XiaoMi-AI文件搜索系统
World File Search Systemdts
引用：Piasecki, S. & Morosoli, S. & Helberger, N. & Naudts, L. (2024)。人工智能生成的新闻：《人工智能法案》中的透明度条款是否满足了新闻读者的期望？互联网政策评论，13 (4)。https://doi.org/10.14763/2024.4.1810
摘要：人工智能生成的内容在人们生活中的出现越来越多，而能够有效浏览和区分此类内容的重要性与透明度有着内在联系，我们的研究重点是透明度，我们通过评估《人工智能法案》第 50 条来研究这一概念。本文呼吁采取行动，在指定《人工智能法案》的透明度要求时考虑最终用户的利益。它侧重于一个特定的用例——媒体组织在生成人工智能的帮助下制作文本。我们认为，目前的形式下，第 50 条留下了许多不确定性，并且有可能在保护自然人免受操纵或赋予他们采取保护行动的权力方面做得太少。本文结合文献和调查数据分析（基于代表荷兰人口的样本），就《人工智能法案》透明度义务的实施提出了具体的政策和监管建议。其主要目的是回答以下问题：如何协调《人工智能法案》适用于人工智能生成的数字新闻文章的透明度规定与新闻读者对操纵和赋权的看法？
已发布版本的引用（APA）：Sopic, M., Vilne, B., Gerdts, E., Trindade, F., Uchida, S., Khatib, S., Wettinger, S. B., Devaux, Y., & Magni, P
需要采用多组学方法来改善 ASCVD 管理 ASCVD（见词汇表）仍然是一项持续的全球健康挑战，是导致过早死亡和生活质量下降的重要原因。它源于可改变的（例如生活方式、吸烟、饮酒、未控制的高血压、高胆固醇血症、肥胖和 2 型糖尿病）和不可改变的（即遗传背景、年龄和性别）风险因素的复杂相互作用 [1]。当前管理 ASCVD 的模式很大程度上依赖于临床风险算法，例如欧洲的系统冠状动脉风险评估 2 (SCORE2) 系统 [2]。然而，风险评分主要依赖于有限的一组传统风险因素，可能会忽略代表性不足的亚群 [3-5]（框 1）。这种背景凸显了对 ASCVD 管理更全面、更整体的方法的必要性。为实现这一目标，需要开展多模式研究，首先阐明 ASCVD 之外的复杂病理机制，进而发现新的生物标志物和治疗靶点，以个性化方式改善 ASCVD 管理。通过结合从基因型到表型的数据以及涵盖整个组学学科范围的无数分子中间体，我们可以更深入地了解动脉粥样硬化的复杂性并减轻其社会负担。不同组学，包括基因组学 [ 6 ， 7 ]、表观遗传学 [ 8 ]、转录组学 [ 9 ]、蛋白质组学 [ 10 ] 和代谢组学 [ 11 – 13 ]，有助于全面了解动脉粥样硬化的各个分子和病理生理方面，这对临床应用至关重要。