XiaoMi-AI文件搜索系统
World File Search Systemfakes
人工智能：承诺，风险和监管。
7这种不可预测性的一部分是由基于机器学习的解决方案获得的渐进自主性，部分是由该领域创新的加速性特征所获得的，在这一领域的创新特征加速了（或续签），这会损害其全部理解。nina Schick指出，媒体的发明与摄影的发展之间有四个世纪，但是在短短的三十年中，我们从互联网的爆发到智能手机，因此，在社交网络上的生活平台，对信息制度产生了严重的影响。根据作者的说法，重要的细分市场的这种快速变化导致不确定性的很高的组成部分，这是一个整个社会必须考虑的。Schick，Nina。 深色假货和Infocalypse。 您迫切需要知道的东西。 伦敦：莫诺雷，2020年，p。 11。Schick，Nina。深色假货和Infocalypse。您迫切需要知道的东西。伦敦：莫诺雷，2020年，p。 11。
FakeSpotter：一种简单而强大的识别人工智能合成假脸的基准
近年来，生成对抗网络 (GAN) 及其变体在图像合成领域取得了前所未有的成功。它们被广泛应用于合成面部图像，随着假货的传播和错误信息的滋生，这给人类带来了潜在的安全隐患。然而，这些人工智能合成的假脸的鲁棒检测器仍处于起步阶段，尚未准备好完全应对这一新兴挑战。在这项工作中，我们提出了一种名为 FakeSpotter 的新方法，该方法基于监测神经元行为来发现人工智能合成的假脸。对神经元覆盖和相互作用的研究成功表明，它们可以作为深度学习系统的测试标准，尤其是在遭受对抗性攻击的环境下。在这里，我们推测监测神经元行为也可以作为检测假脸的有效手段，因为逐层神经元激活模式可以捕获对假脸检测器很重要的更细微的特征。利用最先进的 GAN 合成的四种假脸并规避四种扰动攻击的实验结果证明了我们方法的有效性和鲁棒性。
假冒药品贸易
为了向政策制定者提供有关这一威胁的确凿经验证据，经合组织和欧盟知识产权局（EUIPO）联手开展了一系列分析研究，加深了我们对问题规模和严重程度的理解。研究结果发表在一系列报告中：《假冒和盗版商品贸易：经济影响图》（2016 年）、《假冒商品贸易的真实路线图》（2017 年）、《假冒商品贸易与自由贸易区：近期趋势证据》（2018 年）、《国家为什么出口假货》（2018 年）、《滥用小包裹进行假冒商品贸易》（2018 年）和《假冒和盗版商品贸易趋势》（2019 年）。研究结果令人震惊。研究显示，2016 年假冒和盗版商品贸易占世界贸易的 3.3%，高于 2013 年的 2.5%；如果只考虑欧盟的进口量，这些产品占进口量的 6.8%，而三年前这一数字为 5%。造假者在全球化经济中行动迅速，滥用自由贸易区，利用许多合法的贸易便利化机制，并在治理标准不足的经济体中蓬勃发展。
大赦国际关于南部非洲的报告
执行摘要 4 重点领域 5 方法论 5 文献综述 5 利益相关者焦点小组会议 5 人工智能：定义 6 A 部分：该地区的人工智能准备情况：7 人工智能准备情况的基本支柱 7 技术部门支柱：8 数据和基础设施支柱：10 治理支柱：12 南非 13 数据隐私和保护法 15 算法透明度 15 津巴布韦 16 人工智能监督 16 数据隐私和保护法 17 人权 17 博茨瓦纳 17 关于人工智能准备情况的焦点小组讨论的反馈。 19 展望未来：南部非洲国家的发展之路 19 B 部分：区域内的人工智能部署 20 南部非洲媒体领域的人工智能用例 24 交互式人工智能 25 健康与社会福祉 26 气候变化与环境可持续性 26 教育 27 劳工 27 面部识别和大规模监控的使用 27 C 部分：人工智能与虚假信息——津巴布韦选举视角 29 人工智能与虚假信息 29 人工智能用于深度伪造和语音克隆 30 人工智能用于个性化广告和微目标定位 33 人工智能用于对抗偏见内容 33 人工智能用于选举内容审核工具 34 人工智能在非洲的未来机遇 35
