亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

摘要

本文提出改變博弈論的本體論和方法論，將博弈定義為對參與者戰略推理過程的理解。我們的貢獻是基于一種跨學科的方法來重新評估戰略推理中涉及的主體間類型。我們認為博弈分析必須涉及對引導參與者找到特定解決方案的推理過程的研究和確定。不應像在標準博弈論中那樣將博弈理解為均衡時個人選擇的數學表示。這需要調查參與者的協調能力。我們聲稱理解協調過程有助于理解參與者的戰略推理。這使得為??博弈論中的不確定性問題提供新的答案成為可能，這構成了博弈論面臨的僵局之一，并強調了其積極和規范的困難。該論文基于這樣一個論點，即理解參與者在博弈中的推理過程首先需要解釋參與者如何形成他們對其他參與者選擇的信念、他們的感知和他們的信念，以及他們的推理方式。本論文的目標之一是表明解釋參與者信念形成的心理學理論對于解釋協調是必要的，并且心理理論（ToM）提供了一個充分的心理框架。我們建議構建一個基于模擬理論的替代博弈論作為心理理論。當參與者模擬他人的推理時，我們定義了博弈中理性選擇的公理化特征。

引言

本論文的目的是研究參與者可能實際對非合作博弈實施“解決方案”的條件，即存在均衡的條件，引導參與者找到相關解決方案的推理過程，以及它們如何收斂到相同解決方案的識別。的確，經典博弈論中博弈的數學定義所包含的均衡和解的具體說明，假設存在解，并關注這種解存在的數學條件，而沒有對具體過程或“力”導致這個解決方案（Giocoli，2003 年）。盡管博弈論的目的是從規范和積極的角度為博弈“提出”解決方案（Sugden，2001），但均衡的存在是假設的（同上），以定義理性博弈。博弈論者通常對智能體交互過程中的條件缺乏興趣，以確保解決方案的存在。博弈不被視為一個過程，而只是一種戰略選擇的代表。從這個角度來看，Sugden (2001, p. 128) 提到“決策的經濟理論家不愿意面對實證問題。該理論最持久的特征似乎不是任何統一的解釋原則，而是致力于一種先驗的探究模式。”

因此，本文建議研究特定解決方案可能出現的條件。這需要調查參與者的協調能力，就像 Schelling (1960) 的理論貢獻所理解的那樣：作為參與者的意圖和信念，然后是行動的收斂過程。解決方案的存在是假設參與者對他人選擇和行為的信念是一致的，即彼此一致。調查參與者的信念可以收斂的條件需要關注參與者推理，即將戰略推理理解為參與者必須相互調整的實際推理過程。因此，與博弈論中所做的相反（甚至在本論文中將討論的認知博弈論），將參與者的“心理狀態”納入博弈中是必要的。參與者的信念在認知博弈論中通常被稱為心理“變量”（參見 Perea，2014），但在本文中我們更一般地指的是心理“狀態”；從認知科學借來的術語。心理狀態不僅指參與者的信念，還指他們的偏好、意圖或感知。我將爭辯說，博弈中收益和信念的兩種不同定義是共存的：一種只是表示選擇，其中沒有空間來定義參與者的動機和感知或根據心理變量理解的信念，另一種是承認角色參與者的心理狀態和推理過程。標準（經典或認知）博弈論依賴于對收益的第一個解釋，因此不提供對此類選擇的解釋。此特征源自標準博弈論中普遍存在的解決方案的數學表示

在 Giocoli (2003) 的術語中，論文的目的是提出一個特定解決方案“如何以及為什么”出現的問題，并研究它可以存在的條件，以回答“如何以及為什么”這個問題可以出現特定的解決方案。為此，本文的目的是向讀者提供關于協調的本體論觀點。

美國軍方和情報界對開發和部署人工智能 (AI) 系統以支持情報分析表現出興趣，這既是利用新技術的機會，也是應對不斷激增的數據過剩的解決方案。然而，在國家安全背景下部署人工智能系統需要能夠衡量這些系統在其任務背景下的表現。

為了解決這個問題，作者首先介紹了人工智能系統在支持智能方面可以發揮的作用的分類法——即自動分析、收集支持、評估支持和信息優先級——并提供了對人工智能影響驅動因素的定性分析。每個類別的系統性能。

