研究人员发现蜜蜂能比我们更好更快地做出决策

研究人员发现蜜蜂能比我们更好更快地做出决策新研究揭示了蜜蜂大脑的决策路径，阐明了蜜蜂快速准确地评估花蜜的能力，这可能会给更多自主机器人的设计带来灵感。这项由多位学术专家领导的研究还强调了进化完善的昆虫大脑的效率，可为未来工业领域的人工智能发展提供指导。图片来源：ThéotimeColin这项研究揭示了昆虫思维的运作和人类认知的进化，并为改进机器人设计提供了启示。论文提出了蜜蜂的决策模型，并概述了蜜蜂大脑中实现快速决策的路径。这项研究由悉尼麦考瑞大学的安德鲁-巴伦（AndrewBarron）教授、谢菲尔德大学的哈迪-马布迪（HaDiMaBouDi）博士、内维尔-迪尔登（NevilleDearden）和詹姆斯-马歇尔（JamesMarshall）教授领导。巴伦教授说："决策是认知的核心。决策是对可能结果进行评估的结果，而动物的生活充满了决策。蜜蜂的大脑比芝麻还小。但它却能比我们更快、更准确地做出决定。要让机器人完成蜜蜂的工作，需要超级计算机的支持。""今天的自主机器人在很大程度上是在远程计算的支持下工作的。无人机相对来说是无脑的，它们必须与数据中心进行无线通信。这种技术路径永远无法让无人机真正独自探索火星--NASA在火星上的神奇漫游车在多年的探索中已经行驶了大约75公里。"图片来源：ThéotimeColin蜜蜂需要快速高效地工作，寻找花蜜并将其送回蜂巢，同时还要避开捕食者。它们需要做出决定。哪朵花会有花蜜？在飞行时，它们只会受到空中攻击。当它们着陆觅食时，就很容易受到蜘蛛和其他捕食者的攻击，其中一些捕食者会利用伪装来伪装成花朵的样子。"我们训练20只蜜蜂识别五种不同颜色的'花盘'。蓝色的花总是有糖浆，"马布迪博士说。"绿色的花总是含有奎宁（奎宁水），对蜜蜂来说有苦味。其他颜色的花有时会有葡萄糖。""然后，我们把每只蜜蜂引入一个'花园'，那里的'花'只有蒸馏水。我们拍摄了每只蜜蜂，然后观看了40多个小时的视频，跟踪蜜蜂的活动轨迹，并计算它们做出决定所需的时间。如果蜜蜂确信一朵花上有食物，那么它们很快就会决定落在那朵花上，平均用时0.6秒。如果它们确信一朵花上没有食物，它们也会同样迅速地做出决定。"如果它们不确定，则需要更多的时间--平均1.4秒--时间反映了一朵花有食物的概率。研究小组随后根据第一原理建立了一个计算机模型，旨在复制蜜蜂的决策过程。他们发现计算机模型的结构与蜜蜂大脑的物理布局非常相似。马歇尔教授说："我们的研究证明，复杂的自主决策只需要最少的神经回路。现在我们知道蜜蜂是如何做出如此明智的决策的了，我们正在研究它们是如何如此快速地收集和采样信息的。我们认为蜜蜂正在利用它们的飞行动作来增强它们的视觉系统，使它们更善于发现最好的花朵"。人工智能研究人员可以从昆虫和其他'简单'动物身上学到很多东西。数百万年的进化已经造就了效率极高的大脑，对电力的需求非常低。马歇尔教授说，人工智能行业的未来将受到生物学的启发，他与他人共同创办了Opteran公司，该公司逆向工程昆虫大脑算法，使机器能够像大自然一样自主移动。...PC版：https://www.cnbeta.com.tw/articles/soft/1381741.htm手机版：https://m.cnbeta.com.tw/view/1381741.htm

