社交语境下世界的感知：基于神经网络的人类实验数据分析

Mar, 2022

社交语境下世界的感知：基于神经网络的人类实验数据分析

The world seems different in a social context: a neural network analysis of human experimental data

Maria Tsfasman, Anja Philippsen, Carlo Mazzola, Serge Thill, Alessandra Sciutti...

TL;DR本文研究人类在社交互动中感知和行为的变化，采用预测编码理论为基础的人工神经网络训练，发现修改感官信号及先验信号的精确度可模拟社交与非社交实验中的行为数据，并且分析神经网络的活化痕迹，发现社交环境下信息编码方式与个体环境有本质差异。

Abstract

Human perception and behavior are affected by the situational context, in particular during social interactions. A recent study demonstrated that humans perceive visual stimuli differently depending on whether they do the task by themselves or together with a robot. Specifically, it was found that the central tendency effect is stronger in social than in non

social interaction predictive coding theory neural network behavioral data shared perception

发现论文，激发创造

关于改变神经网络感知的研究

该研究提出了一种可调整人工神经网络感知特定人工定义概念的方法来理解和调试该神经网络模型，并在合成数据集和 ImageNet 数据集上对其进行了测试。

Mar, 2023

利用自然语言学习个性特征的神经网络

本研究使用神经网络和分布式算法来提取文本的隐藏性信息，研究人员从心理学文献定义的五大人格特征（Big Five）的形容词词典开始，并构造了包含文本语义信息的嵌入，证明了个人写作风格与其人格特征密切相关。

Feb, 2023

鱼类和机器在社交偏好方面的并行发展

本文研究社会聚集的计算基础，通过将人工神经网络体现在虚拟鱼身上，以高维学习机制直接从感官输入中进行学习，发现社交偏好能通过奖励学习、内在动机和与内部成员的早期社交体验三种方式实现，为将高维感官输入与社会偏好相结合的可计算模型提供了基础。

May, 2023

人类和卷积神经网络在场景分类时是否关注相似的区域：任务和图像类型的影响

通过研究人类与卷积神经网络 (CNN) 的注意力图之间的相似性，揭示了人类注意力的影响因素，发现任务类型和图像特征对人类与 CNN 的相似性产生显著影响，并强调在比较人类和 CNN 的注意力时需要考虑人类因素。

Jul, 2023

神经网络表示的人工对齐

本研究调查神经网络表示与人类认知表示之间对齐的因素，发现模型规模和架构对齐性没有实质性影响，而训练数据集和目标函数对齐性有更大的影响。研究发现，神经网络表示的线性转换有助于提高与人类相似性判断的一致性，但规模和多样性更大的数据集训练的模型也不能满足人类认知表示的需求。

Nov, 2022

人机协作中语境信息对人类委托行为的影响

通过提供上下文信息，研究人员发现可以显著提高人工智能团队和人类之间的协作性，同时也改变了人们对于委派任务的行为方式，为设计更有效的协作系统提供了可行的见解。

Jan, 2024

朝向社会人工智能：在三元互动中预测非语言社交信号

本研究提出一种社交信号预测问题及数据集，通过数据驱动的方法对互动个体之间交换的社交信号动态进行建模，为机器赋予与人类交流的能力，称为社交人工智能，通过一个三方社交互动场景的 3D 运动捕捉数据集，提出预测互动个体的语言状态、社交形态和身体姿势的基线方法，并提出一个定义明确的社交预测框架。

Jun, 2019

语言对齐的视觉表示预测自然学习任务中的人类行为

本研究探讨类别学习和奖励学习实验中的泛化技能和预测人类行为的最有效表示方法，结果表明，深度学习模型从文本和图像数据中训练得到的表示方式优于仅从图像中训练得到的表示方式，强调了语言在塑造人类认知中的作用。

Jun, 2023

数据视角统一和个性化：社会规范应用

本文针对社交媒体上的冲突话题，研究了如何利用个性化方法对 13k 个标注者进行标注，比较了该方法在预测社交规范感知方面的有效性，并对不同关系下的社会情境的性能进行了分析。

Oct, 2022

将视觉物体识别置于上下文中

该论文提出了一个生物学上启发的上下文感知对象识别模型，该模型由双流体系结构组成，动态地整合对象和上下文信息，并顺序推理目标对象的类标签，该模型不需要为每个任务重新训练，在各种行为任务中近似人类水平性能，捕捉上下文增强对图像属性的依赖性，并提供了整合场景和对象信息进行视觉识别的初始步骤。

Nov, 2019