AI应用资讯

摘要： 美国中西部（印第安纳州）地区的作物生产一直面临环境和经济可持续性问题。化肥（氮和磷）的使用、农业机械燃料成本和劳动生产率的下降导致农业投入的使用没有得到优化，这些趋势一直在增加。相关文献综述描述了精益和绿色实践，如盈利能力（投资回报）、运营成本降低、危险废物减少、交付绩效和整体生产力，可在精准农业实践（可变灌溉、可变施肥、基于云的分析和用于农机导航的远程信息处理）。 综述文献描述了基于物联网 (IoT) 的精准农业实践的低采用率，例如可变速率肥料 (39%)、可变速率农药 (8%)、可变速率灌溉 (4%)、基于云的数据分析 ( 21 %) 和远程信息处理 (10 %) 在中西部作物生产者中。采用基于物联网的精准农业实践的障碍包括成本效益、电力要求、通信范围、数据延迟、数据可扩展性、数据存储、数据处理和数据互操作性。在基于物联网的精准农业实践中，对主题专家 (SME) (N=18) 进行了焦点小组访谈 (n=3)，以了解和定义与障碍相关的决策变量。内容分析和随后的 ISM 模型为部署 IoT 无线传感器节点以提高性能提供了一种行动研究方法。这些改进使可变成本降低了 94%，功耗成本降低了 60%，并改进了数据互操作性和用户交互的基于物联网无线传感器的数据管道，从而改进了精准农业实践的采用。来自 IoT 传感器部署的性能数据 (n=2505) 的关系分析经验性地验证了 ISM 模型，并解释了功耗的变化，以缓解生产者采用 IoT 的情况。本研究开发了基于生长季节通过相关性预测物联网功耗的未来研究范围。 这项研究的意义告诉采用者（作物生产者）、研究人员和精准农业从业者，精益和绿色框架在很大程度上是由基于物联网传感器的精准农业解决方案中的成本和电力问题驱动的。 图：用于精准农业应用的物联网(IoT)无线传感器框架 1 引言 1.1 背景 基于氮磷肥施用量的增加趋势，美国中西部地区的玉米和大豆生产存在经济和环境问题（USDA NASS Indiana，2019 年）。运营成本和燃料消耗成本随着劳动生产率的下降而增加，导致农场净收入下降（USDA NASS Indiana，2019）。因此，可以通过采用精准农业应用（可变灌溉、可变施肥、基于分析和用于农机导航的远程信息处理），以改善农业运营和净盈利能力。然而，DeBoer &...

AI/ML景观 这是一篇关于100篇 人工智能 论文的文章来帮助解开 人工智能 景观的神秘。最初的部分是关于基础知识，并提供一些重要的链接来加强你的基础。后一部分链接到一些伟大的研究论文，是为那些想了解理论和细节的高级实践者。 人工智能是一场正在改变人类生活和工作方式的革命。这是一个广义的概念，即机器能够以人类认为“智能”的方式执行任务——这个术语可以追溯到70年前（见这里的历史 https://medium.com/future-today/understanding-artificial-intelligence-f800b51c767f），艾伦·图灵定义了一个测试，图灵测试 ( https://en.wikipedia.org/wiki/Turing_test)，用来测量机器表现出与人的智能行为相当或不可区分的智能行为的能力。革命有许多复杂的运动部分。我的目标是简化并提供一个关于这些复杂部分如何在一个3层蛋糕中组合在一起的观点。顶层是人工智能服务，即解决实际问题的真实应用程序，中间层是基本的ML算法，而底层是支持前两层的ML平台。 首先是基本定义，人工智能是由机器 ( https://en.wikipedia.org/wiki/Machine) 表现出来的智能( https://en.wikipedia.org/wiki/Intelligence)，而不是由人类表现出来的自然智能。机器学习（ML）是人工智能的一个子集，它基于这样一种理念：我们应该真正能够让机器访问数据，让它们自己学习。神经网络（NN）是ML的一个子集，在ML中，计算机系统被设计成像人脑一样通过对信息进行分类来工作。深度学习（Deep learning，DL）是ML的一个子集，它使用多层人工神经网络来解决诸如目标检测、语音识别和语言翻译等复杂问题。 关于AI、ML和DL之间的差异，可以在这里和这里找到一些很好的阅读资料。 https://towardsdatascience.com/notes-on-artificial-intelligence-ai-machine-learning-ml-and-deep-learning-dl-for-56e51a2071c2https://towardsdatascience.com/ai-machine-learning-deep-learning-explained-simply-7b553da5b960 神经网络的基础知识在这里和这里通过代码都有很好的解释。 https://gadictos.com/neural-network-pt1/https://towardsdatascience.com/first-neural-network-for-beginners-explained-with-code-4cfd37e06eafhttps://towardsdatascience.com/machine-learning-for-beginners-an-introduction-to-neural-networks-d49f22d238f9 人工智能可以根据这里解释的窄型、一般型或强型分类，也可以根据这里解释的反应机器、有限记忆、思维理论和自我意识的水平分类 。 https://www.javatpoint.com/types-of-artificial-intelligencehttps://www.aware.co.th/three-tiers-ai-automating-tomorrow-agi-asi-ani/ ML算法 ML算法可以分为有监督、无监督和强化学习（这里 https://www.newtechdojo.com/list-machine-learning-algorithms/、这里 https://towardsdatascience.com/types-of-machine-learning-algorithms-yo

