XiaoMi-AI文件搜索系统
World File Search System自主性
人工智能、自主性和空中力量：飞行员的终结？ - DiVA 门户
飞行员 1 是许多国家武装部队中的重要成员。因此，毫不奇怪，有大量关于军事飞行员的文献存在，这些文献评估了飞行员选拔（Bor 等人，2017 年，第 21-78 页）、性格（Chang 等人，2018 年）、身体素质（Rintala 等人，2015 年）、工作满意度（Ahmadi 和 Alireza，2007 年）和飞行高手的影响 2 等。在《飞行员的问题》（2018 年）一书中，Timothy P. Schultz 评估了 1903 年至 2017 年间飞行员与飞机关系的演变，并认为机器越来越多地承担了以前由飞行员执行的任务。与这种回顾性观点相反，本研究主要关注未来，特别是技术和社会发展对军事飞行员未来的影响。这是第一项深入分析这一问题的研究。
未来无人机交通中的人类自主性 - DiVA
由于计算机系统的智能化和自主性增强，人类操作员的角色正在发生变化。人类将在更宏观的层面上或仅在特定情况下与系统交互。这涉及学习新实践和改变习惯性的思维和行为方式，包括重新考虑人类与自主系统之间的自主性。本文介绍了未来城市无人机交通自主管理系统的设计案例，我们将其称为布鲁塞尔的计算机。我们为人类与自主系统协作而设计的方法建立在基于场景的设计和计算机模拟促进的认知工作分析的基础上。我们使用一种称为联合控制框架的时间方法，在标记为认知控制中的自主性级别的抽象层次中描述人类和自动化工作。我们使用分数符号来分析跨越抽象层次结构的时间发展模式，并讨论交通管理中人机通信的影响。我们讨论了较低级别的自主性如何阻止较高级别的自主性，反之亦然。我们还讨论了在每分钟的操作工作中自主性的时间性。我们的结论是，与自主系统相关的人类自主性基于自动化技术机会与人类参与者认为有意义的价值观之间的基本权衡。
血液的人造心脏氧合，自主性自主
在这项专利矿床中提出的人为心脏的人为心脏，基于地球每个偏远角落的唯一物理原理来关闭可持续能量的圆圈：重力的旁路和空气的弹性压力，即使在男人的胸部，也可以使用泵，直到有双重的行动，直到毫无疑问的是，在任何地方，即使是在这个人的胸口，也没有秩序的人，这是一家人，直到毫无疑问，直到毫无疑问，这是一家人，这是一家人的秩序，而不是秩序的人。违反了整个工业和经济发展。如果本发明发生在一百年前，那么一切都会更简单，更干净，更便宜。人造人的心脏是已经减少的高压釜系统的微型版本，以使其进入井的衬衫，以净化产量的能量。进入人的胸部以净化产生大脑所需能量的血液与井的预期没有太大不同。他们提供两个取代左右心室心室的迷你平行高压釜系统。喂养它们的两个泵，双电源分开，直到叶轮o，从而使吸力和输送中的静液压推力平衡，使右侧的迷你高压灭菌器中的全身循环中获得血液，右侧是从肺部的肺中传来的，绕过压缩的气压。该系统的工作原理是因为迷你高压灭菌器以相同的瞬间射出的血液数量，其血液的数量与进入的血液相等，这是由于体体无法穿透的，通过用作连接到直流电机的涡轮机的微型泵。泵电动机花费的能量约为发电机产生的能量的十分之一。这使我们能够拥有足够的能量来产生自动策略所需的压缩空气和电子控制单元的管理，该单元具有三个字的语音命令：“休息，正常，快速”管理流程
理解数字事件：过程哲学和因果自主性
我们强调，我们并不是说技术本身在某种程度上是“坏的”。糟糕的设计是许多问题的根源。然而，随着算法的数量和人工智能在这些技术运行中的日益参与，设计师不再总是能够自己掌控：算法可能会产生意想不到的后果。在数字时代，用户有时会以设计师无法预料的方式添加内容和互动。因此，降低风险需要用户和设计师有意识的努力。然而，至关重要的是，用户可能会被他们所处的数字世界所淹没，因为他们试图协调多个独立设计的数字设备，而他们没有也不可能具备这样做的能力，因为数字世界继续以惊人的速度创新
Microsoft Word - 编辑 - 驾驶自动化和自主性.docx
专题：驾驶自动化和自主性 Neville A Stanton 人为因素工程、交通研究组、Boldrewood 创新园区、土木、海洋和环境工程、工程与物理科学学院、南安普顿大学、Burgess Road、南安普顿、SO16 7QF、英国。摘要 自动驾驶有可能为驾驶员提供支持，使他们有时间做其他事情，例如工作、休息或娱乐。问题是，在目前的实例中，自动驾驶需要驾驶员执行监控功能并随时准备在需要时进行干预。这是自动化领域中最糟糕的情况。监控任务（如果执行得当）可能比手动驾驶更苛刻，驾驶员没有时间做其他事情。更糟糕的是，监控任务无法持续很长时间，有时还会导致车辆碰撞，因为驾驶员无法及时干预。二十多年来进行的一项研究表明情况确实如此，而且自那以后，情况确实没有任何改善。