Survey of Swarm Intelligence Approaches to Search Documents Based On Semantic Similarity
School of EECS, College of Engineering and Mines, University of North Dakota(电子工程与科学学院,工程与矿业学院,北达科塔大学)
本文综述了群体智能算法在基于语义相似度的文档搜索中的最新进展,并展望未来研究方向。
2025-07-15 cs.AI
Artificial Intelligence Approaches
University at Buffalo(布法罗大学);Arizona State University(亚利桑那州立大学);Esri Inc.(环境系统研究所公司)
近年来,人工智能(AI)受到学术界、工业界和公众的极大关注。地理和人工智能的结合,或GeoAI,为解决自然环境和人类社会中的各种问题提供了新的方法。本文简要回顾了人工智能的最新发展,重点介绍了机器学习和深度学习方法。我们讨论了人工智能与地理,特别是地理信息科学的整合,并提出了一些GeoAI应用和未来可能的方向。
2019-08-27 cs.AI
A Roadmap for the Development of the "SP Machine" for Artificial Intelligence
Coventry University(考文垂大学)
本文描述了一个路线图的发展“SP机”,基于“SP理论的智能”和它的实现在“SP计算机模型”。SP机最初将作为具有高水平并行处理的软件虚拟机开发,托管在高性能计算机上。该系统应帮助用户可视化知识结构和处理。需要研究系统如何发现语音和图像中的低级特征。结合SP系统在无监督学习中的优势的进一步发展,可以增强SP系统在自然语言处理中的优势。SP系统在模式识别方面的优势可以为计算机视觉开发。需要在数字的表示和算术处理的性能方面开展工作。需要一个“SP神经”的计算机模型,SP理论的版本用神经元及其相互连接来表达。SP机在许多应用领域都有潜力,其中一些可能在中短期内实现。
2018-12-17 cs.AI
Artificial Intelligence-driven Intelligent Wearable Systems: A full-stack Integration from Material Design to Personalized Interaction
The second hospital of Jilin University(吉林大学第二医院);QMUL Digital Environment Research Institute(QMUL数字环境研究机构);UCL Institute Of Health Informatics(UCL健康信息学研究所)
针对传统智能可穿戴设备依赖经验材料设计与基础信号处理的局限,本文提出HSHI全栈集成框架,融合多模态感知、边云协同、AI优化与闭环机制,推动健康管理向主动个性化协同演进。
2025-11-17 cs.AI
Commonsense Reasoning, Commonsense Knowledge, and The SP Theory of Intelligence
本文介绍了如何“SP理论的智能”与“SP计算机模型”,概述了在附录中,可能会抛出光方面的常识推理(CSR)和常识知识(CSK),讨论了在另一篇论文中由欧内斯特戴维斯和加里马库斯(DM)。在四个主要部分,本文介绍:1)要解决的主要问题; 2)其他研究CSR和CSK; 3)为什么SP系统可能证明有用的CSR和CSK 4)如何DM描述的例子可能在SP系统中建模。关于DM所描述的CSR自动化的成功,SP系统在简化和集成方面的优势可以促进这些领域之间的无缝集成,以及这些领域与智能的其他方面的无缝集成。在考虑DM描述的CSR自动化的挑战时,本文详细描述了SP-多重比对的例子。SP系统如何模拟电影《教父》中马头场景的解释和推理过程。提出了一种解决DM描述的“长尾”问题的方法。SP系统有一些潜在的有用的东西要说的几个DM的研究目标在CSR和CSK。
2018-08-04 cs.AI
Integration of cognitive tasks into artificial general intelligence test for large models
Southern University of Science and Technology(南方科技大学);Shanghai AI Laboratory(上海人工智能实验室);Tencent AI lab(腾讯AI实验室);iFLYTEK AI Research(科大讯飞人工智能研究院);Beijing Institute of Technology(北京理工大学);Peking University(北京大学);University of Macau(澳门大学);Tsinghua University(清华大学)
针对当前大模型评估缺乏统一多维度智能衡量框架的问题,提出受认知科学启发的AGI综合测试框架,覆盖多类智能维度,融入沉浸式虚拟社区,可引导大模型针对性优化并加速其融入人类社会。
2024-03-06 cs.AI cs.CL
The SP theory of intelligence: benefits and applications
本文介绍了“SP智力理论”现有的和预期的好处,以及一些潜在的应用。该理论旨在简化和整合人工智能,主流计算以及人类感知和认知的思想,并将信息压缩作为统一的主题。它将概念简单性与跨计算和认知的几个领域的描述和解释能力相结合。在“SP机”中--目前以计算机模型的形式实现的SP理论的一种表达--有可能全面简化计算系统,包括软件。SP理论有望在多个应用领域提供更深入的见解和更好的解决方案,最值得注意的是,无监督学习、自然语言处理、自主机器人、计算机视觉、智能数据库、软件工程、信息压缩、医疗诊断和大数据。在语义网、生物信息学、文档结构、计算机病毒检测、数据融合、新型计算机和科学理论发展等领域也有潜力。该理论保证了不同应用领域内部和之间的结构和功能的无缝集成。在全世界范围内,这些效益和应用的潜在价值每年至少为1 900亿美元。进一步的发展将通过创建一个高度并行的开放源代码版本的SP机器来促进,该机器可供各地的研究人员使用。
