XiaoMi-AI文件搜索系统
World File Search SystemDiscrimination
人工智能与就业歧视
人工智能在职场上的潜在用途和好处数不胜数。支持者认为，人工智能加快了招聘流程，消除了人为的偏见和主观性。4 如果人工智能设计精良、部署得当，它可以帮助员工找到最有价值的工作，并为公司匹配最有价值、最有效率的员工。5 支持者进一步认为，人工智能系统比人类招聘人员更高效、更彻底。此外，人工智能还可以通过消除非法歧视，从而促进职场的多样性、机会平等、无障碍和包容性，丰富公司的价值观和文化。6 研究一直表明，用于就业决策的人工智能工具通常可以带来更大的招聘多样性、公正的晋升决策，并通过及早发现工作不满情绪来更好地留住员工。 7 外骨骼套装和机械臂等可穿戴技术已经能够减轻残疾的影响，从而拓宽残疾工人的就业机会 (2018 年 7 月 19 日，上午 6:00)，https://www.chicagotribune.com/business/ct-biz-arti- ficial-intelligence-hiring-20180719-story.html（注意到广泛使用网络爬虫来分析大量数据以识别未积极求职的候选人）。 3 Keith E. Sonderling，机器人关心你的公民权利吗？ , C HI. T RIB.，https://digitaledition.chicagotribune.com/infinity/arti- cle_share.aspx?guid=285d3467-3dbe-49b1-810e-014aefee1a3e（最后访问时间为 2022 年 9 月 1 日）；另请参阅 Joe McKendrick，《过去 18 个月人工智能采用率飙升》，H ARV.B US.R EV.（2021 年 9 月 27 日），https://hbr.org/2021/09/ai-adoption-skyrocketed-over-the-last-18-months。4 参见 Elejalde-Ruiz，上文注 2（解释人工智能可以通过掩盖姓名和其他信息来减少或消除偏见）。5 Keith E. Sonderling，《人力分析如何防止算法偏见》，I NT'LA SS'N FOR H UM.R ES.INFO。 M GMT .，https://www.ihrim.org/2021/12/how-people-analytics-can-prevent-algorithmic-bias-by-commissioner-keith-e-sonder-ling/（上次访问时间为 2022 年 9 月 1 日）。6 参见 Kimberly A. Houser，《人工智能能否解决科技行业的多样性问题？减轻就业决策中的噪音和偏见》，22 S TAN. T ECH. L. R EV. 290, 351 (2019)。7 同上。
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。
年龄歧视的经济影响
《就业歧视法》禁止对 40 岁及以上工人进行年龄歧视，本研究着眼于职场对 50 岁及以上工人的年龄歧视，以符合 AARP 的长寿经济® 展望，该展望衡量 50 岁以上人口对美国经济的影响。16. 劳工统计局，“表 A-15。劳动力未充分利用的替代衡量标准”(2019 年)。https://www.bls.gov/news.release/empsit.t15.htm。17. 劳工统计局，“表 A-36。按年龄、性别、种族、拉丁裔西班牙裔、婚姻状况和失业持续时间划分的失业人员。”(2019 年)。https://www.bls.gov/web/empsit/cpseea36.htm。 18. Tim Slack 和 Leif Jensen，“老年工人的就业困难：居住和性别不平等是否会延续到老年？” (2008)。https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4243493/。19. 美国平等就业机会委员会。https://www.eeoc.gov/laws/types/age.cfm。20. AARP，“经验价值研究”(2018)。https://www.aarp.org/research/topics/economics/info-2018/multicultural-work-jobs/?CMP=RDRCT-PRI-OTHER-WORKJOBS-052118.html。
算法价格歧视和...
