可用性设计就是以提高产品的可用性为核心的设计，它是设计艺术心理学运用于设计践中，指导设计的一个重要组成部分。可用性设计也可以理解为一种“以用户为核心的设计,因而，可用性设计包括两个重要的方面，即以目标用户心理研究（用户模型、用户需求、使用流程等）为核心的可用性测试，另一个方面就是将认知心理学、人机工程学、工业心理学等学科的基本原理灵活运用于设计行为中。 1. 什么是可用性？ 可用性是用来衡量某个产品被特定的用户在特定的场景中，有效、高效并且满意得达成特定目标的程度。第一、可用性不仅是涉及到界面的设计，
医学影像技术的发展极大地促进通过非侵入型的方法对人脑结构和功能的进一步了解。核磁共振技术发源于1946年斯坦福大学的Flelix Bloch教授和哈佛大学的Edward Purcell教授领导的两个研究小组各自独立的发现了核磁共振现象，两位教授也凭借这一重大发现，共同分享了1952年的诺贝尔物理学奖。而后，磁共振成像技术基于这一物理现象发展起来。在1972年，Paul Lauterbur 教授发展出一套对核磁共振信号进行空间编码的方法，并第一个用水模采集了第一幅由磁共振成像的二维图像，即自旋密度成像法，证明这种技术可以用作人体成像。随着核磁技术的发展，到今天已经可以为研究者提供多模态、高空间分表率以及有着一定时间分辨率的人脑空间图像，也极大地促进了脑科学的发展。但是脑影像数据的处理和分析涉及到多个学科，要求研究者掌握基础物理、统计学、概率论、编程语言及人体解剖学等各学科的知识，对学科交叉能力有着很强的要求。幸运的是，处理数据的软件为我们提供了极大地便利，而我们通过对一些综合性知识介绍较为透彻的书籍就可以较为快速的对脑磁数据和处理方法有更为直观地理解，并以此为基础进一步深入。本次，小编就为您整理几本基础的脑磁数据理解和分析方法的书籍，以供您参考。
社交网络分析（Social Network Analysis, 简称SNA）是一种研究虚拟或现实社会网络结构与特征的方法，通过了解个体之间的联系和关系，在社会学、心理学、人类学等领域有广泛应用。
人工神经网络在过去的七十年的时间里数次起起伏伏,几十年间人们一直在追求机器的智能化,在近几年的研究中,随着数据量的增加和深度学习神经网络算法的研究和进步,表明了深度学习是很有效的,但是仍有其局限性.而我们了解历史,会让我们有更多的思考和启发. 一:起源 ‘’思维的本质”是人类一直思考的本源问题之一,研究,模仿人类大脑和神经网络的工作机制,并且使用机器去实现人类的工作,使机器获得人具有人一般的思考能力和思维能力以及抽象能力,因为机器是永不疲倦的,和具有比人类更快的运转速度,并且更适合大量的复制. 神经网络的研
人工神经网络在过去的七十年的时间里数次起起伏伏,几十年间人们一直在追求机器的智能化,在近几年的研究中,随着数据量的增加和深度学习神经网络算法的研究和进步,表明了深度学习是很有效的,但是仍有其局限性.而我们了解历史,会让我们有更多的思考和启发.