2013-12-23 cs.AI
Optimizing National Security Strategies through LLM-Driven Artificial Intelligence Integration
本文探讨了人工智能和机器学习在国家安全与军事领域的战略重要性,分析了美国相关进展、技术保护需求及集成风险,并为军事领导人和政策制定者提出了战略要务。
2023-05-07 cs.AI cs.CY cs.HC
On a measure of intelligence
本文受François Chollet的文章启发,在《EATCS通报》专栏中探讨了智能及其度量问题,并对原文章提出了少量批评。
2024-09-22 cs.AI
From Statistical Relational to Neurosymbolic Artificial Intelligence: a Survey
KU Leuven(鲁汶大学);Delft University of Technology(代尔夫特理工大学);Örebro University(厄勒布鲁大学)
本综述探讨了神经符号与统计关系人工智能在学习与推理整合上的异同,提出七个共同维度来刻画和对比不同系统,为理解学习与推理的整合提供了基础概念。
2024-01-02 cs.AI
An Overview of Blockchain Integration with Robotics and Artificial Intelligence
Universidade da Beira Interior(贝拉内格罗大学);Instituto de Telecomunicações(电信研究所)
区块链技术每天都在以快速的节奏增长,并且可以将其与许多系统集成,即机器人与人工智能服务。然而,这仍然是一个最近的领域,还没有一个明确的了解它可能成为什么。在本文中,我们对许多不同的方法和平台进行了概述,这些方法和平台试图将区块链的力量运用到机器人系统中,以改善人工智能服务或解决主要区块链中存在的问题,从而能够创建具有更高功能和安全性的机器人系统。我们提出了一个概述,讨论的方法,并得出结论,我们认为这些技术的集成的未来的文件。
2018-09-30 cs.AI cs.CR
Autonomous robots and the SP theory of intelligence
这篇文章是关于“智能的SP理论”及其在“SP机”中的实现(都在文章中概述)如何帮助解决自主机器人设计中与计算机相关的问题,这意味着机器人不依赖于外部智能或电源,是移动的,并且被设计为尽可能多地表现出类似人类的智能。这篇文章是关于:如何提高计算机的计算效率和能源效率,并减少其体积;如何实现智能中的人类通用性;以及智能中的人类适应性。SP系统有可能在计算和能源效率方面取得实质性进展,并减少计算机的体积:通过减少要处理的数据的大小;通过利用系统收集的统计信息;并通过更新版本的Donald Hebb的“细胞组装”概念。SP系统在无监督学习、自然语言处理、模式识别、信息检索、多种推理、规划、问题解决等方面具有与人类相似的智能多功能性,并且在结构和功能之间具有无缝集成。SP系统在无监督学习和其他智能方面的优势可能有助于通过以下方式实现类似人类的智能适应性:学习自然语言;学习看;构建物体和机器人周围环境的3D模型;学习机器人工作和机器人环境中的知识;探索和玩耍;学习主要技能;以及次要形式的学习。还讨论了:SP系统如何处理并行信息流;知识的概括,纠正过度概括,从脏数据中学习;如何降低学习成本;强化,动机,目标和演示。
2015-01-23 cs.AI
Human vs. Computer Go: Review and Prospect
National University of Tainan(台南大学);National Dong Hwa University(东华大学);National Chiao Tung University(交通大学);Taiwan Go Association(台湾围棋协会);Nihon Ki-in Go Institute(日本棋院围棋研究所);Haifong Weiqi Academy(海峰围棋学院)
2016年3月的谷歌DeepMind挑战赛是计算机围棋发展的历史性成就。本文讨论了计算智能(CI)的发展及其相对于人类智能在围棋比赛中的相对优势。我们首先总结了计算机围棋从1998年到2016年所取得的里程碑。然后,简要介绍了参加IEEE CIS竞赛的计算机围棋程序以及AlphaGo中使用的方法和技术。此外,还包括三位高水平职业围棋选手对AlphaGo与李世石的五场比赛的评论。我们的结论是,AlphaGo击败李世石是人工智能(AI)的巨大成就,主要基于CI方法。在未来,强大的计算机围棋程序,如AlphaGo,预计将有助于促进围棋教育和人工智能现实世界的应用。
2016-06-07 cs.AI
How linguistic descriptions of data can help to the teaching-learning process in higher education, case of study: artificial intelligence
University of the Bío-Bío(比奥比奥大学)
人工智能是计算机科学课程中的中心主题。从2011年开始,在生物大学的人工智能课程中设计并实施了一种基于计算机游戏的基于项目的学习方法。该项目旨在开发软件控制的代理(机器人),这些代理通过使用课程中看到的启发式算法进行编程。这种方法使我们能够获得良好的学习效果,但在实施过程中遇到了一些挑战。在本文中,我们展示了如何语言描述的数据可以帮助学生和教师提供技术和个性化的反馈学习算法。为了应对这些挑战,还提出了基于复杂现象的语言建模的计算机游戏机器人的算法行为配置文件和新的图灵测试。为了展示和探索这种新技术的可能性,作者之一设计并实现了一个网络平台,并将其纳入评估过程中,使我们能够改善教与学的过程。
