XiaoMi-AI文件搜索系统
World File Search SystemDiscrimination
歧视：机器学习、人工智能的考虑因素......
本期简报探讨了机器学习算法和人工智能 (AI) 算法中的歧视问题，以及这些模型的底层数据。它将定义歧视（包括区分歧视、不公平歧视和不公正歧视）；提出测试和监控算法的实用方法；提供该问题的监管概述；并确定精算师、算法创建者和监管者的考虑因素。
量子网络歧视
歧视对象，特别是量子状态，是（量子）信息理论中最基本的任务之一。近年来，朝着将框架扩展到点对点量子通道的显着进展。但是，随着技术进步，该领域的重点正在转移到更复杂的结构：量子网络。与渠道相比，网络允许在可以接收，处理和重新引入网络的信息中进行中间访问点。在这项工作中，我们研究了量子网络及其基本局限性的歧视。尤其是当网络的多次用途即将到来时，可用策略的名册越来越复杂。最简单的量子网络是由量子超通道给出的结构。在考虑超通道的N副本时，我们讨论了可用的策略类别，并在不对称的判别设置中就渐近可实现的速率进行基本界限。此外，我们讨论可实现性，对称网络歧视，强大的逆向指数，对任意量子网络的概括，最后是对量子照明问题的活动版本的应用。
附录 B：禁止收入来源歧视的州、地方和联邦法律
下面列出了州、地方和联邦禁止基于收入来源的住房市场歧视的法规汇编，以及与歧视拥有联邦住房选择券的家庭相关的研究和已发表文章的带注释书目。您可以使用目录中的超链接浏览文档。本汇编更新了 PRRAC 最初在 2009 年汇编的研究，并借鉴了国家住房法律项目和政策选择中心准备的早期文件。本汇编在 2012 年第四届全国住房流动会议上进行了更新，并作为会议后 PRRAC-城市研究所住房流动工具包的附录发布，扩大选择：建立成功住房流动计划的实用策略（2013 年 2 月）。自 2013 年以来，随着这些州和地方法律的激增，我们定期更新附录。此外，我们还为倡导者和地方政策领导人编写了一份指南，题为《制定有效的地方收入来源歧视法》（2020 年 3 月）。2018 年，预算和政策优先事项中心发布了一份报告，使用本附录中的数据，概述了保护住房选择券家庭免受歧视的法律的国家概况。由 Alison Bell、Barbara Sard 和 Becky Koepnick 撰写的报告《禁止歧视使用住房券的租房者可改善结果》（2018 年 12 月）包括下文所述法规和条例的通过时间顺序以及一张交互式地图。1 2020 年，城市研究所还根据本附录开发了一个数据集，该数据集以更具分析性的框架呈现信息。Zillow 还将本附录中的数据纳入其在线租赁清单的“当地法律保护”部分。另请参阅有关紧急租赁援助计划的 SOI 保护的宣传指南。我们感谢现任和前任员工以及住房正义网络中许多法律服务同事的贡献和更正（请参阅我们的完整致谢列表 ）。如果您发现本文档中有任何错误或有其他材料需要添加（新法令、判例法发展、法律评论文章等），请联系 Phil Tegeler（ptegeler@prrac.org）。
COVID-19 疫苗接种状况（防止歧视...
