XiaoMi-AI文件搜索系统
World File Search SystemBirdWatch
检测、稳健性、归因和缓解
在演讲中，我将介绍我的实验室在人工智能、应用机器学习和数据挖掘方面的最新进展，以打击网络和社交媒体平台上的恶意行为者（傀儡、逃避禁令者等）和危险内容（错误信息、仇恨等）。我的愿景是为每个人创建一个值得信赖的在线生态系统，并创建下一代促进健康、公平和安全的社会意识方法。总的来说，在我的研究中，我创建了新颖的图形、内容（NLP、多模态）和对抗性机器学习方法，利用 TB 级数据来检测、预测和缓解在线威胁。我的跨学科研究创新了社会技术解决方案，这些解决方案是我通过将计算机科学与社会科学理论相结合而实现的。我也热衷于将我的研究付诸实践——我实验室的模型已经部署在 Flipkart 上，影响了 Twitter 的 Birdwatch，现在正在部署在维基百科上。我的研究开启了范式转变，从当前缓慢而被动的应对网络危害的方法转向敏捷、主动和全社会的解决方案。我的演讲将概述我研究的四个重点：（1）跨平台、语言和模式检测有害内容和恶意行为者：我的研究超越了研究“推特上的英文文本”的标准实践，旨在解决解决跨平台（Micallef 等人，2022 年）、语言（Verma 等人，2022b 年）和模式（Verma 等人，2022b、c）（图像、视频、文本）根深蒂固的基本问题的巨大挑战。 (2) 通过预测未来的恶意活动，增强检测模型对敌对行为者的鲁棒性：我的工作是通过开发第一种对抗性学习技术来突破界限，以主动预测对手行为来欺骗检测模型。接下来，我们提高模型对操纵的鲁棒性。我的实验室调查了部署在一些最大平台上的模型的漏洞：Facebook 的 TIES 坏人检测器（He、Ahamad 和 Kumar 2021）、Twitter 的 Birdwatch 错误信息检测器（Mujumdar 和 Kumar 2021）和维基百科的禁令逃避（Niverthi、Verma 和 Kumar 2022）。(3) 归因于有害内容的影响和推荐系统的作用：我的实验室创建了数据驱动的技术来确定网络危害对
野生空间的煤炭：约克郡关于该项目的
我们代表的遗产，两栖动物，爬行动物，淡水和陆地栖息地的风险至关重要。目前有59％的两栖动物和42％的欧洲爬行动物在人口下降，另外40％的两栖动物和欧洲32％的爬行动物受到威胁或濒临灭绝的威胁（Temple＆Cox 2009a，b）。在英国目睹了这些下降，这是由淡水栖息地基金会研究证明，池塘下降了50％，其中80％的人处于“非常差”状态。Froglife对我们30年的蟾蜍在道路数据集上的研究证明了这一点的影响，总结了共同蟾蜍的68％下降（Petrovan＆Schmidt，2016年）。RSPB的大花园鸟观察调查要求人们记录对共同蟾蜍的目击事件，在四年内，报告的报告从25％下降到17％。这些下降在约克郡出现，也引起了人们对大冠型和加法器下降的关注。
SHERKIN 评论
爱尔兰的志愿服务部门目前正面临重大危机。自私自利似乎已经占据了人们的生活，以至于他们要么没有兴趣，要么没有时间参与志愿服务组织。我们听说西蒙（Simon）关心无家可归者，圣文森特·德·保罗协会（St. Vincent de Paul Society）是贫困人群的伟大捍卫者，但他们很难找到愿意自愿提供帮助的人。可悲的是，这种愿意为团体或组织奉献一些空闲时间的人的短缺在全国许多组织中都很普遍。一直缺乏支持的一个群体是那些参与环境保护的人。从他们的会员人数和年龄分布来看，他们未能吸引年轻一代。这个问题从未得到解决。近年来，我们看到小学自然历史教学取得了惊人的发展。大多数年轻人比他们的长辈更清楚如何保护我们的未来环境。他们相信回收、保护和保护野生动物——无论是陆地还是海洋。但是，拥有如此庞大的人才库，为什么他们没有被吸引到爱尔兰的环保组织中呢？这个问题需要 An Taisce（会员 3,600 人）、爱尔兰鸟类观察组织（6,000 人）和爱尔兰野生动物信托组织（2,000 人）等组织紧急解决。目前，爱尔兰已为 2001 年设立了一项特别基金