科学家揭示我们为何讨厌等待：既影响决策 也增加痛苦感

科学家揭示我们为何讨厌等待：既影响决策也增加痛苦感这两篇论文都研究了对结束的渴望是如何影响不耐烦的。第一篇论文探讨了不耐烦如何影响决策--例如，选择现在而不是稍后完成一项任务。第二篇论文探讨了人们在等待过程中的感受，以及随着等待结束的临近，这种感受会发生怎样的变化。结果表明，当等待即将结束时，对结束的需求既影响决策，也增加了痛苦感，这为更有效地管理等待体验提供了启示。罗伯茨拥有行为科学博士学位，他感兴趣的是急躁如何影响人们的选择，比如是为未来投资还是为现在花钱。她的作品还为营销人员提供了经验，告诉他们如何才能让等待不再那么烦人。她说："每个人都有过这样的经历，在等待的过程中过于沮丧。在一篇论文中，罗伯茨研究了导致不耐烦的原因。她与芝加哥大学的亚历克斯-伊马斯（AlexImas）和阿耶莱特-菲什巴赫（AyeletFishbach）一起找到了一个答案：封闭性。她说，对封闭性的需求会影响人们的跨期选择--人们对今天的收益和未来的收益所赋予的相对价值。在网上和实验室进行的七项研究中，为了获得相同的结果，受试者在早工作多干活和晚工作少干活之间做出了选择。如果能让参与者更快地完成任务，他们愿意付出更多或工作更多。如果能早点付款，他们愿意多付1美元，这样他们就不用再操心付款的问题了。他们宁愿多完成15%的工作，以获得相同的报酬，因为他们可以更早地完成工作，并将其从待办事项清单上划去。为了在即将到来的假期前完成一份报告，他们宁愿无偿加班一小时完成报告，也不愿在假期结束后再拿工资完成报告。罗伯茨说："对目标闭合的需求有助于解释为什么人们会倾向于更快地多工作或更快地多付钱，这与直觉相反。我们发现，急躁并不仅仅是对奖励的短期欲望，它也是为了把目标从他们的清单上划掉，而不是让目标悬在他们头上。"她指出，这些发现可能会引起那些希望更好地激励团队的管理者的兴趣，因为渴望结束的人不太容易拖延。这项研究还表明了"先买后付"等营销促销活动有时不起作用的原因。消费者可能不想承受到期付款的压力。末日已近，但还不够近之前的研究计算出，美国人每年要花370亿小时排队等候，平均每个上班族每年要花42小时堵在路上。罗伯茨的第二篇论文也是与菲什巴赫合作完成的，她追踪了这些等待的情绪轨迹。他们发现，等待的痛苦会随着等待接近尾声而加剧。罗伯茨说："这篇论文是关于人们在等待时的感受和体验。当你期望等待很快结束时，你就会变得更加不耐烦。"在现实生活中，受访者在等待第一支COVID-19疫苗或等待公交车到达芝加哥市中心时，会对自己的不耐烦程度进行评分。离等待结束的时间越近，受访者的挫败感越强。当他们更接近接种疫苗或公交车更接近到达时，他们的挫败感更强。一组受访者报告了他们对2020年总统选举结果的不耐烦情绪。选举日当天，乔-拜登（JoeBiden）和唐纳德-特朗普（DonaldTrump）的支持者的不耐烦程度都有所上升。第二天，由于仍在计票，不耐烦情绪更加高涨。罗伯茨指出，尽管拜登领先，但双方的不耐烦情绪都有所上升。罗伯茨说："即使是那些预计自己的候选人不会获胜的人，他们也只是想结束这一切。这很好地证明了人们对结束的渴望，以及这种渴望如何在等待的经历中体现出来。"她建议公司这样做：如果包裹何时送达存在不确定性，最好让客户做好长期等待的准备，而不是短期等待。这样，包裹可能会在他们不耐烦之前送到。此外，在等待过程中提前通知客户延迟可能比延迟通知客户更好，这样他们就可以相应地调整自己的预期。在后续项目中，罗伯茨正在研究有用的干预措施，以帮助人们在等待时更有耐心。"我希望我的研究能够帮助人们管理他们的等待经历，"她说。"很多人真的希望得到帮助，帮助他们如何在等待时更有耐心，如何做出更好的选择，比如为未来储蓄。"编译来源：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1419933.htm手机版：https://m.cnbeta.com.tw/view/1419933.htm

