人们对人工智能的伦理、社会、环境和经济影响的担忧日益加剧,引发了大量治理举措。除了传统的监管方法之外,互补的治理形式也可以帮助应对这些挑战 1 。一种这样的治理形式是基于社区的技术治理或“内部治理” 2 。在这里,基于社会考虑影响研究的措施从科学界内部发展而来,并在社区层面实施。最近一项此类举措来自世界上最大的人工智能会议之一 NeurIPS。2020 年初,该委员会宣布了一项新的投稿要求:投稿作者现在必须包含一份声明,说明其研究的更广泛影响,包括其“伦理方面和未来的社会后果” 3 。NeurIPS 的这一要求引发了人工智能研究界的不同反应,关于其目的和有效性的讨论出现在社交媒体和其他地方 4 。尽管很少有人否认确实需要识别和应对人工智能带来的伦理和社会挑战,但反应的多样性表明,对于正确的方法,以及个体研究人员或研究界(包括会议)在此过程中应承担的责任,几乎没有达成共识 5、6。这也凸显了进一步讨论 NeurIPS 要求和类似治理措施的目的、实施和效果的必要性。在本文中,我们希望为 NeurIPS 要求的讨论以及更普遍的会议提交中更广泛影响要求做出贡献。我们将新要求与其他既定的治理机制进行比较,并对其影响进行分析。我们的目标是 (1) 识别并明确引入 NeurIPS 更广泛影响要求所带来的风险和挑战,(2) 提出一系列措施来应对这些挑战,以及 (3)
第二个贡献是使用制造数据来检查发展中国家的工业化趋势。我们确认,直到2000年代初,去工业化是广泛的,但此后趋势逆转。我们记录了亚洲和撒哈拉以南非洲许多国家的制造业就业份额的扩展。在发展亚洲,平均制造业就业份额从2010年的11.9%增加到2018年的13.4%。在撒哈拉以南非洲,在2010 - 18年期间,制造业工人的份额上升了1.2个百分点,达到8.4%。尽管与其他地区以及从历史的角度相比,撒哈拉以南非洲的制造活动水平较低,但1的增长是1960年至2010年期间记录的长期去工业趋势的重要逆转(Felipe等人(Felipe等人)2014; Rodrik 2016)。我们在与Rodrik(2016)相似的回归中确认了这些趋势的统计意义,在该回归中,我们控制着国家固定的效果,人口统计和收入趋势。对于撒哈拉以南非洲,回归估计表明,在1960 - 2010年期间观察到的制造业的一半以上。
将原则付诸实践是人工智能 (AI) 治理面临的最紧迫挑战之一。在本文中,我们回顾了全球最大的 AI 会议之一提出的一项新颖的治理举措。2020 年,神经信息处理系统会议 (NeurIPS) 引入了一项要求,要求作者提交论文,说明其研究对社会的更广泛影响。借鉴类似的治理举措,包括机构审查委员会 (IRB) 和资金申请的影响要求,我们研究了此类举措的风险、挑战和潜在好处。我们列举的挑战包括缺乏公认的最佳实践和程序透明度、研究人员的机会成本、机构和社会压力、认知偏见以及任务本身的难度。另一方面,潜在的好处包括更好地预测和识别影响、更好地与政策和治理专家沟通,以及全面加强负责任研究的规范。为了最大限度地提高成功的机会,我们建议采取措施提高透明度、改善指导、创造激励措施以认真参与该过程,并促进公众对该要求的优点和未来的审议。也许这项分析最重要的贡献是我们可以获得有关有效的社区治理以及更广泛的人工智能研究社区的作用和责任的见解。
摘要:莫桑比克是世界上最不复杂的经济体之一。通过系统地考虑供求方面的因素,我们确定了可以帮助多样化和升级其经济的新产品和行业。在供应端分析中,我们使用有关经济复杂性文献中的网络方法来确定一组复杂的目标产品,需要对其他产品出口有用的生产能力,并且靠近莫桑比克现有的生产结构。在需求侧分析中,我们使用重力模型来预测给定特定于产品的贸易抵抗和地理上分散需求的目标产品和市场的出口潜力。莫桑比克工业政策的广泛部门重点在很大程度上与结构转型和出口促进一致。当前农业,农业和金属的优先级尤其重要,而机械,车辆和运输设备的机会却没有开发。我们发现莫桑比克有些潜力将目标产品出口到邻国。