本期特刊报道了车辆自动化的最新发展，并指出了未来研究的方向。与人为因素的相关性/与人体工程学理论的相关性 驾驶自动化和自主性已经来临，二十年前预测的问题开始出现。这些问题包括预期收益不足、设备不可靠、驾驶员技能衰退以及导致错误的设备设计。此外，驾驶员在身体和精神上都脱离了驾驶任务，可能会从事其他非驾驶任务。讽刺的是，如果驾驶员不从事其他任务，那么注意力资源就会减少（使他们在紧急情况下更难以重新控制车辆）。如果驾驶员从事其他非驾驶任务，那么他们的注意力资源池不会消耗到相同程度（提供保护作用），但其他任务的干扰会减慢从自动化中恢复车辆控制的速度。这是自动驾驶的主要难题之一，本期特刊中的论文或多或少地解决了这一难题。驾驶自动化和自主性简介 自动驾驶和自主驾驶的主要驱动力之一是改善人类状况的潜力。至少潜在的自动驾驶系统可以支持老年、残疾、年轻、忙碌和无聊的驾驶员。班布里奇此外，这些自动驾驶系统或许还能减少社会问题，如拥堵、碰撞和排放。然而，目前我们距离完全消除人类监督、监控和干预需求的驾驶系统还有一段距离。事实上，Bainbridge (1983) 对自动化的讽刺如今对于车辆自动化来说就像 35 年前对于工业和飞行甲板自动化一样成问题。
提高复杂立方体卫星任务自主性和可靠性的途径
对于这一特定任务，该联盟已初步确定了两个可能的研究案例：LUMIO 和 M-ARGO。LUMIO（月球流星体撞击观测器）是一颗 12U 立方体卫星，将进入地球-月球 L2 晕轨道，通过探测流星体的闪光来观察、量化和描述流星体对月球背面的撞击，补充地球上对月球正面的观测，以提供有关月球流星体环境的全球信息并有助于了解月球情况。M-ARGO 是一颗 12U 深空立方体卫星，将与近地小行星会合并描述其物理特性以了解其是否存在原位资源，首次展示立方体卫星系统独立探索深空的能力。这两项任务的特点是在恶劣环境中具有高度的自主性和复杂性，因此是正在进行的 ESA RAMS/FDIR 活动的极佳研究案例。在活动的第一阶段，LUMIO最终被选为项目进一步完善的研究案例。
值得信赖的自主性：机器人、人工智能和区块链 - OpenMind
Soona Amhaz (Volt Capital)、James Ball (Nethermind)、Anna Bertha (DCG)、Casey Caruso (Topology)、Cheryl Chan (Dragonfly)、Grace Deng (SevenX)、Lucas Chu (C-Haus 和创始人，隐身)、Shumo Chu (Nebra)、Chang Gao (Waymo)、Tian Gao (斯坦福机器人实验室)、Yarco Hayduk (Pragma Ventures)、Richard He (Openmart)、Yu Hu (Kaito AI)、Nathan Jay (Nethermind)、Yuchen Jin (Hyperbolic)、Sami Kassab (Crucible Labs)、Anna Kazlauskas (Vana)、Anika Lakhani (哈佛区块链)、Tony Lau (Primitive Ventures)、Kevin Leffew (Coinbase 开发者平台)、Shujia Liang (PrismaX)、Kent Lin (Optimum)、Huihan Liu (UT Austin Robotics)、Niels Ma (耶鲁区块链和 BuidlerDAO)、Devishree Mohan (OpenLedger)、 Lincoln Murr（Coinbase 开发者平台）、Akilesh Potti（Ritual）、Gengmo Qi（Dragonfly/IC3）、Gil Rosen（Blockchain Builders Fund）、Bill Shi（Pond）、Joshua Simenhoff（Ritual）、Ben Siraphob（耶鲁大学，邵钟实验室）、Jiahao Sun（Flock.io）、Xyn Sun（Flashbots Teleport）、Trace（Standard Crypto）、Nima Vaziri（EigenLayer）、Alex Tong（哈佛大学，杨衡实验室）、Matthew W（OpenGradient）、Dovey Wan（Primitive Ventures）、Dave Wang（Love.ai）、Steven Willinger（Blockchain Builders Fund）、Kathryn Wu（Openmart）、Kenzi W（Symbolic）、Michael Wu（Amber）、Joshua Yang（Hyperion Ventures）、Jay Yu（斯坦福区块链俱乐部）、Dylan Z（Pond）、George Zhang（Flashbots）、Jasper Zhang（Hyperbolic）、 SH Zhong（牛津机器人研究所）以及不愿透露姓名的业界朋友，我们深深感谢你们的大力支持。
