波特兰州立大学戴维·金塞拉(David Kinsella)政治与全球事务部门:城市中心大楼,650L室503.725.3035 | kinsella@pdx.edu办公时间:星期一和星期三,12:30-1:30或通过预约 - 亲自或通过Zoom。描述当国家或其他人类群体放弃较少原始的解决冲突的手段时,他们会诉诸战争。尽管许多战争一直是血腥的和破坏性的,但历史提供了相对较少的彻底歼灭战争的例子。相反,出于涉及自我利益和道德信念的原因,政治领导人和战士经常观察到他们的战争和战斗的措施。本课程研究了这些局限性的历史,道德和法律基础,以及尽管世界政治的持续变化和现代战争的转变,但它们的持久相关性。尽管我们考虑了替代观点,但该课程主要集中在公正的战争传统上,其中的主要要素反映在国际法中,统治了合法的诉讼,以期在战争期间进行武力和适当的行为。主题包括侵略性和自卫,种族灭绝,人道主义干预,核威慑,非战斗免疫,恐怖主义,对囚犯的待遇,酷刑和起诉战争罪。讨论这些主题是由当代公正的战争思维以及古典政治和道德哲学所启示的。学习目标结束时,学生将能够:
摘要本研究讨论了生物医学时代所面临的道德困境,重点是在卫生部门的决策中应用基督教伦理原则。本研究旨在确定相关的道德原则并制定一个全面的道德框架。通过分析堕胎,安乐死和基因工程等具体案例,这项研究探讨了由于法律多元化和社会价值观的多样性而引起的挑战。结果表明,基于道德的政策,对卫生工作者的道德教育以及跨文化对话的发展是克服复杂的道德困境的重要步骤。这项研究还强调了可持续研究的必要性,以通过技术发展和动态社会环境来调整道德框架。关键词:生物医学伦理,基督教伦理原则,道德困境,堕胎,安乐死,基因工程,法律多元化,卫生政策,伦理教育。
统计:频率,平均值,标准偏差和变异系数(Hair等,2017)。Cronbach的α系数用于检查量表的可靠性,考虑到可靠的可靠性水平为0.7(Hair等,2017)。结构方程模型(SEM)来检验假设(Gefen等,2000)。还进行了验证性因素分析(CFA),以检查测量模型中包含的构建体的可靠性和有效性(Hair等,2017)。接下来,为了测试结构模型的充分性,检查了拟合指数(Hoyle,2012年)。接下来,头发等。(2017)测量模型通过提取的平均方差(AVE)分析和检查。最后,进行了多组分析,以检查模型的结构关系是否根据收入有所不同。4结果
我们的信息和通信环境未达到网络全球通信可能服务的理想。识别其病理的所有原因很困难,但是现有的推荐系统很可能发挥作用。在本文中借鉴了计算哲学的规范工具,并由自然语言处理和推荐系统的经验和技术见解所告知,我们为另一种方法提供了道德案例。我们认为,现有的推荐人会激励质量监视,集中力量,行为狭窄的牺牲品以及损害用户代理。不仅试图避免完全避免算法,或者要对当前范式进行逐步改进,还应探索一种替代范式:使用语言模型(LM)代理来源自以自然语言表达的用户的偏好和价值观来源和策划内容。使用LM代理提出了自己的挑战,包括与候选人产生,计算效率,偏好建模和及时注入相关的挑战。尽管如此,如果成功实施的LM代理可以:指导我们通过数字公共领域而不依赖大规模监视;将电源从平台转移到用户;优化重要的事情,而不仅仅是行为代理;并脚手架我们的代理商而不是破坏它。
PAOLO MONTI 米兰比可卡大学 人类科学培训部 “Riccardo Massa” paolo.monti@unimib.it 摘要 大型语言模型 (LLM) 是一种生成性人工智能系统,能够根据以提示或问题形式提供的主题和风格输入生成原始文本。将这些系统的输出引入人类的话语实践提出了前所未有的道德和政治问题。本文基于哈贝马斯的交往行为理论,分析了这些系统的道德地位及其与人类对话者的互动。分析探讨了哈贝马斯对人类思维与计算机类似性的探究,以及对语言社区中非典型参与者(如转基因对象和动物)的地位的探究。主要结论是,法学硕士似乎有资格成为最初参与话语实践的作者,但确实只表现出结构上衍生的交际能力,不符合交际主体的地位。从这个意义上讲,虽然人工智能书写系统在公共话语和审议中的贡献可以支持演讲者社区内的相互理解过程,但参与开发、使用和传播这些系统的人类参与者对披露人工智能作者身份以及验证和裁定有效性主张负有集体责任。关键词 大型语言模型、尤尔根·哈贝马斯、道德地位、责任、公共话语
本文试图分析亚当·斯密著作中道德与市场/资本主义之间的关系。这可以从他的著作《国富论》和《道德情操论》中看出。尽管斯密认为这些著作是相互依存的,但它们都是一个更大的哲学项目的一部分。这样一来,就会出现以下问题:a)市场和道德有关系吗?; b)我们能以斯密为基础建立经济与道德之间的关系吗?; c)参与市场的个人可以成为道德的承载者吗?; d)资本主义只能在剥削制度下发展,从而以不道德的方式发展吗?; e)要想繁荣,我们必须抛弃任何道德的痕迹?然而,目的是表明这些问题已经存在于史密斯的思想中,从而有可能看到市场/资本主义关系中道德方面的基础和理解。
................................................................................................................................ ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................. ................................................................................................................................ ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. ................................................................................................................................. .................................................................................................................
从演示和成对偏好推断奖励函数是将强化学习 (RL) 代理与人类意图相结合的良好方法。然而,最先进的方法通常专注于学习单一奖励模型,因此很难权衡来自多位专家的不同奖励函数。我们提出了多目标强化主动学习 (MORAL),这是一种将社会规范的不同演示组合成帕累托最优策略的新方法。通过维持标量权重的分布,我们的方法能够以交互方式调整深度 RL 代理以适应各种偏好,同时无需计算多个策略。我们在两种场景中通过实证证明了 MORAL 的有效性,这两种场景模拟了交付和紧急任务,需要代理在存在规范冲突的情况下采取行动。总的来说,我们认为我们的研究是朝着具有学习奖励的多目标 RL 迈出的一步,弥合了当前奖励学习和机器伦理文献之间的差距。
从演示和成对偏好推断奖励函数是将强化学习 (RL) 代理与人类意图相结合的良好方法。然而,最先进的方法通常专注于学习单一奖励模型,因此很难权衡来自多位专家的不同奖励函数。我们提出了多目标强化主动学习 (MORAL),这是一种将社会规范的不同演示组合成帕累托最优策略的新方法。通过维持标量权重的分布,我们的方法能够以交互方式调整深度 RL 代理以适应各种偏好,同时无需计算多个策略。我们在两种场景中通过实证证明了 MORAL 的有效性,这两种场景模拟了交付和紧急任务,需要代理在存在规范冲突的情况下采取行动。总的来说,我们认为我们的研究是朝着具有学习奖励的多目标 RL 迈出的一步,弥合了当前奖励学习和机器伦理文献之间的差距。