XiaoMi-AI文件搜索系统
World File Search System个人隐私
应对人工智能的道德困境
人工智能 (AI) 中的伦理意义不容小觑，因为它涵盖了指导负责任地创建、部署和管理 AI 技术的基本原则。随着 AI 系统日益渗透到我们生活的方方面面（从医疗保健和教育到安全和娱乐），它们的决策和行动不仅对个人权利和隐私，而且对社会规范和价值观也具有深远影响。AI 中的伦理考量至关重要，以确保这些技术能够增进人类福祉、维护公平和保护自由，而不是延续偏见、加剧不平等或破坏民主制度。AI 伦理的重要性在于它能够提供一个框架来应对 AI 带来的复杂道德困境，例如创新与监管之间的平衡、保护个人隐私与大数据的好处以及防止滥用 AI。通过突出伦理原则，利益相关者（包括开发人员、政策制定者和用户）可以努力开发不仅技术先进而且对社会负责并符合人类价值观的 AI 技术。这种对道德的重视确保了当人工智能系统变得更加自主和成为我们日常生活不可或缺的一部分时，它们会以透明、负责和包容的方式实现这一目标，从而增强人们对其广泛采用和使用的信任和信心。
推荐引用 推荐引用 Wennagel, Robert, DARK SYSTEMS: 重新编程人工智能法规以促进公平和就业不歧视, 39 SANTA C LARA H IGH T ECH . LJ 1 (). 网址：https://digitalcommons.law.scu.edu/chtlj/vol39/iss1/1
自动决策系统（“ADM”），无论是采用人工智能、机器学习还是其他算法过程，在现代生活中都已无处不在，但它们的使用通常不为社会所注意或看不见。目前，没有联邦法律要求在使用 ADM 收集个人数据、评估个人数据或对其生活做出决定时向个人发出通知或披露信息。这对于雇佣关系来说尤其令人担忧，因为通知和透明度对于个人隐私至关重要，而秘密使用 ADM 系统会使申请人和雇员无法了解雇主的决策过程并根据适用的反歧视法寻求补救。一些州和地方政府已经认识到这种危险，并已采取初步措施保护申请人和雇员，而欧盟已提出一项全面的人工智能法规，将管理此类系统在那里开发的所有阶段。本文提出了一种基于通知和透明度的监管体系，该体系考虑到管理雇佣关系的现有法律并对这些法律进行补充，以建立一个促进申请人和雇员权利的法律框架，同时也允许灵活地开发有利于雇员、雇主和社会的 ADM 系统。
OPNAV 指令 3120 - 海军部长
OPNAVINST 3120.32D CH-1 DNS 2017 年 5 月 15 日 OPNAV 指令 3120.32D 变更传送 1 来自：海军作战部长 主题：美国海军标准组织和规章 附件： (1) 修订第 xii 页 (2) 修订附件 (1) 的第 5-4 和 5-5 页及新的第 5-5a 页 (3) 修订附件 (1) 的第 5-7 页及新的第 5-7a 页 1.目的。传送修订后的第 5-4 和 5-5 页及新的第 5-5a 页，停泊 5.1.7；以及第 5-7 页和新的第 5-7a 页，船员头部和盥洗室 5.1.13，其中出于对他人的礼貌增加了共享空间中的个人隐私要求。 2. 行动。删除 OPNAVINST 3120.32D 附件 (1) 的第 xii 页和第 5-4、5-5 和 5-7 页，并分别替换为本变更传送附件 (1) 至 (3)。3. 记录管理。根据本变更传送创建的记录，无论媒体或格式如何，都必须按照 2012 年 1 月海军部长手册 5210.1 进行管理。JG FOGGO 海军参谋部发布和分发主任：本变更传送已获准公开发布，并且只能通过海军发行部网站 http://doni.documentservices.dla.mil 以电子方式获取
人工智能（AI）
