XiaoMi-AI文件搜索系统
World File Search SystemCrawford
詹姆斯·克劳福德和 2001 年《国家责任文章》
Federica I Paddeu Derek Bowett 英国剑桥大学法学院法学研究员 英国剑桥大学劳特派特国际法中心研究员 Christian J Tams * 英国格拉斯哥大学国际法教授 英国伦敦 Matrix Chambers 学术成员 摘要 作为一名国际法学者和实践者，詹姆斯·鲍威尔 (James Bowett) 的工作范围令人惊叹：从边界划定到基础来源问题，再到投资仲裁中撤销的复杂性，几乎没有什么超出他的理解或兴趣。从 1990 年代起，国家责任成为他工作的重点，指导国际法委员会 (ILC) 迅速对《国家对国际不法行为的责任条款》(条款) 进行了二读。最终案文于 2001 年通过，并作为联合国大会第 56/83 号决议的附件，虽然反映了国际法委员会的集体努力，但也带有他的印记。在本文中，我们以克劳福德的三点观察作为讨论的线索，探讨他在这些条款的制定中所扮演的角色以及它们在当代国际法中的地位。首先，这些条款改变了我们思考[国家]的方式。其次，这种编码练习标志着朝着有利可图的方向迈出了一步。最后，这种练习产生了正式的非约束性文本，这一事实使作为一般国际法结构一部分的条款能够被理解。
乌克兰技术更新 1 - Crawford & Company
战争保险在船体和货物市场上以相同的方式提供，但并非总是购买，并且不涵盖因延误造成的航程受阻或损失/损坏。延误是大多数海上保险单下通常排除的风险。一些保单可能有额外费用和转运费用条款，但这些条款通常需要指定风险的操作才能触发。我们预计，由于船东和货物托运人的贸易模式受到影响，他们破产或违约将导致损失，但这些通常也被排除在外。
非人类人道主义：当人工智能的善举变成坏事时 Mirca Madianou 伦敦大学金史密斯学院 2018 年，有超过 1.68 亿人需要人道主义援助，同时有超过 6900 万人成为难民，人道主义部门面临着重大挑战。人工智能 (AI) 应用可以成为人道主义危机的潜在解决方案的提议受到了热烈欢迎。这是“人工智能用于社会公益”大趋势的一部分，也是“数字人道主义”更广泛发展的一部分，“数字人道主义”指的是公共和私营部门为应对人道主义紧急情况而使用数字创新和数据。聊天机器人、声称可以预测未来流行病或人口流动的预测分析和建模以及依赖于采用机器学习算法的先进神经网络的生物识别技术，都是在援助行动中越来越受欢迎的例子。本文建立了一个跨学科框架，将殖民和非殖民理论、人道主义和发展的批判性探究、批判性算法研究以及对人工智能的社会技术理解结合在一起。人道主义在这里被理解为一种复杂的现象：不仅仅是通常定义的“减少痛苦的必要性”（Calhoun，2008），而且是一种行业、一种话语和一种源于 19 世纪和 20 世纪殖民主义的历史现象（Fassin，2012；Lester & Dussart，2014）。人工智能同样是一个多面现象：不仅仅是基于先进计算和机器学习算法的技术创新，而且是一个行业以及关于技术的特定话语。人工智能只能与数据和算法一起理解——这三者是不可分割的，因为人工智能依赖于机器学习算法，而机器学习算法是特定数据集的产物。鉴于“大数据”本质上是不完整的，且具有本体论和认识论的局限性（Crawford & Finn，2014），人工智能应用会重现并可能放大大型数据集中发现的现有偏见（Benjamin，2019；Eubanks，2018；Noble，2018 等）。
非人类人道主义：当人工智能的善举变成坏事时 Mirca Madianou 伦敦大学金史密斯学院 2018 年，有超过 1.68 亿人需要人道主义援助，同时有超过 6900 万人成为难民，人道主义部门面临着重大挑战。人工智能 (AI) 应用可以成为人道主义危机的潜在解决方案的提议受到了热烈欢迎。这是“人工智能用于社会公益”大趋势的一部分，也是“数字人道主义”更广泛发展的一部分，“数字人道主义”指的是公共和私营部门为应对人道主义紧急情况而使用数字创新和数据。聊天机器人、声称可以预测未来流行病或人口流动的预测分析和建模以及依赖于采用机器学习算法的先进神经网络的生物识别技术，都是在援助行动中越来越受欢迎的例子。本文建立了一个跨学科框架，将殖民和非殖民理论、人道主义和发展的批判性探究、批判性算法研究以及对人工智能的社会技术理解结合在一起。人道主义在这里被理解为一种复杂的现象：不仅仅是通常定义的“减少痛苦的必要性”（Calhoun，2008），而且是一种行业、一种话语和一种源于 19 世纪和 20 世纪殖民主义的历史现象（Fassin，2012；Lester & Dussart，2014）。人工智能同样是一个多面现象：不仅仅是基于先进计算和机器学习算法的技术创新，而且是一个行业以及关于技术的特定话语。人工智能只能与数据和算法一起理解——这三者是不可分割的，因为人工智能依赖于机器学习算法，而机器学习算法是特定数据集的产物。鉴于“大数据”本质上是不完整的，且具有本体论和认识论的局限性（Crawford & Finn，2014），人工智能应用会重现并可能放大大型数据集中发现的现有偏见（Benjamin，2019；Eubanks，2018；Noble，2018 等）。
引用：Tuckerman J、Crawford NW、Marshall HS（2020 年）父母对儿童季节性流感疫苗接种建议的认识存在差异
10.46，CI 4.44–24.63）或居住在大都市地区（aOR 2.91，CI 1.19–7.09）。无工作（aOR 0.13，CI 0.04–0.47）、受过专业教育（与高中相比）（aOR 0.25 CI，0.09–0.71）以及出生在英国或爱尔兰（aOR 0.19，CI 0.04–0.85）的人缺乏意识。对 SRMC 儿童接种疫苗建议的了解与对 5 岁以下儿童流感建议的了解（aOR 10.22，CI 4.39–23.77）或未出生在澳大利亚[英国/爱尔兰（aOR 7.63，CI 1.86–31.31）密切相关；其他（aOR 3.93，CI 0.94–16.42）]。未来接种疫苗的最有影响力的线索是全科医生 (GP) 的建议（63.8%）和为所有儿童免费提供流感疫苗（37.6%）。与没有或很少担心疫苗接种的父母（11.1%）相比，更多推迟或排除疫苗接种的父母认为他们的孩子接种疫苗（一般来说）是不必要的，因为其他孩子已经接种了疫苗（42.8%）（p < 0.0001）。