XiaoMi-AI文件搜索系统
World File Search SystemFloridi
NPL 报告 MS 34 - 机器学习的不确定性评估
准确、标准化和质量保证的测量为社会带来了诸多好处。这一目标是通过计量基础设施实现的，这些基础设施定义了主要的测量标准，并确保所有测量都可以通过不间断的校准链追溯到这些标准，每个校准链都会增加测量不确定度（BIPM 等）。机器学习 (ML) 和人工智能 (AI) 有可能将计量的范围扩展到信号处理应用，例如先进制造、自动运输、网络通信和医学成像，其中底层物理模型要么不太了解，要么计算效率低下。然而，人们认为 ML 的输出不可信，阻碍了 ML 及其所有优点的采用（Floridi，2019 年）。更具体地说，ML 预测的可追溯性必须伴随着对不确定性的可靠定量评估。虽然机器学习的最新进展在很大程度上集中在分类任务上，但机器学习在计量学中的典型用途是回归任务，其中需要估计连续量。虽然目标是使用有关连续（单变量）量的信息来做出决策或评估系统是否满足特定要求，但根本挑战是测量该量以提供该信息，因此我们将在本报告中重点关注回归问题。计量学中如何出现回归问题？它们的出现是因为通常不可能或不希望直接测量一个量，而是需要或希望从一些更容易测量或有信息的贡献中推断出有关量的信息。这些贡献可能与某些仪器或系统进行的测量、应用的校正或从制造商的规格或校准证书等来源获得的信息有关。然后需要一个模型来从这些贡献中推断出有关感兴趣数量的信息。通过测量模型评估不确定性的框架在有影响力的“测量不确定度表达指南”（GUM）（BIPM 等，2008a）中为计量界标准化。在许多情况下，不可能基于物理理解构建或执行分析模型的计算，而是必须采用数据驱动的方法。举三个示例测量问题，其中 ML 要么正在使用，要么具有潜力。
人工智能与教育中的人类：社论
纵观历史，人类文明在知识和理解的组织方式上经历了显著的变化，尽管这些变化表现在很多方面。这些变化包括通过印刷机和普及教育等创新，教育和读写能力的传播和民主化，以及从旗语到当今大众媒体的各种远程通信系统的引入。在馆藏和图书馆中，也有不同的知识管理方式，并通过不同的访问方式进行交流。计算机和万维网的出现遵循了这一思路，但它们为我们在全球范围内处理、生产和共享信息的方式带来了前所未有的、更为深刻的变化。当今时代经常被描述为第四次工业革命，这是世界经济论坛创造的一个术语，用来描述密集数字信息交换的所谓“信息圈”。虽然关于信息圈的哲学著作主要关注从计算机伦理到信息伦理的具体转变（Floridi，2014），但人们对这个信息圈对日常生活和教育的意义却知之甚少。第四次工业革命的一个显著特点是大量使用人工智能系统。在当前全球信息发展中大量出现的人工智能系统基于自适应算法，这些算法根据个人提供的数据做出决策，并由企业和政府组织管理。这些系统遵循任意规则，根据与每个用户交互和交易的目的分配概率程度。适应和决策过程可以被视为解决人类在二十一世纪面临的最大问题的机会，也可以被视为可能加剧气候变化、反民主传播或媒体权力的威胁。例如，在气象预报的情况下，人工智能过程可能是革命性的，使人类达到新的环境意识高度。人工智能系统还可以以人类无法达到的规模评估风险，或降低商业和公共服务的交付成本。这些系统还可以帮助投资者通过提高生产能力获得竞争优势（Barton 和 Thomas，2009 年），或改善医疗保健实践以提供更早、更准确的诊断。正是人工智能系统的这种预测能力在教育领域如此诱人。对于教育研究人员来说，一个特别有吸引力的前景是预测个体学习者的思维过程，从而识别他们的学习困难并提供远远超出个体教育者所能提供范围的学习解决方案。因此，商业组织纷纷开发人工智能产品和服务，以推动新市场领域的增长。然而，人工智能既不是真正的人工智能，也不是真正的智能，这是危险的。事实上，目前的人工智能系统严重依赖于
关于教育中人工智能伦理的研究
摘要人工智能（AI）技术的快速发展和发展已经显着改变了各个部门，例如研发部门，包括教育在内的教育部门。随着教育机构越来越多地整合AI工具和系统，以收集信息，数据和其他必要项目，使用人工智能（AI）已成为一种普遍的实践，也是基本的必要性。本研究探讨了将AI伦理学纳入教育课程的必要性，研究道德考虑如何指导AI技术在学术环境中的发展，部署和使用，本研究还包括AI对我们人类思想，人类智力和人类思维能力的负面影响。我们将找出AI如何使我们懒惰地不使用自己的大脑或学习书籍以及其他内容丰富的项目，例如期刊，研究论文，杂志等来收集信息。通过对当前文献和案例研究的全面综述，该研究突出了关键的道德问题，例如数据隐私，算法偏见以及AI对学术完整性和学生成果的影响（Anderson＆Anderson，2018; Binns，2018）。该研究还评估了现有的AI伦理框架和指南及其对教育环境的适用性（Chen等，2020）。通过确定差距并提出了可行的建议，本研究旨在为教育者，决策者和AI从业人员提供战略方法，以将道德实践嵌入与AI相关的教育中。这些发现强调了为AI伦理开发多学科方法的重要性，该方法结合了计算机科学，哲学，法律和教育的见解，以确保AI技术在学术环境中被责任使用，并公平地使用（Floridi，2019; Holmes等，2019）。关键词：人工智能，最新几年中的教育介绍，人工智能（AI）的使用越来越多地渗透到现代生活的各个方面，对从财务到医疗保健以及现在的教育机构的各种行业深刻影响。AI技术，例如机器学习算法，自然语言处理工具和数据分析平台，正在改变教育机构如何运作，提供内容并与学生互动。（Brynjolfsson＆McAfee，2014年）这些进步有望提高效率，个性化的学习经验和创新的研究能力，只需单击几下即可。然而，学者中AI的迅速采用也提出了关键的道德问题，必须解决这些问题，以维护教育环境的完整性和公平性并促进人类的使用
