XiaoMi-AI文件搜索系统
World File Search SystemTr
透明度 - 人工智能伦理简介
● 考虑到引入的透明度框架，您对 FB 透明度报告的实施有什么疑问？是否还有需要透明化的事情？● 您认为透明度报告有效吗？为什么有效或无效？● 您可以对实施提出哪些批评？● 您认为有哪些设计机会可以改进报告？● 您还想分享哪些其他观察结果？
关于人工智能用户信任的系统文献综述
摘要 用户对人工智能 (AI) 系统的信任已越来越多地得到认可，并被证明是促进采用的关键要素。有人提出，人工智能系统必须超越以技术为中心的方法，走向以人为本的方法，这是人机交互 (HCI) 领域的核心原则。本综述旨在概述 23 项实证研究中的用户信任定义、影响因素和测量方法，以收集未来技术和设计策略、研究和计划的见解，以校准用户与人工智能的关系。研究结果证实，定义信任的方法不止一种。重点应该是选择最合适的信任定义来描述特定环境中的用户信任，而不是比较定义。研究发现，用户对人工智能系统的信任受到三个主要主题的影响，即社会伦理考虑、技术和设计特征以及用户特征。用户特征在研究结果中占主导地位，强调了用户参与从开发到监控人工智能系统的重要性。研究还发现，不同环境以及用户和系统的各种特征都会影响用户信任，这凸显了根据目标用户群的特征选择和定制系统功能的重要性。重要的是，社会伦理考虑可以为确保用户与人工智能互动的环境足以建立和维持信任关系铺平道路。在衡量用户信任方面，调查是最常用的方法，其次是访谈和焦点小组。总之，在使用或讨论人工智能系统的每一个环境中，都需要直接解决用户信任问题。此外，校准用户与人工智能的关系需要找到不仅对用户而且对系统都适用的最佳平衡点。
校准对人工智能辅助决策的信任
随着人工智能产品的普及，人类和人工智能越来越多地合作做出决策。为了使这种类型的合作取得成功，人类需要了解人工智能的能力，以便有效地校准他们的信任。在这些合作关系中，以人类可以理解的方式解释决策和预测至关重要，以鼓励信任校准。可解释人工智能领域专注于将可解释性融入人工智能，但旨在使人工智能模型更具可解释性。因此，这项研究通常从以模型为中心的角度而不是以人为中心的角度来处理解释。与此同时，行业研究人员已经制定了指导方针，以帮助界面设计师有效地生成用户友好的解释。然而，这些指导方针通常过于宽泛，无法有效指导行业设计师的日常工作。我们的研究通过两种方法解决了这一差距：一个实证实验，研究人们如何回应解释以及哪些类型的解释对信任校准最有帮助；以及一个教育资源，帮助行业设计师了解用户可能有什么问题，以及使用环境如何影响他们可能使用的解释。我们的实验结果表明，解释并不总是有助于信任校准，实际上可能会损害信任校准，尤其是面对自我能力较低的新手用户时。我们对行业设计师进行的探索性访谈和可用性测试表明，人们渴望一种全面但易于访问的教育资源，以转化我们实验等研究并指导可解释的 AI 产品界面的设计。关键词
![人工智能治理中的结构化透明度 [arxiv 版本]](/simg/d/d500f55d902ad5cd4a2b7001a1a8702b1812d6bf.png)
人工智能治理中的结构化透明度 [arxiv 版本]
隐私增强技术的发展在减少数据交换和分析中隐私与性能之间的权衡方面取得了巨大进展。类似的结构化透明度工具可以通过提供外部审查、审计和源验证等功能对人工智能治理有用。将这些不同的人工智能治理目标视为一个信息流系统很有用，以避免部分解决方案和治理中的重大差距，因为本文中提到的人工智能治理用例所需的软件堆栈可能存在大量重叠。当将系统视为一个整体时，这些不同的人工智能治理解决方案之间的互操作性的重要性就变得清晰起来。因此，在这些标准、审计程序、软件和规范落实到位之前，将人工智能治理中的这些问题视为一个系统至关重要。123
政府使用人工智能和自动决策的信任框架 - v3
