XiaoMi-AI文件搜索系统
World File Search SystemACL
美国公民自由联盟白皮书：医疗保健领域的人工智能可能会加剧医疗种族主义
人工智能和算法决策系统在刑事司法系统、教育、招聘、住房和其他领域中的应用越来越普遍。每天似乎都会出现有关人工智能工具如何延续和强化种族主义和历史偏见的新头条新闻：存在缺陷的面部识别工具导致又一次错误逮捕一名黑人；商业产品中常用的语音识别系统在识别非白人顾客的言语方面表现更差；某社交媒体平台的图像识别算法再次将黑人贴上了灵长类动物的标签。然而，人们对医疗保健和医学领域的算法偏见问题关注得还远远不够，而这些工具在这些领域也已大量出现。医疗保健中的决策可能会产生严重后果，在某些情况下甚至会给患者带来生死攸关的后果。因此，关注如何识别、改善和适当监管医疗保健领域的自动化偏见尤为重要。
选民身份证法事实表 - 美国公民自由联盟
3 Richard Sobel，《‘免费’带照片选民身份证的高成本》（剑桥：哈佛法学院查尔斯·汉密尔顿·休斯顿种族与正义研究所，2014 年），https://today.law.harvard.edu/wp-content/uploads/2014/06/FullReportVoterIDJune20141.pdf，2。4 同上 21。5 Brentin Mock，“关闭阿拉巴马州机动车管理局办公室对黑人选民有何影响？”彭博社（2015 年 10 月 1 日），https://www.bloomberg.com/news/articles/2015-10-01/alabama-closes-dmv-offices-a-year-after-voter-id-law-kicks-in。在联邦调查后，官员改变了方针。 German Lopez，“阿拉巴马州的选民压制：什么是真的，什么不是”，Vox（2017 年 12 月 12 日），https://www.vox.com/policy-and- politics/2017/12/12/16767426/alabama-voter-suppression-senate-moore-jones。6 4 政府问责办公室，《与州选民身份识别法有关的问题》，向国会请求者提交的报告，2014 年 9 月，http://www.gao.gov/assets/670/665966.pdf，4
ACLP 战略计划 2022-2024
该计划由会员、领导、学生、员工和更广泛社区的成员制定，为我们行业的未来制定了方向，并列出了我们将在未来三年及以后努力实现的五个总体战略重点领域和目标。它反映了激励我们工作的价值观和目标，我们努力做到有影响力、创新和以会员为中心。从提高对儿童生活的认识到优化职业道路，该计划充满活力，以适应快速变化的医疗保健环境，尤其是当我们开始驾驭后疫情世界时。
ACL的衰老和残疾网络如何推进疫苗接种工作
»AAA的特定名称各不相同。找到本地AAA，请访问ElderCare.acl.gov或致电800-677-1116。»AAAS与全国20,000多个本地提供商合同，提供可能包括聚集和家庭提供的服务，信息和援助，基于证据的慢性病预防计划，护理人员的临时，案例管理，运输，家庭主妇支持以及个人护理。»与疫苗相关的活动包括识别并与服务不足的老年人，包括居住，住在农村地区的人或英语水平有限；协助LTSS客户及其护理人员注册疫苗和助推器；促进往返疫苗任命的运输；提供二剂提醒电话和促进宣传；合作将疫苗交付与现有的家用食品服务相结合；以及组织和实施目标疫苗接种诊所。
南苏丹疫苗接种面临的障碍...
南苏丹已经接种了疫苗，但没有足够的资金支持在全国范围内接种。由于缺乏实施大规模接种活动的资金，唯一的选择是将新疫苗接种纳入常规免疫体系，但由于缺乏专用资源，这原本可能是加强体系的机会，却使新冠疫苗接种的成功率面临风险，也使本已薄弱的服务难以维持。此外，由于无力承担将新疫苗运送到较偏远地区所需的复杂物流和组织系统的成本，而这些地区缺乏合格和训练有素的工作人员，运输和冷链的障碍最大，因此疫苗接种点的数量和地理区域都有限。
身份危机 - 美国公民自由联盟
通过使出示身份证件变得更加方便，从而更容易索要身份证件，mDL 必然会使美国人在生活中对身份证件的要求更加频繁。它们还可能导致日常使用自动或“机器人”身份证件检查，这些检查不是由人而是由机器执行。根据数字身份证的设计方式，它还可以允许集中跟踪所有身份证件检查，并引发其他隐私问题。我们甚至可能会看到对驾照检查的需求在网上变得普遍。这将极大地扩展此类身份证件检查可能产生的跟踪信息，在最坏的情况下，几乎不可能参与与我们经过验证的现实世界身份无关的在线活动。从长远来看，如果数字身份证件完全取代了实体文件，这可能会对美国人生活的公平和公正产生重大影响。
Codewithzichao@DravidianLangTech-EACL2021：探索泰米尔语中模因分类的多模态变换器
近年来，随着社交媒体平台的繁荣，表情包逐渐成为网络交流的一部分。因此，检测表情包是否对个人或组织具有冒犯性对于确保互联网内容的多样性和可持续性至关重要。对表情包进行分类是否为恶意内容是一项具有挑战性的任务。此外，目前已经有很多工作集中在英语上（Truong 和 Lauw，2019 年；Xu 等，2019 年；Cai 等，2019 年），但针对泰米尔语的研究很少。泰米尔语表情包分类共享任务填补了这一空白。此共享任务的目标是检测从社交媒体平台收集的表情包是否为恶意内容。每个表情包都标有恶意或非恶意类别。此外，每张图片都嵌入了泰米尔语和拉丁字母的字幕转录。这是一个多模态分类任务，给定图像和文本对，系统必须将此对分类为 troll 或非 troll 类。在本文中，我们探索了一种用于泰米尔语 meme 分类的多模态转换器。根据图像和文本的特征，
Codewithzichao@DravidianLangTech-EACL2021：探索多语言 Transformers 以对混合代码文本进行攻击性语言识别
攻击性语言识别是近年来受到越来越多关注的研究领域。特别是随着社交媒体平台的兴起，识别混合有代码的社交媒体文本中的攻击性语言至关重要。在社交媒体文本中识别攻击性语言是一项具有挑战性的任务。此外，在英语、希腊语或西班牙语等语言中已经做了大量攻击性语言识别工作（Zampieri 等人，2019 年；Pitenis 等人，2020 年；Ranasinghe 和 Zampieri，2020 年），但对于达罗毗荼语混合代码文本的攻击性语言识别工作却很少。达罗毗荼语（泰米尔语-英语、马拉雅拉姆语-英语和卡纳达语-英语）攻击性语言识别共享任务改变了这一状况。这项共享任务的目标是识别德拉威语混合代码文本中的攻击性语言。混合代码文本是从社交媒体平台收集的。这是一项评论或帖子级别的多语言分类任务，给出混合代码的泰米尔语-英语、马拉雅拉姆语-英语的评论或帖子
c .e。 N T·E R先进心脏生命支持（ACLS）
111的知识和熟练程度''ahA课程。并为此开发了教学材料。在教育课程中使用这些材料并不代表AHA的课程赞助。为此课程收取的任何费用。excep（对于AHA课程材料所需的一部分或一部分。请勿将收入发送给AHA。