桑德拉的消息 div>
电子邮件：ujuagagwuncha@gmail.com摘要本研究旨在分析人工智能（AI）在各个方面的道德和社会含义，并强调负责任的AI开发和部署的重要性。该研究采用批判性分析并检查了案例研究，以评估AI发展中的道德考虑，社会对就业，医疗保健，教育和社会平等的影响以及对隐私，偏见，透明度和问责制的关注。这项研究是基于负责AI开发和部署的框架，该框架旨在最大程度地降低风险并优化社会利益。该研究确定了AI的重要道德和社会含义，强调了解决隐私，偏见，透明和问责制问题的重要性。它还强调了负责AI开发和部署的必要性，以减轻风险并最大程度地利用各个部门的福利。这项研究表明，开发商，政策制定者和利益相关者必须合作以促进负责任的AI实践，促进道德和公平的社会，同时利用AI的潜力来实现社会利益。这包括实施强大的监管框架，鼓励AI算法的透明度以及促进AI开发中的多样性和包容性。关键词：人工智能，伦理，社会含义，人工智能发展，隐私。引言人工智能（AI）已迅速成为21世纪最具变革性的技术之一，革新行业，增强人类能力并重塑社会规范。定义为通过机器对人类智能过程的模拟，AI涵盖了广泛的应用，从自动驾驶汽车和虚拟助手到医疗保健诊断和财务算法（Russell＆Norvig，2021年）。它提高效率，生产力和决策的潜力已导致各个部门广泛采用，这对个人和社会都带来了重大利益。然而，除了其进步之外，AI还提出了复杂的道德和社会意义，需要仔细考虑和审议（佛罗里达州，2020年）。人工智能的道德维度包括许多问题，从公平和问责制的问题到隐私和偏见问题。随着AI系统越来越多地做出影响人类生活的自主决定，确保这些决定与道德原则保持一致（Bostrom＆Yudkowsky，2014年）。例如，刑事司法系统中AI驱动的算法的部署引发了有关公平和偏见的疑问，因为这些系统可能会使现有的不平等存在或歧视某些人口统计群体（Angwin等，2016）。同样，在
使用生成式人工智能进行定性数据分析的伦理问题
Amis, JM 和 Silk, ML (2008)。定性组织研究中的质量哲学与政治。组织研究方法，11 (3)，456 – 480。Bender, EM 和 Friedman, B. (2018)。自然语言处理的数据语句：减轻系统偏见并实现更好的科学。计算语言学协会会刊，6，587 – 604。Bockting, CL、van Dis, EA、van Rooij, R.、Zuidema, W. 和 Bollen, J. (2023)。生成式人工智能的生活指南：为什么科学家必须监督其使用。自然，622 (7984)，693 – 696。Code, L. (2001)。理性的想象，负责任的认知：你能从这里看多远？在 N. Tuana 和 S. Morgen (Eds.) 编著的《Engendering rationalities》（第 261 – 282 页）中。纽约州立大学。 Crawford, K. (2021)。是时候规范解读人类情感的人工智能了。《自然》，592 (8)，167。 Floridi, L., & Taddeo, M. (2016)。什么是数据伦理？《哲学汇刊 A》，374，2016036020160360。https://doi. org/10.1098/rsta.2016.0360 Gibbs, GR (2018)。分析定性数据。Sage。https://doi.org/10.4135/9781526441867 Gregor, S. (2024)。负责任的人工智能和期刊出版。信息系统协会杂志，25 (1)，48 – 60。https://doi.org/10.17705/1jais.00863 Grimes, M.、von Krogh, G.、Feuerriegel, S.、Rink, F. 和 Gruber, M. (2023)。从稀缺到丰富：生成人工智能时代的学者和学术。管理学院杂志，66 (6)，1617 – 1624。Hammersley, M. 和 Traianou, A. (2012)。定性研究中的伦理：争议和背景。Sage。Iphofen, R. 和 Tolich, M. (2018)。定性研究伦理的基础问题。在 Iphofen 和 Tolich（编辑）《Sage 定性研究伦理手册》中。