随着各国政府越来越多地探索和投资人工智能和自动决策系统，我们需要采取措施确保这些快速发展的技术在公共服务的特殊环境中得到适当使用。在许多国家，COVID 创造了一个信任度提高的泡沫，这个泡沫可以说已经破灭了，在一个对公共机构前所未有的不信任的时代（但即使在信任度很高的时代），服务速度更快或更具成本效益是不够的。本文为政府系统（技术平台、运营、文化、治理、参与等）提出了建议，这些建议将有助于提高公众对公共机构、政策和服务的信心和信任，同时履行公共部门的特殊义务和责任。
商业世界中人工智能的采用：当前趋势和未来预测
“合成数据”是一类人工生成的数据，而不是从对现实世界的直接观察中获得的数据。可以使用不同的方法生成数据，例如从真实数据中进行统计严格采样、语义方法和生成对抗网络，或者通过创建模拟场景来生成数据，其中模型和流程相互作用以创建全新的事件数据集。
2024 SA AI立法追踪_2024 0909.docx
2024 年的《培育原创、促进艺术和保障娱乐安全（无假冒）法案》将要求个人或公司对制作、托管或分享个人在视听作品、图像或录音中表演的数字复制品承担损害赔偿责任，而个人从未真正出现或以其他方式获得批准——包括由生成人工智能 (AI) 创建的数字复制品。托管未经授权复制品的在线服务必须在收到权利人的通知后删除该复制品。为公认的《第一修正案》保护规定了例外情况，例如纪录片和传记作品，或出于评论、批评或戏仿等目的。该法案还将在很大程度上取代州法律中关于数字复制品的规定，以制定可行的全国标准。发起人：参议员 Coons (D-DE)；Blackburn (R-TN)；Klobuchar (D-MN)；Tillis (R-NC) 最新行动：7/31/24 - 提交并提交参议院 JUD。
利用人工智能 (AI) 加强翻译研究
这项理论研究探讨了翻译研究与人工智能（AI）之间的共生关系，强调了这两个领域之间合作的重要性。该研究探讨了将人工智能融入翻译应用程序的潜力，以提高翻译效率、克服语言障碍并扩大信息获取渠道。从这个角度来看，该研究探讨了一些重要的伦理问题，例如人类专业知识在翻译研究中人工智能整合中的作用、翻译的准确性和文化适宜性以及人工智能对劳动力的影响。该研究强调了将人工智能相关主题纳入翻译研究（或口译和翻译）课程的重要性，提倡促进学者和人工智能开发人员之间的合作研究项目，并认为人工智能比其本身更复杂。 IQ（智商）和 EQ（它提请人们注意缩小个人能力（情商水平/商数）之间的差距。翻译研究与人工智能 (AI) 之间的合作可以提供技术上准确且文化敏感的翻译，从而实现满足个人和企业需求的高质量翻译。这种协作可以提高人工智能在翻译活动中的质量和有效性，从而产生更可靠、更合适的翻译。因此，本研究强调了翻译研究与人工智能合作的重要性，并提请关注提高翻译服务质量和鼓励文化敏感性翻译传播等问题。
标题转移学习基于小儿EEGS多个渠道的癫痫发作检测
摘要 - 癫痫是一种常见的神经系统疾病，其特征是在全球范围内影响多达7,000万人的癫痫发作。在生命的头十年中，每150名儿童中大约有一个被诊断出患有癫痫病。脑电图是诊断癫痫发作和其他脑部疾病的重要工具。但是，脑电图的专家视觉分析很耗时。除了减少专家注释时间外，自动癫痫发作检测方法是帮助专家分析脑电图的强大工具。对小儿脑电图中癫痫发作的自动检测的研究已被提出。深度学习算法通常用于小儿癫痫发作检测方法；但是，它们在计算上很昂贵，并且需要很长时间才能开发。可以使用转移学习来解决此问题。在这项研究中，我们在小儿EEG的多个通道上开发了一种基于转移学习的癫痫发作检测方法。公开可用的CHB-MIT EEG数据集用于构建我们的方法。数据集分为训练（n = 14），验证（n = 4）和测试（n = 6）。从10 s EEG信号产生的具有5 s重叠的频谱图用作三个预训练的传输学习模型（RESNET50，VGG16和InceptionV3）的输入。我们小心翼翼地将孩子分成培训或测试集中，以确保测试集是独立的。基于脑电图测试集，该方法具有85.41％的精度，85.94％的召回率和85.49％的精度。此方法有可能协助研究人员和临床医生对小儿脑电图中癫痫发作的自动分析。