然后，作者挑選出信息優先系統，這些系統將情報分析師的注意力引導到有用的信息上，并允許他們忽略對他們無用的信息，以進行定量分析。作者開發了一個簡單的數學模型來捕捉此類系統的錯誤后果，表明它們的功效不僅取決于系統的屬性，還取決于系統的使用方式。通過這個練習，作者展示了人工智能系統的計算影響和用于預測它的指標如何用于描述系統的性能，以幫助決策者了解其對情報任務的實際價值。

報告指出，目前存在多種描述人工智能系統性能的標準方法，包括通常被稱為“精確度”、“召回率”和“準確率”等指標，但這些標準并未提及該系統對其所支持任務的影響。在準確率與情報任務成功之間沒有明確關聯的情況下，只能依據情報任務的完成水平對系統有效性作出臨時判斷。基于此，報告作者將人工智能系統在情報分析過程中可發揮的功能分為四大類，分別評估每項功能的錯誤輸出可能會對結果產生的影響，從而理解“人工智能系統性如何影響情報分析的有效性”。

按照情報周期的組織過程，報告將人工智能系統可在該過程中發揮的作用分為四大“系統功能模塊”，分別是提供評估支持、自動分析、優先信息和收集支持。報告為每個功能模塊設計了函數模型，以詳細推演其在情報過程中的作用。

通過對“從任務到系統”的追溯性推演評估，報告得出兩個一般性結論：首先，在部署人工智能系統前，制定與符合實際情況優先級的情報監測指標十分重要，這一工作應以評估系統部署的實際影響力為指導；其次，系統的有效性不僅取決于系統屬性，還取決于如何使用。

研究問題

• 人工智能系統的性能衡量指標如何與情報分析的有效性相關聯？
• 人工智能如何用于支持智能過程，既反映在真實系統的開發中，也反映在可能尚未開發的假設系統中？
• 研究人員如何對智能過程進行建模，以確定位于該過程中的人工智能系統如何影響它？
• 存在哪些衡量 AI 系統性能的指標？

主要發現

使用與實際優先級不匹配的指標會掩蓋系統性能并阻礙對最佳系統的明智選擇

• 度量選擇應該在系統構建之前進行，并以估計系統部署的實際影響為指導。

有效性，以及衡量它的指標，不僅取決于系統屬性，還取決于系統的使用方式

• 決策者需要考慮的一個關鍵因素是，除了用于構建系統的資源之外，還有多少資源用于任務。

建議

• 從正確的指標開始。這需要詳細了解 AI 系統的使用方式，并選擇反映該使用成功的指標。
• 定期重新評估（和重新調整）。由于系統周圍的世界在部署后繼續發展，因此系統評估必須繼續作為定期維護的一部分。
• 系統設計人員擁有一套完善的衡量 AI 系統性能的指標，熟悉這些傳統指標將在設計新系統或維護現有系統的過程中簡化與專家的溝通。
• 進一步研究評估人工智能系統有效性的方法。

美國陸軍總部發布新版“ ATP 2-33.4 Intelligence Analysis: January 2020”

情報分析是情報的核心。它是包括計劃在內的許多參謀活動的基礎，并貫穿整個美國陸軍。除其他結果外，分析有助于指揮官和其他決策者可視化作戰環境 (OE)、組織部隊和控制行動以實現其目標的能力。要了解情報分析的作用，情報專業人員必須了解情報分析與其他參謀流程的對應關系，尤其是軍事決策過程和信息收集。

ATP 2-33.4 向包括指揮官、參謀和領導人在內的廣大受眾提供有關情報人員如何進行分析以支持陸軍行動的基本信息。它描述了情報分析過程和具體的分析技術以及情報人員，特別是全源分析師在所有情報學科中進行情報分析的信息。此外，ATP 2-33.4 描述了情報分析如何促進指揮官的決策制定和對復雜環境的理解。ATP 2-33.4 的主要受眾是進行情報分析的初級到中級情報分析員。本出版物為指揮官、參謀人員和其他高級軍事人員提供情報分析的基本信息。

關鍵詞：

決策、軍事裝備、軍事戰略、軍事戰術、戰備、戰爭和軍事行動

?