【新智元导读】从笛卡尔的身心二元论到波普尔《科学发现的逻辑》；从帕斯卡尝试建造机械计算机到ENIAC诞生；从达特茅斯会议召开到AlphaGo击败李世石......回顾过去，对自身认知的探问和创造人工智能是人类一直以来的前行方向。北邮人机交互与认知工程实验室主任刘伟及其研究生赵璐梳理人工智能发展里程碑事件，提醒我们不要忘记，现在和未来的成就都建立在前人的历史积累之上。 时间人物事件意义1633Rene Descartes发表著作《论人》提出灵魂存在于大脑的松果体中1714Gottfried Wilhelm L
投稿和反馈请发邮件至hzzy@hzbook.com。转载大数据公众号文章，请向原文作者申请授权，否则产生的任何版权纠纷与大数据无关。
二、人工智能发展大事记 时间 人物 事件 意义 1633 Rene Descartes 发表著作《论人》 提出灵魂存在于大脑的松果体中 1714 Gottfried Wilhelm Leibniz
我们来看一下几类在程序员成长、发展的常见问题，如果你或多或少存在一些，那么恭喜你，这篇文章值得你仔细往下看了：
AI 科技评论按：最近，AI 系统已经学会一系列游戏的玩法，如雅达利经典游戏 Breakout 和 Pong。尽管这样的表现令人印象深刻，但其实人工智能需要数千小时的游戏时间才能达到并超越人类玩家的水平。相比之下，我们则可以在几分钟内掌握以前从未玩过的游戏的基础操作。DeepMind 对这个问题进行了研究，论文《Prefrontal cortex as a meta-reinforcement learning system》发表了在了《自然》神经科学子刊上。随着论文发表，DeepMind 也撰写了一篇解读博客，介绍了论文的主要内容。 AI 科技评论编译如下。
AI 研习社按：最近，AI 系统已经学会一系列游戏的玩法，如雅达利经典游戏 Breakout 和 Pong。尽管这样的表现令人印象深刻，但其实人工智能需要数千小时的游戏时间才能达到并超越人类玩家的水平。相比之下，我们则可以在几分钟内掌握以前从未玩过的游戏的基础操作。DeepMind 对这个问题进行了研究，论文《Prefrontal cortex as a meta-reinforcement learning system》发表了在了《自然》神经科学子刊上。随着论文发表，DeepMind 也撰写了一篇解读博客，介绍了论文的主要内容。 AI 研习社编译如下。
格式塔是德文“Gestalt”的译音，意思是“完形”，即具有不同部分分离特性的有机整体。这种整体性应用于心理学中，产生了格式塔心理学，在国内又称作“完形心理学”。
---- 新智元报道 来源：DeepMind 编辑：肖琴 【新智元导读】继上周在 Nature 发表极受关注的“网格细胞”研究后，DeepMind今天又在《自然-神经科学》发表一篇重磅论文：利用强化学习探索多巴胺对学习的作用，发现AI的学习方式与神经科学实验中动物的学习方式类似。该研究提出的理论可以解释神经科学和心理学中的许多神秘发现。 AI系统已经掌握了多种电子游戏，如雅达利经典的“突出重围”（Breakout）和“乒乓球”（Pong）游戏。但尽管AI在玩游戏方便的表现令人印象深刻，它们仍然是依靠
【新智元导读】简单的智慧算法存在吗？物理学家兼畅销书作者、Y Combinator Research的Michael Nielsen就此写了一篇文章。网易有道CEO周枫用有道机译 + 少量人工修正给出了下文。一起来看。 达到人的水平的，简单的人工智能/智慧算法是否有可能存在？这个是一个带有终极性的问题。尤瓦尔·赫拉利的畅销书《未来简史》（Homo Deus）中花了大量笔墨讨论智人的智能的来源，以及『意识』是否真实存在等问题，如果说这些是关于理解智慧的问题，那么『简单的智慧算法是否存在』就是一个关于能否创造智
前言 “水是最好的”（Water is best），这句话是西方“科学和哲学之祖”泰勒斯（Thales，约公元前624年——公元前546年）的名言，无独有偶，与他同时代的东方圣人老子（约公元前571年-公元前471年之间）也曾说过 “上善若水”。正如东西方的这两位先贤对水的青睐一样，人类科技发展的初始动因也源自对水的利用，因对尼罗河、两河、恒河、黄河的开发治理诞生出了四大古国的灿烂文明，使得数学、物理、化学、天文、地理等科学技术知识纷纭而至。面对繁重的劳动量，人们发明制造出了可以减轻生理负荷的各种机械装置（
