XiaoMi-AI文件搜索系统
World File Search System欺骗性
欺骗性定价和非法廉价销售
在加利福尼亚州，欺骗性定价和非法廉价销售涉及各种定价花招，这些花招诱使消费者进入商店，使他们以为自己买到了便宜货，但事实并非如此。当广告商将他们的低价与其他参考价格进行比较时，广告必须清楚地标明所售商品和参考价格的性质，并且卖家必须能够证明参考价格。如果他们不能，则比较是欺骗性的。他们误导买家认为他或她节省了虚假提供的比较价格与卖家所谓的较低要价之间的差额。他们还违反了《民法典》第 1770(m) 条，该条禁止“就降价的原因、存在或金额做出虚假或误导性的事实陈述”。
教育中的生成人工智能：从欺骗性......
生成人工智能 (GenAI) 已成为一种有前途的技术，可以创建原创内容，例如文本、图像和声音。GenAI 在教育环境中的使用越来越受欢迎，并提供了一系列机遇和挑战。本期特刊探讨了 GenAI 在教育环境中的管理和整合，包括道德考虑、最佳实践和机遇。GenAI 在教育领域的潜力巨大。通过使用算法和数据，GenAI 可以创建原创内容，用于增强传统教学方法，创造更具互动性和个性化的学习体验。此外，GenAI 可用作评估工具，并使用生成的内容向学生提供反馈。例如，它可用于创建自定义测验、生成论文提示，甚至评分论文。使用 GenAI 作为评估工具可以减轻教师的工作量，并帮助学生及时收到有关其工作的反馈。将 GenAI 纳入教育环境也带来了与学术诚信相关的挑战。有了 GenAI 模型，学生就可以用它们来学习或完成家庭作业，这可能会引起人们对所交付作品的真实性和作者身份的担忧。因此，确保学术标准得到维护并保留学生作品的原创性非常重要。这个问题凸显了在使用 GenAI 模型时实施道德实践的必要性，并确保该技术用于支持而不是取代学生的学习体验。
欺骗性人工智能解释：创造与检测
摘要：人工智能 (AI) 带来了巨大的机遇，但也可能带来重大风险。自动生成的决策解释可以提高透明度并增进信任，尤其是对于基于 AI 模型自动预测的系统。但是，考虑到创建不诚实 AI 的经济激励，我们在多大程度上可以信任解释？为了解决这个问题，我们的工作研究了如何使用 AI 模型（即深度学习和现有的提高 AI 决策透明度的工具）来创建和检测欺骗性解释。作为一项实证评估，我们专注于文本分类并改变由 GradCAM（一种成熟的神经网络解释技术）生成的解释。然后，我们在一项有 200 名参与者的实验中评估了欺骗性解释对用户的影响。我们的研究结果证实，欺骗性解释确实可以欺骗人类。但是，如果有足够的领域知识，可以部署机器学习 (ML) 方法来检测看似微不足道的欺骗企图，准确率超过 80%。即使没有领域知识，只要具备所审查预测模型的基本知识，人们仍然能够以无监督的方式推断出解释中的不一致性。
操纵性、欺骗性和剥削性的人工智能系统
相关禁令与消费者保护法密切相关，例如不公平商业行为指令、数字服务法（DSA）和金融法规。这些行为还影响个人数据的合法处理，其中包括《通用数据保护条例》（GDPR）等。据 AP 称，人工智能法中的禁令具有预防性质（不得开发或使用人工智能系统），因此这些禁令是对上述法律的补充。因此，这些禁令为更有效地监督人工智能系统在欺骗、操纵和剥削人身案件中发挥作用的情况提供了机会。重要的是，这些法规的解释和应用尽可能一致。这需要荷兰消费者和市场管理局（ACM）、荷兰金融市场管理局（AFM）和 AP 之间的密切合作与协调。
对扩展现实中欺骗性设计的系统分析
完善的欺骗性设计文献集中在传统的用户界面上。随着扩展现实（XR）的兴起，了解欺骗性设计在这个沉浸式领域中的独特表现至关重要。但是，现有研究缺乏完整的跨学科分析，该分析XR技术如何实现欺骗性设计的新形式。我们的研究回顾了XR环境中有关欺骗性设计的文献。我们使用主题综合来识别关键主题。我们发现XR的沉浸式能力和广泛的数据收集实现了微妙而强大的操纵策略。我们确定了八个主题，概述了这些策略并讨论了现有的对策。我们的发现显示了XR中欺骗性设计的独特风险，强调了对研究人员，设计师和决策者的影响。我们提出了未来的研究方向，以探讨无意的欺骗性设计，数据驱动的操纵解决方案，用户教育以及道德设计与政策法规之间的联系。
科技行业将在 2024 年打击人工智能的欺骗性使用......
