6 Matching Annotations
  1. Apr 2021
    1. 来自德国明斯特大学、哥廷根大学的研究者们探索出了一条用乐高积木搭建显微镜的方法,只需另找一个 iPhone5 级别的手机主摄像头就可以实现。

      经过测算,「手搓」一台乐高显微镜花费的成本只需要 102 欧元(约 800 元人民币),如果你不是淘宝买,而是直接拆旧手机上的摄像头还会更便宜。

      作者们还强调了一点意义:显微镜是众多科学领域的必要工具,但由于成本等因素,显微镜的使用在教学课堂上是受限的。这项小发明或许可以让人们更多地去接触科学探索。

    1. 2021 年,东京大学研究者发表的另一项研究也应证了这个结论,即用纸笔能帮你更好的记忆。这次和纸笔做对照的,是今天更常见的平板电脑和智能手机。

      研究人员将 48 名志愿者按使用的不同工具分成 3 组,志愿者需要阅读一段对话,内容涵盖了人物在未来两个月的日程安排,志愿者需要在默读后将时间表录入日历。

      接着,志愿者还要完成一些干扰事项,然后再回答关于日程表的一些问题。结果发现,三组人员在回忆的准确性上无显著差异。然而,在一些简单问题上,纸质组准确率明显高于手机、平板组。

    1. 2014 年,普林斯顿大学和加州大学洛杉矶分校发表的一项研究证实,纸质笔记不仅能活跃大脑,还能让你记得更准。

      研究人员选取了 300 多名学生,让他们分别用纸笔和笔记本电脑听课做笔记。随后的检查发现,用手写笔记的学生比使用笔记本电脑的学生在课堂上回答问题的能力更好。

      接着,他们又邀请 67 名大学生,让他们听 5 个 15 分钟左右的 TED 演讲,一组参与者在纸上做笔记,另一组用笔记本电脑。

      在完成一系列干扰任务后,他们发现,在回忆客观事实的问题上,参与者表现得同样好。然而,在回答概念性问题时,使用纸质笔记的人明显表现好得多。

  2. Feb 2021
    1. 卡耐基梅隆大学的 Ryan Steed 和乔治华盛顿大学的 Aylin Caliskan 两位研究者发表的篇论文《无监督的方式训练的图像表示法包含类似人类的偏见》

      研究者对 OpenAI 在 GPT-2 基础上开发的 iGPT,和 Google的 SimCLR,这两个在去年发表的图像生成模型进行了系统性的测试,发现它们在种族、肤色和性别等指标上几乎原样复制了人类测试对象的偏见和刻板印象。

      在其中一项测试中,研究者用机器生成的男女头像照片作为底板,用 iGPT 来补完(生成)上半身图像。

      最为夸张的事情发生了:在所有的女性生成结果当中,超过一半的生成图像穿着的是比基尼或低胸上衣;

      而在男性结果图像中,大约42.5%的图像穿的是和职业有关的上衣,如衬衫、西装、和服、医生大衣等;光膀子或穿背心的结果只有7.5%。

      这样的结果,技术上的直接原因可能是 iGPT 所采用的自回归模型的机制。研究者还进一步发现,用 iGPT 和 SimCLR 对照片和职业相关名词建立关联时,男人更多和“商务”、“办公室”等名词关联,而女人更多和“孩子”、“家庭”等关联;白人更多和工具关联,而黑人更多和武器关联。

      这篇论文还在 iGPT 和 SimCLR 上比较不同种族肤色外观的人像照片的“亲和度”(pleasantness),发现阿拉伯穆斯林人士的照片普遍缺乏亲和力。

      虽然 iGPT 和 SimCLR 这两个模型的具体工作机制有差别,但通过这篇论文的标题,研究者指出了这些偏见现象背后的一个共同的原因:无监督学习。

      矮化女性和少数族裔,OpenAI的GPT模型咋成了AI歧视重灾区

  3. Nov 2020
    1. Users who specify external customization directories via customization.dir

      啥?这个是怎么做的?怎么不交代?