XiaoMi-AI文件搜索系统
World File Search SystemRawls
罗尔斯和皮凯蒂：经济不平等的哲学层面
简介 关于经济学是否是经济问题，也许最好的答案可以在海德格尔 (2002:9) 对技术（不是技术问题）的回应中找到。 原因在于科学不思考。 海德格尔写道，例如，历史以各种可能的方式探索一段时期，但实际上从未探索历史。 人类永远不会以历史的方式发现历史是什么； 同样，数学家永远不会以数学的方式做数学。 历史、艺术、诗歌、语言、自然、人类和上帝等领域的本质仍然是科学无法触及的。 由于科学无法触及这些问题，因此必须说它不思考。 因此，思考 (das Denken) 是任何科学的基础，但超出了其既定的界限。 事实上，根据海德格尔的说法，思考（或思考）意味着“再次质疑自己”，而这恰恰是普通科学活动所不具备的情况。科学与人其实应该是一对搭档，而不是把人作为科学的研究对象。同样，我们可以得出这样的结论：经济不平等问题不是一个经济问题，而是一个哲学问题。这并不是说经济学的重要性是次要的，而只是说经济学看不到不平等的本质。经济不平等问题是社会普遍存在的问题。皮凯蒂（2014：2）写道：“财富分配是一个太重要的问题，不能留给经济学家、社会学家、历史学家和哲学家去解决。这是每个人都关心的问题，这是好事。”从哲学思考人类社会之初，不平等的根本原因就是私有财产。近代国家概念将所有权（私有财产）与权力（政府）相分离，要求人们无论财产状况如何，都必须行使权利。与霍布斯相反，洛克 (1828: 115) 认为财产制度是个人自由的自然基础，先于国家而存在，国家的存在只是为了维护个人自由。与这两位相反，卢梭 (1992: 222) 撰写了最受欢迎的私有财产批判，但这一著名批判并不是我们问题的根本，我们的问题就是不平等。这个问题在卢梭 (1992: 167) 对自然不平等和社会不平等的区分中得到了更好的体现。毫无疑问，人类凭借自己的力量，试图通过发展社会和政治力量来弥补自然不平等
![GRACE, Jamie 和 BAMFORD, Roxanne (2020)。“人工智能正义理论”：使用罗尔斯方法更好地为政府的机器学习立法。法庭之友。[文章]](/simg/c/c2198d55ef11638e64693034d757bb4c81053a45.png)
GRACE, Jamie 和 BAMFORD, Roxanne (2020)。“人工智能正义理论”：使用罗尔斯方法更好地为政府的机器学习立法。法庭之友。[文章]
SyRI 法律没有规定那些在 SyRI 中处理其数据的人有告知义务，因此可以合理地认为相关人员知道其数据正在或已经用于该处理。SyRI 立法也没有规定在适当情况下单独通知数据主体已进行风险报告的义务。只有一项法律义务，即提前在政府公报上公布 SyRI 项目的启动情况，并在之后根据要求访问风险报告登记册。可以在实践中使用的示范信……不是基于“挨家挨户”通知相关人员的法律义务，而法院无法根据现有信息确定市政当局之间是否存在实施法律的固定做法。相关人员事后也不会自动收到通知。只有在对风险报告进行审计和调查时才会发生这种情况。这并非易事。
罗尔斯式的人工智能公平漏洞
摘要 人工智能 (AI) 和自然语言处理 (NLP) 领域的研究人员和行业开发人员一致采用了罗尔斯式的公平定义。根据这一定义，如果一项技术能为最弱势群体实现性能最大化，那么该技术就是公平的。我们认为这一定义存在相当大的漏洞，可以用来使 AI/NLP 研究中导致社会和经济不平等的常见做法合法化。这些做法包括我们称之为子群测试膨胀和快照代表性评估。子群测试膨胀是指最初针对特定的技术就绪早期采用者目标群体定制一项技术，以更快地收集反馈的做法。快照代表性评估是指根据当前最终用户的代表性样本评估一项技术的做法。这两种策略都可能导致社会和经济不平等，但通常使用政治经济学中熟悉的论点并以罗尔斯公平为基础来证明其合理性。我们讨论了罗尔斯公平的平等主义替代方案，以及更广泛地说，走向全球和社会公平的 AI/NLP 研究和开发道路上的障碍。
计划设计与分析专业人员是Rawls Group总体计划团队的成员，并在高级工作人员的指导下工作。
计划设计与分析专业人员是Rawls Group总体计划团队的成员，并在高级工作人员的指导下工作。我们寻求经验丰富的继任计划专业人士，CFP - 认证的财务计划师，CPA和/或其他财富管理顾问，以加入计划设计与分析团队以及支持继任计划实践的整体可扩展性的流程。此全职职位为员工提供技术支持，并要求员工对接收，审查和个人资料法律文档进行分析，生成初始建模和场景，创建，校对和编辑客户端演示文稿，创建图表和图形，协调，并管理客户的期望，并管理客户和协会的持续支持和需求。此外，计划设计与分析专业人员是客户资源，代表同事回答问题和问题。此人直接与公司同事和客户合作，由计划设计总监管理，并向运营总监报告。
神经影像 - Eric Rawls
分形是在不同尺度上重复的自相似图案，其复杂性用 0（一个点）和 2（一个填充平面）之间的分数欧几里得维数 D 表示。美国画家杰克逊·波洛克 (JP) 的滴画本质上是分形，波洛克最著名的作品属于高维（~1.7）类别。这意味着人们更喜欢更复杂的分形图案，但一些研究表明人们更喜欢低维分形。此外，研究表明顶叶和额叶大脑活动跟踪分形图案的复杂性，但之前的研究根据分形维数人为地对分形进行分类，而不是将分形维数视为参数变化的值。我们使用从 JP 艺术品中提取的白色层作为刺激，并构建统计匹配的二维随机康托集作为控制刺激。当参与者观看 JP 和匹配的随机 Cantor 分形图案时，我们记录了脑电图 (EEG)。然后，参与者对每种图案的主观偏好进行评分。我们使用单次试验分析构建了将主观偏好与分形维数 D 相关联的受试者内模型，以及将 D 和主观偏好与单次试验 EEG 功率谱相关联。结果表明，对于 JP 和 Cantor 刺激，参与者更喜欢高 D 图像。功率谱分析表明，对于艺术分形图像，顶叶 alpha 和 beta 功率以参数方式跟踪分形图案的复杂性，而对于匹配的数学分形，顶叶功率以参数方式跟踪一系列频率内图案的复杂性，但在 alpha 波段最为显著。此外，顶叶 alpha 功率以参数方式跟踪对艺术和匹配的 Cantor 图案的审美偏好。总体而言，我们的结果表明，对艺术和计算机生成的分形图像的复杂性的感知反映在顶叶 - 枕叶的 α 和 β 活动中，而对复杂刺激的偏好的神经基础则反映在顶叶 α 带活动中。