XiaoMi-AI文件搜索系统
World File Search System设计行为
设计行为感知人工智能，提高人机团队在人工智能辅助决策中的表现
随着人工智能模型驱动的决策辅助工具的快速发展，人工智能辅助决策的实践越来越普遍。为了提高人机团队的决策能力，早期的研究多集中于提高人类更好地利用给定的人工智能驱动的决策辅助工具的能力。在本文中，我们通过一种互补的方法来应对这一挑战——我们旨在通过调整决策辅助工具背后的人工智能模型来训练“行为感知人工智能”，以考虑人类在采纳人工智能建议时的行为。具体来说，由于人们观察到当人类对自己的判断信心较低时，他们会更容易接受人工智能的建议，因此我们建议使用基于人类信心的实例加权策略来训练人工智能模型，而不是解决标准的经验风险最小化问题。在一个假设的、基于阈值的模型下，该模型描述了人类何时会采纳人工智能建议，我们首先推导出用于训练人工智能模型的最佳实例加权策略。然后，我们通过在合成数据集上进行系统实验，验证了我们提出的方法在提高人机联合决策性能方面的有效性和稳健性。最后，通过对真实人类受试者的随机实验以及他们采纳人工智能建议的实际行为，我们证明了我们的方法在实践中可以显著提高人机团队的决策性能。
室内建筑专业学生对空间设计行为和工具的神经认知反应：一项初步研究
情绪对人类行为的影响是巨大的，而识别人们情绪的能力具有广泛的实际应用，包括教育。在这里，教育方法和工具正在根据通过脑电图 (EEG) 信号获得的数据进行校准。哪种设计工具最适合未来的室内建筑教育，这是一个不确定的领域。在使用手动和数字设计工具确定不同的影响时，测量学生的情绪状态非常重要。脑机接口使得以既方便又经济的方式监测情绪状态成为可能。在情绪识别研究中，人们采用了脑电图信号，由此产生的文献解释了基本情绪以及由多种基本情绪组合而成的复杂场景。语言概括是一种通过识别预定义结构并以简洁的方式表达它们来帮助从海量数据中提取知识的技术。本研究旨在调查室内建筑学生在使用手动或数字工具进行 2D 或 3D 设计时的依恋和情感状态，以及调查基于教学方法的设计工具使用和行为的差异。该研究使用基于模糊集的语言摘要技术对数据进行摘要，并使用日常自然语言对研究结果进行解释，这样即使没有专家也很容易理解。