人工智能自主性：自我发起的开放世界持续学习和适应
然而，在实际的酒店中，情况要比这复杂得多。例如，系统如何知道新物体是人而不是狗？如果系统可以将物体识别为人，那么它如何知道他/她是酒店客人，而不是送货或保安等服务的服务提供商？为了适应新物体或情况，系统必须首先对新物体进行特征化，因为没有它，代理将不知道如何适应或响应。在这种情况下，需要进行一些分类或相似性比较来确定它是否是带有行李的人。如果物体看起来像人但没有行李，则机器人不会响应或学习识别该人，因为这与其执行任务无关。如果新奇的物体看起来像动物，它应该通知酒店员工并学习识别该物体，以便下次看到时它不再是新奇的。简而言之，对于每个表征，都有相应的响应或适应策略，可以是 NIL（即什么也不做）。这个讨论表明，要进行表征，代理必须已经拥有丰富的世界知识。最后，做出错误的决定也会有风险。随着经典学习的成熟，我们应该超越现有范式，研究如何让代理学习
自主性、人工智能和机器人技术：人类控制的技术方面
2 红十字国际委员会，红十字国际委员会向《特定常规武器公约》致命自主武器系统政府专家组发表的声明，日内瓦，2019 年 3 月 25 日至 29 日。3 同上。另请参阅：红十字国际委员会，红十字国际委员会向《特定常规武器公约》致命自主武器系统政府专家组发表的声明，日内瓦，2018 年 4 月 9 日至 13 日和 8 月 27 日至 31 日。N. Davison，“国际人道主义法下的自主武器系统”，联合国裁军事务厅，《致命自主武器系统观点》，联合国裁军事务厅（UNODA）不定期论文，第30，2017 年 11 月，第5-18 页：https://www.icrc.org/en/document/autonomous-weapon-systems-under-international-humanitarian-law。红十字国际委员会，红十字国际委员会关于自主武器系统的观点，2016 年 4 月 11 日：https://www.icrc.org/en/document/views-icrc-autonomous-weapon-system 。4 红十字国际委员会，伦理与自主武器系统：人类控制的伦理基础？，专家会议报告，2018 年 4 月 3 日：https://www.icrc.org/en/document/ethics-and-autonomous-weapon-systems-ethical-basis-human-control 。5 红十字国际委员会，《人类控制的要素》，工作文件，《某些常规武器公约》（CCW）缔约方会议，CCW/MSP/2018/WP.3，2018 年 11 月 20 日。6 会议“自主性、人工智能和机器人：人类控制的技术方面”于 2018 年 6 月 7 日至 8 日在日内瓦红十字国际委员会（ICRC）人道主义中心举行。感谢以下专家的参与：Chetan Arora、Subhashis Banerjee（印度理工学院德里分校，印度）；Raja Chatila Chatila（智能系统与机器人研究所，法国）；Michael Fisher（利物浦大学，英国）；François Fleuret（洛桑联邦理工学院（EPFL），瑞士）； Amandeep Singh Gill（印度常驻日内瓦裁军谈判会议代表）；Robert Hanson（澳大利亚国立大学，澳大利亚）；Anja Kaspersen（联合国裁军事务厅，日内瓦办事处）；Sean Legassick（DeepMind，英国）；Maite López-Sánchez（巴塞罗那大学，西班牙）；Yoshihiko Nakamura（东京大学，日本）；Quang-Cuong Pham（南洋理工大学，新加坡）；Ludovic Righetti（纽约大学，美国）；Kerstin Vignard（联合国裁军研究所，UNIDIR）。报告由 Neil Davison 编写。红十字国际委员会的代表包括：凯瑟琳·拉万德 (Kathleen Lawand)、尼尔·戴维森 (Neil Davison)、内塔·古萨克 (Netta Goussac) 和卢卡斯·哈夫纳 (Lukas Hafner)（法律司武器科）；洛朗·吉塞尔 (Laurent Gisel) 和卢卡斯·奥莱尼克 (Lukasz Olejnik)（法律司专题科）；以及萨莎·拉丁 (Sasha Radin)（法律和政策论坛）。
