摘要。试图使算法公平,机器学习文献主要集中在跨种族或性别群体之间的决策,结果或错误率平等。要说明,请考虑一个假设的政府乘车计划,该计划为即将到来的法院日期提供的低收入人士提供运输援助。遵循这些文献,可以将游乐设施分配给每美元估计效果最高的治疗效果的人,同时将支出限制为在种族群体之间相等。然而,这种方法忽略了这种约束的下游后果,因此会造成意外伤害。例如,如果一个人群群体居住在远离法院的情况下,则执行平等的支出必然意味着提供的总乘车量更少,并且可能会因失踪法院而受到更多罚款。在这里,我们提出了设计公平算法的替代框架,该算法预示了决策的后果。在我们的方法中,第一个在可能的决定和由此产生的结果的空间中引起了利益相关者的偏好,例如平衡支出平价与法院出庭率的偏好。然后,我们在决策政策的空间中进行了优化,以最大化引起的公用事业的方式进行权衡。为此,我们开发了一种算法,以从大型表达效用函数的数据中从数据中效率地学习这些最佳策略。尤其是,我们使用上下文的强盗算法来探索政治空间,同时在每个步骤求解凸优化问题,以根据可用信息估算最佳策略。这种后果主义范式促进了公平决策的更加友好的方法。
摘要。试图使算法公平,机器学习文献主要集中在跨种族或性别群体之间的决策,结果或错误率平等。要说明,请考虑一个假设的政府乘车计划,该计划为即将到来的法院日期提供的低收入人士提供运输援助。遵循这些文献,可以将游乐设施分配给每美元估计效果最高的治疗效果的人,同时将支出限制为在种族群体之间相等。然而,这种方法忽略了这种约束的下游后果,因此会造成意外伤害。例如,如果一个人群群体居住在远离法院的情况下,则执行平等的支出必然意味着提供的总乘车总数较少,并且可能会因失踪法院而受到更多惩罚的人。在这里,我们提出了设计公平算法的替代框架,该算法预示了决策的后果。在我们的方法中,首先引起了利益相关者在可能的决策和由此产生的结果的方面的偏好,例如平衡支出平价与法院出庭率的偏好。然后,我们在决策政策的空间中进行了优化,以最大化引起的公用事业的方式进行权衡。为此,我们开发了一种算法,以从数据中从数据中有效地学习这些最佳策略的算法,以提供大量表达效用功能。尤其是,我们使用上下文的强盗算法来探索poli cies的空间,同时在每个步骤求解凸优化问题,以根据可用信息估算最佳策略。这种后果主义范式促进了公平决策的更霍利斯的方法。
这些航天器的衰减速度取决于几个因素。特别是,轨道分配和弹道系数对遵守法规的能力起着根本性的作用。对轨道碎片积累的估计表明,直径为 1 – 10 厘米的颗粒超过 900,000 个,直径 >10 厘米的碎片超过 34,000 个,在地球静止赤道和低地球轨道高度之间的轨道上运行 (2)。在已进入轨道的 11,370 颗卫星中,60% 仍在轨道上,只有 35% 仍在运行。截至 2021 年 4 月,估计所有在轨空间碎片的总质量为 9,300 公吨 (2)。图 13.1 表示了地球周围的碎片。NASA 轨道碎片计划以及机构间空间碎片协调委员会 (IADC) 的目标是限制空间碎片的产生。他们要求所有航天器必须在规定时间内脱离轨道或进入墓地轨道安全储存 (3)。小型航天器任务通常停留在低地球轨道,因为这是一个更容易进入且成本更低的轨道。通过几家商业发射提供商,有很多共乘机会进入低地球轨道。靠近地球可以放宽航天器质量、功率和推进限制。此外,对于低于 1000 公里的高度,低地球轨道的辐射环境相对温和。在国际空间站 (ISS) 高度(400 公里)或附近发射的小型航天器会在 25 年内自然衰变。然而,在 800 公里以上的轨道高度,由于大气密度的不确定性和弹道系数的差异,无法保证小型航天器会在 25 年内自然衰变,如图 13.2 所示。
当NASA的太空发射系统(SLS)火箭在2021年与Orion Crew车辆发射时,它将为NASA的目标奠定基础,即在Artemis计划的一部分中登陆第一位女士和下一个男人。第一次航班 - Artemis I-也将标志着Smallsats的里程碑。13个6u立方体显示在Artemis I飞行中,这是第一架立方体的舰队,作为乘车场的乘车机会。(NASA的第一个Cubesats到Deep Space,Twin Mars Cube One [Marco]航天器是Insight Mars Lander Mission不可或缺的一部分)。Artemis I Cubesat明确代表了各种各样的Smallsats,执行了一系列科学任务和技术演示。来自NASA,国际合作伙伴,学术界和行业的有效载荷将执行各种实验。几个小萨特人将执行以月球为重点的任务,这些任务可能会返回数据,以解决该机构的月球勘探计划中的战略知识差距(SKG)。的确,Artemis I Cubesats将在该机构21世纪Lunar计划的先锋队中。