XiaoMi-AI文件搜索系统
World File Search Systemlkopf
人工智能时代的责任制度：用例驱动的举证责任分析
• 机器学习中的独立同分布 (i.i.d) 假设 (Schölkopf 等人，2021) à 当实际操作与训练中的统计分布不同时，模型性能不佳，例如对抗性攻击。
欧洲核子研究中心的量子机器学习
Kübler, Jonas、Simon Buchholz 和 Bernhard Schölkopf。“量子核的归纳偏差。”《神经信息处理系统进展》第 34 期 (2021)。Huang, HY.、Broughton, M.、Mohseni, M. 等人。量子机器学习中的数据力量。Nat Commun 12, 2631 (2021)。https://doi.org/10.1038/s41467-021-22539-9
人工幸福 - 人类智能 - Michael Kröger
一个人通过长时间有意识地组合所选事物来激发幸福感（对自己的科学、激情或当前设计的幸福感），这样，不仅会创造出新的东西，甚至可能创造出历史上新的东西，还可能进一步发展自己的才能。著名的图宾根人工智能研究员 Bernhard Schölkopf 刚刚用一句幽默而聪明的话发表了一项有趣的发现：“我们的智能有趣之处在于，我们可以下围棋，然后从餐桌上站起来做饭，而机器做不到。（FAZ，第 26.2 卷。2020 年，第 20 页）。可以说，如果每个人都能像这里的人工智能研究员一样自由轻松地形成智慧的洞察力，难道不是每个人都会立即感到快乐吗？
人工智能伦理不是万能药
Char, D. S., M. D. Abr amoff 和 C. Feudtner。2020.确定机器学习医疗保健应用的伦理考虑因素。美国生物伦理学杂志 20 (11):7 – 17。doi: 10.1080/15265161.2020.1819469。Fawcett, T. 2006。ROC 分析简介。模式识别快报 27 (8):861 – 874。Hardt, M.、E. Price 和 N. Srebro。2016.监督学习中的机会平等。神经信息处理系统进展 29：3315 – 3323。Kleinberg，J.，和 S. Mullainathan。2019.简单造成不公平：对公平、刻板印象和可解释性的影响。2019 年 ACM 经济与计算会议论文集，807 – 808。Platt，J. C. 1999。支持向量机的概率输出以及与正则化似然方法的比较。在《大边距分类器的发展》中，编辑。A. J. Smola、Peter Bartlett、B. Schölkopf 和 D. Schuurmans，61 – 74。马萨诸塞州剑桥：麻省理工学院出版社。Rajkomar，A.、M. Hardt、M. D. Howell、G. Corrado 和 M. H. Chin。2018 年。确保机器学习的公平性以促进健康公平。内科年鉴 169 (12):866 – 872。Woodworth，B.、S. Gunasekar、M. I. Ohannessian 和 N. Srebro。2017.学习非歧视性预测因子。机器学习研究论文集 65：1920 – 1953。Zhang, B. H., B. Lemoine, 和 M. Mitchell。2018.通过对抗性学习减轻不必要的偏见。2018 年 AAAI/ACM 人工智能、伦理和社会会议论文集，335 – 340。美国路易斯安那州新奥尔良。