Proceedings of the Eleventh Conference on Uncertainty in Artificial Intelligence (1995)
这是第十一届人工智能不确定性会议的会议记录，会议于1995年8月18日至20日在蒙特利尔举行
2014-08-28 cs.AI
Proceedings of the Twelfth Conference on Uncertainty in Artificial Intelligence (1996)
这是第十二届人工智能不确定性会议的会议录，会议于1996年8月1日至4日在俄勒冈州波特兰市举行
2014-08-28 cs.AI
Proceedings of the Fourteenth Conference on Uncertainty in Artificial Intelligence (1998)
这是第十四届人工智能不确定性会议的会议记录，会议于1998年7月24日至26日在威斯康星州麦迪逊举行
2014-08-28 cs.AI
Proceedings of the Eighteenth Conference on Uncertainty in Artificial Intelligence (2002)
这是第十八届人工智能不确定性会议的会议记录，会议于2002年8月1-4日在加拿大阿尔伯塔省举行
2014-08-28 cs.AI
Proceedings of the Seventeenth Conference on Uncertainty in Artificial Intelligence (2001)
这是第十七届人工智能不确定性会议的会议记录，会议于2001年8月2日至5日在华盛顿州西雅图举行
2014-08-28 cs.AI
Proceedings of the Nineteenth Conference on Uncertainty in Artificial Intelligence (2003)
这是2003年8月7日至10日在墨西哥阿卡普尔科举行的第十九届人工智能不确定性会议的会议记录
2014-08-28 cs.AI
Proceedings of the Twentieth Conference on Uncertainty in Artificial Intelligence (2004)
这是第二十届人工智能不确定性会议的会议记录，会议于2004年7月7日至11日在加拿大班夫举行。
2014-08-28 cs.AI
Proceedings of the Second Conference on Uncertainty in Artificial Intelligence (1986)
这是第二届人工智能不确定性会议的会议录，会议于1986年8月8日至10日在宾夕法尼亚州费城举行。
2013-04-13 cs.AI
Proceedings of the Ninth Conference on Uncertainty in Artificial Intelligence (1993)
这是第九届人工智能不确定性会议的会议记录，会议于1993年7月9日至11日在华盛顿特区举行。
2013-04-13 cs.AI
Proceedings of the Thirteenth Conference on Uncertainty in Artificial Intelligence (1997)
这是第十三届人工智能不确定性会议的会议记录，会议于1997年8月1-3日在美国罗德岛州普罗维登斯举行
2013-04-13 cs.AI
Proceedings of the First Conference on Uncertainty in Artificial Intelligence (1985)
这是第一届人工智能不确定性会议的会议记录，会议于1985年7月10日至12日在加利福尼亚州洛杉矶举行。
2014-08-28 cs.AI
Proceedings of the Fifteenth Conference on Uncertainty in Artificial Intelligence (1999)
这是1999年7月30日至8月1日在瑞典斯德哥尔摩举行的第十五届人工智能不确定性会议的会议记录
2014-08-28 cs.AI
The case for psychometric artificial general intelligence
Bournemouth University（伯恩茅斯大学）
对人工智能的测量和检测的文献进行了简短的回顾。针对人工通用智能提出的基准和测试将根据多个标准进行严格评估。根据研究结果，最有前途的方法被确定，并提出了一些有用的方向，为今后的工作。
2020-12-27 cs.AI
Advances in Artificial Intelligence Require Progress Across all of Computer Science
人工智能的进步需要整个计算机科学的进步。
2017-07-13 cs.AI
Proceedings of the Twenty-Ninth Conference on Uncertainty in Artificial Intelligence (2013)
