XiaoMi-AI文件搜索系统
World File Search System说服
引文：Huang, G., & Wang, S. (2023)。人工智能比人类更有说服力吗？一项荟萃分析。传播学杂志。https://do
1 本元分析研究中的感知是指对来源、信息和互动的感知。2 Sundar 和 Lee (2022) 的原始类型学包括四个类别：创作者、策展人、对话者和合著者。合著者类别涉及人工智能和人类作者之间的合作（例如自动完成）。本研究比较了人工智能和人类在独立履行沟通者角色时的说服力。合著者类别是
引文：Huang, G., & Wang, S. (2023)。人工智能比人类更有说服力吗？一项荟萃分析。传播学杂志。https://do
1 本元分析研究中的感知是指对来源、信息和互动的感知。2 Sundar 和 Lee (2022) 的原始类型学包括四个类别：创作者、策展人、对话者和合著者。合著者类别涉及人工智能和人类作者之间的合作（例如自动完成）。本研究比较了人工智能和人类在独立履行沟通者角色时的说服力。合著者类别是
人工智能影响力：人工智能驱动的说服力分析
说服是人性的一个关键方面，是商业、政治和其他事业的核心。人工智能 (AI) 的进步已经产生了能够说服人类购买产品、观看视频、点击搜索结果等的 AI 系统。即使不是专门为说服而设计的系统，在实践中也可能做到这一点。在未来，越来越拟人的 AI 系统可能会与用户建立持续的关系，从而提高他们的说服力。本文探讨了有说服力的 AI 系统的不确定未来。我们研究了 AI 可以通过改变说服力的平衡、允许大规模部署个性化说服、支持虚假信息活动以及改变人类塑造自己话语的方式来定性地改变我们与说服的关系和对说服的看法。我们考虑了 AI 驱动的说服与人类驱动的说服可能有何不同。我们警告说，无处不在的极具说服力的人工智能系统可能会极大地改变我们的信息环境，从而导致人类失去对自己未来的控制。作为回应，我们研究了几种针对人工智能驱动的说服的潜在反应：禁止、识别人工智能代理、真实的人工智能和法律补救措施。我们得出的结论是，这些解决方案都不是万无一失的，个人和政府需要采取积极措施来防范说服性人工智能最有害的影响。
AI 生成的论证有多有说服力？GPT-3 AI 文本生成器生成的论证文本质量分析
摘要。在本文中，我们使用伪算法程序来评估人工智能生成的文本。我们应用自然论证综合评估程序 (CAPNA) 来评估人工智能文本生成器 GPT-3 在《卫报》撰写的一篇评论文章中产生的论点。CAPNA 从三个方面检查论证实例：其过程、推理和表达。使用论证类型识别程序 (ATIP) 进行初步分析，首先确定存在论证，其次根据论证周期表 (PTA) 的论证分类框架确定其具体类型。然后使用程序问题来测试论证在三个方面中的可接受性。分析表明，虽然人工智能文本生成器提出的论证在类型上各不相同，并且遵循人类推理的熟悉模式，但它们存在明显的弱点。由此我们可以得出结论，自动生成有说服力的、合理的论证比生成有意义的语言要困难得多，并且如果要使人工智能系统提出的论证具有说服力，它们就需要一种方法来检查其自身输出的合理性。
人工智能可以说服人类
摘要 利用深度学习和网络规模语料库的 Transformer 模型的出现使人工智能 (AI) 能够解决许多高阶认知任务，这对美国乃至全球的工业、政府和劳动力市场具有重要意义。在这里，我们研究了目前最强大、公开可用的 AI 模型 GPT-3 是否能够影响人类的信念，而信念是一种最近被视为其他人类独有的社会行为。在三项预先注册的实验中，实验对象来自不同的美国人样本（总计 N = 4,836），我们发现一致的证据表明，人工智能生成的信息在许多政策问题上具有说服力，包括攻击性武器禁令、碳税和带薪育儿假计划。此外，人工智能生成的信息与普通人类编写的信息一样具有说服力。与人类作者相比，参与者认为人工智能信息的作者更注重事实和逻辑，但不那么愤怒、独特，也不太可能使用讲故事的方式。我们的结果表明，当前一代大型语言模型可以说服人类，即使在两极分化的政策问题上也是如此。这项研究对于在政治背景下规范人工智能应用具有重要意义，可以抵消其在虚假宣传活动和其他欺骗性政治活动中的潜在用途。
农业基因编辑隐喻的说服效果
摘要 摘要 基因编辑为解决影响粮食生产的人口增长和气候变化等重大挑战提供了机会。鉴于基因编辑在我们的食品系统中发挥着重要作用，我们需要探索说服公众接受这项技术的机会。本研究的目的是调查隐喻概念在农业基因编辑中的说服作用。精细加工可能性模型被用作概念框架。隐喻会影响公众的接受度，因为隐喻鼓励与问题相关的思考并增强说服力。通过在线调查向具有全国代表性的美国居民样本提供了定量、随机、受试者间实验研究设计。操作是四篇模拟新闻文章，通过隐喻概念区分农业基因编辑（创作与文本编辑器、工具与控制）。即使控制混杂变量，结果表明，在与问题相关的思考或在社交媒体上分享文章的意愿方面，处理之间没有显着差异。未来的研究应该探索隐喻概念对态度和与精细化相关的其他行为结果的影响。
