Apr, 2022

自适应认知匹配：人工智能辅助信息维度和表达的管理

PDF
TL;DR通过提出和测试自适应认知适配框架（ACF），本文旨在解释信息方面和人工智能增强的信息表现对人类表现的影响，从信息处理理论和认知失调理论出发，通过实证验证 ACF 命题，揭示了信息方面的影响，并证明了使用人工智能改善人类表现的可行性。
big dataartificial intelligenceinformation facetscognitive fitadaptive cognitive fit
发现论文，激发创造
  • 从表现到认知体系结构：一个可扩展的框架

    通过将现实解读为信息源，并将其转化为计算框架，我们提出了一种新颖的建模方法，从而接近于人工通用智能。该框架可以以流动可扩展的分层方式构建经典的认知架构元素，如长期记忆和工作记忆。

    Jun, 2024

  • 用于理解人类信息查找模式的不依赖于模型的适配器

    该研究使用深度学习模型复制人类在决策任务中出现的偏见和行为，研究发现通过从人口中抽样数量庞大的受试者，可以克服来自个体受试者采集数据量的缺陷。此外，该方法可以在不做任何关于任务目标、奖励结构或个体偏见的假设的情况下高准确度地预测人类行为，对于计算建模人类认知功能和人机交互具有重要意义。

    Dec, 2020

  • BIASeD: 将非理性引入自动化系统设计

    本文主张人工智能系统需要模拟、理解、甚至复制人类的认知偏差，在人机协作中扮演更加重要的角色，并提出了关于人类认知偏差和人工智能之间相互作用的研究议程及三个感兴趣的广泛领域，并为具有更好对人类偏见的人工智能系统的设计方向提出了研究方向。

    Oct, 2022

  • 信息类型对人类认知增强的影响

    研究发现，人类与认知系统进行协作可以增强信息处理能力，但所提供的信息类型对认知精度、准确性和能力的影响不同。通过实验得出，提供概念信息是最有效的。

    Feb, 2023

  • 将认知任务整合进针对大型模型的人工通用智能测试

    大型模型的性能评估是保证其能力和应用安全性的必要步骤，而当前的模型评估缺乏一个统一的框架来评估大型模型的多维智能。本文提出了一个全面的人工智能测试框架，包括认知科学和自然语言处理，旨在评估大型模型的智能水平，并通过一系列认知测试来指导其在不同智能维度上的改进和加速其融入人类社会的过程。

    Feb, 2024

  • 快与慢的决策：认知偏见在 AI 辅助决策中的作用

    利用认知科学的知识建立数学模型并提供了一个普遍的框架，用于理解认知偏差和人工智能精度之间的相互作用，特别是锚定偏差，通过一项有效的时间分配策略，成功提高了人工智能的协作性能。

    Oct, 2020

  • 增强人类探索的互补人工智能

    通过利用程序化的科学专业知识，在避免科学群体和其认知偏差的前提下，利用互补智能生成的有价值的预测不能在人类科学家和发明家的时代被想象或追求，并且通过检测和纠正人类认知偏差，为完善科学教育提供了机会。

    Jul, 2022

  • 信息不对称对人工智能团队的影响

    近年来，人工智能的不断发展已经在许多应用领域中提高了人类的决策能力。人工智能与人类之间的互补团队表现（CTP）可能会带来超过个体人工智能或人类所能达到的表现水平。通过在线实验，我们证明了在特定的决策情境下，人类可以使用特定的信息不对称性来调整人工智能的决策，最终实现 CTP。

    May, 2022

  • 人工智能视阈下的研究信息：质量与数据生态

    该论文提出了多学科和跨学科的方法，用于找到研究信息的适当的人工智能技术。提出了一个概念和一个过程模型，描述了从项目开始到正在运行的人工智能方法在研究信息管理中的实施，旨在使大学和研究机构能够在存储研究信息时支持研究人员处理不正确和不完整的研究信息，同时强调研究信息与数据素养和与人工智能相关的数据质量问题的挑战是如何协调的；还指出只要研究机构和大学的各个部门能够共同合作并提供适当的支持来改善研究信息和数据管理，任何项目都可以成功。

    May, 2024

  • 人工智能中的文化不协调

    本文介绍了 AI (人工智能) 系统如何模拟人类行为以及 AI 技术与全球文化差异相交互时出现的问题，提出对语言和视觉技术中不同文化依赖性和不一致性的策略和可能性进行思考。

    Nov, 2022