反直角:避开直角的陷阱,做出正确的决策

名称：反直角:避开直角的陷阱,做出正确的决策描述：“聪明反被聪明误”这句话有力地证明聪明人也会犯错，因为他们的“心智软件”和普通人的心智软件具有相同的出厂设置，而设计这个软件的初衷并不是应对今时今日的许多问题的。因此，我们的大脑经常会凭直觉思考问题，进而做出糟糕的决策。在《反直觉》一书中，作者莫布森指出：人们做出糟糕的决策，是因为受到视野狭窄、认知偏差、情境控制等多种因素的影响，但更糟的是，很多人对自己受到的影响一无所知。莫布森通过商业、医疗、管理、教育等多个领域的真实案例，运用心理学、神经科学、复杂科学、经济学原理，深入剖析了人们在做决策过程中是怎样掉入直觉陷阱的，并且给出了切实可行的应对方法——反直觉思考。阅读《反直觉》，你将获得仅凭直觉做判断时不具备的优势，做出比周围人更好的决策。链接：https://www.aliyundrive.com/s/J5xmu2VZTMt大小：22M标签：#新书#反直角_避开直角的陷阱_做出正确的决策来自：雷锋版权：频道：@shareAliyun群组：@aliyundriveShare投稿：@aliyun_share_bot

科学家为先进材料设计开发"扩展的朗道自由能模型"

科学家为先进材料设计开发"扩展的朗道自由能模型"传统上，研究人员已经对微观图像数据进行了视觉分析。然而，这往往使得对这些数据的解释是定性的和高度主观的。目前缺乏的是对纳米级磁性材料中复杂的相互作用机制的因果分析。东京科学大学的一个研究小组开发的扩展兰道自由能模型的图像，它能够对纳米磁体中的磁化反转进行因果分析。通过这个模型，研究小组可以有效地将磁域图像可视化，并成功地以低能量要求逆向设计纳米结构。资料来源：日本东京科学大学的小杉实验室在最近的一项突破中，一个研究小组成功地实现了微观图像数据的自动解释。这是用一个"扩展的朗道自由能模型"实现的，该团队利用拓扑学、数据科学和自由能的组合开发了该模型。该模型可以说明物理机制以及磁效应的关键位置，并为纳米设备提出一个最佳结构。该模型使用基于物理学的特征来绘制信息空间中的能量景观，可以应用于理解各种材料中纳米尺度上的复杂相互作用。该研究的细节将于今天（11月29日）发表在《科学报告》杂志上。这项研究由日本东京科学大学的MasatoKotsugi教授领导。"传统的分析是基于显微镜图像的视觉检查，与材料功能的关系只是定性地表达，这是材料设计的一个主要瓶颈。我们扩展的朗道自由能模型使我们能够确定这些材料中复杂现象的物理起源和位置。这种方法克服了深度学习所面临的可解释性问题，在某种程度上，这相当于重新发明了新的物理规律，"Kotsugi教授解释说。这项工作得到了KAKENHI、JSPS和文部科学省的电力电子创新核心技术创建计划的支持。原则成分分析的降维结果的散点图。颜色代表总能量。在可解释的特征空间中，磁域和总能量之间的关系是相连的。资料来源：日本东京科学大学的MasatoKotsugi在设计该模型时，该团队利用了拓扑学和数据科学领域的最先进技术来扩展朗道自由能模型。这带来了一个能够对纳米磁体的磁化逆转进行因果分析的模型。然后，该团队进行了物理起源的自动识别和原始磁域图像的可视化。研究结果表明，缺陷附近的消磁能量产生了磁效应，这就是"钉住现象"的原因。此外，该团队可以将能量障碍的空间集中可视化，这是迄今为止尚未实现的创举。最后，研究小组提出了一种具有低功耗的记录设备和纳米结构的拓扑逆向设计。本研究提出的模型有望为自旋电子器件、量子信息技术和Web3的发展做出广泛的应用。原则成分分析的降维结果的散点图。颜色代表总能量。在可解释的特征空间中，磁域和总能量之间的关系是相连的。资料来源：日本东京科学大学的MasatoKotsugi"我们提出的模型为优化材料工程的磁特性提供了新的可能性。扩展的方法将最终使我们能够澄清'为什么'和'在哪里'表达一个材料的功能。对材料功能的分析，过去依赖于视觉检查，现在可以被量化，使精确的功能设计成为可能，"Kotsugi教授乐观总结道。...PC版：https://www.cnbeta.com.tw/articles/soft/1333947.htm手机版：https://m.cnbeta.com.tw/view/1333947.htm