在教育部高等教育司的指导下，Wiztalk在2020年发布了一批教育部产学协同育人项目，面向有计算机科普工作经验的高校老师开放，将应用型的信息技术领域成果形成系列信息技术通识课程。 接下来内容为于建国老师作品，希望对各位读者有所助益。 ---- 本期内容 视频作者： 西安电子科技大学 于建国 本期题目： 《【寻径01】拼命努力的她，却换来这样的成绩》 内容简介： 经常听到所谓“男生上了高中后就能轻松超越女生”的说法，而一些女生拼命努力后的结果也仿佛在应证这一点，但这其实是对于学习的一种偏见。本期是于
在主动推理下,如果其他人对注意力(或任何其他结构)有不同的定义,这并不重要——因为我们可以简单地参考正在讨论的数学结构,并排除任何混淆。
https://www.bilibili.com/cheese/play/ep6902
MRI的知识涉及方方面面，且不论有各种模态的MRI，单单是我们科研中最常用的技术之一fMRI，就使得很多初学者摸不着头脑。为了便于初学者学习，笔者在这里倾心整理优质的MRI在线视频教程、学习网站和书籍教材等学习素材，希望对正在MRI学习路上的朋友有所帮助（注：部分内容来源于行上行下）
大模型思维链技术是一种基于人工智能的方法，旨在模拟人类思维的连贯性和逻辑性。它通过构建一个模型，来模拟人类在面对一个问题时思考的过程，并生成一系列相关的思维环节，形成一个连贯的思维链。这个思维链可以包含问题的分析、解决方案的推导、相关联的经验和知识等，帮助人们更好地理解和解决复杂的问题。
📷 思影科技将于2018年5月31日--2018年6月5日(周四-下周二)在重庆举办第六届脑电数据处理基础班（详见课表安排）。 1、培训简介 脑电相关技术（例如EEG/ERP/ERSP等）自
然后，朋友圈里一会儿是“00后开始学习人工智能”，一会儿又是“35岁的程序员没人要”……数据叔觉得，焦虑往往来源于对未知（以及自己的无知）的恐惧，所以数据叔也在反思，在我们的学习和成长过程中缺失什么？应该怎样补上？
因此，为了向处于美食诱惑之下的亲朋好友们解释软件相关工作的一般概念，这有一个比喻来帮助你。
作为一门新兴学科，在具体的设计操作过程中，用户体验设计吸取了多个学科的知识。除了第一章所讲述的面向人的学科和面向技术的学科之外，还包括面向设计的学科。
朋友们，你是怎么制作数据图表的？ 分析数据，得出结论；做一张图表，把它粘贴到报告中，再配上说明文字；写一个平平无奇的标题，比如“图1. 平均收入，1990—2020年”；另存为PDF格式，把它发送出去？ 你也许会用几个月甚至几年的时间来整理和分析数据并写出报告，但设计数据图表所用的时间要少得多？ 你可能会打开一个类似于Excel的软件，粘贴数据，单击下拉菜单，选择一张使用过数十次甚至上百次的图表，采用默认格式，并将其粘贴到报告中？ 又或者，你执着于制作一张酷炫、华丽、夺目的数据图表，于是Excel、Tab
网易云音乐的这个测试这两天刷爆了我的朋友圈。做完整个测试的我不得不感叹，网易云音乐的产品经理可能不懂心理测验，但是一定很懂人性。
基于设计心理学的图形设计，可以有助于提高图形本身的艺术价值。设计心理学研究的是：设计中不太被人们重视经常会被忽视的设计原理和规则，假如这些设计原理、规则一旦被我们运用到设计实践中，就可以有效的解决设计中遇到的问题，并提供一些合理的解决方案。
有的专业，会让人渐渐变了性格，也许曾经的你活泼开朗，但自从学了某种专业，你会变得郁郁寡欢，忧心忡忡；也许曾经的你内向、敏感、多疑，但自从学了某种专业，你会变得开朗乐观，看开了一切；也许曾经的你感性、冲动，爱极了热闹，但自从学了某种专业，你也会变的理性、冷静，喜爱享受静谧的美好。那么，看看你的专业，你还记得曾经的你吗？正如那首歌里唱的：“走了这么久，你变了没有？”
关于计算机能力是否可能赶上人类智能已经有了很多争论。我并不打算涉及这个问题。尽管存在争议，我相信智能计算机是可能的 - 虽然它可能是非常复杂，并且可能远远超出当前的技术。相反，我在这里探讨的问题是，是否有一套简单的原则可以用来解释智能？更具体地说，是有一个简单的智能算法？