ChatGPT的爆火，不仅让众多学生有了作弊利器，也让一众自己写论文的清白好学生，无故蒙冤！ 要说起原因，不由让人深感荒谬——都是因为那些为了「用魔法打败魔法」而造出的各种AI检测器。 实测不可靠，美国宪法竟出自AI之手？ 众多AI检测器中，最出名的一个便是由普林斯顿华人本科生Edward Tian创建的GPTZero——它不仅免费，而且效果拔群。 我们只需把文字复制粘贴进去，GPTZero就可以明确地指出一段文字中，哪段是AI生成的，哪段是人类写的。 原理上，GPTZero主要靠「困惑度」（文本的随机性）和「突发性」（困惑度的变化）作为指标进行判断。在每次测试中，GPTZero还会挑选出困惑度最高的那个句子，也就是最像人话的句子。 然而这个方法其实并不完全可靠。 最近，有好奇的网友就用「美国宪法」做了一个实验，而结果更是让人大跌眼镜—— GPTZero表示，美国宪法是AI生成的！ 无独有偶，有越来越多的学生发现，自己辛辛苦苦写的论文，也会被检测器判定为AI生成的。 AI说你是用AI写的 ，你就是用AI写的！ 前两天，Reddit上就有一位12年级学生向大家求助说，老师用GPTzero检测之后，坚信论文中的部分内容就是由AI生成的。 「我一直是个成绩优异的学生，我不知道为什么我的老师会认为我作弊。我把一切都告诉了我的老师，但他还是不相信我。」 对此老师解释称，使用grammarly（一款在线语法纠正和校对工具）没问题，但GPTzero给出的结果已经非常明确——你就是用了ChatGPT。 绝望的学生表示，自己会提供所有可能的证据，来证明这个所谓的人工智能探测器是错的。 对此，有网友表示完全无法理解老师的做法：「什么叫AI说你作弊，你就是作弊，证据何在？」 另一位网友则给出了更加实用的建议：把ChatGPT出现之前的文章丢进去看看结果如何。（类似于之前的那个「美国宪法」实验） 此外，还可以用OpenAI的官方声明来为自己辩护：「我们真的不建议孤立地使用这个工具，因为我们知道它可能出错，就像使用人工智能进行任何种类的评估一样」。 还有网友分析称，作业论文在结构上通常都有着较为严格的要求，而ChatGPT在训练中又进行了大量的学习。 结果就是，AI生成的内容看起来都是标准的五段式论文。 因此，学生的作业从一开始，就注定了会和ChatGPT生成的文本非常相似。 GPTzero虽然声称假阳性率 所以该网友认为，我们对GPTzero，或OpenAI的分类器，或任何声称能够可靠地区分人类和AI的工具，都应该抱有怀疑的态度。 ChatGPT暴露了论文设定上的缺陷 AI的出现，让作弊的学生提供的巨大的便利，却也让不作弊的学生，深陷无尽的麻烦。 那么，让我们干脆回归问题的本质，在学校教育中，到底该不该允许学生使用ChatGPT呢？ 近日，作家Colm OShea在文章《感谢ChatGPT揭露本科论文的平庸》中表示，本科的论文重点是教育，而不是知识的进步。这其中最关键的是，在写作过程中，是要训练和展示你有目的地处理信息的能力，而不是让你做一个有价值的知识产出。有价值的产出是由训练有素的合格劳动力负责的。 一般来说，文章起源于古希腊和罗马作家的学术文本，或早期基督教会教父的书信，但其实现代文章的形式起源于蒙田。 这位富有而博学的16世纪法国哲学家，在人生中的某个时刻，忽然对自己庞大的图书馆感到怀疑：「如果我以为自己所知道的一切，其实都是扯淡的，怎么办？」 于是，他开始做这件事——写随笔，这个行为具有深远的意义：让他重新看待世界。 他起的标题千奇百怪，比如「拇指」「畸形儿童」「食人族」，展现出他广泛而奇特的精神领域。他的每篇文章都围绕一个观点，并从各个角度进行审视，来找到新的见解，仿佛这些角度是由另一个意识撰写的一样。 录取之后，一部分学生又会去恳求教授，给他们提供一个正确的模板来模仿，亦或者，他们会找抄袭或论文代笔去走捷径，走向他们想象中的未来。 就好像到了大学以后，学习和思考就再也不用写作来辅助了一样。 不过，这是在ChatGPT火起来之前。现在有了ChatGPT，论文剽窃和代写的乱象已经蔚然成风。虽然说这些现象并不能只怪AI，但已经足以说明大学教育中的问题。 症结在哪里？ 这场危机，其实源于大学本科教育中一个更巨大、更古老的问题。 长期以来，人们过分关注收敛思维——换句话说，对于有固定解决方案的问题，去测试学生能否获得问题的「正确」答案。 大学申请的测试通常注重两大类：知识基础和认知能力。标准化的测试能够检测学生对学科掌握程度，但这忽略了另一个重要的领域：发散性思维。 而发散性思维，正是创造性工作的前提。 而且，发散性思维是与标准化背道而驰的。发散思维靠的是深度模式识别和类比（口头、视觉、数学）等机制，而要让ChatGPT从令人眼花缭乱的大数据集中收集「要点」，这并不是它们擅长的。 这种思维可以用一个词形容，那就是「机智」（这种机智是一种令人惊讶的灵感，能够把两个不相干的事物进行融合，或者联系起来），虽然听起来有些玄乎，但这种能力非常重要。 认知科学家、类比思维权威专家Dedre Gentner解释说，生动地向自己或他人解释某事可以培养抽象能力，还可以发现不同领域之间的新联系。...