使用算法个性化价格不再是一种边缘现象，而是许多在线市场中主要的商业实践，在许多在线市场中，跟踪消费者每次点击都是行业标准。看似无关，几十年来，消费者保护法一直基于以下前提：消费者缺乏有意义的交易权力，无法就合同条款进行讨价还价。本文提出，根据消费者的行为，越来越多地使用算法来设定个性化价格，这为消费者提供了通过算法超过价格和收回市场能力来“讨价还价”的道路。为了支持这一点，本文介绍了在线实验室环境中进行的新型预注册，兼容的随机实验的结果，该实验测试了消费者是否以及如何在给出机会时用算法超过价格，以多个回合为参与者提供10美元的礼品卡，以10美元的价格购买Algorithm，以基于参与者的购买决定，这是一项基于Algorithm的价格，该赠品是基于参与的购买效果。这项研究进一步探讨了使用来自在线消费市场中通常部署的消费者和数据保护法的工具来调节算法定价的潜力：披露授权，防止数据收集的权利（“ cookies Laws”）（“ cookies Laws”）（“ cookies Laws”）以及防止数据保留的权利（“擦除法律”或“擦除法律”或“遗留在“遗忘”））。我们发现明确的证据表明，参与者在战略上避免了他们本来会诱发随后的回合降低价格的购买，以及一些证据表明，这种行为有时以避免有效购买的代价是出于避免有效购买的代价，而当提供的价格低于分配给礼品卡的价值参与者。We found that both these effects increased in magnitude and statistical significance in the presence of disclosure, as well as clear evidence that participants offered data protection rights used them strategically: preventing retention or collection of their data in rounds in which they purchased the gift card, so as to prevent a subsequent price increase, and allowing it in rounds in which they declined to purchase, so as to signal a low WTP and benefit from a price decrease in the next round.
住房访问，负担能力和歧视
“红线”等政策的遗产是分区城市创建种族分离的社区并限制某些人口更健康的社区的过程 - 尽管数十年来是非法的，但仍对有色社区产生了持久和长期的负面影响。32尽管不再被贷款人明确地认为“危险”，但它们仍然被视为贫困或有风险的投资。这些歧视性实践中的某些实践与强调红线等政策相同的种族主义所延续。其他人是由于已深入编码信用评分系统的偏见而导致的，这使得生活在这些社区中的潜在租房者和购房者似乎不值得信誉，并且可以推动歧视。33如果没有获得良好的信用，租金，购买或维护健康的房屋可能会很困难，并且受影响的社区可能会更迅速地失修。
人工智能时代的歧视 - JuSER
摘要 在本文中，我将研究人工智能 (AI) 和自动决策 (ADM) 的使用是否会加剧歧视问题，正如几位作者所论证的那样。为此，我首先参与了关于歧视的激烈哲学辩论，并提出了我自己对这一概念的定义。在此基础上，我随后回顾了一些关于使用 AI/ADM 和歧视的最新文献。我解释了我对歧视的解释如何有助于理解，鉴于歧视加剧的一般说法是没有根据的。最后，我认为使用 AI/ADM 实际上可以加剧歧视问题，但方式与大多数批评者所认为的不同：由于其认识论的不透明性，AI/ADM 有可能破坏我们的道德审议，而道德审议对于达成关于什么应该算作歧视的共同理解至关重要。结果发现，算法实际上可能有助于检测隐藏的歧视形式。
1025 – 骚扰、歧视和性侵犯政策...
歧视和/或骚扰是指将某人的年龄、肤色、残疾、性别（包括怀孕）、性别、性别认同、性别表达、基因信息、族裔或国籍、政治派别、种族、宗教、性取向或军人身份作为影响其就业、入学、获得学生经济援助或参加大学活动的任何因素的行为，除非适用法律允许或要求。弗吉尼亚理工大学不会以其他方式歧视询问、讨论或披露其薪酬或其他员工或申请人薪酬的员工或申请人，也不会以任何其他受法律保护的基础进行歧视。根据 1972 年《教育修正案》第 IX 条的规定，在接受联邦财政资助的教育项目和活动中基于性别的歧视包含在禁止歧视的定义中；
过程矩阵的单次判别策略
因果关系这一主题最近在量子信息研究中引起了广泛关注。这项工作研究了过程矩阵之间的单次判别问题，这是一种定义因果结构的通用方法。我们提供了正确区分的最佳概率的精确表达式。此外，我们提出了一种使用凸锥结构理论实现此表达式的替代方法。我们还将判别任务表示为半正定规划。因此，我们创建了 SDP 来计算过程矩阵之间的距离，并根据迹范数对其进行量化。作为一个有价值的副产品，该程序找到了判别任务的最佳实现。我们还发现了两类可以完美区分的过程矩阵。然而，我们的主要结果是考虑与量子梳相对应的过程矩阵的判别任务。我们研究了在判别任务期间应使用哪种策略（自适应或非信号）。我们证明了无论选择哪种策略，区分两个过程矩阵为量子梳的概率都是相同的。