Loading...
Lorin Crawford
机构名称：

Lorin Crawford

¥ 1.0
热度

约翰·霍普金斯大学，应用数学和统计系巴尔的摩，马里兰州2023年，南加州大学，QCB研讨会系列，加利福尼亚州洛杉矶，2023年，格雷斯·霍珀庆典，数据科学讲座，奥兰多，佛罗里2023年西奈山，查尔斯·布朗夫曼个性化医学研究所（CBIPM）研讨会，纽约，纽约，纽约市2023 ICLR，机器学习与全球健康网络研讨会，混合机，卢旺达，卢旺达2023年应用代数拓扑拓扑，在线研讨会系列，在线研究网络，在线研究223 UMASS BILOGIL，MAY SEMPREMES SEMPLICES SEMPRY，MAY SEMIGISS SEMITY SEMINIC SEMITY，MAYS SEMPREMES SEMITY，SEM会拓扑及其应用研讨会的随机性，伊利诺伊州芝加哥，2023 Cedars-sinai，计算生物医学大弹研讨会，洛杉矶，加利福尼亚州2023 NCI，癌症流行病学和遗传学部，生物统计学分支机构系列，研讨会系列，虚拟> 2023

添加pdf代下载 VIP点击下载文件

Lorin Crawford

Facebook Twitter Instagram Mail

主要关键词

Lorin CrawfordPDF文件第1页

Lorin CrawfordPDF文件第2页

Lorin CrawfordPDF文件第3页

Lorin CrawfordPDF文件第4页

Lorin CrawfordPDF文件第5页

相关文件推荐

Lorin Crawford
2025 年

Lorin Crawford

¥1.0
主席 Rick Crawford 2025 年 2 月 7 日
2025 年

主席 Rick Crawford 2025 年 2 月 7 日

¥1.0
乌克兰技术更新 1 - Crawford & Company
2022 年

乌克兰技术更新 1 - Crawford & Company

¥1.0
加拿大镍业公司签署最终协议，成立 ExploreCo 并合并 Crawford 地表开采权
2025 年

加拿大镍业公司签署最终协议，成立 ExploreCo 并合并 Crawford 地表开采权

¥1.0
月球雷果·马尔西亚斯（Lunar Regolith Breccias）作为对古代太阳风的探测器。 M. C. Nottingham 1,2 *，K。H. Joy 2，J。D. Gilmour 2，I。A. Crawford 3，L。Daly 1
2025 年

月球雷果·马尔西亚斯（Lunar Regolith Breccias）作为对古代太阳风的探测器。 M. C. Nottingham 1,2 *，K。H. Joy 2，J。D. Gilmour 2，I。A. Crawford 3，L。Daly 1

¥1.0
引用：Tuckerman J、Crawford NW、Marshall HS（2020 年）父母对儿童季节性流感疫苗接种建议的认识存在差异
2020 年

引用：Tuckerman J、Crawford NW、Marshall HS（2020 年）父母对儿童季节性流感疫苗接种建议的认识存在差异

¥2.0
最初发表于：Kline, Cassie；Jain, Payal；Kilburn, Lindsay；Bonner, Erin R；Gupta, Nalin；Crawford, John R；Banerjee, Anu；Packer, Roger J；
2025 年

最初发表于：Kline, Cassie；Jain, Payal；Kilburn, Lindsay；Bonner, Erin R；Gupta, Nalin；Crawford, John R；Banerjee, Anu；Packer, Roger J；

¥1.0
在使用人工智能和数据科学方法时优先考虑环境可持续性 Caroline Jay 1,2,3 , Yurong Yu 4 , Ian Crawford 5 , Scott Archer-Nicholls 6 , Philip James 7 , Ann Gledson 6 , Gavin Shaddick 8,3 , Robert Haines 2, 6, , Loïc Lannelongue 2 ,9,10,11,12 , Emily Lines 3 ,13 , Scott Hosking 3 ,14 , David Topping 3,5 人工智能 (AI) 和数据科学将在改善环境可持续性方面发挥关键作用，但如果没有可持续的设计和使用，这些方法的能源需求将对环境产生越来越负面的影响。在计算资源的可用性将持续增加且成本将持续降低的隐含假设背景下，研究人员在设计或选择分析方法时很少明确考虑环境影响。我们相信，环境科学界有机会推动方法的改变，在进行自己的计算研究时优化能源使用，并倡导其他研究领域也这样做。在计算研究中考虑环境可持续性将加速创新并使其民主化：受气候变化影响最大的地区——以及当地研究可能带来巨大好处的地区——不太可能获得重要的计算资源。将能源效率和可持续性作为主要考虑因素还将催化科学研究的创新方法
2024 年

