XiaoMi-AI文件搜索系统
World File Search SystemResponsible
人类负责的缩放政策，2024年10月15日
背景。AI安全级别标准（ASL标准）是一套安全培训和部署Frontier AI模型的技术和运营措施。这些目前分为两类：部署标准和安全标准。随着模型功能的增加，对更强大的保障措施的需求也将在更高的ASL标准中捕获。目前，我们所有的模型都必须符合ASL-2部署和安全标准。要确定何时已经足够先进的模型以使其部署和安全措施得到加强，我们使用能力阈值的概念和所需的保障措施。功能阈值告诉我们何时需要升级保护措施，相应的必要保障措施告诉我们应适用什么标准。
ALACC 关于安全且负责任的 AI 的意见书
1 澳大利亚道德框架 2019 https://www.industry.gov.au/publications/australias-artificial-intelligence-ethics-framework/australias-ai-ethics-principles
朝着负责任的教育生成AI的负责发展：一种评估驱动的方法
7月 *的Irina *，‡，，赫尔曼（Herman），丹尼尔·卡森伯（DanielKasenber§ Wei-Jen KO 3，Andrera Huber 1，Bretht Wastshire 1，Gall Elidan，Rabin 2，Roni Robinin 2，Robiviit Engelberg 2，Lydan Hackmon 2，Ravil 2，Rachel棕色1，绿色Chiir§，1，Grand Studina Grand We-Xin Dog 3，Marchal 1，Racsite Van Deman 4，儿童区，Abbhipolo 3，Striopolous 3，Annihe Hale 5，Wais Matatas 2，Ben Gomes 3特征1
导致多种抗生素爆发的 R 因子
在两年的时间里，路易斯维尔大学医院出现了多重耐药性肺炎克雷伯菌引起的院内感染（M. Raff，未发表数据）。怀疑是 R 因子传播，因为在几种不同的肺炎克雷伯菌血清型中都发现了多重耐药特性（1、11、17）。在本研究中，我们表明，单一 R 因子是造成这种流行病的原因，并且在我们的医院环境中持续存在。脱氧核糖核酸 (DNA)-DNA 杂交用于在所有肺炎克雷伯菌菌株中识别这种 R 因子，并且可能被证明是持续研究这种和未来多重耐药微生物爆发的有用工具。（这项工作是 M.-A. Courtney 提交给路易斯维尔大学研究生院的论文的一部分，部分满足博士学位的要求。）
负责任的技术和人工智能影响评估指南
● 世界各地的数据保护法 ● 人道技术基础课程 ● 道德操作系统 - 风险缓解清单 ● 道德探索者 - 帮助应对当今技术未来影响的工具 ● 后果扫描 - 创新者的敏捷实践 ● 新西兰 2020 年隐私法案和隐私原则 ● 欧盟的 GDPR 数据保护法 ● Consentfultech.io ● 书籍：道德算法：社会意识算法设计的科学 ● 书籍：数学毁灭武器 ● 书籍：呼喊零和一：新西兰的数字技术、道德和政策 ● 书籍：你好世界：算法时代的人类 ● 书籍：对齐问题：机器学习和人类价值观 ● 书籍：隐形女性：为男性设计的世界中的数据偏见 ● 书籍：酷儿数据：使用性别、性和性行为数据采取行动 ● 书籍：压迫算法：搜索引擎如何强化种族主义 ● 书籍：数据女权主义
负责任地使用人工智能
1. 人机互动：我们认为 AI 应该用于协助和加速人类决策，而不是取代人类决策。我们的 AI 系统本质上是咨询性的，绝不会自行采取相应行动。使用 AI 生成的指导，我们可以帮助客户更快地做出更好的决策。2. 以工作流程为中心的应用：我们确定工作流程中 AI 可以提供改进的授权和特定领域，使用户能够更快、更成功地完成相同的任务。我们正以有针对性和协作开发的方式将经过验证的 AI 技术应用于定义狭窄且易于理解的用例。3. 规范创新：我们应用经过精心训练、彻底表征和广泛测试的经过验证的 AI 和机器学习技术。这使得 AI 驱动的解决方案在现场出现意外的可能性大大降低。4. 监督：我们成立了摩托罗拉系统技术咨询委员会 (MTAC)，作为“技术良心”，并就特定产品技术的道德规范、局限性和影响为公司提供建议。此外，我们还咨询客观的第三方，以提供由外而内的观点来指导我们的决策。
扩展负责任的人工智能解决方案
重要的是，符合负责任的人工智能 (RAI) 最佳实践并具有积极社会环境影响的人工智能系统应得到支持，以发展并惠及可能从中受益的潜在用户和社区。然而，新兴的人工智能项目在实际实施 RAI 原则以及扩展方面遇到了挑战。RAI 的主要挑战包括减轻偏见和歧视、确保代表性和情境适当性、流程和结果的透明度和可解释性、维护人权以及确保人工智能不会重现或加剧不平等。RAI 的框架已经激增，但往往停留在高水平，没有在各种用途和情境中实施的技术指南。同时，扩展过程本身可能会给实现或保持 RAI 遵守带来障碍和复杂性。
建议：提供权力和资源，促进政府机构对人工智能的负责任采购创新
过去几年，美国联邦政府对人工智能技术的采购急剧增加。1 基于对各机构在采购尖端人工智能方面面临的挑战的研究，NAIAC 2023 年秋季的建议重点关注各机构在现有采购权限内可以做些什么。即，NAIAC 建议各机构优先考虑人工智能采购，包括在其总统过渡计划中；解决人工智能专业知识差距并培训采购人员；利用新兴人工智能采购实践的非详尽清单——例如质量保证监测计划 (QASP) 和领域内评估；并确保创新人工智能采购方面的专业知识和最佳实践成为机构知识并在整个机构间共享。2 持续的研究和与利益相关者的接触揭示了联邦采购条例 (FAR) 在实践中的实施存在很大局限性。因此，这项建议侧重于机构采购一流、值得信赖的人工智能所必需的变革。