这是2013年8月11日至15日在华盛顿州贝尔维尤举行的第二十九届人工智能不确定性会议的会议记录。
2014-08-28 cs.AI
Proceedings of the Sixteenth Conference on Uncertainty in Artificial Intelligence (2000)
这是第十六届人工智能不确定性会议的会议记录，会议于2000年6月30日至7月3日在加利福尼亚州旧金山举行
2014-08-28 cs.AI
Proceedings of the Twenty-First Conference on Uncertainty in Artificial Intelligence (2005)
这是2005年7月26日至29日在苏格兰爱丁堡举行的第二十一届人工智能不确定性会议的会议记录。
2014-08-28 cs.AI
Proceedings of the Twenty-Fourth Conference on Uncertainty in Artificial Intelligence (2008)
这是2008年7月9日至12日在芬兰赫尔辛基举行的第二十四届人工智能不确定性会议的会议记录。
2014-08-28 cs.AI
Proceedings of the Twenty-Seventh Conference on Uncertainty in Artificial Intelligence (2011)
这是2011年7月14日至17日在西班牙巴塞罗那举行的第27届人工智能不确定性会议的会议记录。
2014-08-28 cs.AI
Proceedings of the Third Conference on Uncertainty in Artificial Intelligence (1987)
这是第三届人工智能不确定性会议的会议记录，会议于1987年7月10日至12日在华盛顿州西雅图举行。
2013-04-13 cs.AI
Proceedings of the Tenth Conference on Uncertainty in Artificial Intelligence (1994)
这是第十届人工智能不确定性会议的会议记录，会议于1994年7月29日至31日在华盛顿州西雅图举行
2013-04-13 cs.AI
Artificial Intelligence : from Research to Application ; the Upper-Rhine Artificial Intelligence Symposium (UR-AI 2019)
TriRhenaTech联盟大学及其合作伙伴在2019年3月13日在奥芬堡举行的三国会议“人工智能：从研究到应用”上展示了他们在人工智能领域的能力以及与行业的跨境合作。TriRhenaTech联盟是上莱茵河三国大都市区的大学网络，包括位于富特旺根、凯泽斯滕、卡尔斯鲁厄和奥芬堡的德国应用科学大学，巴登-符腾堡州合作州立大学Loerrach，法国大学网络阿尔萨斯理工大学，瑞士国立大学（由14所工程、建筑和管理领域的“高等院校”组成）和瑞士西北应用科学与艺术大学（University of Applied Sciences and Arts Northwestern Switzerland）。该联盟的共同目标是加强知识、研究和技术的转移，以及学生的跨境流动。
2019-03-20 cs.AI
Proceedings of the Twenty-Second Conference on Uncertainty in Artificial Intelligence (2006)
这是第二十二届人工智能不确定性会议的会议记录，会议于2006年7月13日至16日在马萨诸塞州剑桥举行。
2014-08-28 cs.AI
Proceedings of the Twenty-Fifth Conference on Uncertainty in Artificial Intelligence (2009)
这是第25届人工智能不确定性会议的会议记录，会议于2009年6月18日至21日在加拿大魁北克省蒙特利尔举行。
2014-08-28 cs.AI
Proceedings of the Twenty-Sixth Conference on Uncertainty in Artificial Intelligence (2010)
这是第二十六届人工智能不确定性会议的会议记录，该会议于2010年7月8日至11日在加利福尼亚州卡特琳娜岛举行。
2014-08-28 cs.AI
AAAI FSS-20: Artificial Intelligence in Government and Public Sector Proceedings
AAAI关于政府和公共部门人工智能的秋季研讨会论文集，华盛顿特区，美国，2020年11月13日至14日
2021-10-08 cs.AI
AAAI FSS-19: Artificial Intelligence in Government and Public Sector Proceedings
AAAI秋季研讨会论文集关于政府和公共部门的人工智能，美国弗吉尼亚州阿灵顿，2019年11月7日至8日
2019-11-28 cs.AI
