XiaoMi-AI文件搜索系统
World File Search Systeminitions
关于机器学习中偏见和公平性的调查
随着我们日常生活中人工智能（AI）系统和应用的广泛使用，对公平性的解释在设计和工程中的公平性上已经获得了重要的重要性。AI系统可在许多敏感环境中使用，以做出重要且改变生活的决定；因此，至关重要的是要确保这些决定不会反映对某些群体或人群的歧视行为。最近在传统的机器学习和深度学习中开发了一些工作，这些工作解决了不同子域中的此类挑战。随着这些系统的商业化，研究人员更加意识到这些应用程序可以包含并试图解决这些应用程序的偏见。在这项调查中，我们研究了以各种方式显示偏见的不同现实世界应用程序，并列出了可能影响AI应用程序的不同来源。然后，我们为机器学习研究人员所定义的公平性划分创建了一个分类法，以避免AI系统中的现有偏见。除此之外，我们还检查了AI中的不同领域和子域，展示了研究人员对最先进方法中不公平结果的观察到了什么以及他们试图解决这些问题的方式。仍然可以采取许多未来的方向和解决方案来减轻AI系统中的偏见问题。我们希望这项调查能够通过观察各自领域的现有工作来激励研究人员在不久的将来解决这些问题。
锂供应链中的环境正义
执行摘要：虽然减缓气候变化是全球关注的问题，各国都必须发挥作用，但必须从完整的供应链角度审视跨越地理边界的各种战略的成本和收益。在美国等国家，交通运输业是温室气体 (GHG) 排放的主要来源，从内燃机汽车 (ICEV) 转向电动汽车 (EV) 已成为应对气候变化的一种策略。然而，这些电动汽车依赖电池中的关键矿物，这些矿物主要来自全球南部，那里的环境和社会保护法规和做法并不多。锂就是这样一种矿物，主要分布在南美洲阿根廷、玻利维亚和智利的锂三角区 (LT)。锂矿开采对 LT 的自然资源和生态产生了负面影响，进而给附近社区（包括该地区的土著居民）带来了挑战。科学外交可以加强北美和南美国家之间的关系和交流，更公平地分配锂开采和电动汽车销售与运营的社会和环境成本和收益。本文探讨了科学外交如何促进支持更可持续和公正的供应链所需的治理流程和科学投入。它表明，北美电动汽车供应链的使用阶段收益更高，而南美电动汽车供应链中锂原材料开采的成本更高。本文还提请关注可应用于可持续采矿的标准和措施。我们记录了跨学科和过渡利益相关者之间的最佳实践、经验教训和合作潜力差距，以制定电动汽车电池整个锂供应链的定义、措施和目标。
量化措施等效性
摘要。- 我们启动了对成品类型组之间测量的等效性的定量研究。这样做，我们扩大了已成为l p的等效性的经典的上下文。在本文中，我们关注的是普通群体的情况，该类别为此我们展示了刚性定理以及几个灵活性结果。我们的刚性结果规定，等级曲线具有非常笼统的单调性能，尤其涉及其综合等价不变性。这对两个平均组之间可能测得的耦合的整合程度提供了明确的“下端”。该结果在组几何形状中也具有意外的应用：在平均组之间粗大潜水下，等值谱是单调的。在其他应用中，这导致存在3组的连续体，这些群集彼此陷入了任何粗糙的景象。我们的灵活性结果包括表现出明确的轨道等价，并具有某些平均组之间规定的集成性特性。我们为此介绍了一种新工具：Følner的铺路套房。在许多情况下，我们扣除了使用等法轮廓获得的定量阻塞对于具有对数误差的误差因素是最佳的。我们还获得了两个重要的准时分析的重要不变性，在可集成的轨道等效性下没有保留：渐近维度和有限呈现的事实。