科学家发明独特方法 可以制造更好的分子磁铁

科学家发明独特方法可以制造更好的分子磁铁科学家们开发出一种新方法，利用双配位镧系元素复合物生产出改进型单分子磁体（SMM）。这一进展为高密度存储、量子计算和微型化存储设备带来了潜力。"我们的发现为制造基于分子的新型分子电子材料提供了指导。"MuraleeMurugesu-渥太华大学理学院教授。资料来源：渥太华大学镧系元素离子喜欢用许多有机配体包围自己，以稳定和填充它们的配位层。但由于采用了新颖的配体设计和合成方法，渥太华大学的科学家们不仅成功地分离出了稀有而珍贵的双配位物种，而且有史以来第一次揭示了巨大的能级分离，正如理论所预测的那样。这个复合体是一项合成成就，显示了这些分子令人难以置信的潜力。这项研究是在渥太华大学化学和生物分子科学系进行的，由理学院全职教授穆拉里-穆鲁格苏领导，芬兰奥卢大学的阿克塞利-曼西卡马基教授、渥太华大学博士后研究员迪奥戈-A-加利科（DiogoA.Gálico）和亚历山大-A-基托斯（AlexandrosA.Kitos）以及博士生迪伦-埃鲁拉特（DylanErrulat）和凯蒂-L-M-哈里曼（KatieL.M.Harriman）合作完成。"我们已经展示了非常令人兴奋的结果，首次证实了之前的理论预测，同时也提供了一种合成方法来制造更好的分子磁体。这些磁体对于制造更小、更快的存储设备和量子计算机非常有用，因为它们具有纳米级尺寸和特殊的量子特性，如磁化的量子隧道或量子相干性，"穆鲁格苏教授说。"我们利用CFI资助的设备，在10开尔文以下的超低温条件下测量了复合物的磁性和发光特性。这些测量结果向我们展示了复合物错综复杂的电子结构。我们还与芬兰奥卢大学的Mansikkamäki教授合作，通过计算研究证实了我们的发现。"自2007年以来，渥太华大学的Murugesu小组一直在研究能够在分子水平上存储和处理信息的单分子磁体（SMM）。这种备受期待的材料有望节省能源和空间，使电子产品更快更好，从而改变数据存储方式，开创分子电子产品的新时代。...PC版：https://www.cnbeta.com.tw/articles/soft/1382619.htm手机版：https://m.cnbeta.com.tw/view/1382619.htm