由于社会科学中的可复制性较弱，学者们渴望量化一门学科的不可复制性的规模和范围。然而，小规模手动复制方法不适合处理这个大数据问题。在这里，我们在科学领域进行了一个全学科范围内的复制普查。包含样本（N=14,126篇论文）几乎涵盖了过去20年里在6家顶级心理学期刊上发表的几乎所有论文。使用一个经过验证的机器学习模型，估计论文的复制可能性，最终结果既支持又反驳了之前相对较小的人工复制样本中所得出的推测。首先，我们发现心理学的单一整体复制率不能很好地捕捉到子域之间不同程度的可复制性。其次，我们发现在所有子领域中，复制率与研究方法密切相关。实验的重复速率明显低于非实验研究。第三，我们发现作者的累积发表数量和被引文的影响与复制的可能性呈正相关，而对研究质量和严谨性的其他相关因素，如作者的大学声望和论文的被引文，与可复制性无关。最后,我们发现媒体关注与复制失败的可能性呈正相关。我们对可复制性的规模和范围的评估是广泛解决可复制性问题的重要下一步。
点击「爱阅读的小怪兽」关注 📷 图片来源于网络 今天的支付宝红包你扫了吗？ 今天，程序已经深入到我们生活的方方面面，从社交媒体、通信到银行、购物、教育以及医疗等，无不被信息化的产品占据。而搭载了各类APP（Application的缩写，指应用程序）的智能手机便是信息化时代极具代表性的产品。 比如，通过手机可以控制家里的摄像头，可以接入孩子幼儿园的监控探头，还可以进行我们习以为常的剁手、抢房、抢票等。总之，衣食住行均可以通过手机来搞定。智能化的程序很好的解决了信息不对称的问题，促成了“一部手机在手，走遍中国无
什么是心理学？ 依照百度百科的描述，心理学是一门研究人类的心理现象、精神功能和行为的科学。心理学研究涉及知觉、认知、情绪、人格、行为、人际关系、社会关系等许多领域，也与日常生活的许多领域——家庭、教育
不愿意看那一堆公式符号，却想知道卷积神经网络（Convolutional Neural Network）如何做图像分辨？分享一段我给自己研究生的讲解答疑视频，希望对你有帮助。
现实世界——从种族隔离制度到金融市场——一直在警示我们：那些试图通过科技来掌握复杂人类行为的做法会使我们误入歧途。 无论是在科学领域，还是在日常生活中，我们都经常会做出一些幼稚的事：我们坚持把未知的事物放进我们构想出来的模型里，坚持事实和我们所给出的模型能很好吻合。 在这里，我想引用著名的生物学家以及无神论者理查德·道金斯[2]在2007年洛杉矶时报上发表的一篇时评[3]。他认为绞死萨达姆·侯赛因可以算作是一种科学层面上的‘蓄意破坏’。 他认为：“（萨达姆的）那些思想无论在史学，政治学以及心理学上都是
了解我的朋友应该知道咱们是非常喜欢玩转数据可视化的，咱们公众号有关数据可视化的原创文章超过30多篇。
👆点击“博文视点Broadview”，获取更多书讯 朋友们，你是怎么制作数据图表的？ 分析数据，得出结论；做一张图表，把它粘贴到报告中，再配上说明文字；写一个平平无奇的标题，比如“图1. 平均收入，1990—2020年”；另存为PDF格式，把它发送出去？ 你也许会用几个月甚至几年的时间来整理和分析数据并写出报告，但设计数据图表所用的时间要少得多？ 你可能会打开一个类似于Excel的软件，粘贴数据，单击下拉菜单，选择一张使用过数十次甚至上百次的图表，采用默认格式，并将其粘贴到报告中？ 又或者，你执着于制作一
根据牛津大学的一项新研究，AI可以帮助我们更好地了解宗教暴力的原因，并可能对其进行控制。这项研究是首批使用心理现实人工智能（而非机器学习）的研究之一。
最近不少人工智能和计算机视觉的学者，带着自己的机器学习技术投身于心理学研究。出发点很好：用更新的技术探究问题。但是他们的成果让人担心。前有用人工智能分析潜在罪犯，后有用人工智能分辨性取向。这些论文都引发了轩然大波。不少人抨击之点就是伦理问题。其这些文章的科研问题也存在。相比于安防领域的面孔身份识别广受赞誉，那一类分析潜在罪犯潜在性格的机器学习研究其实都有值得推敲指出。 简单粗暴一句话：目前「用 AI 识别 xxx」一类研究，没想象中靠谱，不要轻信。 就让我们从斯坦福大学学者训练人工智能识别性取向说起吧。这篇
