- 生成人工智能如何提升盲人的福祉?
通过集成源自 OpenAI 的基于 GPT-4 的 Be My AI 功能,本文探讨了生成式人工智能如何改善盲人或视力受损人士的福祉,并描述评估了作者进行的测试。同时还涉及了伦理和社会讨论,展示了这一工具能以惊人的方式分析静态图像,从而使盲 - 数据叶子收集与连接:面向幸福的交互图生成
用数据集创造特征概念和数据叶子,以促进日常生活的幸福感;我们的工作不只是针对自动化生成的人工智能,而是解决生成人工和自然智能的过程,为数据的使用和重复利用打下基础。
- ACL训练生成、识别和重构无益思维模式的模型
本文探讨现有的语言模型是否可以产生大量的实践材料来帮助生成特定上下文中标准的无益思维模式,并提出积极的重新构建建议。通过使用一个包含大约 10k 个例子的新数据集来训练和 / 或评估当前模型,我们发现现有模型已经可以帮助生成丰富的定制实践材 - 推进跨学科的对话科学:从大型多模态人类语音语料库中获得的洞见
本文介绍了一种跨学科的对话科学,基于一个大型的多模式语料库,通过语音,视频和转录记录了 1656 次对话,利用此实验数据,研究人员提出了新的算法并应用机器学习技术,以分析对话成功或失败的因素,并探讨对话与幸福感之间的关系。
- AAAI使用弱监督图嵌入表示 Twitter 用户
本研究提出了一种基于图嵌入技术的弱监督框架来理解社交媒体用户类型,通过对推特中与健康相关的信息进行监督,我们证明了该框架在检测用户类型方面的优势,并展示了不同类型用户(从我们的数据集)的数据分析。
- ACLRuddit:英文 Reddit 评论的冒犯规范
该研究旨在创建第一个具有细粒度标签的 Reddit 评论英语数据集,该数据集使用了最佳 - 最差比较评分的方式进行注释,为社交媒体平台上自动检测冒犯性言论提供了可靠方法。
- IEEE 7010:评估人工智能对福祉影响的新标准
本文介绍了 IEEE 7010 国际标准,旨在评估自主和智能系统对人类福祉的影响,重点关注人工智能的社会和伦理影响,提供指导,强调以福祉为中心的方法和测量。
- TILES-2018,一份医院工作人员生理和行为数据的纵向数据集
研究使用可穿戴和环境传感器分析医院工作人员的工作表现,人际交往和幸福感,收集 212 名参与者的生理和行为数据,并通过测量个性特征,行为状态,工作表现和幸福感等问题,构建数据集,支持多模态行为建模、生物特征认证和隐私保护机器学习等应用
- 幸福语义:自动化健康建议
通过分析用户记载的短文本,该论文提出了一种系统化的方法来帮助用户提高幸福感。该方法使用神经网络模型并重点分析短文本中与心理学相关的特征,最终输出有关行动建议是否适合该用户的决策,以期提高其整体的幸福感。
- 公平机器学习的延迟影响
本研究研究了在机器学习中关于公平性的概念,发现公平标准在不同的时间指标下可能会对个体产生不同的影响,同时量化误差也会影响其效果评估。