人工智能 - 欧洲议会
该法案定义了在欧盟使用和销售人工智能系统的规则，并对 ChatGPT 和基于人工智能的生物特征监控等通用人工智能工具进行了监管。它还要求高风险人工智能系统比现在具有更高的透明度，并列出了人工智能不可接受的风险。本说明提供了一些主要国际智库和研究机构关于人工智能的最新报告和评论的链接。有关该主题的更多出版物可以在上一期的《智库在想什么》中找到。绘制人工智能的地缘政治和欧洲治理卡内基欧洲，2024 年 3 月欧盟的《人工智能法案》为开源人工智能带来了监管复杂性数据创新中心，2024 年 3 月对《数字市场法案》的期望欧洲改革中心，2024 年 3 月量子计算：对我们的数字世界的祝福和威胁欧洲之友，2024 年 3 月人工智能、外交和民主：从分歧到融合欧洲之友，2024 年 3 月欧盟是否错过了另一波人工智能技术浪潮？大西洋理事会，2024 年 2 月 联合国是否应该管理全球人工智能？ 布鲁金斯学会，2024 年 2 月 机器学习的公平性：监管还是标准？ 布鲁金斯学会，2024 年 2 月 授权人工智能不是答案，但它包含答案 布鲁金斯学会，2024 年 2 月 科技公司承诺打击选举造假是一个好的开始，但仅仅是一个开始 布鲁盖尔，2024 年 2 月
利用人工智能进行假脸检测
随着技术的进步，可以以非常无缝的方式为伪造媒体创建人脸图像，利用视频的大规模可访问性。这些假面孔可能用于对目标对象进行冒充攻击。ASCII 文本文件计算机代码和各种商业应用程序的可用性提供了通过几种方式获取选定目标对象的伪造视频的机会。在本文中，我们倾向于通过一系列研究来判断检测方法的普遍性，以对检测准确性进行基准测试。为此，我们从非复制网站收集了一个包含 50,000 多张图像的新数据库，这些图像来自多种数字生成的伪造来源，包括计算机图形图像生成和许多基于篡改的方法。此外，我们还使用了智能手机上常见的应用程序修改的视频。使用基于纹理的手工检测和使用 CNN 方法进行了广泛的实验，以确定检测方法的适用性。通过这种方式，我们可以通过 CNN 方法检测假脸。检测一张看起来很逼真的假脸。我们获取大量图像数据集并对其进行规范化。因此，我们从互联网上收集了大量名人照片，并希望从这些照片中检测出假脸。这样就可以从人脸中检测出假脸。
人工智能在文学和文化中的接管：真相、后真相和模拟 Sumanta Pramanik 1 *，& Shri Krishan Rai 2
1,2 印度杜尔加布尔国立科技学院人文与社会科学系 摘要 在一个越来越沉迷于叙事、深度造假、现实模拟和人工智能 (AI) 生成的虚假新闻传播的世界里，我们正在走向后真相时代。我们的思想被操纵和扭曲，信息（错误）被用来造福当权者；因此，我们的同意是在人工智能的帮助下制造出来的，导致了意识形态帝国主义。在这种情况下，当人工智能慢慢控制地球并通过克隆我们的意识来创造我们的数字复制品时，我们的未来会是什么样子？人类的创造性追求已经在各种电影、漫画、小说和网络连续剧中预测了这样的未来，描绘了即将到来的人工智能接管所带来的无数复杂情况。因此，本文将当今的情景置于未来的背景下，旨在剖析各种文化组织（包括电影、漫画、小说和网络连续剧）提供的一些流行的推测性叙事，以理解这些叙事产生的后果，从而掌握在代码和模拟世界中真实与虚幻、真相与后真相之间不断变化的关系。关键词：人工智能 (AI)、后真相、模拟、监视、意识形态帝国主义、推测性叙事。
人工智能及其对选举的挑战......
