XiaoMi-AI文件搜索系统
World File Search SystemAlgorithmic
算法演讲和第一修正案的限制
摘要。机器学习算法越来越多地调解我们的公开话语，从搜索引擎到社交媒体平台到人工智能公司。作为他们对在线语音膨胀的影响，关于第一修正案是否以及如何适用于其产出的问题也是如此。越来越多的学者合唱表达了对机器学习算法的输出是否真正在《第一修正案》的含义中的言语，但没有人提出一种可行的方法来清洁语音和非语音之间的界限。本文提出了一种基于我们称为“语音确定性”的原则成功绘制该线路的方法，这是语音是语音的基本观念，只有说话者知道他说的话时说什么。这个想法植根于《第一修正案》的文本，历史和目的，并内置在现代的编辑酌处权和表达行为的语言学说中。如果这种基岩原则被忽略了，那是因为到目前为止，所有演讲都充满了语音确定性。从来没有必要表达其存在。但是机器学习改变了这一点。与传统代码不同，仔细研究机器学习算法的工作方式表明，创建它们的程序员永远无法确定其输出。因为该输出缺乏语音确定性，所以这不是程序员的言语。因此，本文认为机器学习算法的输出无权获得第一修正案保护。它揭示了算法如何起作用的问题在宪法上很重要。在穆迪诉NetChoice案中与最高法院要求进一步询问社交媒体平台所构成的表达性活动，这一问题不再被忽略。通过未能区分传统和机器学习算法，我们冒着与第一修正案法学的几个世纪的彻底偏离的风险。对机器学习算法的输出的保护将是宪法历史上的第一次
MNL选择下的动态分类优化的统一算法框架
Zuo-Jun Max Shen工程与经济学学院，香港大学，香港工业工程与运营研究系，加利福尼亚州加利福尼亚州加州大学伯克利分校，加利福尼亚州伯克利分校，加利福尼亚州94720Zuo-Jun Max Shen工程与经济学学院，香港大学，香港工业工程与运营研究系，加利福尼亚州加利福尼亚州加州大学伯克利分校，加利福尼亚州伯克利分校，加利福尼亚州94720
计算机科学601.438/638差异隐私的算法基础，2025年（3个学分，EQ，CS理论）
课程信息•本课程提供了差异隐私的介绍，重点是算法方面（而不是统计或工程方面）。我们将介绍的特定主题包括： - 差异隐私的动机以及不同版本的差异隐私（纯，近似，r'enyi，尤其是零集中）。- 基本机制（Laplace，高斯，离散的高斯和指数） - 组成定理 - 基本算法技术（稀疏矢量技术，私人乘法权重，私人选择，私人选择） - 超越全球敏感性：局部敏感性：对局部敏感性 - 较低的私人图形•私人图形•私人图形•私人图形• （601.433/633）•必需的选修课或选择性选修课：选择性
教学大纲：算法经济学Econ C147 - CS C177
班级提供了经济设计中算法问题的介绍。课程将涵盖有关私人商品，公共物品和社会选择的分配问题。重点是规范性问题：在规范目标上，应如何解决分配问题？我们认为的社会目标是效率，公平性和公平性。在私人目标方面，我们研究收入最大化。该课程将涵盖资源分配，投票，公平部门，定价，拍卖和市场机制。在整个课程中，强调经济设计自然出现的算法问题。
长期经济监测计划-NJ.GOV
新泽西州总检察长办公室和公民权利部（DCR）发出了本指南，以澄清新泽西州反对歧视法（LAD）如何适用于算法歧视，该算法歧视是由使用新的和新兴的数据驱动技术（例如人工智能（AI），由人工智能（AI），由雇员，女性，住所的居住地，居住在居住的人，其他人，以及其他居民，居住在其他地方，以及其他范围的人。1近年来，全国各地的企业和政府已经开始使用自动化工具来做出影响我们生活中关键方面的决策 - 被雇用或获得促销活动，他们被选为公寓租赁或获得抵押贷款或购买房屋的抵押贷款，或者接受某些医疗治疗或获得该治疗的保险。这些自动决策工具正在重塑现代社会。这些工具为受监管实体和公众带来潜在的好处。，但它们也有风险。如果这些工具不是负责任地设计和部署的，它们可能会导致算法歧视。算法歧视是由于使用自动决策工具而产生的歧视。虽然为自动决策工具提供动力的技术可能是新的，但LAD申请了算法歧视，就像长期以来对其他歧视性行为相同的方式。一个涵盖的实体（即受小伙子要求的约束）如下所述，在新泽西州，LAD禁止在就业，住房，公共住宿地点，信贷和签约方面算法歧视，并根据实际或感知的种族，宗教，宗教，色彩，国籍，性，性取向，性取向，性取向，性取向，怀孕，孕妇，性别养育，性别，性别识别，性别识别，性别表达，性别表达，性别表达，不受欢迎。