Proceedings of the Twenty-Eighth Conference on Uncertainty in Artificial Intelligence (2012)
这是第28届人工智能不确定性会议的会议记录，该会议于2012年8月14日至18日在加利福尼亚州卡特琳娜岛举行。
2014-08-28 cs.AI
Proceedings of the Fourth Conference on Uncertainty in Artificial Intelligence (1988)
这是第四届人工智能不确定性会议的会议记录，会议于1988年7月10日至12日在明尼苏达州明尼阿波利斯举行
2013-04-13 cs.AI
Proceedings of the Fifth Conference on Uncertainty in Artificial Intelligence (1989)
这是第五届人工智能不确定性会议的会议记录，会议于1989年8月18日至20日在安大略省温莎举行
2013-04-13 cs.AI
Proceedings of the Seventh Conference on Uncertainty in Artificial Intelligence (1991)
这是第七届人工智能不确定性会议的会议记录，会议于1991年7月13日至15日在加利福尼亚州洛杉矶举行。
2013-04-13 cs.AI
Proceedings of the Sixth Conference on Uncertainty in Artificial Intelligence (1990)
这是第六届人工智能不确定性会议的会议记录，会议于1990年7月27日至7月29日在马萨诸塞州剑桥举行。
2014-08-28 cs.AI
Proceedings of the Eighth Conference on Uncertainty in Artificial Intelligence (1992)
这是第八届人工智能不确定性会议的会议记录，会议于1992年7月17日至19日在加利福尼亚州斯坦福举行。
2013-04-13 cs.AI
Watershed of Artificial Intelligence: Human Intelligence, Machine Intelligence, and Biological Intelligence
University of Brasilia（巴西利亚大学）；University of Sao Paulo（圣保罗大学）
本文回顾了23年前提出的“一次学习”机制，以及随后在图像分类中的“一次性学习”和在客观检测中的“You Only Look Once - YOLO”的成功。分析了人工智能（AI）的发展现状，提出AI应明确划分为人工人类智能（AHI）、人工机器智能（AMI）和人工生物智能（ABI），这也将是AI理论和应用发展的主要方向。作为人工智能分支的分水岭，讨论了一些分类标准和方法：1）面向人类、面向机器和面向生物的人工智能研发; 2）通过模糊度上升或模糊度下降处理的信息输入; 3）使用一个/几个或大样本进行知识学习。
2021-05-07 cs.AI
AAAI FSS-21: Artificial Intelligence in Government and Public Sector Proceedings
AAAI关于政府和公共部门人工智能的秋季研讨会论文集，华盛顿特区，美国，2021年11月4日至6日
2021-12-10 cs.AI
Proceedings of the Twenty-Third Conference on Uncertainty in Artificial Intelligence (2007)
这是2007年7月19日至22日在不列颠哥伦比亚省温哥华举行的第二十三届人工智能不确定性会议的会议记录。
2014-08-28 cs.AI
AAAI FSS-18: Artificial Intelligence in Government and Public Sector Proceedings
Dstl（英国国防科学技术实验室）；IBM（国际商业机器公司）；Defence Academy（国防学院）
AAAI秋季研讨会论文集关于政府和公共部门的人工智能，美国弗吉尼亚州阿灵顿，2018年10月18日至20日
2018-10-14 cs.AI
Comprehensible Artificial Intelligence on Knowledge Graphs: A survey
University of Bamberg（班贝格大学）；BMW Group（宝马集团）
本文综述知识图谱上的可理解人工智能，提出用上位概念“可理解人工智能”区分可解释人工智能与可解释机器学习，并构建新分类体系、梳理研究现状与未来方向。
2024-04-04 cs.AI
Computational Narrative Intelligence: A Human-Centered Goal for Artificial Intelligence
Georgia Institute of Technology（佐治亚理工学院）