人工智能技术的不当使用给民主带来了困难，特别是不公正选举的威胁日益增加，例如在选举过程中部署机器人账户和深度伪造。因此，建立一个强大而全面的框架来规范人工智能技术在印尼政治进程中的使用至关重要。本文分析了四个主要主题：（a）人工智能技术的进步及其与选举的联系；（b）人工智能技术对选举原则的影响；（c）在选举中规范人工智能的迫切需要；（d）在印尼法律框架内规范人工智能技术的可能性和困难。本文采用理论法律研究来考察在选举背景下规范人工智能技术的必要性，同时考虑到宪法框架、既定原则和民主选举规范。结果表明，不负责任地使用人工智能技术仍然是对民主选举理想的威胁，印尼必须建立适当的法律机制来解决政治进程中不当使用人工智能技术所引起的问题。可以通过引入专门针对人工智能（AI）的法案来启动对人工智能技术的监管。这一过程还应涉及选举规则的同步和协调，包括选举法、管理州长、摄政王和市长选举的法律、有关政党的法律以及总选举委员会和选举监督委员会制定的其他实施条例。
可解释性在人机协作虚假信息检测中的作用
由于在线共享的信息量不断增加以及生成式人工智能 (AI) 的作用，人工验证变得非常具有挑战性。因此，人工智能系统用于在线识别虚假信息和深度造假。先前的研究表明，将人工智能与人类专业知识相结合时可以观察到卓越的性能。此外，根据欧盟人工智能法案，在可能影响基本人权（例如言论自由权）的领域使用人工智能系统时，人类监督是不可避免的。因此，人工智能系统需要透明并提供足够的解释才能被理解。已经进行了大量研究以整合可解释性 (XAI) 特征来提高人工智能系统的透明度；然而，它们缺乏以人为本的评估。此外，解释的意义因用户的背景知识和个人因素而异。因此，本研究实施了以人为本的评估方案，以评估人机协作虚假信息检测任务的不同 XAI 特征。在此，客观和主观评价维度（例如性能、感知有用性、可理解性和对 AI 系统的信任度）用于评估不同的 XAI 特征。进行了一项用户研究，总共有 433 名参与者，其中 406 名众包工作者和 27 名记者作为专家参与检测虚假信息。结果表明，自由文本解释有助于提高非专家的表现，但不会影响专家的表现。XAI 特征提高了对 AI 系统的感知有用性、可理解性和信任度，但它们也可能导致众包工作者在 AI 系统的预测错误时盲目信任它。
生成人工智能：揭示潜力与挑战
摘要：生成式人工智能 (AI) 是人工智能的一个子集，它已成为一种变革性技术，有可能彻底改变艺术、娱乐、研究、医疗保健和金融等各个领域。生成式 AI 模型可以生成答案、文章、诗歌、故事、产品描述和各种文本。它们还可以生成图像、音乐、音频、视频和合成训练数据。受益者包括数据科学家、应用程序开发人员、营销人员、销售团队、数字艺术家、媒体设计师、教育工作者和研究人员。另一方面，生成式 AI 也增加了潜在的版权侵权、数据隐私侵犯、歧视、深度伪造和其他欺骗行为的风险。本文深入探讨了生成式 AI 的基础、其潜在应用以及开发和部署生成式 AI 模型所面临的挑战。关键词：扩散模型、嵌入、生成对抗网络、生成人工智能、即时工程、Transformers、变分自编码器 1. 简介 生成人工智能使用户能够根据各种输入生成新的、逼真的高质量内容，包括文本、图像、声音、动画、3D 模型等。近年来，由于研究、算法、计算资源和应用的进步，生成人工智能领域取得了迅猛发展。从图 1 所示的近年来该主题专利申请数量的激增可以看出这一点。Lens 报告了超过 20,000 条生成人工智能专利记录 [1]。图 2 列出了该领域的一些顶级专利所有者。