无处不在作为算法官僚主义的力量
Mikhail Buhtoyarov，西伯利亚联邦大学副教授，Krasnoyarsk Orcid：0000-000-0002-0627-3048，电子邮件：Mikebukhtoyarov@gmail@gmail@gmail.com annabukhtoyarova@gmail.com
算法勾结而没有威胁 - 滴
最近一直担心自动化定价算法可能会学会“相交”。超级竞争价格的价格可能会成为反复定价游戏的纳什均衡，在这种情况下，如果卖家从竞争对手中“缺陷”，卖家会发挥策略，这些策略有可能惩罚他们的竞争对手，并且可以自动学习这些策略。，但威胁的脸上是反竞争的。实际上，标准的经济直觉是，超级竞争性的价格来自使用威胁，或者一方未能正确优化其回报。这是正确的吗？在卖方优化自己的收入时，会明确防止算法决策中的威胁防止超竞争价格吗？编号我们表明，即使两个玩家都使用没有明确编码威胁并为自己的收入进行优化的算法，竞争性价格也可以强劲地出现。由于部署算法是一种承诺形式，因此我们研究了顺序的Bertrand定价游戏（和连续的变体），其中第一个搬运工部署了算法，然后在结果环境中进行了第二个搬运工。我们表明，如果第一个搬运工部署了任何没有重新保证的算法，然后第二个搬运工甚至在这个现在静态的环境中大致优化了，则会出现类似垄断的价格。实际上，存在一系列策略，它们都没有明确编码在算法空间中同时定价游戏的NASH均衡的威胁，并导致了几乎垄断价格。该结果适用于第一搬家部部署的任何无regret学习算法，以及第二名搬运工的任何定价政策，这些算法至少获得了与随机定价一样高的利润 - 因此，即使第二种推动者仅在非响应定价分布的空间内进行优化，这些结果即使仅在非响应定价分布的空间内进行优化，这些分配具有相当可观的机构威胁。这表明可能需要扩展“算法勾结”的定义，以包括没有明确编码威胁的策略。
算法素养，AI素养和负责任的AI素养
从健康和科学到农业和金融的各种环境中，AI都在广泛的环境中应用。它在日常知识工作任务中以多种方式使用，例如在搜索和建议中，以书面形式，转录和翻译。它正在影响许多工作场所，因此AI素养很可能被视为就业能力的组成部分。此外，由于它对社会，尤其对媒体和传播的影响，它对民主具有影响，因此对每个公民和公众都有影响。因此，人们认识到，重要的是要定义公众作为工人和公民需要了解AI的内容。却很难定义AI素养的范围。作为一种通用技术，这实际上是多种技术的伞，AI在不同的情况下看起来不同。这也是一个不断发展的想法。例如，生成型AI从戏剧性的角度转移了我们对AI的概念化。此外，需要对这些技术进行一些了解，但是显然，AI素养并不能降低技术技能。AI具有哲学和道德的维度，很难与技术完全相关。有必要学习潜在的持久技能，而不仅仅是如何使用特定工具。但是，也很可能
寡头海洋沉积物中的氧化潜力
抽象平台公司使用算法管理技术来控制其用户。尽管数字市场在使用这些技术方面有所不同，但很少有研究问为什么。这个问题在理论上是结果。经济社会学在特定的侧重于市场参与者的嵌入式活动，以解释市场中的竞争和估值动态。但是，限制性平台几乎无法给市场参与者留下任何自主权。因此，分析关注对其相互作用是否有意义取决于平台的限制程度，将问题转变为一阶分析问题。本文认为，我们可以解释为什么平台通过专注于为他们的构建的设计逻辑而采用越来越限制的架构。平台将市场视为将软件计算与人类互动相结合的搜索算法。如果该算法要求参与者遵循狭窄的行为脚本，则该平台应变得更加限制。这取决于对集中计算的需求，可以标准化所需的输入的程度以及用户之间的兴趣不一致。本文讨论了如何动员这些标准以解释四种说明性案例的架构。
在AI运行算法社会中重新概念化的宪法主义
摘要本文介绍了近期宪法主义所经历的最重要的测试之一。它研究了由人工智能（AI）在我们的新兴算法社会中的影响下的深刻技术变化引起的宪法主义的理论和实践挑战。AI技术的前所未有的快速发展不仅使现代宪政的常规理论过时了，而且还造成了宪法理论的认知差距。因此，明确需要一种新的，引人注目的宪法理论，该理论通过准确捕获，与之互动并最终以一种概念性和规范上令人信服的方式来充分说明技术变革的规模。