用以前爬的知乎用户行为数据，跑了一下Apriori算法，发现了一些有意思的关联规则。以下是简略的分析过程。数据采集数据怎么来的？当然不是知乎给的，是爬虫来的。怎么爬的？这篇文章就不说了。数据处理之前爬
书是人类进步的阶梯，读书开阔视野，拓宽境界。这些推荐的书籍涵盖了经济、心理、商业、历史、人文…是不可多得的精神产物。留着吧，有事没事读一读，提升自己的思想境界。
维金 编译整理 量子位 出品 | 公众号 QbitAI 一辆由人工智能驱动的自动驾驶汽车或许需要在模拟环境中撞树5万次，才能知道这是种错误的做法。相比之下，在悬崖上攀爬的野山羊面临着生存威胁，并没有太
2017年5月17日收到；已于2017年9月18日收到修订版；2017年9月18日接受
《我，机器人》是美国著名科幻作家艾萨克·阿西莫夫一生中最重要的一部中短篇科幻小说集。小说集描绘了机器人的智能水平在经历了一步步发展之后，最终“挺立于人类与毁灭之间”。更重要的是，小说中不但有机器人，还有“机器人心理学家”苏珊·凯文。
The foundation: Mechanism, prediction, and falsification in Bayesian enactivism
贝叶斯推荐你关注思影科技 来自美国匹兹堡大学精神病与心理学部的J.Richard Jennings等人在Hypertension杂志上发文指出，基于ASL成像的局部脑血流量指标，结合工作记忆量表分析，可以预测被试在2年内的血压变化。 随年龄增长，高血压和认知衰退往往共同出现，高血压可能会严重影响大脑并可能会导致中风。对动物实验的研究表明多种神经因子参与了高血压的形成，而对人类的研究发现在平均年龄50岁时，血压（BP）与脑容量，脑血流量（CBF）和白质完整性强相关，因此利用这类相关可以将一些大脑参数作为B
本来昨晚全身心准备学习材料来，但是无意中检索到三本统计学的pdf，分别翻看了一遍。 第一本统计学，一共130+页，全书一气呵成，很少见到把统计学的概念串联的，这么好的，所以忍不住再发出来。 书中一幅图，原始频率分布直方图 这也是此书的一大特点，它不是一上来累计概念，而是从最基本的统计常识演绎出统计学的主要理论概念，写的比较通俗。做到这点，显然不容易。需要很深的统计学功底，并有很长地应用统计学的实践经历，才有可能写出来。 电子书下载 三本统计学书PDF已经打包好，获取步骤如下： 1. 点击下方名片，关注
👆点击“博文视点Broadview”，获取更多书讯 📷 面对多变的未来，设计师你准备好了吗？ 数十年间，人们感知、接触、影响世界的方式一直在变。 人们接触世界的媒介从报纸、PC互联网、移动互联网、再到智能穿戴；人们了解世界的信息从文本、图文、再到视频。人与人、人与物、人与组织的关系都在变化。 而突然蔓延全球的新冠疫情，又给当今世界增加了一项不稳定因素。疫情下马斯诺提出的需求层级理论中，初级阶段的生理需求和安全需求显得尤为重要，由此也有了像口罩、新冠检测试剂盒等相关产品体验设计。 从体验经济开始、用户体验兴起
MBTI的科学性问题，很早就有争论，一方面它是500强公司经常使用的测评工具，一方面它却因为信度效度较低而备受争议。
弗兰西斯·高尔顿（Francis Galton，1822年2月16日—1911年1月17日），查尔斯·达尔文的表亲（高尔顿为达尔文的表兄），是一名英格兰维多利亚时代的文艺复兴人、人类学家、优生学家、热带探险家、地理学家、发明家、气象学家、统计学家、心理学家和基因学家。
选自DeepMind 机器之心编译 近日，DeepMind在其官方博客上发表了一篇题为《Interpreting Deep Neural Networks using Cognitive Psychology》的文章，试图通过认知心理学来解决深度神经网络中的「黑箱问题」，随着神经网络被广泛应用于实际问题，这一问题正变得越发重要；并且在已被ICML收录的DeepMind最新论文《Cognitive Psychology for Deep Neural Networks: A Shape Bias Case S
领取专属 10元无门槛券
手把手带您无忧上云
