XiaoMi-AI文件搜索系统
World File Search SystemRegulating
调节机器学习应用中的解释性
随着人工智能（AI）的兴起，对AI的关注，导致对安全，隐私，安全和公平性的危害正在加剧。尽管正在尝试制定法规的尝试正在进行，诸如《欧盟AI法》和2023年白宫行政命令之类的倡议持怀疑态度，但对此类法规的有效性充满了持怀疑态度。本文探讨了为AI应用程序解释性设计政策的跨学科范围，因为与欧盟一般数据保护法规相关的广泛讨论的“解释权”是模棱两可的。为了制定可解释性的实用指导，我们进行了一项实验研究，其中涉及在十个星期内具有AI和政策背景的研究人员之间的持续合作。目的是确定通过互际式的努力，我们是否可以就AI的解释性达成共识，该政策比目前的准则更清晰，更可行，更可行，更可执行。我们分享了九个观察结果，这些观察结果来自迭代政策设计过程，其中包括起草政策，试图遵守（或绕过它），并每周共同评估其有效性。主要观察结果包括：迭代和持续反馈对于随着时间的推移改善政策草案，在政策设计期间必要讨论合规性的证据，并且发现人类受试者的研究是一种重要的证据形式。这对政策制定者具有有希望的含义，表明可以实现对AI应用的实际和有效调节。我们以乐观情绪的注释，认为可以在适度的时间范围内实现有意义的政策，并且在政策设计方面的经验有限，这是我们团队中的学生研究人员所证明的。
调节气道炎症的神经免疫通路
气道疾病通常伴有炎症，而炎症长期以来被认为是导致患者出现阻塞、粘液分泌过多、呼吸困难、咳嗽和其他特征性症状的原因。因此，临床干预通常针对炎症来逆转肺部病理并降低发病率。气道和肺部受神经纤维亚群的密集支配，这些神经纤维不仅受肺部炎症的影响，而且可能还是免疫细胞功能的重要调节器。这种双向神经免疫串扰由免疫细胞和气道神经纤维之间的紧密空间关系、互补的神经和免疫信号通路、局部专门的气道化学感应细胞和专用的反射回路支持。在本文中，我们回顾了有关该主题的最新文献，并介绍了支持神经免疫相互作用在气道炎症中的作用的最新证据。此外，我们扩展了这些证据，综合考虑了这些发现的临床转化，以改善呼吸道疾病患者的管理。© 2023 美国过敏、哮喘和免疫学学院。由 Elsevier Inc. 出版。保留所有权利。
调节选择产品的新框架
最近的监管变化通常具有规范性，并为受托人提供了最小的范围，以开发与其结构，产品和会员基础相关的解决方案，从而面临运营挑战，效率低下，行业成本增加，成员的成本，对会员的困惑以及财务顾问和受托人之间的摩擦。，假设所有受托人在成员及其投资组合的投资决策中都发挥了积极作用，并且在不同类型的资金中相似，则对选择平台产品构成了挑战，在此，成员在财务顾问的支持下积极选择适合其需求的投资方法。立法中的处方较少将允许资金以对其会员基础有意义的方式实现上述政策目标，并且适合其业务的规模，结构和风险概况。
ART 的监管艺术 - Scholarly Commons
1DRPL &DKQ LV WKH -XVWLFH $QWKRQ\ 0 .HQQHG\ 'LVWLQJXLVKHG 3URIHVVRU RI /DZ 1DQF\ / %XF ¶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
对模型的目的限制调节AI
本文提出了对AI模型的目的限制概念，作为一种效率调节AI的方法。不受监管的（次要）使用特定模型会造成巨大的个人和社会风险，包括对个人或团体的歧视，侵犯基本权利或通过误解的民主扭曲。我们认为，拥有训练的模型，在许多情况下，这些模型包括匿名数据（即使培训数据包含个人数据），这是数据公司与社会之间跨性能的不对称性的核心。在我们的跨学科方法中结合道德和法律方面，我们将训练的模型而不是培训数据确定为监管干预的对象。这种改变的重点增加了现有的数据保护法和拟议的人工智能法。由于关注个人数据或培训数据的程序方面，因此这些因素效率降低了滥用训练的模型。利用了预防风险法的概念和相称的原则，我们认为强大的参与者的潜在使用训练的模型以损害社会的方式需要预防性监管干预措施。因此，我们试图通过使民主控制在何处以及如何使用和重复使用的何处和生成的AI能力来平衡权力的不对称性。
调节情绪归因和操纵的理由
首先，我们不应该假设情感计算技术将按计划工作。在最基本的层面上，他们可能会误解人们，并将一个人的行为归因于另一个人。即使他们能够始终如一地识别人和面孔，机器也可能失败。心理学研究人员已经证明，面部和表情不一定巧妙地绘制到特定的特征和情感上，更不用说涉及到参与或侵略检测中更广泛的精神状态了。正如丽莎·巴雷特（Lisa Barrett）和她的同事所报告的那样：“同一情感类别的实例既不是通过一组普通的面部运动来可靠地表达的，也不是从一组普通的面部运动中表达出来的（Barrett等人。2019：3），因此面部的交流能力受到限制。误解的危险是明确的，并且在通过面部分析量化参与的努力中存在明显的危险。
硝酸甘油在调节血流中的重要性
心肌梗死（MI）通常被称为心脏病发作，是一种关键的医学状况，其特征是血液流动到心脏肌肉的一部分突然中断，导致由于缺乏氧气和营养而导致组织损伤或细胞死亡[1]。这种中断通常发生在负责向心脏供应富氧血液的冠状动脉被阻塞或狭窄时，由于斑块或血块的形成而被阻塞或狭窄[2]。心肌梗死对心血管健康的影响是深刻而多方面的。首先，心肌梗死（MI）会对心肌造成重大损害，从而导致心脏功能受损，并可能威胁生命的并发症，例如心力衰竭，心律不齐或心脏骤停[3]。此外，心脏病发作的发生通常是潜在心血管疾病的警告信号，表明存在高血压，高胆固醇，糖尿病或吸烟等危险因素[4]。此外，心肌梗塞可能会对受影响的个体的整体健康和福祉产生深远的影响，从而影响他们的生活质量，身体能力和情感健康[5]。MI后的康复和生活方式修改是管理状况并降低未来心血管事件风险的重要组成部分[6]。心肌梗死代表着一个重大的公共卫生问题，因为它的发病率高和死亡率及其对心血管健康和整体福祉的深远影响[7]。动脉粥样硬化，是心脏病发作和中风的主要原因，有效的预防，早期识别和及时治疗对于减轻心脏病发作的影响并改善受影响个体的预后至关重要。
公共卫生领域的人工智能监管：系统挑战和……
人工智能 (AI) 正在日益普及到医疗保健领域，并且在资源受限的印度这样的环境中，为改善医疗结果带来了巨大的希望。由于新兴技术仍在印度医疗保健行业中站稳脚跟，在 AI 能够彻底改变公共卫生之前，还有一些系统性障碍需要克服。AI 还给印度大多数传统监管机构带来了巨大挑战，他们必须在推动 AI 创新生态系统的同时，保持对患者安全和可负担性的核心关注。这要求监管机构和相关利益相关者对行业进行系统性审视，并了解整个生态系统监管的潜在影响。这项格局研究概述了印度医疗技术监管机构运作的背景限制。它为采用系统思维方法监管印度卫生系统中的 AI 提出了建议。