科技行业将在 2024 年大选中打击人工智能欺骗性使用 20 家领先的科技公司，包括 Adobe、亚马逊、谷歌、IBM、Meta、微软、OpenAI、TikTok 和 X 承诺共同努力检测和打击有害的人工智能内容 慕尼黑——2024 年 2 月 16 日——今天，在慕尼黑安全会议 (MSC) 上，领先的科技公司承诺帮助防止欺骗性人工智能内容干扰今年的全球大选，超过 40 个国家的 40 多亿人将参加投票。“2024 年大选打击人工智能欺骗性使用技术协议”是一系列承诺，旨在部署技术打击旨在欺骗选民的有害人工智能生成内容。签署方承诺合作开发工具来检测和解决此类人工智能内容的在线分发，推动教育活动，并提供透明度，以及采取其他具体步骤。它还包括一系列广泛的原则，包括追踪欺骗性选举相关内容来源的重要性以及提高公众对这一问题的认识的必要性。该协议是保护网络社区免受有害人工智能内容侵害的重要一步，并以各个公司正在进行的工作为基础。该协议涉及的数字内容包括人工智能生成的音频、视频和图像，这些内容以欺骗性的方式伪造或改变政治候选人、选举官员和民主选举中其他关键利益相关者的外表、声音或行为，或向选民提供有关何时、何地和如何投票的虚假信息。截至今天，签署方包括：Adobe、亚马逊、Anthropic、Arm、ElevenLabs、谷歌、IBM、Inflection AI、LinkedIn、迈克菲、Meta、微软、Nota、OpenAI、Snap Inc.、Stability AI、TikTok、趋势科技、Truepic 和 X。参与公司同意了八项具体承诺：
带有欺骗性的图上安全博弈中的综合资源分配与策略合成
欺骗在信息不完全的战略互动中起着至关重要的作用。受安全应用的启发，我们研究了一类具有单边不完全信息的双人回合制确定性博弈，其中玩家 1（P1）的目的是阻止玩家 2（P2）达到一组目标状态。除了行动之外，P1 还可以放置两种欺骗资源：“陷阱”和“假目标”，以误导 P2 有关博弈的转变动态和收益。陷阱通过使陷阱状态看起来正常来“隐藏真实”，而假目标通过将非目标状态宣传为目标来“揭示虚构”。我们感兴趣的是联合合成利用 P2 错误信息的 P1 的最佳诱饵放置和欺骗性防御策略。我们在图模型上引入了一个新颖的超博弈和两个解决方案概念：隐秘欺骗必胜和隐秘欺骗几乎必胜。这些确定了 P1 可以在有限步内或以 1 的概率阻止 P2 到达目标的状态，并且 P2 不会意识到自己被欺骗了。因此，确定最佳诱饵位置相当于最大化 P1 的欺骗获胜区域的大小。考虑到探索所有诱饵分配的组合复杂性，我们利用组合合成概念来表明诱饵放置的目标函数是单调的、非减的，并且在某些情况下是亚模或超模的。这导致了一个诱饵放置的贪婪算法，当目标函数是亚模或超模时实现 (1 − 1 / e ) 近似。提出的超博弈模型和解决方案概念有助于理解各种安全应用中的最佳欺骗资源分配和欺骗策略。
机器人可以说谎吗？痴呆症护理中的机器人动物和欺骗性实践的后人类主义方法
