1 例如,请参见“俄罗斯在朋友的帮助下避开西方的惩罚”,《纽约时报》,2023 年 2 月 1 日;“随着俄罗斯对邻国的出口激增,西方正在调查潜在的制裁规避行为”,《金融时报》,2023 年 2 月 23 日。 2 “Kpler 称,中国正在购买十年来最多的伊朗石油”,彭博社,2023 年 8 月 23 日;据称土耳其在帮助伊朗躲避制裁方面发挥了作用,美国之音,2015 年 8 月 15 日。 3 “随着制裁的加剧,俄罗斯石油公司调整委内瑞拉资产”,路透社,2022 年 3 月 29 日。 4 “南非采取行动打破制裁”,华盛顿邮报,1986 年 10 月 9 日。
城市中心,然后扩散到该国更农村地区(Desjardins 2020)。图A显示了2月下旬至2020年8月下旬,美国各地区Covid-19造成的每周死亡人数。早些时候,Covid-19案件集中在沿海人口中心,特别是在东北地区,纽约,新泽西州和马萨诸塞州的案例将于4月达到顶峰(Desjardins 2020)。到4月9日,纽约和新泽西州与19例相关的死亡人数多于美国其他地区的合并(《纽约时报》 2020年)。covid-19-相关的死亡随后在4月的第三周在新英格兰和落基山地区达到顶峰,随后在4月的第四周大湖地区,以及5月的第一个星期的中东(不包括纽约和新泽西州)和平原地区。东南,西南和遥远的西部地区都在7月底和八月的第一周经历了高峰。
5. 本工作论文的作者仅以个人身份撰写,本文表达的观点不应被视为代表其专业或学术立场。6. M. Fisher,“伊朗-沙特代理权斗争如何撕裂中东”,《纽约时报》,2016 年 11 月 19 日,https://www.nytimes.com/2016/11/20/world/middleeast/iran-saudi-proxy-war.html。7. Coker,《重启克劳塞维茨》;Rid,《网络战不会发生》,第 2 页。8. D. Whetham,“‘我们要战斗了吗?’”传统的正义战争概念能否应对当代冲突和战争不断变化的性质?》,《一元论者》,第 99 卷,第 1 期(2016 年):60。9. 里德,《网络战争不会发生》,第 5 页。10. C. 克劳塞维茨,《论战争》,M. Howard 和 P. Paret 译(普林斯顿大学出版社,1976 年),第 89 页。
Hausman 的书中用两章介绍了面向大众的关于疫苗接种怀疑论的非虚构书籍。第三章“你信任谁?”探讨了两部“支持”疫苗接种并批评反疫苗者的作品:Paul Offit 的《致命选择:反疫苗运动如何威胁我们所有人》和 Seth Mnookin 的《恐慌病毒:一个关于医学、科学和恐惧的真实故事》。这些作品和其他著作促成了人们对反疫苗者看法的转变,正如 Ginia Bellafante 在 2015 年《纽约时报》上发表的一篇文章所说明的那样。Bellafante 的文章提到了纽约立法机构提出的一项法案,该法案允许父母选择不让孩子接种疫苗,并暗示父母“可以仅仅因为在哲学上反对疫苗接种而拒绝为孩子接种疫苗,就像人们反对奥利奥或迪斯尼频道一样” [2]。
2 “《国会中的黑人美国人》中引用的宪法修正案和国会主要民权法案”,众议院历史、艺术和档案馆,https://history.house.gov/Exhibitions-and-Publications/BAIC/Historical-Data/Constitutional-Amendments-and-Legislation/;Thorin Klosowski,“美国消费者数据隐私法的现状(以及它为何重要)”,纽约时报,2021 年 9 月 6 日,https://www.nytimes.com/wirecutter/blog/state-of-privacy-laws-in-us/;平等信贷机会法案,15 USC §§ 1691-1691f。 3 Emmanuel Martinez 和 Lauren Kirchner,“抵押贷款审批算法中隐藏的秘密偏见”,The Markup,2021 年 8 月 25 日,https://themarkup.org/denied/2021/08/25/the-secret-bias-hidden-in-mortgage-approval-algorithms。4 同上。5 Laura Counts,“研究发现,少数族裔购房者面临广泛的统计贷款歧视”,加州大学伯克利分校哈斯商学院,2018 年 11 月 13 日,https://newsroom.haas.berkeley.edu/minority-homebuyers-face-widespread-statistical-lending-discrimination-study finds/。
