XiaoMi-AI文件搜索系统
World File Search System隐喻
概念隐喻影响人机协作认知
随着对话式人工智能 (AI) 代理的出现，了解影响用户使用这些代理的体验的机制非常重要。在本文中，我们研究了设计师工具包中最常用的工具之一：概念隐喻。隐喻可以将代理呈现为一个爱开玩笑的青少年、一个蹒跚学步的幼儿或一个经验丰富的管家。隐喻的选择会如何影响我们对 AI 代理的体验？我们沿着温暖和能力的维度（心理学理论将其定义为人类社会感知变化的主要轴）抽样了一组隐喻，进行了一项研究 (N = 260)，其中我们操纵绿野仙踪对话代理的隐喻，但不操纵其行为。体验结束后，我们会对参与者进行调查，了解他们使用代理的意图、与代理合作的愿望以及代理的可用性。与设计师目前使用高能力隐喻来描述人工智能产品的倾向相反，我们发现，表示低能力的隐喻比表示高能力的隐喻能更好地评价代理。尽管高能力和低能力代理都具有相同的人类水平表现，并且巫师对条件视而不见，但这种影响仍然存在。第二项研究证实，随着隐喻所投射的能力的增加，采用意愿会迅速下降。在第三项研究中，我们评估了隐喻选择对潜在用户尝试系统的愿望的影响，发现用户被投射出更高能力和热情的系统所吸引。这些结果表明，投射能力可能有助于吸引新用户，但除非代理能够用较低能力的隐喻快速纠正，否则这些用户可能会放弃代理。最后，我们进行了回顾性分析，发现隐喻和用户对过去的对话代理（如 Xiaoice、Replika、Woebot、Mitsuku 和 Tay）的态度之间存在相似的模式。
使用分布语义模型解码与字面和隐喻句子理解相关的大脑活动
近年来，自然语言处理 (NLP) 社区对评估语义模型捕捉大脑中人类意义表征的能力的兴趣日益浓厚。现有研究主要集中于应用语义模型来解码与单个单词含义相关的大脑活动模式，最近，这种方法已扩展到句子和更大的文本片段。我们的工作是首次在此背景下研究大脑中的隐喻处理。我们评估了一系列语义模型（词嵌入、组合模型和视觉模型）解码与阅读字面和隐喻句子相关的大脑活动的能力。我们的结果表明，组合模型和词嵌入能够捕捉字面和隐喻句子处理中的差异，这为在熟悉的隐喻理解过程中无法完全理解字面含义的观点提供了支持。
计算机大脑隐喻的历史背景
娜塔莎·亚伯拉罕斯 (Natasha Abrahams)，莫纳什大学人文期刊，第 8 期：Chrysalis，2018 年 https://novaojs.newcastle.edu.au/hass/index.php/humanity/issue/view/8
活动 3 大脑和神经系统隐喻
可选活动 大脑模型：让学生制作大脑模型。制作方法多种多样。创意包括粘土、橡皮泥、蛋糕、纸浆、手机等。另一个可能的想法是让学生用回收材料制作“绿色大脑模型”。（这也可以避免高成本）。学生可以在课堂上或课外项目中制作这些模型。在课堂上展示模型，并让各小组展示他们的设计。
Robert Sapolsky的隐喻上的大脑Robert Sapolsky的隐喻上的大脑
罗伯特·萨波斯基（Robert Sapolsky）！尽管有相反的谣言，但人脑的幻想并不那么幻想。让我们将其与果实的神经系统进行比较。当然，两者都是由细胞组成的，神经元扮演着重要的角色。现在，人们可能会期望人类的神经元将与一个平流的神经差异。也许人类会特别使用独特的“神经转移器”使者，特别是华丽的方式与其他神经元进行交流。也许与较低的神经元相比，人类神经元更大，更复杂，以某种方式可以更快地运行并跳高。！我们很难学习，以获得一所顶级大学，以找出一份出色的工作，进入我们选择的疗养院。Gophers不这样做。！但没有。看显微镜下两个物种的神经元，它们看起来相同。它们具有相同的电气正常，许多相同的神经传递剂，相同的蛋白质通道允许离子流入和流动，以及相同的共同基因。神经元在这两个物种中都是相同的基本构建块。！那么区别在哪里？它的数字 - 人类在频率中的每个神经元大约有100万个神经元。和人类的1000亿个神经元出现了一些杰出的事物。有足够的质量，您会产生质量。！神经科学家了解其中一些资格的结构基础。采用语言，这种独特的人类行为。副醒目是人类的额叶皮层。强调它是人类大脑所特有的结构，例如“ Broca的区域”，专门从事语言生产。