XiaoMi-AI文件搜索系统
World File Search System负责任
ALACC 关于安全且负责任的 AI 的意见书
1 澳大利亚道德框架 2019 https://www.industry.gov.au/publications/australias-artificial-intelligence-ethics-framework/australias-ai-ethics-principles
扩展负责任的人工智能解决方案
重要的是，符合负责任的人工智能 (RAI) 最佳实践并具有积极社会环境影响的人工智能系统应得到支持，以发展并惠及可能从中受益的潜在用户和社区。然而，新兴的人工智能项目在实际实施 RAI 原则以及扩展方面遇到了挑战。RAI 的主要挑战包括减轻偏见和歧视、确保代表性和情境适当性、流程和结果的透明度和可解释性、维护人权以及确保人工智能不会重现或加剧不平等。RAI 的框架已经激增，但往往停留在高水平，没有在各种用途和情境中实施的技术指南。同时，扩展过程本身可能会给实现或保持 RAI 遵守带来障碍和复杂性。
建议：提供权力和资源，促进政府机构对人工智能的负责任采购创新
过去几年，美国联邦政府对人工智能技术的采购急剧增加。1 基于对各机构在采购尖端人工智能方面面临的挑战的研究，NAIAC 2023 年秋季的建议重点关注各机构在现有采购权限内可以做些什么。即，NAIAC 建议各机构优先考虑人工智能采购，包括在其总统过渡计划中；解决人工智能专业知识差距并培训采购人员；利用新兴人工智能采购实践的非详尽清单——例如质量保证监测计划 (QASP) 和领域内评估；并确保创新人工智能采购方面的专业知识和最佳实践成为机构知识并在整个机构间共享。2 持续的研究和与利益相关者的接触揭示了联邦采购条例 (FAR) 在实践中的实施存在很大局限性。因此，这项建议侧重于机构采购一流、值得信赖的人工智能所必需的变革。
人工智能的负责任进步 - googleapis.com
1）通过最大限度地发挥人工智能的经济潜力来释放机遇。拥抱人工智能的经济体将实现显著增长，超越那些接受速度较慢的竞争对手。在现有行业中采用人工智能代表着提升价值链、生产更复杂、更有价值的产品和服务的机会。尽管人口挑战日益严峻，但人工智能也有望帮助提高生产力。政府、私营部门、教育机构和其他利益相关者需要制定联合和单独的战略，使企业、工人和社区能够利用人工智能的优势。政府应增加对基础人工智能研究的投资，研究未来工作的发展以帮助劳动力转型，并制定计划以确保强大的 STEM 人才渠道。政府和行业需要加大力度提高工人的技能，并支持企业满足不断变化的需求和生产商品和服务的新方式。
负责任成像的人工智能（AIRI）
对于临床医生，AIRI将处理临床数据，例如实验室，生命值，患者病史和身体检查结果以及基于证据的适当性标准，以确定是否基于临床表明医疗图像是基于临床指示的，该算法可能会提供成像提供必要的诊断信息。在指示成像时，AIRI将帮助临床医生确定逻辑细节，例如哪种方式可以为放射科医生提供最多的信息阅读，例如是否指示了对比度的使用，以及是否指示了对比度，以及如何为患者做好准备，以提高期望提高合规性并减少重复扫描的需求。通过协助非放射学家临床医生做出这些技术成像决策，AIRI有可能减少不必要的扫描，最大程度地减少放射线暴露并降低医疗保健成本。
负责任的采购和供应链期望
4参见ILO公约号29强迫劳动和ILO公约号105在废除强迫劳动时，“强迫劳动”是指任何形式的契约奴役，包括纪律或控制方法，例如保留雇员的身份证明，护照，工作许可证或存款作为就业条件。5参见ILO公约号182在最糟糕的童工形式上（1999年）。如果供应商雇用了年轻工人，则此类就业不应使他们面临可能损害身体，精神或情感发展的不必要的身体风险。6参见OECD打击国际商业交易中外国公职官员贿赂公约（1997年）；和《联合国反腐败公约》（2004年）。7 Trafigura承诺根据《提取行业透明度倡议》（EITI）规定的原则披露此类付款。鼓励供应商这样做。
在计算连续体中，负责任，值得信赖和能源效率的AI
摘要 - 作为人工智能（AI）在我们的社会中变得更具影响力，开发，部署和评估负责任和值得信赖的AI（RTAI）模型至关重要，即，那些不仅考虑精度，而且考虑其他方面的人，例如解释性，公平性和能源效率。工作流来源数据历史上可以实现对RTAI的关键功能。出处数据推导路径通过跟踪工件和资源消耗的透明度有助于负责任的工作流程。出处数据以其可信赖性，有助于解释性，可重复性和问责制而闻名。但是，要实现RTAI面临复杂的挑战，这些挑战因用于开发和部署模型的计算连续体（Edge-Cloud-HPC）中的异质性基础而更加复杂。因此，工作流出处数据管理和RTAI之间仍然存在重大的研发差距。在本文中，我们提出了工作流源在支持RTAI并讨论相关挑战的关键作用的愿景。我们提出了RTAI和出处之间的示意图，并突出了开放研究方向。
城市AQI负责任的污染物AQI类别
Barishal C DNA DNA SAVAR C 187 PM2.5不健康的Mymensingh C 185 PM2.5不健康的Rangpur C 280 PM2.5非常不健康的Cumilla C 216 PM2.5非常不健康的Narshindi C 195 PM2.5 PM2.5 PM2.5 Bogura
城市AQI负责任的污染物AQI类别
Barishal C 122 PM2.5 Sensew不健康Narshindi C 284 PM2.5非常不健康的Bogura D 271 PM2.5非常不健康的Brahmanbaria D 345 PM2.5危险BSRM，Nasirabad，Chattogram D