摘要:鉴于莫桑比克的自然资源繁荣,尤其是其在采矿,石油和天然气方面的大规模投资 - 这篇论文分析了采掘业的前景,从机构的角度来看,为经济转变做出了贡献。为此,我们解决了资源部门的制度动态,并考虑确定结果的根本原因。讨论了作为呈现经济转型和多元化愿景的工具的国家发展战略。本文是基于书桌审查(杂物和书目),以及作者收集的主要数据,作为他们对自然资源领域和发展政治经济学领域的研究的一部分。我们得出的结论是,鉴于莫桑比克的政治赞助和客户主义,精英范围内的精英竞争,有限的生产力,国家能力弱,高水平的贫困和经常出现的财政缺陷,尽管具有相当大的潜力,但仍导致经济转型的当前资源繁荣的前景是最充分的不确定的。
7 联合国教科文组织,“重塑文化政策”,(2015 年) 8 欧洲文化和创意溢出效应研究伙伴关系,“欧洲的文化和创意溢出效应:后续审查”,(2018 年) 9 需要注意的是,DCMS 并不将“艺术和文化”作为一个部门使用,而是将创意产业和文化部门统称为一系列子部门的总称,涵盖了被广泛理解为构成艺术和文化的内容。 10 创意产业联合会,“发展英国创意产业:创意企业需要什么才能蓬勃发展和成长”,(2018 年) 11 需要注意的是,英格兰艺术委员会的经济估计(CEBR,“艺术和文化产业对英国经济的贡献”,(2019 年))与表 1 中显示的 DCMS 数据不同。英格兰艺术委员会涵盖的“行业”较少,反映了其资助计划涵盖的艺术形式和子部门。
摘要:本文回顾了有关资源丰度发展的最新文献,评估了收入不平等,贫困,教育和健康的可能影响和渠道。迄今为止,该领域的分析较少,尽管它与可持续发展目标议程相关,因为在非洲资源丰富的经济体中,世界上有很多贫困人口贫穷。我们认为,自然资源部门本身的存在并不一定会转化为更糟糕的发展结果。自然资源体验在很大程度上变化。资源租金水平相似的国家可能在贫困,不平等,健康和教育方面取得明显不同的成就。挑战是解释不同的自然资源体验。自然资源部门发展效果背后的关键机制是资源丰富经济发展的国家和政治机构的类型。
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)。
神经影像学证据表明,衰老的大脑比年轻人更依赖一组分布更分散的皮质区域,以便在执行要求高的认知任务时保持成功的表现水平。然而,任务需求如何导致皮质网络与年龄相关的扩张仍不清楚。为了研究这个问题,功能性磁共振成像被用来测量年轻人和老年人在工作记忆 (WM) 任务中的单变量活动、网络连接和认知表现。在这里,个体执行一项 WM 任务,其中他们将字母保持在线状态,同时按字母顺序重新排序。对 WM 负荷进行滴定以获得具有不同集合大小的四个个性化难度级别。网络整合(定义为网络内与网络间连接的比例)与 WM 容量的个体差异有关。这项研究得出了三个主要发现。首先,随着任务难度的增加,年轻人的网络整合度降低,而老年人的网络整合度增加。其次,与年龄相关的网络整合度增加是由右半球与左、右皮质区域的连接度增加所驱动的,这一发现有助于调和现有的衰老补偿性募集理论。最后,WM 容量较高的老年人在最困难的任务条件下表现出更高的网络整合水平。这些结果揭示了与年龄相关的网络重组机制,表明网络连接的变化可能是一种自适应补偿形式,随着任务需求的增加,老年人会募集更分散的皮质网络。
机械。边缘 G r δE 0 有效 δE 高效 δE 低效 产品 1 2-3 -14.7 28.6 29.5 23.4 脱羰 2 2-5X -5.0 48.3 24.9 39.4 氢甲酰化 3 2-9X -19.7 33.6 29.6 44.0 加氢 4 3-4 -14.7 37.7 38.2 35.7 脱羰 5 4B-5X -5.0 25.2 28.9 43.4 氢甲酰化 6 9X-9 -19.7 33.6 37.3 51.8 加氢 7 4-4B -5.0 30.0 29.8 48.2 氢甲酰化 8 4-5 -19.7 43.3 42.8 55.1 加氢 9 5-6 -19.7 39.1 39.3 48.2 加氢 10 6-7 -19.7 31.8 31.6 53.8 加氢 11 7-8 -19.7 33.3 33.1 47.6 加氢 12 8-9 -19.7 28.4 28.2 42.7 加氢 醛 25.2 24.9 39.4 烷 27.9 27.9 23.4