沉浸式技术如何让你的演讲更吸引人、更有吸引力、更有说服力
您无需费力地点击庞大的演示文稿，而是可以将演示文稿变成一个能完全覆盖观众的演示文稿。详细的图表、信息图、数字、时间轴，当它们同时可见时，它们会变得更容易理解。您还可以使用专门定制的 360° 卷轴和插页 - 或者，借助 Google Slides 或 Microsoft Sway 等基于网络的工具，轻松创建您自己的沉浸式演示文稿。您可以提供对战略主题、品牌价值、新主张等的直观感受。
说服与人工智能相遇：设计社会工程对策的道德考虑
摘要：Facebook 或 Instagram 等社交网站 (SNS) 中的隐私与人们的自我披露决策以及他们预见与大量不同受众分享个人信息的后果的能力密切相关。尽管如此，在线隐私决策通常基于虚假的风险判断，这使得人们容易向不受信任的接收者泄露敏感数据并成为社会工程攻击的受害者。人工智能 (AI) 与诸如推动之类的说服机制相结合是一种很有前途的方法，可在 SNS 用户中促进预防性隐私行为。尽管如此，将行为干预与高度个性化相结合可能会对人们的代理和自主权构成潜在威胁，即使应用于社会工程对策的设计也是如此。本文详细阐述了推动机制可能给基于 AI 的对策的开发带来的道德挑战，特别是那些解决 SNS 中不安全的自我披露实践的对策。总体而言，它认可制定个性化风险意识解决方案，作为 i) 抵制社会工程的道德方法，以及 ii) 促进反思性隐私决策的有效手段。
抗癌疗法中针对肿瘤相关巨噬细胞：说服叛徒做正确的事
摘要：在过去十年中，人们已经充分认识到，肿瘤浸润性髓系细胞不仅通过癌症相关的炎症机制促进致癌过程，而且还促进肿瘤进展、侵袭和转移。特别是，肿瘤相关巨噬细胞 (TAM) 是许多癌症中最丰富的白细胞亚群，在为肿瘤细胞创造保护性微环境方面发挥着重要作用。它们产生免疫抑制环境的能力对于逃避免疫系统并允许肿瘤增殖和转移到远处至关重要。由于存在促肿瘤 TAM，包括化疗和放疗在内的传统疗法通常无法限制癌症生长；这些也是基于免疫检查点抑制的新型免疫疗法失败的原因。已经实施了几种新的治疗策略来消耗 TAM；然而，最近的方法旨在使用 TAM 本身作为对抗癌症的武器。利用 TAM 的功能可塑性，对其进行重编程旨在将免疫抑制和促肿瘤巨噬细胞转化为免疫刺激和抗肿瘤细胞毒性效应细胞。这种转变最终导致重建能够摧毁肿瘤的反应性免疫景观。在这篇综述中，我们总结了目前关于能够使用单一疗法和联合疗法对 TAM 进行重编程的策略的知识。
对未来Covid-19疫苗的有效说服力
COVID-19，只有在人口达到群疫苗的情况下才会永久结束。如果在没有数亿个致命和危险感染的情况下发生这种情况，则必须迅速开发和广泛使用疫苗。每个成功从安全有效的疫苗中获得免疫力的人不仅避免了自己的感染，而且还会减慢社区的传播病毒。即使迅速发现并测试了安全且有效的疫苗，但是，美国人的大量偏见可能不会接受，并且强迫疫苗接种的政策可能会备份。美国机构的统一结构和自由主义精神历史使美国滞后于遏制流行病的国家（Troesken 2015）。反疫苗活动家利用这些机构抵制免疫要求（Reich 2018）。此外，即使通常支持疫苗接种的Peo-Ple也可能不需要COVID-19-19，如果他们不相信其安全性已经进行了充分的测试。例如，由于医学剥削的历史模式，对美国卫生系统的不信任是普遍存在的，导致挽救生命的预防健康措施的吸收减少（Alsan and Wanamaker 2017）。1此外，由于儿童和年轻人在Covid-19的风险较低，因此，在美国最广泛，最成功使用的强制性政策（学校疫苗接种要求）不会直接保护最濒危的群体。本文中描述的调查实验测试了四个消息，以实现对疫苗可用时疫苗接种的自我报告意图的影响。由于强制性政策不太可能有效，因此在美国对COVID-19疫苗的采用可能取决于收集一条消息，该信息将成功说服疫苗归因于他们的射击。信息的影响因种族和种族而截然不同。对于完整的，全国代表性的样本，没有任何信息在统计上具有显着影响，相对于对照组有显着影响。这是因为非西班牙裔白人受访者对所有消息没有反应，估计值始终接近零。但对于非白人和西班牙裔受访者来说，这些信息具有相当大的估计治疗效果：最有效的信息，强调疫苗安全和对他人的保护的最有效的信息，使该组疫苗接种的意图增加了50.4％。这种异质治疗的效果是通过疫苗犹豫的不同原因来解释的。非西班牙裔白人受访者比其他受访者更有可能表达对这种疾病的恐惧，因此看到对疫苗的任何需求的可能性较小。非白人和西班牙裔/拉丁美洲人的重生比非西班牙裔白人更有可能犹豫，因为担心Covid-19疫苗本身会不安全，或者因为它的成本太高。这种异质治疗效果对普通公共卫生和公平很重要：