2018-01-30 cs.AI
Computer Environments Elicit General Agentic Intelligence in LLMs
GSAI, Renmin University of China(中国人民大学高瓴人工智能学院);Microsoft Research(微软研究院);Tsinghua University(清华大学)
本文研究了计算机环境如何通过虚拟沙盒激发大语言模型的通用能力,展示了环境对任务解决的提升效果及训练方法。
2026-04-08 cs.AI cs.CL
Human-Centered Artificial Intelligence: Reliable, Safe & Trustworthy
University of Maryland(马里兰大学)
设计良好的技术,提供高水平的人类控制和高水平的计算机自动化,可以提高人类的表现,导致更广泛的采用。以人为中心的人工智能(HCAI)框架阐明了如何(1)设计高水平的人类控制和高水平的计算机自动化,以提高人类的表现,(2)了解完全人类控制或完全计算机控制是必要的情况,以及(3)避免过度人类控制或过度计算机控制的危险。HCAI的方法更有可能产生可靠、安全和值得信赖的设计。实现这些目标将大大提高人类的表现,同时支持人类的自我效能,掌握,创造力和责任感。
2020-02-23 cs.AI cs.HC
Ethical Design of Computers: From Semiconductors to IoT and Artificial Intelligence
Colorado State University(科罗拉多州立大学);University of Nebraska-Lincoln(内布拉斯加大学林肯分校)
如今,计算系统与我们的职业、社交和私人生活紧密结合。计算日益普及的一个重要后果是,它可能会产生重大的伦理影响,计算专业人员应该考虑到这一点。在大多数现实世界的场景中,如何从道德的角度看待计算系统的设计和使用过程中的特定技术选择并不明显。本文提供了半导体芯片设计、物联网应用以及人工智能在这些系统的设计过程、工具和软硬件堆栈中越来越多的使用中的伦理挑战的视角。
2022-12-23 cs.AI cs.AR cs.CY
Interpreting Winograd Schemas Via the SP Theory of Intelligence and Its Realisation in the SP Computer Model
在“Winograd Schema”(WS)句子中,如“市议员拒绝示威者的许可证,因为他们害怕暴力”和“市议员拒绝示威者的许可证,因为他们主张革命”,成年人很容易理解“他们”指的是什么,但对于人工智能系统来说可能很困难。本文介绍了如何SP系统-在附录中概述-可以解决这种问题的解释。其中心思想是,语言特征之间的不连续关联的知识,以及识别这种关联模式的能力,提供了一个强大的手段来确定像“他们”这样的代词指的是什么。对于任何人工智能系统来说,要解决这类问题,它需要适当的相关语法和语义知识,理想情况下,它应该自己学习。虽然SP系统在无监督学习方面有一定的优势,但它在这方面的能力还不足以学习解释WS示例所需的知识,因此必须在一开始就提供这些知识。然而,它在无监督学习方面的现有优势表明,它有潜力学习解释WS示例所需的知识。特别是,它有可能学习前面提到的语言特征的不连续关联。
2018-10-09 cs.AI
NGENT: Next-Generation AI Agents Must Integrate Multi-Domain Abilities to Achieve Artificial General Intelligence
Renmin University(中国人民大学);Peking University(北京大学);College of Informatics, Huazhong Agricultural University(华中农业大学信息学院);Shandong University(山东大学)
本文提出下一代AI智能体(NGENT)应整合文本、视觉和强化学习等多领域能力至统一框架,以突破当前狭窄领域的局限,从而实现通用人工智能(AGI)所需的通用性与适应性。
2025-04-30 cs.AI
Artificial Intelligence in Industry 4.0: A Review of Integration Challenges for Industrial Systems
Institute of Artificial Intelligence(人工智能研究所);Helmut Schmidt University(赫尔穆特·施密特大学);Institute of Automation Technology(自动化技术研究所)
本文综述工业4.0中AI在信息物理系统中的应用挑战,包括系统集成、数据、劳动力及可信赖性,并提出未来研究方向。
2024-12-17 cs.AI cs.LG
Generative Artificial Intelligence for Internet of Things Computing: A Systematic Survey
University of Calabria(卡拉布里亚大学)
本文通过PRISMA系统性文献综述,全面梳理生成式人工智能与物联网计算融合的机遇、挑战及未来方向,弥补现有研究碎片化不足。
2026-10-22 cs.AI
A Picture is Worth a Collaboration: Accumulating Design Knowledge for Computer-Vision-based Hybrid Intelligence Systems
Friedrich-Alexander-Universität Erlangen-Nürnberg(埃尔朗根-纽伦堡大学);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Ceratizit Austria GmbH(奥地利森拉天时有限公司);Otto-von-Guericke-Universität Magdeburg(奥托·冯·格里克马格德堡大学);IBM(国际商业机器公司)