机器人动物被设计为类似于真实的活动物，但与此同时，痴呆症护理指南和政策通常强调透明度在与机器人方面的价值 - 不应使人们相信机器人具有实际上缺乏的能力。但是，在日常护理实践中，如何将真理与谎言分开并不是很明显的。基于参与者的观察和对瑞典养老院养老院认证的助理护士和护理助理的访谈，本文研究了机器人动物在护理实践中如何变得“真实”。本文采取了人类主义的方法来共同构建衰老，护理和技术 - 这种观点认识到，不仅可以关怀员工和疗养院居民，而且还可以积极参与塑造护理实践。该分析导致四种典型情况，其中机器人动物以真实的活性动物形式出现：拥抱，其简单但动态的体现作用；舒适，机器人被用作分散注意力和情感支持的资源；对话，机器人动物的代理既建立又挑战。以及采用叙事和道具来建立机器人作为宠物的采用。机器人不能撒谎，至少不是自己撒谎；取而代之的是，机器人的欺骗性潜力是由参与者网络启用的，这就是为什么通常很难在说谎和护理人员的同理心之后很难划清界限的原因。
ACP 支持保护患者免受网上欺骗性药品广告侵害法案的信函
2024 年 8 月 28 日 尊敬的迪克·德宾 尊敬的迈克·布劳恩 美国参议院 美国参议院 华盛顿特区 20510 华盛顿特区 20510 亲爱的德宾参议员和布劳恩参议员： 我谨代表美国内科医师学会 (ACP) 写信表达我们对您的两党立法《保护患者免受网络欺骗性药品广告侵害法案》（“法案”）的支持。 该法案将解决新实体（社交媒体影响者和远程医疗公司）误导性促销的激增问题，这些实体通常不受美国食品药品管理局 (FDA) 现有处方药制造商要求披露副作用、准确或提供公平风险信息的规定约束。 该立法将使 FDA 能够加强其指导方针以堵塞监管漏洞。 ACP 是美国最大的医学专业组织和第二大医师会员协会。 ACP 成员包括 161,000 名内科医生、相关专科医生和医学生。内科医生是运用科学知识、临床专业知识和同情心对从健康到复杂疾病的整个范围内的成年人进行预防、诊断和治疗护理的专家。《保护患者免受网上欺骗性药品广告侵害法案》随着直接面向消费者 (DTC) 广告的增加，该法案旨在保护公众健康，并使 FDA 对社交媒体影响者和远程医疗公司处方药促销的监管和执法权力与现有的制造商赞助处方药广告规则保持一致。该立法将堵塞这一漏洞，要求 FDA 向影响者和远程医疗公司发出警告信和罚款，以惩罚其不合规行为，因为这些欺骗性和误导性促销为发言者带来经济利益，并且包含虚假/不准确的陈述，省略有关处方药的事实，或未包含传统的风险和副作用披露。该立法将使影响者和远程医疗公司更难在不披露服用这些药物的健康和安全风险的情况下向消费者推销处方药产品。此外，该法案还要求制造商向公开支付数据库报告向影响者支付的款项，类似于目前向医生和其他医疗服务提供者披露的款项，以揭露促销活动。最后，该法案旨在通过授权增加人员、使用新的分析工具、加强教育和公众参与、与联邦贸易委员会协调以及建立向制造商通报违规内容的流程来提高 FDA 对社交媒体促销活动的知名度。该法案与 ACP 关于处方药 DTC 广告的政策一致。ACP 认为，处方药的 DTC 广告是一种不恰当的做法，损害了患者与医生之间的
笔录：国家AGS在AI监管和执法问题中的作用日益增长
是的，这是一个很好的问题。根据这些UDAP法律，州立法机关授予其州AGS广泛权威。他们通常禁止不公平和欺骗性的贸易实践，这些标准尚未定义。所以，它们很广泛，对吗？保护每个州的消费者和成分是一种补救措施。当您在联邦一级甚至在州一级看到时，政客们对AI法规的需求以及对AI的法律的广泛关注或关注，这可能是正确的。但是，至少从他们的角度来看，各州觉得他们真的不需要一系列新法律，对吗？当AI以任何形式的不公平或欺骗性实践，欺骗性或不公平的方式使用时，他们将使用不公平的商业实践的广泛概念以及欺骗性商业实践的广泛概念。