XiaoMi-AI文件搜索系统
World File Search Systembias
我们能消除数字偏见吗？
摘要：从社交网络中收集的个人特征的算法评估经常用于对保险费、招聘决策和就业机会、社会保障福利等领域的人员进行评级。这些算法梳理庞大的数据集（例如用户在社交网络上上传的信息），以“学习”某些特征之间的相关性和趋势，并生成“人员排名”，根据社交、声誉、身体、心理甚至行为特征系统地对个人进行评级。由于此类算法同样适用于有残疾和没有残疾的人，因此它们对残疾人尤其有害。换句话说，这些算法将残疾人的排名排在健全人以下（或不太受欢迎），导致依赖此类算法的公共和私营部门组织对残疾人产生歧视。需要采取立法行动为残疾人提供法律保护，使其免受此类算法歧视，无论这种歧视是有意还是无意的。由于此类算法广泛应用于各行各业，立法要求类似情况的残疾人和健全人获得相同的算法排名，可以极大地帮助改善残疾人的生活质量和机会。
人工智能与工程中的偏见和正确性问题
州立大学使用人工智能软件 Hephaestats 分析通过手机应用程序收集的学生数据。利用这些数据，该软件确定了关键指标，这些指标结合起来可以预测学生是否会辍学，准确率高达 94%。辍学原因多种多样，从可预测的管理问题（例如，课程过于雄心勃勃或不合适的组合）到外部因素（例如，平衡工作与学业、家庭责任）。管理部门使用 Hephaestats 提供的信息来调整校园环境的某些方面，以推动学生改善行为。例如，顾问鼓励学生更换课程，使他们的时间表更易于管理。Hephaestats 还向教师提供了高危学生的资料，帮助他们更好地了解个别学生可能遇到困难的原因，并提出有针对性的帮助方法。
防止联邦人工智能中的种族偏见
执行摘要：美国联邦政府越来越多地使用人工智能 (AI) 系统来替代或支持决策。人工智能是一种基于计算机的系统，经过训练可以识别数据中的模式并应用这些模式来对特定任务的新数据进行预测。人工智能通常被视为一种中立的技术工具，为行政职能、公民服务访问和监管执法带来效率、客观性和准确性。然而，人工智能也可以编码和放大社会偏见。设计、实施和使用方面的选择可能会将现有的种族不平等嵌入人工智能中，导致种族偏见的人工智能系统产生不准确的预测或对种族群体造成有害后果。种族歧视的人工智能系统已经影响了刑事司法、医疗保健、金融系统和住房等公共系统。本备忘录讨论了开发、部署和使用种族偏见人工智能系统的主要原因，并提出了三种应对措施，以确保联邦机构认识到人工智能的好处并防止种族差异影响。联邦机构必须采取三项行动来防止种族偏见：1）增加人工智能设计师的种族多样性，2）实施人工智能影响评估，3）建立员工对自动化决策提出异议的程序。每项提案都针对联邦机构使用的人工智能生命周期的不同阶段，并有助于使美国政策与经济合作与发展组织 (OECD) 的《人工智能原则》保持一致。一、什么是人工智能中的种族偏见？为什么它是一个问题？联邦机构越来越多地采用人工智能 (AI) 并将关键决策委托给该技术。在 142 个最大的联邦机构中，45% 的机构使用或考虑使用人工智能，执行从设定保释金到检测欺诈等各种任务（Engstrom 等人，2020 年）。虽然人工智能可以为服务带来效率和客观性，但人工智能系统也会放大系统性不平等。人工智能可以复制和放大现有的偏见，产生对某个种族群体有害的预测。造成偏见的原因既有技术原因，也有社会原因：代码可以通过设计者和数据的偏见嵌入，而人工智能的使用可能会加剧社会系统中已经存在的偏见。当联邦机构使用人工智能预测时，人工智能预测将成为关键决策的基础，或者在自动决策的情况下，成为产生直接影响的原因。人工智能系统的生命周期是一个定义人工智能要解决的问题的迭代过程，
性别偏见和人工智能的军事应用
• 偏见和伤害减轻是许多负责任的人工智能原则的一部分 • 同时：人工智能的军事应用可以使战争行为更加合理、可预测——“比人类的判断更好” • 但是：人工智能技术的发展在整个生命周期中都深深地与人类的判断交织在一起
HR0011ST2025D-02缓解显式和隐性偏见...