在医疗保健领域，健康自主权通常体现在知情同意的概念中，即医疗保健提供者必须确保患者充分了解他们的治疗方案、潜在风险和益处以及拒绝治疗的后果。然后，患者必须根据这些信息自愿决定是否接受或拒绝治疗。由于受到财务影响的约束，我没有机会做出自愿决定。由于没有长期数据，我没有充分了解潜在风险。知情同意完全不存在，我的生活取决于我是否接受这种实验性医疗程序。由于这次经历，我现在为自己是澳大利亚人而感到羞耻，不再相信我们生活在一个自由的国家。
cas12a目标歧视
此预印本的版权持有人（该版本发布于2023年5月16日。; https：//doi.org/10.1101/2023.05.16.541046 doi：biorxiv Preprint
推荐引用 推荐引用 Kim, Pauline 和 Bodie, Matthew T.，《人工智能与工作场所歧视和隐私的挑战》。35 ABA 劳动和就业法杂志 289 (2021)，圣路易斯大学法律研究论文编号 2021-26。
* Daniel Noyes Kirby 法学教授，华盛顿大学法学院，密苏里州圣路易斯。** Callis Family 教授兼 Wefel 就业法中心联席主任，圣路易斯大学法学院。本文源自纽约大学劳动和就业法中心第 72 届劳工年会“人工智能和自动化——对工作和工人的影响”上的演讲。感谢 Laurie Berke-Weiss、Heather Egan Sussman 和 Michael Gray 担任我们小组的评论员。1.Ryan Calo，《人工智能政策：入门和路线图》，51 U.C.Davis L. R ev .399, 401 (2017)。2.参见 Deborah Hellman，《衡量算法公平性》，106 V a 。L. R ev 。811, 813–14 (2020)（“算法的使用，尤其是它们与机器学习和人工智能的联系，在法律文献中也引起了极大关注。”）。有关文献的一小部分样本，请参阅 Frank P asquale，《B lack Box Society》（2015 年）；Hannah Bloch-Wehba，《访问算法》，88 Fordham L. R ev 。1265 (2020); Danielle Keats Citron 和 Frank Pasquale，《评分社会：自动预测的正当程序》，89 W ash。L. R ev。1 (2014); Aziz Z. Huq，《人类决策权》，106 V a。L. R ev。611, 613 (2020); Sonia K. Katyal，《人工智能时代的私人问责》，66 UCLA L. R ev。54 (2019); David Lehr 和 Paul Ohm，《玩转数据：法律学者应该了解的机器学习知识》，51 U.C.Davis L. R ev。653, 655 (2017)。
人工智能贷款和 ECOA：避免意外歧视
一名未婚女性与当地贷款机构之间存在持续的信贷安排。一段时间后，在该女性结婚后，贷款机构通知她，由于她的新婚姻状况，她必须重新申请才能继续使用现有信贷。此外，新的申请必须以她丈夫的名义提交，妻子贡献的任何收入——即使她的收入高于丈夫——也可能不予考虑。如果该女性与丈夫分居并离婚，该信贷账户将保留在他的名下。她必须申请一个新的信贷账户，但她的申请将因离婚身份而受到处罚。即使什么都没有改变，如果她从事相同的工作，获得相同的薪水，没有其他受抚养的孩子，也没有新的财务义务，她可能无法获得与结婚前相同的信贷安排。
工作场所歧视和高血压风险
方法和结果：数据来自Midus（美国中年），这是一项对美国成年人的前瞻性队列研究。基线数据是在2004年至2006年收集的，平均为8年的随访期。在基线时具有自我报告的高血压的工人被排除在外，产生了1246名参与者的样本量进行主要分析。使用经过验证的6个项目仪器评估工作场所犯罪。在接受9923.17人年的随访期间，有319名工人报告的高血压发作，高血压的发病率分别为25.90、30.84和39.33，在低，中级和高水平的工作场所歧视的参与者中，每1000人年分别为每1000名。COX比例危害回归分析表明，与暴露率低的工人相比，经历了高度接触工作场所歧视的工人的高血压危害更高（调整后危险比，1.54 [95％CI，1.11-2.13]）。敏感性分析不包括基线高血压病例，基于血压加上降压药物的其他信息（n = 975）显示出稍强的关联。趋势分析显示暴露反应关联。
COVID-19疫苗接种状况（预防歧视...
在澳大利亚政府提交后，向我的雇主签发了19号证书，他们拒绝让我工作 - 并说我将在证书期间留在无薪假期中，然后一旦接种疫苗，可能会返回。该证书旨在让我重返工作岗位（根据我对SA Health的支票，也被认为是法律文件），在患有Covid感染后，我具有很高的抗体，至少应该像对我的工人接种疫苗的人一样安全。但我的工作场所拒绝接受这一点（即使南澳大利亚州政府合法允许未接种疫苗的卫生工作者和救护人员重返工作四个月的工作，他们以前签订了签订了禁忌证书的Covid-19）。