计算机视觉(CV)技术试图模仿人类的视觉感知能力,以支持劳动密集型和耗时的任务,如关键对象的识别和定位。如今,CV越来越多地依赖于人工智能(AI)来自动从图像中提取有用的信息,这些信息可用于决策支持和业务流程自动化。然而,在设计基于人工智能的简历系统时,现有研究的重点往往只集中在技术方面,而忽视了社会技术方面,如信任、控制和自主权。为此,我们认为这样的系统的设计从混合智能(HI)的角度来看,旨在获得规定的设计知识CV为基础的HI系统。我们采用反思,实践启发的设计科学方法,并从六个全面的CV项目中积累设计知识。因此,我们确定了四个与设计相关的机制(即,自动化、信令、修改和协作),这些信息告知我们的派生元需求和设计原则。这可以作为对基于CV的HI系统进行进一步社会技术研究的基础。
2021-04-23 cs.AI cs.CV
Challenges of Artificial Intelligence -- From Machine Learning and Computer Vision to Emotional Intelligence
人工智能(AI)已经成为我们日常对话和生活的一部分。它被认为是正在彻底改变世界的新电力。AI在工业和学术领域都有大量投资。然而,在当前的AI辩论中也有很多炒作。基于所谓的深度学习的人工智能在许多问题上取得了令人印象深刻的成果,但其局限性已经可见。自20世纪40年代以来,人工智能一直在研究中,由于过度期望和随之而来的相关失望,该行业经历了许多起伏。这本书的目的是给人一个现实的图片人工智能,它的历史,它的潜力和局限性。我们认为AI是人类的助手,而不是统治者。我们首先描述人工智能是什么以及它在几十年来是如何发展的。在基本面之后,我们解释了海量数据对于当前主流人工智能的重要性。涵盖了人工智能、方法和机器学习的最常见表示。此外,还介绍了其主要应用领域。计算机视觉一直是人工智能发展的核心。这本书对计算机视觉进行了一般性的介绍,并包括了我们自己研究的结果和应用。情绪是人类智能的核心,但在人工智能中几乎没有使用。我们介绍了情绪智力的基础知识和我们自己对这个话题的研究。我们讨论超越人类理解的超级智能,解释为什么在现有知识的基础上,这样的成就似乎是不可能的,以及如何改进人工智能。最后,总结了人工智能的现状和未来的发展方向。在附录中,我们从我们自己大学的内容角度来看人工智能教育的发展。
2022-01-05 cs.AI cs.CV cs.LG
Enhancing Collective Intelligence in Large Language Models Through Emotional Integration
University of Iowa(爱荷华大学);Tulane University(杜兰大学);ByWater Institute(拜沃特研究所)
本研究通过 GoEmotions 数据集和 LoRA 微调 DarkIdol-Llama-3.1-8B 模型以整合情感多样性,验证了情感整合能在保持预测精度的同时塑造响应模式,从而有效增强大型语言模型的集体智能。
2025-03-05 cs.AI cs.CL cs.CY
The Integration of Connectionism and First-Order Knowledge Representation and Reasoning as a Challenge for Artificial Intelligence
一方面基于一阶逻辑的智能系统,另一方面基于人工神经网络(也称为连接主义系统)的智能系统,有很大的不同。将鲁棒的神经网络机器与符号知识表示和推理范例(如逻辑编程)以这样的方式组合将是非常期望的,即,将保留任一范例的优点。然而,目前最先进的研究远远未能实现这一最终目标。作为要克服的主要障碍之一,我们认识到的问题是如何符号知识可以通过连接系统编码:满意的答案,这将自然导致知识提取算法和集成的神经符号系统。
2004-08-31 cs.AI cs.LO cs.NE
Integration and Performance Analysis of Artificial Intelligence and Computer Vision Based on Deep Learning Algorithms
Zhejiang University(浙江大学);The University of Chicago(芝加哥大学);The George Washington University(乔治华盛顿大学);Trine University(特莱恩大学)
本文分析深度学习与计算机视觉集成应用效果,通过典型图像分类案例展示深度神经网络优越性能,并指出泛化与可解释性局限及改进方向,强调融合将推动智能机器视觉发展。
2023-12-20 cs.AI cs.CV
Landau Theory of Adaptive Integration in Computational Intelligence
Interdisciplinary Centre for Mathematical and Computational Modelling, University of Warsaw(华沙大学数学与计算跨学科中心);University of Warsaw(华沙大学)
计算智能(CI)是人工智能范式的一个分支,专注于研究在复杂和不断变化的环境中实现或促进智能行为的适应机制。CI有几种范例[如人工神经网络,进化计算,群体智能,人工免疫系统,模糊系统等],每一种都起源于生物系统[生物神经系统,自然达尔文进化,社会行为,免疫系统,生物体与环境的相互作用]。这些范例中的大多数演变成单独的机器学习(ML)技术,其中概率方法与CI技术互补使用,以有效地结合学习,适应,进化和模糊逻辑的元素,以创建启发式算法,在某种意义上,智能。目前的趋势是开发共识技术,因为没有一种机器学习算法在所有可能的情况下都优于其他算法。为了克服这个问题,ML中提出了几种元方法,重点是将不同方法的结果整合到单个预测中。我们在这里讨论的朗道理论的非线性方程,可以描述自适应集成的信息从一个独立的学习代理。每个个体代理对其他学习者的影响类似于社会影响理论。共识系统的最终决策结果是在稳态极限下使用多数规则计算的,但少数解决方案可以作为相反意见的复杂间歇性集群在多数群体中生存。