1。在此提案中，针对哪些特定类型的偏见（例如性别，种族，文化）？答案：任何形式的社会偏见。2。的重点是否应该放在减轻培训数据，模型设计或输出中的偏见或三个？答案：这些子集。3。在缓解偏见和保持准确性之间应优先考虑什么平衡，以及这种平衡应与该提案的主要重点保持一致？答案：由表演者定义偏见准确权衡4。哪种类型的符号表示与该项目最相关（例如语法，本体，基于逻辑的系统），以及它们如何专门解决偏见？答案：其中任何一个都可以。他们如何特别解决偏见取决于表演者的提议。5。哪些神经体系结构是首选或最适用于该建议（例如变形金刚，经常性网络），为什么它们适合减轻偏见？答案：任何具有相关应用程序的模型，例如注意网络，堪萨斯州，LRMS…6。是否有任何首选数据集或应用程序域（例如，文本，图像，语音）来证明缓解偏差，还是该提案应涵盖多个域？答案：没有偏好7。概念验证是否应集中于重新训练现有的AI模型，还是提出主要修改或约束推理过程（例如解码）的方法是可以接受的？答案：两者都处于范围。8。答案：由表演者定义这些指标取决于表演者。在此提案中应如何衡量在缓解明确和隐性偏见方面的成功，并且是否建议进行评估的特定指标或基准？
底物温度和偏置电压对...
硝酸钛（TIN）薄膜是通过在石英和蓝宝石底物上的反应性DC溅射来制备的。研究了沉积参数的结构，电和光学效应，例如厚度，底物温度，底物偏置电压。研究了45–180 nm厚的tinferm中的100–300 1 C范围内的底物温度变化和底物偏置电压变化的影响。在100-350 K范围内的温度依赖性电阻率和300-1500 nm范围内的光传递在样品中测量。此外，通过XRD和STM技术研究了结构和形态学特性。记录了在大约Vs¼1¼120V dc的最佳样品的最佳样品中记录的最低的表面和最低的电阻率。无偏的纤维显示出300 nm之间的狭窄光学传输窗口。但是，随着相同基板温度的偏置电压的增加，传输变得更大。此外，发现较低的底物温度在光学上产生了更多透明纤维。在最佳制备的锡膜上应用MGF 2的单层抗反射涂层有助于将可见区域的光传递增加到45 nm厚的样品中的40％以上。r 2003 Elsevier Science Ltd.保留所有权利。
用于偏差补偿的物理信息神经网络 ...
我们提出了一种新颖的物理信息神经网络建模方法，用于腐蚀疲劳预测中的偏差估计。混合方法旨在将深度神经网络中的物理信息层和数据驱动层合并。结果是一个累积损伤模型，其中物理信息层用于模拟相对容易理解的现象（通过 Walker 模型进行裂纹扩展），数据驱动层用于解释难以建模的物理现象（即由于腐蚀导致的损伤累积偏差）。使用数值实验来展示所提出的物理信息神经网络在损伤累积方面的主要特征。测试问题包括预测飞机机翼面板上使用的 Al 2024-T3 合金的腐蚀疲劳。除了循环载荷外，面板还受到盐水腐蚀。物理信息神经网络使用对输入的全面观察（远场载荷、应力比和腐蚀性指数 - 每个机场定义）和对输出的非常有限的观察（仅对一小部分机队进行检查时的裂纹长度）进行训练。结果表明，物理信息神经网络能够学习原始疲劳模型中由于腐蚀而导致的修正，并且预测足够准确，可以对机队中不同飞机的损坏进行排名（可用于确定检查优先级）。
感觉替代显示操纵偏见
保留所有权利。未经许可就不允许重复使用。（未经同行评审）是作者/资助者，他已授予Biorxiv的许可，以永久显示预印本。此预印本的版权持有人。http://dx.doi.org/10.1101/816835 doi：Biorxiv Preprint首次在线发布，2019年10月24日；