叙事智能是对故事进行创作、讲述、理解和情感回应的能力。我们认为，灌输人工智能与计算叙事智能提供了一些有益于人类的应用。我们列出了实现计算叙事智能所需解决的一些机器学习挑战。最后，我们认为，计算叙事是一个实际的一步，机器文化，社会文化价值观的教学机器。
2016-02-21 cs.AI
Intelligence Quotient and Intelligence Grade of Artificial Intelligence
School of Economics and Management, University of Chinese Academy of Sciences（中国科学院大学经济与管理学院）
尽管人工智能是目前科学研究中最有趣的领域之一，但新兴人工智能系统带来的潜在威胁仍然是持续争议的根源。为了解决人工智能威胁的问题，本研究提出了一个标准的智能模型，该模型在知识的四个方面将人工智能和人类特征统一起来，即，输入、输出、掌握和创造。使用这个模型，我们观察到三个挑战，即冯·诺依曼架构的扩展;测试和排名自然和人工智能系统的智商，包括人类，谷歌，必应，百度和Siri;最后，将人工智能系统分为从机器人到谷歌大脑的七个等级。基于此，我们得出结论，AlphaGo属于第三等级。
2017-10-04 cs.AI
From Statistical Relational to Neuro-Symbolic Artificial Intelligence
KU Leuven, Department of Computer Science（比利时鲁汶大学）
神经符号和统计关系人工智能都集成了逻辑推理的学习框架。这项调查确定了这两个领域在七个不同方面的几个相似之处。这些不仅可以用来描述和定位神经符号人工智能方法，而且还可以确定一些进一步研究的方向。
2020-03-24 cs.AI
A Finite-Time Technological Singularity Model With Artificial Intelligence Self-Improvement
Humboldt University of Berlin（柏林洪堡大学）
近年来人工智能的发展、技术进步的加速、宏观经济动态的长期趋势增加了技术奇点假说的相关性。本文建立了一个有限时间技术奇点模型，假设人工智能在某个时间点发展到一定程度后，将取代人类成为人工智能工程师。这个模型意味着：设A为人工智能的发展水平。然后，将技术奇点时刻n定义为人工智能发展函数趋近无穷大的时间点。因此，它发生在有限的时间内。虽然人工智能的无限发展水平实际上无法达到，但这种近似是有用的，原因有几个，首先是因为它允许对相变或状态变化进行建模。在模型中，智力增长函数在比较广泛的条件下表现为双曲线函数，并列出和比较了这一点。随后，我们还添加了一个随机项（布朗运动）的模型，并研究其行为的变化。所得结果可应用于以倍增增长为特征的各种过程的动力学建模。
2020-08-31 cs.AI
Human-Centered Artificial Intelligence and Machine Learning
Georgia Institute of Technology（佐治亚理工学院）
人类越来越多地接触到人工智能和机器学习系统。以人为中心的人工智能是对AI和ML的一种观点，即算法必须在设计时意识到它们是由人类组成的更大系统的一部分。我们提出了一个论点，即以人为中心的人工智能可以分为两个方面：（1）从社会文化角度理解人类的人工智能系统，以及（2）帮助人类理解他们的人工智能系统。我们进一步认为，社会责任的问题，如公平，问责制，可解释性和透明度。
2019-01-31 cs.AI
Artificial Intelligence and Economic Theories
University of Johannesburg（约翰内斯堡大学）
人工智能的出现改变了工程学、社会科学和经济学等许多学科。人工智能是一种受自然智能启发的计算技术，如鸟类的群集，大脑的工作和蚂蚁的寻路。这些技术对经济理论产生了影响。本书研究人工智能对经济理论的影响，这是一个尚未被广泛研究的主题。所考虑的理论是：需求和供给，不对称信息，定价，理性选择，理性预期，博弈论，有效市场假设，机制设计，前景，有限理性，投资组合理论，理性反事实和因果关系。这本书的好处是，它评估了现有的经济学理论，并根据人工智能领域的发展更新它们。
2017-03-20 cs.AI
Foundations of Intelligence in Natural and Artificial Systems: A Workshop Report
Santa Fe Institute（圣塔菲研究所）；University of New Mexico（新墨西哥大学）
2021年3月，圣达菲研究所举办了一个研讨会，作为其自然和人工系统智能基础项目的一部分。本项目旨在通过促进对智能本质的跨学科研究来推进人工智能领域。在研讨会期间，来自不同学科的演讲者聚集在一起，制定了一个智能分类法，阐述了他们自己对智能的理解以及他们的研究如何促进了这种理解。在本报告中，我们总结了每位演讲者提出的见解，并确定了会谈和随后讨论中出现的主题。
2021-05-05 cs.AI
The Artificial Scientist: Logicist, Emergentist, and Universalist Approaches to Artificial General Intelligence