2010-06-09 cs.AI nlin.AO q-bio.NC
Predictive Situation Awareness for Ebola Virus Disease using a Collective Intelligence Multi-Model Integration Platform: Bayes Cloud
BAIES, LLC(BAIES有限责任公司);George Mason University(乔治梅森大学)
人类一直面临着与传染病相关的大量挑战,每年有600多万人死于传染病。尽管已作出持续努力以减轻此类不幸事件的潜在损害,但毫无疑问,仍有许多持续的挑战有待克服。我们在此特别讨论的一个相关问题是对此类流行病的评估和预测。在这一研究领域,传统的和特设的模型往往无法提供适当的预测态势感知(PSAW),其特征在于理解当前的情况和预测未来的情况。针对传染病的全面PSAW可以支持决策,并有助于阻止疾病传播。在本文中,我们开发了一个计算系统平台,专注于集体智慧因果建模,以支持PSAW在传染病领域。对全球流行病的分析需要整合多个不同的数据和模型,这些数据和模型可能来自多个独立的研究人员。这些模型应该整合起来,从整体上准确地评估和预测传染病。该系统应提供三个主要功能:(1)协作因果建模,(2)因果模型集成,(3)因果模型推理。这些功能由主题专家和人工智能(AI)支持,并具有不确定性处理。主题专家,作为集体智慧,开发因果模型,并将它们整合为一个联合因果模型。综合因果模型应用于推理:(1)过去,关于因果因素如何发生;(2)现在,关于传播现在如何进行;(3)未来,关于传播将如何进行。最后,我们介绍了一个用于埃博拉病毒疾病的预测性态势感知的用例。
2019-05-04 cs.AI physics.soc-ph q-bio.PE
Bringing Comparative Cognition To Computers
Helmholtz Munich(亥姆霍兹慕尼黑);University of Cambridge(剑桥大学)
本文主张通过比较认知方法严格对比AI与人类等动物的认知能力,避免误判相似与差异,从而将AI认知研究整合入更广泛的认知科学领域。
2025-03-04 cs.AI
Uploading Brain into Computer: Whom to Upload First?
University of Louisville(路易斯维尔大学)
智能增强过程的最终目标是生物大脑和计算机的完全合并,允许计算机的速度和记忆与人类的智能之间的集成和相互增强。这个过程被称为上传,它详细分析了人类大脑,足以理解其工作模式,并使在计算机上模拟大脑成为可能。由于这种模拟很可能会迅速进化或修改以实现超级智能,因此确保为这种程序选择的第一个大脑是合适的大脑非常重要。在本文中,我们试图回答这个问题:谁先上传?
2018-10-27 cs.AI cs.CY
Faith in the Algorithm, Part 1: Beyond the Turing Test
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);University of California, Los Angeles(加州大学洛杉矶分校)
自从图灵测试在1950年首次由艾伦·图灵提出以来,人工智能的主要目标就建立在计算机模仿人类行为的能力上。然而,计算机的大多数用途可以说是超出了人类能力的范围,而正是在这个领域之外,计算机已经证明了它们对智能的最大贡献。人工智能的另一个目标不是基于人类的模仿,而是基于人类的放大。本文调查了有助于人类和社会智能进步的各种系统。
2009-03-02 cs.AI cs.CY
SecureScan: An AI-Driven Multi-Layer Framework for Malware and Phishing Detection Using Logistic Regression and Threat Intelligence Integration
Madhav Institute of Technology & Science (MITS)(马达夫理工与科学学院)
本文提出SecureScan框架,结合逻辑回归、启发式分析和威胁情报,通过VirusTotal API实现URL、文件哈希和二进制的综合检测,取得93.1%的准确率,展示出良好的泛化能力与稳定性。
2026-04-28 cs.AI cs.CR cs.CV
Multimodality of AI for Education: Towards Artificial General Intelligence
University of Georgia(佐治亚大学);Technical University of Munich(慕尼黑工业大学);Nanjing Normal University(南京师范大学);University of Arizona(亚利桑那大学)
本文研究教育领域多模态AI对AGI实现的推动作用,分析AGI核心维度与教育变革潜力,探讨伦理问题及未来挑战,为AGI教育应用研发奠基。
2023-12-12 cs.AI
Microscope 2.0: An Augmented Reality Microscope with Real-time Artificial Intelligence Integration
Google AI Healthcare(谷歌人工智能医疗保健部门)