在使用人工智能和数据科学方法时优先考虑环境可持续性 Caroline Jay 1,2,3 , Yurong Yu 4 , Ian Crawford 5 , Scott Archer-Nicholls 6 , Philip James 7 , Ann Gledson 6 , Gavin Shaddick 8,3 , Robert Haines 2, 6, , Loïc Lannelongue 2 ,9,10,11,12 , Emily Lines 3 ,13 , Scott Hosking 3 ,14 , David Topping 3,5 人工智能 (AI) 和数据科学将在改善环境可持续性方面发挥关键作用，但如果没有可持续的设计和使用，这些方法的能源需求将对环境产生越来越负面的影响。在计算资源的可用性将持续增加且成本将持续降低的隐含假设背景下，研究人员在设计或选择分析方法时很少明确考虑环境影响。我们相信，环境科学界有机会推动方法的改变，在进行自己的计算研究时优化能源使用，并倡导其他研究领域也这样做。在计算研究中考虑环境可持续性将加速创新并使其民主化：受气候变化影响最大的地区——以及当地研究可能带来巨大好处的地区——不太可能获得重要的计算资源。将能源效率和可持续性作为主要考虑因素还将催化科学研究的创新方法

¥1.0
非人类人道主义：当人工智能的善举变成坏事时 Mirca Madianou 伦敦大学金史密斯学院 2018 年，有超过 1.68 亿人需要人道主义援助，同时有超过 6900 万人成为难民，人道主义部门面临着重大挑战。人工智能 (AI) 应用可以成为人道主义危机的潜在解决方案的提议受到了热烈欢迎。这是“人工智能用于社会公益”大趋势的一部分，也是“数字人道主义”更广泛发展的一部分，“数字人道主义”指的是公共和私营部门为应对人道主义紧急情况而使用数字创新和数据。聊天机器人、声称可以预测未来流行病或人口流动的预测分析和建模以及依赖于采用机器学习算法的先进神经网络的生物识别技术，都是在援助行动中越来越受欢迎的例子。本文建立了一个跨学科框架，将殖民和非殖民理论、人道主义和发展的批判性探究、批判性算法研究以及对人工智能的社会技术理解结合在一起。人道主义在这里被理解为一种复杂的现象：不仅仅是通常定义的“减少痛苦的必要性”（Calhoun，2008），而且是一种行业、一种话语和一种源于 19 世纪和 20 世纪殖民主义的历史现象（Fassin，2012；Lester & Dussart，2014）。人工智能同样是一个多面现象：不仅仅是基于先进计算和机器学习算法的技术创新，而且是一个行业以及关于技术的特定话语。人工智能只能与数据和算法一起理解——这三者是不可分割的，因为人工智能依赖于机器学习算法，而机器学习算法是特定数据集的产物。鉴于“大数据”本质上是不完整的，且具有本体论和认识论的局限性（Crawford & Finn，2014），人工智能应用会重现并可能放大大型数据集中发现的现有偏见（Benjamin，2019；Eubanks，2018；Noble，2018 等）。
2020 年

非人类人道主义：当人工智能的善举变成坏事时 Mirca Madianou 伦敦大学金史密斯学院 2018 年，有超过 1.68 亿人需要人道主义援助，同时有超过 6900 万人成为难民，人道主义部门面临着重大挑战。人工智能 (AI) 应用可以成为人道主义危机的潜在解决方案的提议受到了热烈欢迎。这是“人工智能用于社会公益”大趋势的一部分，也是“数字人道主义”更广泛发展的一部分，“数字人道主义”指的是公共和私营部门为应对人道主义紧急情况而使用数字创新和数据。聊天机器人、声称可以预测未来流行病或人口流动的预测分析和建模以及依赖于采用机器学习算法的先进神经网络的生物识别技术，都是在援助行动中越来越受欢迎的例子。本文建立了一个跨学科框架，将殖民和非殖民理论、人道主义和发展的批判性探究、批判性算法研究以及对人工智能的社会技术理解结合在一起。人道主义在这里被理解为一种复杂的现象：不仅仅是通常定义的“减少痛苦的必要性”（Calhoun，2008），而且是一种行业、一种话语和一种源于 19 世纪和 20 世纪殖民主义的历史现象（Fassin，2012；Lester & Dussart，2014）。人工智能同样是一个多面现象：不仅仅是基于先进计算和机器学习算法的技术创新，而且是一个行业以及关于技术的特定话语。人工智能只能与数据和算法一起理解——这三者是不可分割的，因为人工智能依赖于机器学习算法，而机器学习算法是特定数据集的产物。鉴于“大数据”本质上是不完整的，且具有本体论和认识论的局限性（Crawford & Finn，2014），人工智能应用会重现并可能放大大型数据集中发现的现有偏见（Benjamin，2019；Eubanks，2018；Noble，2018 等）。

¥1.0