【摘 要】

美國國防部(DoD)需要能夠評估非致命武器(NLWs)的戰術、作戰和戰略影響，以指導這些系統的開發，如何和何時使用它們，以及將它們整合到國防部的整體能力中。NLWs的例子包括：聲波器、激光眩眼器、閃光彈、鈍器彈藥(如橡膠子彈)、泰瑟槍、胡椒彈、主動拒絕系統(ADS)，它能發射毫米波能量，造成暫時的加熱感覺，使車輛和船只癱瘓的微波發射技術，還有使螺旋槳糾纏不清的停船技術。NLWs是中間力量能力(IFCs)的一個子集。IFC是一個非理論術語，包括NLWs和各種造成非致命影響的技術。通過在不施加致命武力的情況下限制其他各方的行動路線，核武器可以幫助實現軍事目的，同時避免附帶損害。

本報告描述了如何通過將NLWs執行的活動與直接產出、更高層次的結果和部門范圍的戰略目標聯系起來，來描述NLWs的戰術、操作和戰略影響。它還提供了一組度量標準，可用于評估這些活動、輸出和結果。這些指標的識別和表征也為數據收集奠定了基礎，這些數據收集可用于進一步評估NLWs在多個層面的影響，進而可以以增強其對國防部效能貢獻的方式影響NLWs的使用。基于訪談的關于NLWs的見解還可以影響如何使用這些信息來影響這些系統的未來開發和使用。

【研究問題】

• NLW 如何為國防部的總體目標做出貢獻？

• 如何評估 NLW 的潛在戰術、操作和戰略影響？

【主要發現】

1. NLW 的產出和成果與戰略目標密切相關；憑借其相關的指標，它們可用于有效地描述 NLW 對整個國防部的影響

• 關鍵的 NLW 輸出包括創建額外的選項、限制其他方的選項、延長決策時間表以及在減輕多種風險的同時采取有效的行動。

• 主要成果包括改進的灰色地帶能力、在否則風險太大的環境中運作的能力，以及增強對美軍的認識。

2. 對 13 個小插曲的探索證明了 NLW 的實用性超出了它們經常被歸類的執法和人群控制的用途 NLW 是聲學系統和激光眩目器，它們可以招呼、欺騙、分散注意力、迷失方向或迷惑，而 ADS 則提供集中效果以在戰術上威懾、拒絕進入或誘導離開。

• NLW 可以使美軍在管理升級的同時表現出決心。

• 戰略影響包括提高武裝沖突水平以下的能力和主動擴大競爭空間。

3. 關于 NLW 的四個關鍵主題來自對不同專家組和利益相關者的采訪

• 文化和資源問題是采用 NLW 的最大挑戰。有限的 NLW 可用性和相互競爭的培訓需求常常迫使部隊不重視 NLW，即使它們可能有用。

• NLW 通常被認為是繁重的，以至于由于后勤問題和限制，它們沒有被納入作戰行動。

• 額外使用 NLW 的機會并未得到廣泛認可。

• 上述挑戰相互加強。

【建 議】

• NLW 活動、產出、成果和國防部范圍的戰略目標之間的聯系應在各種論壇（包括與高級領導人）中展示和討論，以傳達 NLW 如何為這些戰略目標做出貢獻。

• 應與服務部門協調工作，通過提供指標值來收集可用于評估 NLW 影響的數據。

• 工作應與服務部門協調，以確保政策和行動概念一致且清晰易懂。

• 應與參謀長聯席會議 J7 就有關 NLW 的聯合訓練標準化進行合作，以確保各軍種與 NLW 一起提供全面的部隊訓練，并確保 NLW 與部隊的戰術、技術和程序緊密結合。

• 軍隊內部應該通過將活動、產出、結果和戰略目標聯系起來的解釋，以及對小插曲的探索、實況演習和兵棋推演中的演示，以及使用數據集來衡量 NLW 的影響，一旦這些變得可用。

• 應該從一開始就設計未來的 NLW，以盡量減少它們對感知和實際負擔的貢獻最大的方面。

歐盟委員會在2020年2月19日發布《人工智能白皮書》，提出一系列政策措施，旨在大力促進歐洲人工智能研發，同時有效應對其可能帶來的風險。

　　人工智能戰略是歐盟數字戰略的核心支柱之一。歐盟提出要建立一個“可信賴的人工智能框架”，重點聚焦三大目標：研發以人為本的技術；打造公平且具有競爭力的經濟；建設開放、民主和可持續的社會。并提出了一項雄心勃勃的投資計劃，將在今后10年內每年投入高達200億歐元的技術研發和應用資金。歐盟在保護公民隱私和數據安全方面制定了一系列措施。例如，人工智能企業必須通過相關部門的安全測試和資質審核才能進入歐盟市場。