明场显微镜是在亚毫米尺度上对生物和物理样品进行目视检查的工具。一个关键的临床应用是癌症组织病理学,其中组织样本的显微镜评估用于癌症的诊断和分期,从而指导临床治疗。然而,这些样本的解释本质上是主观的,导致显著的诊断变异性。此外,在世界许多地区,由于缺乏训练有素的人员,获得病理学家的机会受到严重限制。在这方面,基于人工智能(AI)的工具有望改善医疗保健的可及性和质量。然而,尽管人工智能研究取得了重大进展,但由于图像数字化的成本和部署人工智能解决方案的困难,将这些工具整合到现实世界的癌症诊断工作流程中仍然具有挑战性。在这里,我们提出了一个具有成本效益的解决方案,以集成人工智能:增强现实显微镜(ARM)。ARM通过光学路径将基于AI的信息实时的【形】叠加到样品的当前视图上,实现AI与常规显微镜工作流程的无缝集成。我们证明了ARM在乳腺癌淋巴结转移检测和前列腺癌识别中的实用性,其延迟支持实时的【形】工作流程。我们预计ARM将消除在显微镜分析中使用AI的障碍,从而提高癌症诊断的准确性和效率。这种方法适用于生命科学及其他领域的其他显微镜任务和AI算法。
2018-12-04 cs.AI cs.CV cs.LG
Enabling Integration and Interaction for Decentralized Artificial Intelligence in Airline Disruption Management
Purdue University(普渡大学)
航空公司中断管理传统上寻求解决三个方面的问题:飞机调度,机组调度和乘客调度,在该顺序。然而,目前的努力,最多,只解决了前两个问题的尺寸同时,不占的传播效果,不确定的调度结果在一个维度上可以有另一个维度。此外,现有的航空公司中断管理方法包括人类专家,他们决定在运营当天对航空公司航班中断采取必要的纠正措施。然而,人类专家在处理大量信息的能力方面受到限制,这些信息对于做出同时解决中断管理期间所有问题维度的稳健决策至关重要。因此,有必要增加决策能力的人类专家与定量和定性的工具,可以合理化在航空公司中断管理的所有维度之间的复杂的相互作用,并提供客观的见解,在航空公司运营控制中心的专家。为此,我们提供了一个不可知的和系统的范例,使航空公司中断管理过程中的所有问题维度的快速错误集成恢复的讨论和演示,通过智能多代理系统,采用从人工智能和分布式账本技术的原则。结果表明,我们的范例,错误集成恢复执行多项式时间,是有效的,当所有的航班在航线网络中断。
2021-12-20 cs.AI cs.NE
Concurrent validity of computer-vision artificial intelligence player tracking software using broadcast footage
Australian Catholic University(澳大利亚天主教大学);Leeds Beckett University(利兹贝克特大学);Fédération Internationale de Football Association (FIFA)(国际足球联合会(FIFA));Sheffield Hallam University(谢菲尔德哈勒姆大学);Victoria University(维多利亚大学)
本研究评估了基于广播画面的计算机视觉AI球员追踪软件在2022年世界杯比赛中的准确性,发现其位置和速度误差范围较大,并指出使用战术信号源可提高检测率与精度。
2025-08-26 cs.AI cs.CV
Experimental Analysis of Trajectory Control Using Computer Vision and Artificial Intelligence for Autonomous Vehicles
Nile University(尼罗大学)
车道边界的感知对于与自主轨迹控制相关的任务至关重要。在本文中,车道线检测的几种方法进行了讨论与实验说明:霍夫变换,斑点分析,鸟瞰图。在从边界提取车道标记之后,下一种方法是应用基于感知的控制律来控制转向和速度控制。在下文中,通过图形统计在开环响应、PID控制和神经网络控制律之间进行比较分析。为了获得周围环境的感知,使用了连接到Raspberry Pi的无线流媒体摄像头。在对摄像头接收到的信号进行预处理后,输出被发送回Raspberry Pi,Raspberry Pi处理输入并通过Arduino通过串行通信将控制传达给电机。
2021-06-13 cs.AI cs.CV cs.RO
Preliminary study on artificial intelligence methods for cybersecurity threat detection in computer networks based on raw data packets
本文研究直接从原始网络数据包实时检测攻击的深度学习方法,提出将数据包堆叠成窗口并转为2D图像以利用计算机视觉模型处理,并在CIC IDS-2017数据集上验证了该方法的可行性。
2025-11-03 cs.AI cs.CR cs.CV
Super forecasting the technological singularity risks from artificial intelligence
University of Oxford(牛津大学);University of Warwick(华威大学);University College London(伦敦大学学院)
文章预测了人工智能在网络安全中的整合所带来的新的网络风险。
2022-12-28 cs.AI cs.CR cs.CY
Deep Learning and Artificial General Intelligence: Still a Long Way to Go
QED Software(QED软件公司)
近年来,使用神经网络架构的深度学习,即深度神经网络,一直处于计算机科学研究的前沿。它甚至在某些问题上导致了超人的表现,例如,在计算机视觉、游戏和生物学中,深度学习革命一词由此诞生。深度学习无可争议的成功和快速增长表明,在未来,它可能成为通用人工智能(AGI)的推动者。在这篇文章中,我们批判性地探讨了这一说法,并指出了目前深度神经网络还没有准备好成为实现AGI的首选技术的五个主要原因。
2022-04-05 cs.AI cs.LG