Artemis I任务将产生数据,以支持太空辐射意识,船员着陆和现场资源利用,有助于支持持续的人月球存在。几个Artemis I Cubesats正在展示新技术,包括推进功能。在Artemis I Cubesats中,是NASA的Cube Question挑战的三个,这是百年挑战计划的一部分。这三个任务将在达到特定技术发展目标的同时争夺奖金。日本和意大利太空机构的有效载荷为国际参与Artemis计划提供了早期机会。学生参与几乎一半的有效载荷允许STEM与NASA的Artemis计划互动。Artemis I Flight的SLS Block 1车辆由几个元素运送到肯尼迪航天中心(KSC),并准备堆叠和集成。该程序的新开发,即212英尺的核心阶段,其安装了四个RS-25发动机目前在Stennis Space Center(SSC)进行“绿色运行”测试。在绿色运行测试活动之后,舞台将运送到KSC,在那里它将与其余车辆集成,包括上层阶段适配器,其中Artemis I Smallsats将被容纳。
简介 本文旨在向非技术法庭人员讲解人工智能基础知识,以帮助促进与技术提供商的对话,并确定当前和潜在的有益法庭用途。 人工智能 (AI) 在我们的职业和个人生活中无处不在。人工智能是指机器执行通常与人类决策相关的任务的能力。 1 人工智能可用于许多应用,包括聊天机器人、虚拟助手和语言翻译。人工智能还可用于分析大量法律数据,帮助律师识别判例法中的先例,使管理人员能够简化文书和司法程序,并支持法官对包括刑事刑期和风险评估累犯分数在内的问题进行预测。 2 然而,在法律系统中使用人工智能会引发道德问题,例如生成内容的准确性和偏见的可能性。 3 虽然人工智能是当前新闻和社交媒体帖子的常见特征,但人工智能的概念本质上和计算机一样古老。 20 世纪 50 年代,当卷带式磁带和打孔卡计算机问世时,科学思想领袖和科幻小说作家都在考虑使用机器来模拟人类思维。即便如此,人工智能在当今日常生活中的普及可能会让那些最有远见的思想领袖印象深刻。每一次互联网搜索、Siri/Alexa 响应、Amazon Prime 购买、流媒体建议、航空航班和拼车都可以通过“人工智能”一词所包含的技术变得更轻松、更便宜、更快捷、更准确和更便捷。人工智能有许多类型和应用。大多数客户服务呼叫处理中心都使用某种形式的语音识别和自然语言处理 (NLP) 将呼叫者路由到正确的资源。算法可以使用机器学习更好地预测结果和趋势。甚至包括“蜗牛邮件”、纸质银行支票和纸质纳税申报表在内的纸质流程都由光学字符识别处理。人工智能是新的“常态”:它已经成为大多数美国人生活中的常规和普遍现象。未来几十年,人工智能在我们生活各个方面的应用和重要性预计将迅速增长。如今,许多法庭技术系统已经利用一种或多种类型的人工智能。然而,在法庭环境中,人工智能技术可能发挥有利作用的用例还有很多。
尊敬的戴夫·科尔特斯(Dave Cortese)加利福尼亚州参议员州议会大厦6630萨克拉曼多,加利福尼亚州95814亲爱的科特斯参议员:我写信表示我对您的账单的支持,SB 915 - 自动驾驶汽车服务部署和数据透明度法。该法案将采取重要步骤来改善并确定对我们州部署和规范自动驾驶汽车(AV)服务的本地控制和投入的优先级。我的国会区是700,000多人的所在地,其中许多人依靠出租车和乘车服务来上下班,拜访家人和朋友或经营差事。作为国会议员,我一直在努力确保我所代表的社区和全州其他人都尽可能安全,并且包括潜在的AV服务在内的运输服务的扩展既代表了为我的选民提供其他选择的机会,也代表了风险。这就是为什么以安全,可靠和可持续的方式建立这些服务至关重要的原因,这将需要本地投入和监督。目前,AV服务和“ Robotaxis”在加利福尼亚社区运作,没有地方政府,有关居民,应急人员或受影响的工人的足够投入。不幸的是,有报道称AV会导致紧急医疗服务中断并在积极的消防和犯罪现场中干扰。在一次悲惨的事件中,据报道,两名AV封锁了一辆救护车,运输了一名车祸受害者,该救护车最终因封锁造成的命运延误而在医院死亡。根据旧金山消防局的说法,仅2023年,就发生了70起无人驾驶车辆的事件。我的选民应该有信心,这样的新服务不会冒着构成这样的公共安全威胁的风险。有许多技术失败和其他挑战的实例,但该州一级的监管机构最近批准了在旧金山湾区和洛杉矶县的AV服务扩展,我的选民在这里生活和工作。SB 915的颁布将结合确保安全部署AV服务所需的关键当地观点。鉴于这些服务的本地影响,特别是对于紧急服务,授权和监督不应仅限于加利福尼亚公共事业委员会和机动车部。这些机构应与当地司法管辖区的规划师和专家一起加入,以更好地了解这些服务可能在本地造成的挑战。因此,该法案被深思熟虑,要求受影响的地方政府通过一项将授权运营的法令。此意见和随后的监督是朝着这些服务的安全,可持续整合的必要步骤。