人工智能 (AI) 是指利用机器来完成似乎需要人类智能和认知技能（思考、自然语言、推理、决策等）的任务。人工智能伦理是应用伦理学的一个新兴分支，旨在研究随着人工智能技术广泛而迅速地融入我们生活的各个方面而产生的深远而多样的伦理问题。挑战在于，我们在人工智能方面处于一个未知的伦理领域：随着我们体验并更好地掌握人工智能与人类互动所涉及的问题，我们需要彻底调整现有的伦理范式或引入新的伦理范式。这些问题很大一部分反映了我们对人工智能的使用和滥用可能对人类造成的危害的担忧。这些问题包括对个人隐私和自由的威胁，以及与经济正义、种族和性别平等有关的更广泛的社会影响。然而，随着人工智能系统的发展和达到更高的智能水平，关于它们的道德地位的问题变得更加紧迫。如果这些系统具有道德主体能力，那么它们不仅要对我们这样的其他道德主体承担责任，而且还拥有我们在对待它们时应该尊重的权利。本课程概述了人工智能与人类互动中产生的伦理问题的性质和程度，以及开发解决这些问题的明智方法所需的哲学背景（特别是伦理学和心灵哲学），并借助该主题的大量文献。
88702 SIC 68320 - N K T 学院
信息是一种重要资产。您掌握的信息越多，您就越能适应周围的世界。在商业中，信息通常是公司拥有的最重要的资产之一。。组织通常会选择部署更多资源来控制敏感度更高的信息。组织以不同的方式对信息进行分类，以便以不同的方式管理信息处理的各个方面，例如标签（页眉、页脚和水印是否指定应如何处理）、分发（谁可以看到它）、复制（如何制作和处理副本）、发布（如何向外部人员提供）、存储（保存位置）、加密（如果需要）、处置（无论是粉碎还是强力擦除）以及传输方法（例如电子邮件、传真、打印和邮寄）。公司可能拥有机密信息，例如研发计划、制造流程、战略公司信息、产品路线图、流程描述、客户名单和联系信息、财务预测和收益公告，这些信息旨在根据需要供内部使用。机密信息的丢失或被盗可能会侵犯个人隐私、降低公司的竞争优势或对公司造成损害。专业信息或秘密信息可能包括商业秘密，例如配方、生产细节和其他知识产权、专有方法和实践
印度政府
ADV. ADOOR PRAKASH：SHRI PRADYUT BORDOLOI ADV. DEAN KURIAKOSE：电子和信息技术部长能否说明：(a) 政府是否意识到生成式人工智能和人工智能工具的潜在危害，如果是，请说明详细信息；(b) 政府是否计划对生成式人工智能和其他人工智能工具进行监管，以负责任和合乎道德地发展上述技术，包括推广最佳实践，如果是，请说明详细信息；(c) 政府是否计划引入大型语言模型的开源政策，以便对这些模型进行审查，如果是，请说明详细信息；(d) 政府是否已经或计划对人工智能服务对个人数据和基本隐私权的影响进行评估，如果是，请说明详细信息；(e) 政府是否正在采取任何措施，考虑到潜在的社会影响，确保人工智能技术的合乎道德地发展和部署，如果是，请说明详细信息； (f) 是否有框架来解决与人工智能应用相关的隐私问题，特别是那些利用生成性人工智能的应用，以及政府计划如何保护个人隐私；(g) ChatGPT 等人工智能应用对该国就业市场的影响？
数字身份，隐私安全及其在Metaverse中的法律保障措施
摘要元元是现实世界的数字化，并由大数据，AI，5G，云计算，区块链，加密算法，感知技术，数字双引擎，虚拟引擎和其他技术与人类行为和数字标识中的人类行为和思想相互作用。破解阿凡达带来的信任问题取决于使用数字身份进入元评估的个人的隐私安全和身份验证技术。要完成对化身的个人统治，元用户需要隐私数据喂食和情感投影。他们必须配备专有算法，以处理和分析自适应交互中生成的复杂数据，这挑战了元视频中用户数据的隐私安全性。区分个人身份生成中不同的识别剂的重要性，同时对数据处理水平强加不同的行为调节要求可以更好地平衡个人隐私安全性与数字身份保护与元经文中数据利用之间的关系。响应数字身份问题，需要建立一个统一的数字身份身份验证系统来获得社会的一般信任。此外，可以将人格权的回复应用于非法侵犯数字身份和隐私安全的情况。