Sage。 https://doi.org/10.4135/9781526435446 Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, YJ, Madotto, A., & Fung, P. (2023)。自然语言生成中的幻觉调查。ACM 计算调查，55 (12)，1 – 38。Mingers, J. (2008)。管理知识与知识管理：现实主义和真理形式。知识管理研究与实践，6，62 – 76。Oakley, A. (2013)。采访女性：一个矛盾的说法。在 H. Roberts（编辑），进行女权主义研究（第 30 – 61 页）。劳特利奇。Pearlman, R. (2017)。根据美国知识产权法，承认人工智能 (AI) 为作者和投资者。Rich-mond 法律与技术杂志，24，1-38。Susarla, A.、Gopal, R.、Thatcher, JB 和 Sarker, S. (2023)。生成式人工智能的 Janus 效应：为信息系统中负责任地开展学术活动指明道路。信息系统研究，34 (2)，399-408。英国社会科学院。（2015 年）。为社会科学研究制定通用伦理原则。https://acss.org。uk/wp-content/uploads//Generic-Ethics-Principles-in-Social-Science-Research-2013.pdf 联合国教科文组织。（2021 年）。关于人工智能伦理的建议。https://www.unesco.org/en/articles/recommendation-ethics-artificial-intelligence
人工智能治理框架
1 Marwala, T.，2022 年。缩小差距：非洲的第四次工业革命。Pan Macmillan 南非。2 Marwala, T.，2023 年。人工智能、博弈论和政治机制设计（第 41-58 页）。新加坡：Springer Nature 新加坡。3 Roberts, H.、Hine, E.、Taddeo, M. 和 Floridi, L.，2024 年。全球人工智能治理：障碍和前进的道路。国际事务，第 iiae073 页。4 Ali, AE、Venkatraj, KP、Morosoli, S.、Naudts, L.、Helberger, N. 和 Cesar, P.，2024 年。透明的人工智能披露义务：谁、什么、何时、何地、为什么、如何。arXiv preprint arXiv:2403.06823。 5 Hurwitz, E. 和 Marwala, T.，2007 年 10 月。学会虚张声势。2007 年 IEEE 系统、人与控制论国际会议（第 1188-1193 页）。 6 Markowitz, DM 和 Hancock, JT，2024 年。生成式人工智能比人类更偏向真相：核心真值默认理论原则的复制和扩展。语言与社会心理学杂志，43(2)，第 261-267 页。 7 Falco, G.、Shneiderman, B.、Badger, J.、Carrier, R.、Dahbura, A.、Danks, D.、Eling, M.、Goodloe, A.、Gupta, J.、Hart, C. 和 Jirotka, M.，2021 年。通过独立审计管理人工智能安全。自然机器智能，3（7），第 566-571 页。 8 Coeckelbergh, M.，2020 年。人工智能伦理。麻省理工学院出版社。 9 Elliott, D. 和 Soifer, E.，2022 年。人工智能技术、隐私和安全。人工智能前沿，5，第 826737 页。 10 Marwala, T.，2024 年。机制设计、行为科学和人工智能在国际关系中的应用。摩根考夫曼。 11 Verbruggen, A. 和 Laes, E.，2015 年。核电可持续性评估：国际原子能机构和政府间气候变化专门委员会框架的话语分析。环境科学与政策，51，第 170-180 页。 12 Marwala, T. 和 Mpedi, LG，2024 年。人工智能与法律。 Palgrave Mcmillan。13 Marwala, T.、Fournier-Tombs, E. 和 Stinckwich, S.，2023 年。使用合成数据训练人工智能模型：可持续发展的机遇和风险。arXiv 预印本 arXiv:2309.00652。14 Sidogi, T.、Mongwe, WT、Mbuvha, R. 和 Marwala, T.，2022 年 12 月。使用具有静态套利损失条件的生成对抗网络创建合成波动率曲面。2022 年 IEEE 计算智能研讨会系列 (SSCI)（第 1423-1429 页）。 15 Tshilidzi Marwala、Eleonore Fournier-Tombs、Serge Stinckwich，“监管跨境数据流：利用安全数据共享实现全球包容性人工智能”，联合国大学技术简报 3（东京：联合国大学，2023 年）。 