Transforming Dental Diagnostics with Artificial Intelligence: Advanced Integration of ChatGPT and Large Language Models for Patient Care
University of Massachusetts Lowell(马萨诸塞大学洛厄尔分校);Florida Atlantic University(佛罗里达大西洋大学)
本文综述ChatGPT等LLM在牙科诊断、医患沟通和口腔外科中的应用前景、挑战及未来研究方向。
2024-06-07 cs.AI cs.CL cs.LG
Swarm Intelligence
LBSITW
生物启发计算是计算机科学的一个领域,它利用生物系统的有利特性。它是计算智能和集体智能的融合。生物启发的机制已经被证明成功地在计算和通信系统的广泛问题中取得了重大进展。仿生计算的主要研究领域有人工神经网络、进化算法、群体智能、人工免疫系统、分形几何、DNA计算和量子计算等。
2009-10-21 cs.AI cs.NE
EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies on Signal Sensing Technologies and Computational Intelligence Approaches and their Applications
University of Tasmania, Australia(塔斯马尼亚大学);Macquarie University, Australia(麦考瑞大学);University of Electronic Science and Technology of China, China(电子科技大学);Huazhong University of Science and Technology, China(华中科技大学);University of California, San Diego, USA(加利福尼亚大学圣地亚哥分校);University of Technology Sydney, Australia(悉尼科技大学)
脑机接口(Brain-Computer Interface,BCI)是一种强大的用户与系统之间的通信工具,它增强了人脑直接与环境进行通信和交互的能力。过去几十年神经科学和计算机科学的进步带来了BCI令人兴奋的发展,从而使BCI成为计算神经科学和智能领域的顶级跨学科研究领域。最近的技术进步,如可穿戴传感设备、实时数据流、机器学习和深度学习方法,增加了人们对基于脑电(EEG)的BCI在翻译和医疗保健应用中的兴趣。许多人受益于基于EEG的BCI,它有助于在工作场所或家中的单调任务下持续监测认知状态的波动。在这项研究中,我们调查了脑电信号传感技术和计算智能方法在脑机接口应用中的最新文献,弥补了过去五年(2015-2019)系统总结的空白。具体而言,我们首先回顾了BCI的现状及其主要障碍。然后,我们提出了先进的信号传感和增强技术来收集和净化脑电信号,分别。此外,我们展示了最先进的计算智能技术,包括可解释的模糊模型,迁移学习,深度学习及其组合,以监控,维护或跟踪人类认知状态和普遍应用中的操作性能。最后,我们提供了几个创新的BCI启发的医疗保健应用程序,并讨论了一些未来的研究方向,在EEG为基础的BCI。
2020-01-28 cs.AI cs.HC eess.SP
The Role of Advanced Computer Architectures in Accelerating Artificial Intelligence Workloads
Lahore Leads University(拉合尔利兹大学)
本文综述AI与计算机架构的协同进化,分析GPU、ASIC、FPGA等主流架构的设计与性能,探讨核心优化原则及新兴技术,指出软硬件协同设计对AI未来发展的必要性。
2025-11-13 cs.AI cs.AR cs.LG
Ethical Challenges and Evolving Strategies in the Integration of Artificial Intelligence into Clinical Practice
Dartmouth College(达特茅斯学院);The George Washington University(乔治华盛顿大学)
本文分析AI融入临床实践的五类伦理风险与监管部署缺口,并提出公平算法、透明决策、患者中心隐私保护及多方协作策略。
2024-11-18 cs.AI cs.CY
Intelligent Electric Power Steering: Artificial Intelligence Integration Enhances Vehicle Safety and Performance
Mercedes-Benz Research and Development North America(梅赛德斯-奔驰北美研发中心)
本文研究人工智能与电动助力转向(EPS)系统的集成,梳理AI驱动EPS的技术进展与应用案例,分析其在提升车辆安全性、适应性等方面的优势,同时指出相关挑战并提出未来在自动驾驶、网联汽车领域的研究落地方向。
2024-12-11 cs.AI cs.RO cs.SY
Strategic Integration of Artificial Intelligence in the C-Suite: The Role of the Chief AI Officer
University of Oxford(牛津大学)
本文提出角色设计理论,解释企业为何设立首席AI官(CAIO)或采用其他结构,并分析AI的独特属性(分布式判断问责、上游治理、非平稳性)如何影响高管角色设计。
2026-10-30 cs.AI cs.CY cs.LG
Application of the SP theory of intelligence to the understanding of natural vision and the development of computer vision