近年来,患者安全受到越来越严格的审查,专家们一致认为,人为因素是医疗不良事件的主要诱因。美国医学研究所 (IOM) 在其 1999 年的里程碑式报告《人非圣贤,孰能无过:建立更安全的医疗保健系统》中指出,每年有 44,000 至 98,000 名患者因医疗失误死亡,估计每年损失 290 亿美元。i 医疗失误是美国每年第八大死亡原因,其中三分之二是可以预防的。ii 随着医学越来越依赖复杂的技术,这个问题只会愈演愈烈。例如,《纽约时报》最近进行的一项研究发现,与放射治疗相关的伤害数量惊人。这些伤害本应可以避免,但却是由错误的编程、糟糕的安全程序、本应被认识到的软件缺陷以及人员配备和培训不足造成的。iii
近年来,患者安全受到越来越严格的审查,专家们一致认为,人为因素是医疗不良事件的主要诱因。美国医学研究所 (IOM) 在其 1999 年的里程碑式报告《人非圣贤,孰能无过:建立更安全的医疗保健系统》中指出,每年有 44,000 至 98,000 名患者因医疗失误死亡,估计每年损失 290 亿美元。i 医疗失误是美国每年第八大死亡原因,其中三分之二是可以预防的。ii 随着医学越来越依赖复杂的技术,这个问题只会愈演愈烈。例如,《纽约时报》最近进行的一项研究发现,与放射治疗相关的伤害数量惊人。这些伤害本应可以避免,但却是由错误的编程、糟糕的安全程序、本应被认识到的软件缺陷以及人员配备和培训不足造成的。iii
近年来,患者安全受到越来越严格的审查,专家们一致认为,人为因素是医疗不良事件的主要诱因。美国医学研究所 (IOM) 在其 1999 年的里程碑式报告《人非圣贤,孰能无过:建立更安全的医疗保健系统》中指出,每年有 44,000 至 98,000 名患者因医疗失误死亡,估计每年损失 290 亿美元。i 医疗失误是美国每年第八大死亡原因,其中三分之二是可以预防的。ii 随着医学越来越依赖复杂的技术,这个问题只会愈演愈烈。例如,《纽约时报》最近进行的一项研究发现,与放射治疗相关的伤害数量惊人。这些伤害本应可以避免,但却是由错误的编程、糟糕的安全程序、本应被认识到的软件缺陷以及人员配备和培训不足造成的。iii
2 “《国会中的黑人美国人》中引用的宪法修正案和国会主要民权法案”,历史、艺术和档案馆,众议院,https://history.house.gov/Exhibitions-and-Publications/BAIC/Historical-Data/Constitutional-Amendments-and-Legislation/;Thorin Klosowski,“美国消费者数据隐私法的现状(以及它为何重要)”,纽约时报,2021 年 9 月 6 日,https://www.nytimes.com/wirecutter/blog/state-of-privacy-laws-in-us/;平等信贷机会法案,15 U.S.C.§§ 1691-1691f。3 Emmanuel Martinez 和 Lauren Kirchner,“抵押贷款审批算法中隐藏的秘密偏见”,The Markup,2021 年 8 月 25 日,https://themarkup.org/denied/2021/08/25/the-secret-bias-hidden-in-mortgage-approval-algorithms。4 同上。5 Laura Counts,“研究发现,少数族裔购房者面临广泛的统计贷款歧视”,加州大学伯克利分校哈斯商学院,2018 年 11 月 13 日,https://newsroom.haas.berkeley.edu/minority-homebuyers-face-widespread-statistical-lending-discrimination-study finds/。
1 例如,请参阅 Michael M. Grynbaum 和 Ryan Mac,《泰晤士报》就 AI 使用版权作品起诉 OpenAI 和微软,《纽约时报》(2023 年 12 月 27 日),https://www.nytimes.com/2023/12/27/business/media/new-york-times-open-ai-microsoft-lawsuit.html;Kyle Chayka,《人工智能艺术是否在窃取艺术家的作品?》,《纽约客》(2023 年 2 月 10 日),https://www.newyorker.com/culture/infinite-scroll/is-ai-art-stealing-from-artists。 2 信息技术产业委员会 (ITI),《了解基础模型和人工智能价值链:ITI 综合政策指南》(2023 年 8 月),https://www.itic.org/documents/artificial- intelligence/ITI_AIPolicyPrinciples_080323.pdf。3 C. Scott Hemphill,《颠覆性既有者:机器学习时代的平台竞争》,119 C OLUM . L. R EV . 1973, 1978 (2019)(指出“在 LLM 中,用户数据的高度可变性凸显了规模的重要性”)。