然后是大脑的“锥体室外系统”，其中涉及精细的运动控制。人类版本的复杂性使我们能够做一些事情，例如，北极熊永远无法完成 - 例如，数字的足够独立运动以在钢琴上弹奏颤音。在所有哺乳动物中发生时，人类版本的线条较大且较密集。，额叶皮质有什么用？表情范围，格雷福利推迟，执行决策 - 制定，长期计划。我们在高中学习努力学习，被吸引到一所顶级大学，进入研究生毕业，从而获得一份好工作，以进入我们选择的疗养院。Gophers不这样做。！还有另一个独特的人类技能领域，神经科学家正在学习一些有关大脑如何将其拉动的领域。！请考虑J. Ruth Gendler的精彩“资格书”的以下内容，这是一群不同资格，表情符号和Apributes的“角色素描”的集合：！！
隐喻和语域变化 - VU 研究门户
致谢 这篇论文的最后阶段总是让人觉得遥不可及。现在它们已经到来，感觉我不仅完成了我的博士项目，而且结束了一个时代，我的 VU 时代。我想借此机会感谢那些在帮助我完成论文和让这个时代令人难忘方面发挥了重要作用的人。首先，非常感谢我的导师 Gerard Steen 和 Wilbert Spooren。Gerard，感谢您将我带入了隐喻的奇妙世界，并让我和我们的团队成为 Pragglejaz 和 RaAM 鼓舞人心的世界的一部分。您对我所做工作的批判性观点和建设性反馈总是很有帮助，有时是急需的。Wilbert，感谢您密切关注并就许多事情提供有益和实用的建议，特别是关于统计数据和定量章节。如果没有你们两位的帮助和支持，这个最后阶段会花费我更长的时间。我还要感谢 Eric Akkerman、Onno Huber 和 Gerben Mulder 提供的技术支持和统计分析方面的帮助。如果没有他们的帮助，该项目的许多部分都无法顺利完成。在这方面，我还要感谢我的学生助理 Gudrun Reijnierse，她出色地编码了历史新闻文本，并批判性地审查了我的编码工作和荷兰语手册。我很幸运能够在英国兰开斯特度过三个月的研究时间，在 Elena Semino 和 Veronika Koller 的指导下对隐喻数据进行定性分析。他们为我提供了宝贵的意见、建设性的反馈和鼓励，对此我要表示诚挚的感谢。感谢您为我提供时间和机会与您合作。如果没有语言与交流系和英语系的同事，我在 VU 攻读博士学位的时光就不会一样。我要感谢他们创造了如此愉快的工作环境。特别感谢我的“promovendi-klasje”同事以及 Marco Last 和 Digna van der Woude，他们让“klasje”成为可能。如果没有你们的支持和建议，最后阶段会困难得多。我的 Vici 和 Ster 同事 Tina、Berenike 和 Kirsten 让这个项目的工作变得更加轻松、更有用和有趣。我很幸运能够和你们一起在这个项目上工作。感谢你们所有的支持，感谢你们一起愉快的会议访问，感谢你们如此有趣和富有成效的 Vici-Ster 合作！两位隐喻“同事”和博士生同学值得特别感谢。莱蒂和安娜，把你们称为同事和
Michael A. Arbib，《隐喻大脑 2：神经网络及其他》*
本书介绍了大脑中的计算以及未来计算机系统中计算的组织方式。由于本书的作者精通多个领域，包括符号人工智能、人工神经网络、神经科学和控制理论，因此值得关注。本书的大部分内容涉及视觉（包括低级和高级方面）和运动控制等问题，但也涉及自然语言和意识（简而言之）。除了它所信奉的特定理论观点外，本书还详细总结了哺乳动物大脑、低等动物（特别是青蛙、蟾蜍和海参）的神经系统、控制理论、动力系统理论、人工神经网络和人工智能的某些方面，这一点很有用。它旨在让典型的《科学美国人》读者能够全面理解，但也旨在让人工智能、机器人技术、认知科学、神经网络和神经科学等领域的专家受益。这本书并不是、也不可能接近这些领域的百科全书；重点在于这些领域以某种方式阐明、支持或限制了本书的核心理论思想。但是，人们可以否定 Arbib 的整个理论，但仍然可以从本书中收集到很多有用的信息，而且事实上，书中提供的大部分信息似乎与他的理论无关。这本书确实在各个主题之间跳来跳去，但由于内容丰富且内容密集，这可能是一件好事。本书的核心思想是协作计算、协调控制