智能的SP理论旨在简化和整合计算和认知中的概念,信息压缩是一个统一的主题。本文讨论了如何将其应用于自然视觉的理解和计算机视觉的发展。这个理论在其他地方有相当充分的描述,在这里只是概述,但有足够的细节来确保文章的其余部分有意义。可以通过以与用于信息压缩的行程长度编码技术相当的方式提取均匀区域中的冗余来识别诸如边缘或拐角的低级感知特征。SP理论中的多重对齐的概念可以应用于对象的识别,以及景物分析,具有部分和子部分的层次结构,并且处于多个抽象级别。该理论具有潜在的无监督学习的视觉对象和类的对象,并建议如何连贯的概念可能来自片段。与自然视觉一样,SP系统中的识别和学习在面对遗漏、委托和替换错误时是鲁棒的。该理论表明,通过视觉,我们可以拼凑出物体和我们环境的三维结构的知识,它提供了一个解释,我们如何看到图像中不客观存在的东西,以及我们如何识别尽管视网膜图像大小不同的东西。它还谈到了亮度恒定性和颜色恒定性的现象,语境在识别中的作用,以及视觉感知中的模糊性。SP理论的一个优点是它提供了视觉与其他感觉形式和智力的其他方面的整合。
2015-01-23 cs.AI cs.CV
Human Attention-Guided Explainable Artificial Intelligence for Computer Vision Models
University of Hong Kong(香港大学);Huawei Research Hong Kong(华为香港研究院);City University of Hong Kong(香港城市大学)
该研究针对计算机视觉模型的显著性可解释AI方法,提出人类注意力引导的HAG-XAI框架,通过可训练函数与平滑核对齐人类注意力,在目标检测任务上同时提升解释的合理性与忠实度。
2023-05-05 cs.AI cs.CV
Industrial Tokenization for LLM-Based Health Intelligence: A Federated Architecture for Industrial Evidence Integration
Mingyang Smart Energy Co., Ltd.(明阳智慧能源集团股份有限公司)
研究工业健康管理中异构信息源集成问题,提出工业令牌化概念及联邦架构,将特定源分析输出转为工业令牌,以实现跨源推理。给出基于振动诊断输出等的端到端诊断令牌路径,定位工业令牌化为语义接口。
2026-07-27 cs.AI cs.LG
Computer Vision Intelligence Test Modeling and Generation: A Case Study on Smart OCR
San Jose State University(圣何塞州立大学);ALPSTouchStone, Inc.(ALPSTouchStone公司)
针对AI软件质量评估难题,提出含3D分类模型、测试覆盖准则与四项评估指标的AI软件功能测试框架,并通过移动端OCR案例验证其有效性。
2024-09-14 cs.AI cs.CV cs.SE
Deep Learning-Based Computer Vision Models for Early Cancer Detection Using Multimodal Medical Imaging and Radiogenomic Integration Frameworks
University of Illinois at Springfield(伊利诺伊大学斯普林菲尔德分校)
本文提出基于深度学习的计算机视觉模型,结合多模态医学影像和放射基因组学,用于早期癌症检测,提升肿瘤基因型预测和治疗抗性分析能力。
2025-11-30 cs.AI cs.CV
Optoelectronic Intelligence
National Institute of Standards and Technology(美国国家标准与技术研究院)
为了设计和建造通用智能的硬件,我们必须同时考虑神经科学和超大规模集成的原理。对于具有一般智能的大型神经系统,用于通信的光子学和用于计算的电子学的属性是互补和相互依赖的。使用光进行通信可以在大型系统中实现高扇出和低延迟信令,而不会出现流量依赖的瓶颈。对于计算,约瑟夫森电路固有的非线性、高速和低功耗有利于复杂的神经功能。在4K下工作可以使用单光子探测器和硅光源,这两个特性可以提高效率和经济的可扩展性。在这里,我勾勒出一个光电硬件的概念,从突触电路开始,继续通过晶圆级集成,并扩展到与光纤白质互连的系统,可能在人类大脑的规模和超越。
2020-10-17 cs.AI cs.ET cs.NE
A New Intelligence Based Approach for Computer-Aided Diagnosis of Dengue Fever
Jawaharlal Nehru Technological University(贾瓦哈拉尔·尼赫鲁科技大学);International Centre for Interdisciplinary Research and Innovation, VNRVJIET Campus(VNRVJIET校区国际跨学科研究与创新中心);National Remote Sensing Center (ISRO)(国家遥感中心(ISRO))
在疾病的早期阶段,识别有助于诊断登革热的有影响力的临床症状和实验室特征,将有助于设计有效的公共卫生管理和病毒学监测策略。保持这一点作为我们的主要目标,我们在本文中开发了一种新的基于计算智能的方法,可以实时预测诊断,最大限度地减少假阳性和假阴性的数量。我们的方法包括三个主要组成部分(i)一个新的缺失值插补程序,可以应用于任何数据集组成的分类(名义)和/或数字(实数或整数)(ii)具有遗传搜索的基于包装器的特征选择方法,用于提取可以诊断疾病的最有影响力的症状的子集,以及(iii)一种交替决策树方法,采用Boosting来生成高度准确的决策规则。使用我们的方法开发的预测模型被发现比用于诊断登革热的最先进的方法更准确。
2015-01-31 cs.AI cs.LG stat.ML