School of Computing, Australian National University（澳大利亚国立大学计算机学院）
本文定义了构建人造科学家的必要条件，评估了多种通用人工智能方法，提出需采用统一或混合方法，并探讨了两项符合该要求的理论。
2021-10-05 cs.AI
Towards Verified Artificial Intelligence
University of California, Berkeley（加州大学伯克利分校）；Stanford University（斯坦福大学）
验证的人工智能（AI）是设计基于AI的系统的目标，这些系统具有强大的、理想的可证明的正确性保证。本文从形式化方法的角度考虑验证AI。我们描述了实现经验证的人工智能的五个挑战，以及应对这些挑战的五个相应原则。
2020-07-23 cs.AI
Artificial and Biological Intelligence
本文考虑了来自物理和生物科学的证据，表明与生物系统相比，机器在整合智能方面存在缺陷。机器在两个方面存在不足：首先，与大脑不同，机器不会以递归的方式自组织;其次，机器基于经典逻辑，而自然的智能可能依赖于量子力学。
2006-01-13 cs.AI
Model-Grounded Symbolic Artificial Intelligence Systems Learning and Reasoning with Model-Grounded Symbolic Artificial Intelligence Systems
Massachusetts Institute of Technology（麻省理工学院）；University of Alabama（阿拉巴马大学）
提出将指令微调大语言模型重新解释为模型接地的符号AI系统，以自然语言为符号层、模型内部表示空间实现接地，并开发了保持传统范式结构相似性的新学习与推理方法，初步评估表明其能提升学习效率与推理可靠性。
2025-07-14 cs.AI
Hybrid Systems Knowledge Representation Using Modelling Environment System Techniques Artificial Intelligence
University of Lahore（拉合尔大学）
基于知识的或人工智能技术越来越多地被用作对环境系统建模的更经典技术的替代方案。随着人们对其潜力的认识，人工智能（AI）在环境建模中的应用越来越多。在本文中，我们研究了人工智能的不同技术与人类感知，学习和推理解决复杂问题的深刻例子。然而，随着复杂性的增加，需要更好的方法。鉴于上述情况，一些研究人员引入了混合机制的想法，其中两种或多种方法可以结合起来，这似乎是一种积极的努力，以创造一个更复杂的;先进的和智能的系统，它有能力在合作的人类决策，从而推动景观的变化。
2014-09-13 cs.AI
Can Artificial Intelligence Do Everything That We Can?
Carnegie Mellon（卡内基梅隆大学）
在这篇文章中，我将讨论AI能做什么和不能做什么，以及对人类的影响。
2018-11-26 cs.AI
The Emerging Artificial Intelligence Protocol for Hierarchical Information Network
University of Luxembourg（卢森堡大学）
人工智能的最新发展使机器能够达到人类的智能水平。解决问题和决策是衡量人类智力的两种心理能力。许多学者提出了不同的模型。然而，在建立具有多级抽象的面向AI的层次模型方面存在差距。这项研究提出了一种新的模型，称为新兴的AI协议，由七个不同的层组成，能够为给定的问题提供最佳和可解释的解决方案。
2023-02-22 cs.AI
Explanation in Artificial Intelligence: Insights from the Social Sciences
University of Melbourne（墨尔本大学）
随着研究人员和从业人员寻求使他们的算法更容易理解，可解释的人工智能领域最近出现了复苏。这些研究的大部分都集中在向人类观察者明确解释决策或行动上，并且不应该有争议地说，研究人类如何相互解释可以作为人工智能解释的有用起点。然而，可以公平地说，大多数可解释的人工智能的工作只使用研究人员对什么构成“好”解释的直觉。在哲学、心理学和认知科学中，存在着大量有价值的研究，研究人们如何定义、生成、选择、评估和呈现解释，这些研究认为人们在解释过程中会使用某些认知偏见和社会期望。本文认为可解释人工智能领域应该建立在现有的研究基础上，并回顾了哲学、认知心理学/科学和社会心理学研究这些主题的相关论文。它引出了一些重要的发现，并讨论了如何将这些发现与可解释的人工智能的工作融合在一起。
2018-08-15 cs.AI
Philosophy in the Face of Artificial Intelligence
Duke University（杜克大学）
在这篇文章中，我将讨论AI社区如何看待超级智能AI的出现以及相关的哲学问题。
2016-05-19 cs.AI