科学家们为照亮人工智能的"黑匣子"而创造了一套决策评估方法

科学家们为照亮人工智能的"黑匣子"而创造了一套决策评估方法这种新方法揭示了所谓的"黑匣子"人工智能算法的神秘工作原理，帮助用户了解什么会影响人工智能产生的结果，以及这些结果是否可以信任。这在对人类健康和福祉有重大影响的情况下尤其重要，例如在医疗应用中使用人工智能。这项研究在即将出台的欧盟人工智能法案的背景下具有特别的意义，该法案旨在规范欧盟内部人工智能的发展和使用。这些研究结果最近发表在《自然-机器智能》杂志上。时间序列数据--代表信息随时间的演变无处不在：例如在医学上，用心电图记录心脏活动；在地震研究中；跟踪天气模式；或在经济学上监测金融市场。这些数据可以通过人工智能技术进行建模，以建立诊断或预测工具。人工智能的进步，特别是深度学习--包括使用这些非常大量的数据训练机器，目的是解释它并学习有用的模式为越来越准确的诊断和预测工具开辟了道路。然而，由于没有深入了解人工智能算法的工作方式或影响其结果的因素，人工智能技术的"黑匣子"性质提出了关于可信度的重要问题。"这些算法的工作方式至少可以说是不透明的，"共同指导这项工作的UNIGE医学院放射学和医学信息学系主任兼HUG医学信息科学部主任ChristianLovis教授说。''当然，赌注，特别是经济上的赌注是非常高的。但是，如果不了解机器的推理基础，我们怎么能相信它？这些问题是至关重要的，特别是在医学等部门，人工智能驱动的决策可以影响人们的健康甚至生命；在金融领域，它们可以导致巨大的资本损失。"可解释性方法旨在通过破译人工智能为什么和如何达成一个特定的决定以及其背后的原因来回答这些问题。''知道在特定情况下哪些因素使天平倾向于支持或反对一个解决方案，从而允许一些透明度，增加对它们的信任，''新加坡国立大学设计与工程学院MathEXLab主任GianmarcoMengaldo助理教授说，他共同指导了这项工作。"然而，目前在实际应用和工业工作流程中广泛使用的可解释性方法在应用于同一任务时提供了明显不同的结果。这就提出了一个重要的问题：既然应该有一个唯一的、正确的答案，那么什么可解释性方法是正确的？因此，对可解释性方法的评价变得和可解释性本身一样重要"。区分重要的和不重要的辨别数据在开发可解释性人工智能技术方面至关重要。例如，当人工智能分析图像时，它专注于一些特征属性。洛维斯教授实验室的博士生和该研究的第一作者HuguesTurbé解释说：''例如，人工智能可以区分狗的图像和猫的图像。同样的原则适用于分析时间序列：机器需要能够选择一些元素--例如比其他元素更明显的峰值--来作为其推理的基础。对于心电图信号，这意味着调和来自不同电极的信号，以评估可能的不协调，这将是特定心脏疾病的标志。"在所有可用于特定目的的方法中选择一种可解释性方法并不容易。不同的人工智能可解释性方法往往产生非常不同的结果，即使是应用于相同的数据集和任务。为了应对这一挑战，研究人员开发了两种新的评估方法，以帮助了解人工智能如何做出决定：一种用于识别信号中最相关的部分，另一种用于评估它们对最终预测的相对重要性。为了评估可解释性，他们隐藏了一部分数据以验证它是否与人工智能的决策有关。然而，这种方法有时会在结果中造成错误。为了纠正这一点，他们在一个包括隐藏数据的增强型数据集上训练人工智能，这有助于保持数据的平衡和准确。然后，该团队创建了两种方法来衡量可解释性方法的工作情况，显示人工智能是否使用正确的数据进行决策，以及所有数据是否被公平考虑。"总的来说，我们的方法旨在评估将在其操作领域内实际使用的模型，从而确保其可靠性，"HuguesTurbé解释说。为了进一步研究，该团队已经开发了一个合成数据集，他们已经向科学界提供了该数据集，以轻松评估任何旨在解释时间序列的新人工智能。在医学应用的未来展望未来，该团队现在计划在临床环境中测试他们的方法，那里对人工智能的忧虑仍然很普遍。MinaBjelogrlic博士解释说，他是Lovis教授部门的机器学习团队的负责人，也是这项研究的第二作者，"建立对人工智能评估的信心是在临床环境中采用它们的关键步骤。我们的研究侧重于对基于时间序列的AI的评估，但同样的方法可以应用于基于医学中使用的其他模式的AI，如图像或文本。"...PC版：https://www.cnbeta.com.tw/articles/soft/1358077.htm手机版：https://m.cnbeta.com.tw/view/1358077.htm