跳到正文
Apple Machine Learning Research·· 13 天前AI 评分15

Apple 研究:用户自撰个人感知系统中的本体边界协商

Negotiating Ontological Boundaries in User-Authored Personal Sensing Systems

AI 导读

Apple 与斯坦福大学研究者用 Wizard of Oz 技术设计了两款开放式探针,让参与者训练基于自定义现象的个人化机器学习系统,并在为期一周的日常使用中识别出四类本体边界协商场景:现象边界、作为关系一部分的主体、何为信号何为噪声、以及数据的客观性。论文已被 ARES 2026 的 AI4TCI Workshop 接收。

正文 · AI 翻译

作者Nava Haghighi†**、Danielle Olson、Halden Lin**、Erdrin Azemi、Gierad Laput、Kayur Patel**、James Landay†

设计的人工制品具有本体论性质,它塑造、有时也限制了什么成为可能或可想象。缓解此类封闭的一条路径是赋予人们设计并构建系统的权力。尽管围绕支持此类作者身份的系统已有数十年的学术研究,但这些系统往往以是否可用、有用或技术可行来评估,而本体论边界协商的问题则未被审视。我们设计了两个开放式探针,利用绿野仙踪技术,使人们能够体验在人们自己定义的现象上训练个性化机器学习系统。在一项为期一周的探索性研究中,参与者在日常生活中使用两种探针之一。我们识别出四个本体论边界被协商的场所:现象的边界、作为关系一部分的主体、何为信号何为噪声,以及数据的客观性。我们提供了通过设计支持边界协商的起点,并讨论了将开放式探针作为本体论设计的一种方法。

  • † 斯坦福大学
  • ** 在 Apple 工作期间完成

相关阅读与更新。

本文被 2026 年国际可用性、可靠性与安全性会议(ARES)的 AI4TCI(面向安全可信关键基础设施系统的人工智能研讨会)研讨会接收。

自主协商代理正越来越多地部署在保险和采购等高风险场景中。虽然密码学技术保护了明确披露的约束值,但它们未能应对一种更隐蔽的威胁:…

阅读更多

知识图谱(KG)是许多人工智能应用的基础,但保持其新鲜度和完整性仍然成本高昂。我们提出 ODKE+,一个生产级系统,能够以高精度从网络来源自动提取并摄取数百万个开放域事实。ODKE+ 将模块化组件组合成可扩展的流水线:(1)提取启动器检测缺失或过时的事实,(2)证据检索器收集支持…

阅读更多

来源:Apple Machine Learning Research · machinelearning.apple.com