　　《人工智能白皮書》將在未來三個月內接受各界人士的公開咨詢，再根據反饋結果進行相應修訂。根據計劃，歐盟將于今年年底制定出臺《歐盟數字服務法》等具有法律約束力的數字規則，從而對規范市場準入、強化企業責任和保護基本權利等問題作出明確規定。

　　分析人士指出，歐盟此舉不僅是要補足前沿科技短板，更是要搶抓數字時代的全球規則主導權。

白皮書指出，人工智能 (AI) 是一項戰略性技術，有益于社會、公司和個人。AI以人為本，基于道德，可持續發展，尊重最基本的權利和價值。AI帶來的效率和生產率不僅能夠提升歐洲的產業競爭力，提升人們的生活福祉，還能夠有效應對氣候變化、環境退化、人口變化、民主權益、社會犯罪等一些急迫解決的社會問題。

在激烈的全球競爭大背景下，歐盟需要在2018年4月發布的《歐盟AI戰略》基礎上找到一條堅實可靠的歐洲路徑。面對AI帶來的機遇與挑戰，歐盟需要秉持歐洲價值觀，以自己獨有的方式行動起來，推動AI的發展和部署。歐盟委員會致力于推動AI科技創新，保持歐盟AI科技的領先地位，確保新技術為全歐洲服務，在提升人們生活質量的同時尊重相關權益。為了抓牢本次AI帶來的機遇，歐洲必須加強產業和技術能力建設。與歐洲AI戰略相呼應的《歐洲數據戰略》中指出，仍需要采取措施使得歐洲成為全球數據中心。《歐洲數據戰略》旨在讓歐洲成為世界上最具吸引力、最安全、最動態的數據經濟體。

歐盟委員會支持的這項投資導向的監管路徑有著雙重目標：一是推動AI進步；二是應對在使用AI過程中產生的相關風險。歐洲AI路徑旨在提升歐洲在AI領域的創新能力，同時提升貫穿歐盟經濟的道德性和可靠性。AI應該服務于人類生活福祉的提升和社會更好的發展。

白皮書分六個章節。一是引言，包含問題界定、可能需要修訂的現存與AI相關的歐盟立法框架、未來歐盟監管框架范圍、要求類型。二是“利用產業和專業市場的優勢”。三是“抓住面前的機遇—下一個數據浪潮”。四是“卓越生態系統”。五是“信任生態系統—AI監管框架”。六是結束語。

白皮書主要圍繞“卓越生態系統”（ecosystemof excellence）和“信任生態系統”（ecosystem of trust）兩個方面的建設展開：

一、“卓越生態系統”。是要建設一個歐洲、國家和地區三個不同層面措施協同的政策框架。公共部門和私營部門共同合作，調動資源，沿著整體價值鏈建設“卓越生態系統”，從研發創新開始，建設正確的激勵機制來加快AI解決方案的在包括中小企業在內的應用。

二、“信任生態系統”。它是歐洲AI未來監管框架的關鍵要素。要做到這一點，必須確保體系遵守歐盟的規則，包括保護基本權利和消費者權利，尤其是那些在歐盟運行的、風險較高的AI系統。這個政策為市民使用AI應用增添了信心，為企業和公共組織的AI創新提供了法律保障。歐洲委員會強烈贊同“以人為本”。

白皮書指出，歐盟資金項目（EU fundingprogramme）在集中力量辦大事上具有重要貢獻，能夠避免重復建設，并撬動歐盟成員國公共部門和私營部門的投資。在過去的三年中，歐盟資金用于AI研究和創新的費用15億歐元，與之前相比增長了70%。

然而，歐洲的AI投入在世界也僅占一小部分。2016年，歐洲用于AI的投入為32億歐元。北美為121億歐元。亞洲為65億歐元。作為回應，歐洲需要大幅度提高AI研究和創新領域投資水平。目標是在未來10年，歐盟資金每年在成員國范圍內吸引200億歐元的AI技術研發和應用資金。

//ec.europa.eu/info/sites/info/files/commission-white-paper-artificial-intelligence-feb2020_en.pdf