　　戴上耳机，产生的视觉联想随着音乐在脑海中生长，屏幕上则用不断变换的图形和线条将这些情绪可视化；按照屏幕上的剪影比出相应的手势，系统识别后就能“解锁”自己写下的心愿，一个名为《如愿》的交互设计作品吸引了众多人围观体验……6月9日，清华大学美术学院2023届本科生线下毕业作品展开幕式暨本硕线上毕业作品展同步开启。 　　据悉，此次展览囊括了来自清华大学美术学院8个专业系210余位毕业生的作品，此外，研究生和本科生的线上毕业作品展也在云端推出。 清华大学美术学院2023届本科生线下毕业作品展现场。新京报记者 浦峰 摄 　　聚焦可持续设计、乡村振兴等话题 　　此次本科生线下毕业作品展中，210余位同学的成果在清华大学美术学院和清华大学艺术博物馆呈现。 　　表现形式上，清华大学美术学院副院长杨冬江介绍，绘画专业的同学作品主要是艺术类、造型类作品，工艺美术系呈现的是漆画和金属工艺，信息艺术设计系同学更多关注交互设计、多媒体设计、动画设计等作品，环境艺术设计系同学有室内设计作品、空间环境景观设计作品，以及小尺度的家具设计作品等，另外还有服装染织、陶瓷作品等，呈现形式非常丰富。 　　在内容主题上，杨冬江表示，根据不同的专业特点，同学们将毕业作品主题聚焦在了人与自然、可持续设计、弱势群体关怀、乡村振兴、非遗传承、城市更新、文化自信等方面。 　　“毕业作品展是同学们及老师们四年来教学成果的集体呈现。很多同学的毕业设计历时半年甚至一年，是他们创作灵感与四年当中沉淀积累的专业知识技巧、对艺术的认知深度结合，同时也呈现了学院的教学理念和培养目标。”杨冬江总结道。 作品主题聚焦在人与自然、可持续设计、弱势群体关怀、乡村振兴等方面。新京报记者 浦峰 摄 　　艺科融合，AI成为本科生毕业展创作热点 　　“以GPT为代表的AI人工智能的划时代出现，掀起了艺术设计领域变革的巨大浪潮。”清华大学美术学院院长马赛在开幕式讲话中表示，站在艺术设计的新端点上，祝福同学们具备足够的能力和勇气，去迎接未来新技术语境下的各种挑战。 　　记者了解到，“艺科融合”是清华大学美术学院一个重要的发展理念和培养特色。杨冬江介绍，本次展览也集中展现了艺术与科学融合的创作实践，AI成为今年本科生毕业展创作的热点。例如，基于AI的艺术教育平台，AI实时编导的动物直播设计，AI在文化遗产再创作中的应用，同学们在作品中探讨了人工智能技术在艺术设计领域应用的多种可能性。 AI成为今年本科生毕业展创作的热点。新京报记者 浦峰 摄 　　此次毕业展作品中还体现出了学生的交叉学科素养。从不同视角切入社会现实，试验着新材料、新技术与新方案，例如探讨气候变化可能对未来环境和生物多样性产生的影响，表达生态与环境保护的重要性等，从小处着眼表达自己的真实感悟和思考。 　　线上毕业作品展同期上线。据悉，3年前，清华美院推出了云端的2.5D线上展览，几年来承载了两千余名毕业生的毕业作品成果，在线访问观众数量突破千万。今年，作为线下展览的补充，“云端画廊”继续延伸，2023届全部研究生和本科生共近400个虚拟展位等待观众线上观展。 　　新京报记者 冯琪 　　编辑 缪晨霞 校对 卢茜