工智能的一代又一代和应用程序的迭代将改善未来的结果，但是，机器——以及运行它们的人——将控制这些结果。人工智能的好坏取决于算法背后的人和系统背后的数据集。从定义上讲，人工智能赋予机器使用大型且不完善的数据库进行判断的能力。由于人工智能系统被设计为或多或少自主运行，因此很难想象这种系统如何受到公众的控制，因为公众大多不太可能知道是谁建立了这些系统，系统如何运行，它们依赖哪些输入，系统是如何训练的，以及它可能如何被操纵以产生某些期望的和可能未知的结果。”
人类能动性的未来 - 皮尤研究中心
顾问兼前硅谷首席执行官 Alan Mutter 观察到，“人工智能的一代又一代和应用程序的迭代将改善未来的结果，但是，机器——以及运行它们的人——将控制这些结果。人工智能的好坏取决于算法背后的人以及系统背后的数据集。从定义上讲，人工智能赋予机器使用大型且不完善的数据库进行判断的能力。由于人工智能系统的设计或多或少是自主运行的，因此很难想象这种系统如何受到公众的控制，因为公众大多不太可能知道是谁建立了这些系统、系统如何运行、它们依赖哪些输入、系统是如何训练的以及如何操纵它以产生某些期望的甚至是未知的结果。”