XiaoMi-AI文件搜索系统
World File Search SystemDATI
调查结果和建议：人工智能安全
实证研究对于更好地理解人工智能的危害和社会影响至关重要。16“人工智能安全”在某种程度上是既定的历史安全工程实践（如汽车安全或网络安全）的迭代。然而，目前人工智能评估实践的证据基础还不够完善。17虽然人工智能安全研究正在发展，但它只是“人工智能研究总体的沧海一粟[,]”，仅占全球该技术研究的 2%。18部分挑战在于，测量和预测人工智能影响的科学作为一个领域仍然很年轻。19另一个挑战是，目前人工智能潜在灾难性风险的证据大多是推测性的。20某些解决前沿模型风险的方法，例如“人工智能对齐”（确保系统输出与设计意图一致），被认为是直观合理的，并且已成为广泛研究的主题，但事实证明很难衡量和实证研究。21
面向未来的电力市场设计建议
本报告编写框架内的项目得到了以下 CERRE 成员组织的支持和/或投入：ARERA、EDF、Ei、Enel、Norsk Hydro、Ofgem、PPC、Terna、UREGNI。但是，他们对本报告的内容不承担任何责任。本 CERRE 报告中表达的观点仅代表作者个人观点，不代表他们所属的任何机构。此外，它们不一定与 CERRE、任何赞助商或 CERRE 成员的观点相对应。推荐引用：Pollitt, M.、von der Fehr, N.、Banet, C.、Le Coq, C.、Willems, B.、Bennato, AR 和 Navia, D.，《面向未来的电力市场设计建议》，欧洲监管中心 (CERRE)，2022 年。
在气候变化，生物多样性损失和土地退化的交汇处的性别平等
联合国妇女重申CSW66同意的结论认可了妇女和女童作为可持续发展的变革的重要作用，并解决了气候变化，生物多样性丧失，环境退化和灾难，并要求妇女和女孩在RIO庆祝活动的背景下对妇女充分，有效且有效的参与和决策进行全面，同等的有效和有意义的参与和决策。要为所有人创造一个更公平和可持续的未来，我们必须优先考虑人民和地球的利润。
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。
印度理工学院 KHARAGPURR 研究园区基金会
拨款，应以登记册的形式保存审计记录，并应在需要时提供给政府审计员。术语“资产”是指：（i）所有不动产；（ii）价值超过 10,000 卢比的资本性动产。该金额不得用于建造任何建筑物/通过购买、租赁等方式获取土地/永久资产，如扩大一般生产设施所需的机械。但是，建造原型和测试原型所需的中试工厂、测试设备、测试台、夹具、工具和固定装置等可以从拨款中建造/制造/获得，如果在批准的项目提案中如此确定或随后得到 IIT Kharagpur 研究园区基金会的批准。5. 全部或部分从 IIT Kharagpur 研究园区获得的资产（如果有）
建议：利用人工智能促进科学进步
随着人工智能的不断发展，其推动科学发现的能力无疑将不断扩大，从而开辟新的研究领域，并帮助解决人类面临的一些最紧迫的挑战。然而，成功利用人工智能促进科学进步可能具有挑战性。存在经济障碍，例如计算资源有限和资金匮乏。（即使对于大型机构而言，构建和利用人工智能模型的成本也高得令人望而却步。）7 此外，缺乏相关数据集，尤其是包容性且无偏见的数据集，可能会阻止研究人员在某些领域利用人工智能，而使用低质量数据集可能会导致在这些数据集上训练的人工智能模型出现不准确且可能具有歧视性的行为。跨学科研究人员的稀缺也会抑制人工智能在科学上的潜力。此外，还存在技术障碍，例如某些人工智能模型难以扩展以及它们分析某些大型数据集的能力有限。在目前的状态下，人工智能系统无法完全理解 DNA 或重力等基本概念。8
建议：保护政府公民权利（RTP）
对AI系统的兴起的一个重要问题是加剧偏见和算法歧视的潜力。最近的行政命令反映了确保联邦政府使用AI系统的重要性，这与更广泛的政策一致，以提高公平并防止非法歧视。，例如，行政命令（EO）13,985关于通过联邦政府明确提高种族平等和支持欠服务的社区的支持，要求联邦政府机构对联邦政策和计划对人口统计群体的差异影响进行评估； EO 14,091关于通过联邦政府进一步推进对服务不足的社区的进一步推进种族平等和支持，将与股权相关的联邦机构的要求扩展到AI和自动化系统；和EO 14,110在安全，安全和值得信赖的1
建议：通过限制“敏感执法”例外（RTP）
目前，联邦执法机构发布的公共用例清单尚未履行其透明度和问责制。例如，司法部的2022披露由一页信息组成，列出了联邦调查局单一使用AI，以用于“威胁进气处理系统”以分析犯罪技巧。2，该单页没有关于联邦调查局使用面部识别技术的信息，尽管该局已经将这种AI驱动的技术用于刑事调查已有近十年了。3同样，其他多个司法部执法机构对面部识别的使用零披露 - 从DEA到ATF，再到美国元帅 - 即使最近的政府问责办公室（GAO）审计报告了这些机构中每个机构对这项技术的大量使用。4，尽管DOJ在2023年更新了其披露，但其他一些用例中仍然不包括这些子代理中任何一个的使用面部识别。5也没有与使用车牌读取器使用有关的任何披露。
美国国家科学基金会（NSF）
学习科学研究所 (LSRI) 是一个校园范围内的多学科单位，致力于改进教学和学习，其多名教师已成功获得 NSF 在 STEM 教育领域的资助。两个当前项目和一个最近完成的项目专注于培养教师参与教学和评估的能力，这与 K-12 科学教育框架和下一代科学标准中所代表的多维科学能力愿景相一致。这三个项目涵盖 3-12 年级，涉及与芝加哥公立学校和周边地区的教师的合作。除了培养教师设计符合标准的高质量教学的能力外，其中两个项目还包括开发旨在支持课堂形成性评估实践的免费资源，这些资源正在通过技术门户广泛传播。