16 Ebers, M. 和 Gamito, MC，2021 年。算法治理和算法治理。Springer。 17 Marwala, T.，2014 年。用于理性决策的人工智能技术。Springer。 18 Marwala, T. 和 Hurwitz, E.，2017 年。人工智能与经济理论：市场中的天网（第 1 卷）。Cham：Springer International Publishing。 19 Sasikala, P.，2012 年。云计算与电子政务：进步、机遇和挑战。国际云计算应用与计算杂志 (IJCAC), 2 (4), 第 32-52 页。20 Marwala, T., 2023. 政治中的情报、博弈论与机制设计 (第 135-155 页)。新加坡：Springer Nature 新加坡。
CV - 米莱娜·茨韦特科娃
Straub, V.J.、Tsvetkova, M. 和 Yasseri, T. 2023。在执行复杂任务时，协调的成本可能超过协作的收益。集体智慧 2(2)。https://doi.org/10.1177/26339137231156912 Tsvetkova, M. 、Vuculescu, O.、Dinev, P.、Sherson, J. 和 Wagner, C. 2022。异质禀赋下的不平等和公平。PLoS ONE 17(10):e0276864。Tsvetkova, M. , M¨uller*, S., Vuculescu, O., Ham, H., 和 Sergeev, R. 2022.社会比较增加了努力和表现的分散性和可预测性。ACM 人机交互论文集 6(CSCW2):536。Kim*, J.E.和 Tsvetkova, M. 2021。网络游戏中的作弊行为通过观察和受害而传播。网络科学 9(4):425–442。Tsvetkova, M. 2021。声誉对网络合作游戏中不平等的影响。英国皇家学会哲学学报 B 376:20200299。Reiss*, M.V.和 Tsvetkova, M. 2020。从 Facebook 个人资料图片了解教育。新媒体与社会 22(3):550–570。Tsvetkova, M. , Wagner, C., 和 Mao, A.2018。社会群体中不平等的出现：网络结构和制度影响合作博弈中的收益分配。PLoS ONE 13(7):e0200965。Tsvetkova, M. , Yasseri, T., Meyer, E., Pickering, J.B., Engen, V., Walland, P., L¨uders, M., Følstad, A., 和 Bravos, G. 2017.理解人机网络：一项跨学科调查。ACM 计算调查 50(1):12。Garc´ıa-Gavilanes, R.、Møllgaard, A.、Tsvetkova, M. 和 Yasseri, T. 2017。记忆永存：理解数字时代的集体记忆。Science Advances 3(4):e1602368。Tsvetkova, M. 、Garc´ıa-Gavilanes, R.、Floridi, L. 和 Yasseri, T. 2017。即使是优秀的机器人也会打架：以维基百科为例。PLoS ONE 12(2):e0171774。Tsvetkova, M. , Garc´ıa-Gavilanes, R., 和 Yasseri, T. 2016.分歧的动态：大规模时间网络分析揭示了在线协作中的负面互动。科学报告 6：36333。Garc´ıa-Gavilanes, R., Tsvetkova, M. , 和 Yasseri, T. 2016.在线关注的动态和偏见：飞机失事案例。皇家学会开放科学 3：160460。Tsvetkova, M. , Nilsson*, O., ¨ Ohman*, C., Sumpter, L., 和 Sumpter, D. 2016.隔离机制的实验研究。EPJ 数据科学 5:4。Tsvetkova, M. 和 Macy, M.W.2015.反社会行为的社会传染。社会科学 2:36–49。Macy, M.W.和 Tsvetkova, M. 2015.噪声的信号重要性。社会学方法与研究 44(2):306–328。Tsvetkova, M. 和 Macy, M.W.2014。慷慨的社会感染。PLoS ONE 9(2): e87275。Tsvetkova, M. 和 Buskens, V. 2013。平等主义网络在社会博弈中的非对称关系协调。复杂系统进展 16(1):1350005。 van der Lippe, T.、Frey, V. 和 Tsvetkova, M. 2013。家务外包：偏好问题？家庭问题杂志 34(12):1574–1597。Shaw, A.K.、Tsvetkova, M. 和 Daneshvar, R. 2011。八卦对社交网络的影响。复杂性 16(4):39–47。