加拿大卫生部数据战略
通过制定加拿大卫生部的数据战略，我们获得了部门层面的第一视角。卫生、监管和科学数据是加拿大卫生部所有项目有效和高效实施的基础。我们拥有并利用大量数据，拥有内部和外部数据合作伙伴关系，并对与我们共享数据的个人和受监管方负有重大责任。从应对国家卫生危机到监管健康、消费者和商业产品及物质，加拿大卫生部致力于使用数据做出基于证据的决策。无论是保护个人隐私还是保护我们从行业获得的机密商业信息，责任都是重大的。虽然已经建立了一些外部数据合作伙伴关系，但仍有机会发展更多关系，使我们能够访问和共享及时和可信的数据。这将需要我们刻意努力设计数据和数据解决方案，以最大限度地提高我们的项目和加拿大人的价值。虽然加拿大卫生部已经在数据方面进行了大量投资，但还有很多工作要做。 2019 年加拿大卫生部成熟度评估发现，组织内部的数据素养和成熟度水平一直在提高，但部门（“企业”）层面的进步并不显著。目前企业层面缺乏数据治理，阻碍了部门集体评估其数据资产、确定部门内部联系和建立通用数字数据基础设施的机会。
生成需要动态的日常活动
日常活动数据记录个人在日常生活中的各种活动被广泛用于许多应用中，例如活动调度，活动建议和决策。尽管具有很高的价值，但由于高收集成本和潜在的隐私问题，其可访问性受到限制。因此，模拟人类活动以产生大量的高质量数据至关重要。但是，现有解决方案，包括具有简化行为假设的基于规则的方法和直接拟合现实世界数据的数据驱动方法，两者都无法完全符合匹配现实的资格。在本文中，是由经典的心理学the-Ory的动机，马斯洛的需求理论描述了人类的动机，我们提出了一个基于生成的对抗性模仿学习的知识驱动的模拟框架。我们的核心思想是将人类需求的演变建模为驱动仿真模型中活动产生的潜在机制。具体而言，一个高度的模型结构，该结构删除了不同的需求级别以及神经随机微分方程的使用成功地捕获了需求动力学的分段连续特性。广泛的实验表明，我们的框架优于有关数据保真度和实用程序的最新基准。我们还提出了需求建模的有见地的解释性。此外，隐私保存评估验证生成的数据不会泄露个人隐私。该代码可在https://github.com/tsinghua-fib-lab/activity-simulation-sand上找到。
电子健康记录数据的道德使用
随着医疗信息系统 (HIS) 的不断发展，这些数据模糊了不同类别的受保护健康数据之间以及受保护数据与通过商业应用程序和服务收集的数据之间的区别。这种动态格局对全球健康信息生态系统提出了重大的伦理、技术和信息/数据治理挑战。明显的挑战是对个人隐私的侵犯，包括身份盗窃和数据分析的不透明性。数据存储库难以访问，无法验证和确认所用数据和算法的质量 [4, 5]。缺乏社区参与、信任和对人工智能的道德理解可能会扭曲立法和政策，并遭到社区的拒绝，从而阻碍数据科学和信息学的接受和发展 [6]。此外，尽管美国的《有意义的使用/促进互操作性》等严格法规，但大多数医疗软件行业仍难以遵守严格的网络安全标准以及信息安全管理和个人健康信息保护的强制性认证 [7]。我们的目标是为初级保健中常规收集的健康数据和人工智能的管理制定实用建议，重点是确保它们在当代健康实践中的使用符合道德规范。这对于综合健康实践非常重要，因为在这种实践中，数据的共享和分析远离数据创建和记录的地点。我们将数据管理定义为整个生命周期内的数据管理，从最初的收集和存储开始，供数据保管人使用，以支持护理服务，以及用于二次使用的分析和分类 [8]。