快速浏览一些研究就会发现,私营公司与公共当局一起,是制定道德准则的主要参与者。因此,苏黎世联邦理工学院的研究表明,“大多数文件分别由私营公司(n=19;22.6%)和政府机构(n=18;21.4%)制作。”[16]。此外,在该研究中,4.8% 的文件是由私营部门联盟制作的,1.2% 是由政党制作的。最终,私营部门和公共当局合计占已确定准则的 50%。这些数据得到了人工智能伦理实验室的某种程度的证实,该实验室显示,35.1% 的文件由私营公司制作,29.7% 由政府和政府机构制作。在 Fjeld 等人的白皮书中利用的 35 份文件中,列出了 8 份来自私营部门的文件(22.9%)和 13 份来自政府的文件(37%)(8-9)。最后,欧洲委员会数字政策框架显示,在 133 项涉及道德原则的准则或指南中,有 50 项来自私营部门 [21]。
此外,根据委员会在 2022 年 12 月的常见问题解答中所作的澄清,银行必须获得足够的文件证据,确定生产商品和提供零售客户购买服务的公司符合相关的技术筛选标准 (TSC) 和最低保障措施 (MS),以计算其与分类标准一致的风险敞口。在大多数情况下,银行没有足够的信息来做出这一决定。当试图从未报告分类标准的信息的中小企业供应商那里获取符合 MS 的证据时,很可能会出现这种情况。银行不太可能直接从客户那里或通过第三方验证获得欧盟分类标准合规性的证据。从零售客户那里收集令人满意的证据的挑战可能会对金融机构的 GAR 产生负面影响。因此,在许多情况下,由于缺乏文件,电动汽车或抵押贷款的融资不会包括在 GAR 中。
集束弹药的设计决定了它们在使用期间和使用后对平民构成特殊威胁。首先,它们的广域效应意味着在袭击期间,每枚集束弹药散布的子弹药爆炸,平民伤亡或对民用物体造成附带损害的可能性增加。一次袭击中发射的子弹药数量通常很多,这使这个问题更加严重。其次,许多子弹药的失败率意味着一次袭击还可能留下数百或数千个未爆炸但致命的小装置(有时称为“盲弹”或“哑弹”)。第三,许多子弹药的敏感引信系统意味着即使是最小的干扰也足以导致它们爆炸。除了造成死亡和伤害之外,未爆炸子弹药的存在还危及流离失所者的安全返回,并妨碍农业或放牧等生计活动。
摘要:由于舞蹈电影制作领域的最新性,几乎没有研究旨在将其观看为电影(称为屏幕截图)和舞蹈录像(由现场观众观看的表演的视频)的舞蹈电影之间的区别。本文认为,将屏幕截图与舞蹈摄影区分开的是独特的吸引力屏幕截图对观众来说。通过使用瞬时位置变化或无法接近的位置,不寻常的摄像机观点(例如鸟类的眼镜),使观众感觉到他们或舞者在违抗重力,以及对身体和周围环境的技术介导的变化,舞蹈电影显示了观众在屏幕上发生了不可能的事情。这个不可能的因素使观众能够将作品作为迷人的视觉景象体验。,我建议视觉吸引力对观众产生积极的心理影响,而不是将其视为“低艺术”,这使屏幕截图可以用于创建娱乐(音乐视频)和销售产品(广告)。这项研究对舞者,编舞者和舞蹈电影制片人有影响,尤其是那些有兴趣使自己的作品(或一般舞蹈)更容易获得的观众更容易获得的舞者。
能源公平是全国司法管辖区越来越重要的优先事项。总体而言,有27%的公用事业委员会(PUC)被要求直接考虑其重大决定中的经济权益,或者通过创建特定计划来解决经济权益(KLEE 2021)。3个司法管辖区开始确定传统上服务不足的群体,包括租房者,弱势社区,环境正义社区,语言孤立的人以及其他人以及其他特定能源公平目标,如下所述(Tarekegne 2021)。由于司法管辖区确定并定义了出于能源公平目的的不同群体,因此我们将这些群体集体称为管辖权的“目标”人群。目标人群是为能源公平目的定义的任何组。
致力于通过分析、建议和教育来促进美国的全球利益。作为一个全国性的无党派组织,该委员会积极参与美国行政和立法部门、国内和国际商界、媒体和学术界以及外交官和其他外国领导人的活动。委员会计划确定问题和机会、突出选择、促进知情的公开辩论,并提供有关美国外交、安全和国际经济利益和政策的教育。
国家战略研究所 (INSS) 是国防大学 (NDU) 的主要组成部分,在 NDU 校长的监督下运作。它为国防部长、参谋长联席会议主席和联合总司令进行战略研究;支持 NDU 学术项目的国家战略组成部分;并与其他政府机构和更广泛的国家安全界进行联系。
ABL 是有史以来最复杂的军事武器系统,其设计目的是在弹道导弹助推阶段摧毁它们,此时激光的能量足以削弱导弹结构,使其因飞行压力而发生灾难性故障。该武器系统包括一个红外监视系统(用于检测发射)、一个快速跟踪系统和目标照明激光器(用于精确跟踪)以及一个信标照明激光器(用于向自适应光学系统生成信息,该系统可预补偿高能 COIL 光束,并允许大气将激光能量聚焦在目标上)。虽然该杀伤链的每个部分都提出了复杂的挑战,但所有这些系统的集成使复杂性成倍增加。无论如何,该计划迄今为止已经解决了挑战,并按计划为国家提供了改变游戏规则的能力。
已经描述了多种解释性方法,以帮助用户更好地了解现代AI系统如何做出决策。但是,开发用于评估这些方法的大多数性能指标基本上仍然是理论上的 - 没有太多考虑人类最终用户。尤其尚不清楚(1)在现实世界中,当前解释性方法的有用程度如何; (2)当前的性能指标是否准确地反映了最终用户的解释方法的有用性。为了填补这一差距,我们进行了心理物理学实验(n = 1,150),以评估三种现实世界中代表性归因方法的有用性。我们的结果表明,在这些情况下,各个归因方法可以帮助人类参与者更好地理解AI系统的程度差异很大。这表明需要超越当前归因方法的定量改进,朝着开发互补方法的发展,这些方法为人类最终用户提供了质量不同的信息来源。