XiaoMi-AI文件搜索系统
World File Search Systemstw
值得信赖的人工智能需要公正的独裁者！
与任何新技术进步一样，随着人工智能解决方案在不同情境中的应用，我们直接获得了许多经验教训。这些经验教训告诉我们，与任何其他类型的解决方案相比，人工智能解决方案更容易受到认知偏见的影响，而这种偏见存在于人类设计者、开发者和实施者等与最终用户互动的方式中。每个解决方案都是有偏见的，因为其创建背后的设计选择自然会包括和排除某些最终用户群体。就人工智能解决方案而言，由于其快速发展、覆盖范围和应用环境，其固有的设计偏见范围很快就被发现和批评了。作为一种新方法，人们使用诸如值得信赖和合乎道德之类的形容词来描述人工智能解决方案必须是什么样子。
法德关于“加速工业人工智能和可信度”的立场文件
HAL 是一个多学科开放存取档案库，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
对候选可信数字存储库进行审计和认证的机构的要求
– 奥地利空间局 (ASA)/奥地利。 – 比利时科学政策办公室 (BELSPO)/比利时。 – 中央机械制造研究院 (TsNIIMash)/俄罗斯联邦。 – 中国卫星发射和跟踪控制总院、北京跟踪和通信技术研究所 (CLTC/BITTT)/中国。 – 中国科学院 (CAS)/中国。 – 中国空间技术研究院 (CAST)/中国。 – 英联邦科学与工业研究组织 (CSIRO)/澳大利亚。 – 丹麦国家空间中心 (DNSC)/丹麦。 – 航空航天科学和技术部 (DCTA)/巴西。 – 电子和电信研究所 (ETRI)/韩国。 – 欧洲气象卫星应用组织 (EUMETSAT)/欧洲。 – 欧洲通信卫星组织 (EUTELSAT)/欧洲。 – 地理信息和空间技术发展局 (GISTDA)/泰国。 – 希腊国家空间委员会 (HNSC)/希腊。 – 希腊空间局 (HSA)/希腊。 – 印度空间研究组织 (ISRO)/印度。 – 空间研究所 (IKI)/俄罗斯联邦。 – 韩国航空宇宙研究院 (KARI)/韩国。 – 通信部 (MOC)/以色列。 – 穆罕默德·本·拉希德航天中心 (MBRSC)/阿拉伯联合酋长国。 – 国家信息和通信技术研究所 (NICT)/日本。 – 国家海洋和大气管理局 (NOAA)/美国。 – 哈萨克斯坦共和国国家空间局 (NSARK)/哈萨克斯坦。 – 国家空间组织 (NSPO)/中国台北。 – 海军空间技术中心 (NCST)/美国。 – 荷兰空间办公室 (NSO)/荷兰。 – 粒子与核物理研究所 (KFKI)/匈牙利。 – 土耳其科学技术研究理事会 (TUBITAK)/土耳其。 – 南非国家空间局 (SANSA)/南非共和国。 – 空间与高层大气研究委员会 (SUPARCO)/巴基斯坦。 – 瑞典空间公司 (SSC)/瑞典。 – 瑞士空间办公室 (SSO)/瑞士。 – 美国地质调查局 (USGS)/美国。
可信数字存储库的审计和认证
– 奥地利空间局 (ASA)/奥地利。 – 比利时科学政策办公室 (BELSPO)/比利时。 – 中央机械制造研究院 (TsNIIMash)/俄罗斯联邦。 – 中国卫星发射和跟踪控制总院、北京跟踪和通信技术研究所 (CLTC/BITTT)/中国。 – 中国科学院 (CAS)/中国。 – 中国空间技术研究院 (CAST)/中国。 – 英联邦科学与工业研究组织 (CSIRO)/澳大利亚。 – 丹麦国家空间中心 (DNSC)/丹麦。 – 航空航天科学和技术部 (DCTA)/巴西。 – 电子和电信研究所 (ETRI)/韩国。 – 埃及空间局 (EgSA)/埃及。 – 欧洲气象卫星应用组织 (EUMETSAT)/欧洲。 – 欧洲通信卫星组织 (EUTELSAT)/欧洲。 – 地理信息和空间技术发展局 (GISTDA)/泰国。 – 希腊国家空间委员会 (HNSC)/希腊。 – 希腊空间局 (HSA)/希腊。 – 印度空间研究组织 (ISRO)/印度。 – 空间研究所 (IKI)/俄罗斯联邦。 – 韩国航空宇宙研究院 (KARI)/韩国。 – 通信部 (MOC)/以色列。 – 穆罕默德·本·拉希德航天中心 (MBRSC)/阿拉伯联合酋长国。 – 国家信息和通信技术研究所 (NICT)/日本。 – 国家海洋和大气管理局 (NOAA)/美国。 – 哈萨克斯坦共和国国家空间局 (NSARK)/哈萨克斯坦。 – 国家空间组织 (NSPO)/中国台北。 – 海军空间技术中心 (NCST)/美国。 – 荷兰空间办公室 (NSO)/荷兰。 – 粒子与核物理研究所 (KFKI)/匈牙利。 – 土耳其科学技术研究理事会 (TUBITAK)/土耳其。 – 南非国家空间局 (SANSA)/南非共和国。 – 空间与高层大气研究委员会 (SUPARCO)/巴基斯坦。 – 瑞典空间公司 (SSC)/瑞典。 – 瑞士空间办公室 (SSO)/瑞士。 – 美国地质调查局 (USGS)/美国。
联合学习可增强 5G 和 6G 网络的网络安全性和可信度：综合调查
摘要 在快速发展的无线通信领域，即将到来的 6G 网络有望彻底改变我们的通信方式，提供无与伦比的速度、最小的延迟和无缝连接。然而，在这一演变过程中，人们最关心的仍然是穿越这些网络的数据的安全性和隐私性。传统的集中式人工智能 (AI) 技术已经难以跟上未来 6G 网络的海量数据，并应对日益增长的隐私担忧。联邦学习 (FL) 是可信人工智能 (TAI) 的关键推动因素，它使分布式网络节点能够参与人工智能训练，而无需交换原始数据，从而降低了与集中式数据处理相关的风险。在本文中，我们对 FL 在增强 6G 网络安全性方面的潜力进行了全面的调查。特别是，我们首先提供有关 5G 网络和 FL 的必要背景知识，为理解它们当前和未来的影响奠定基础。然后，我们探讨 5G 网络中 FL 应用的当前最新进展及其与 6G 未来威胁形势的相关性。随后，我们研究了 FL 系统的固有漏洞、5G 网络背景下针对 FL 的主要攻击以及相应的防御机制。最后，我们讨论了先进的 FL 技术和概念的集成，以增强 6G 网络的网络安全和隐私，旨在涵盖即将到来的 6G 威胁形势背景下 FL 的所有方面和未来前景。
人工智能系统可信度评估：最新进展
基于模型的系统工程 (MBSE) 的核心是“从概念设计阶段开始并贯穿整个开发和后续生命周期阶段的建模形式化应用，以支持系统需求、设计、分析、验证和确认活动”(INCOSE，2007)。因此，MBSE 提倡“使用模型来执行传统上使用文档执行的系统工程活动”(Mann，2009)。这促进了对复杂系统工程过程的理解，包括人工智能 (AI) 系统工程作为一个多工程过程 (Mattioli 等人，2023d)。然而，MBSE 的成功应用需要对 ISO/IEC DIS 30145-2 标准定义的 AI 可信度进行评估，即“以可验证的方式满足利益相关者期望的能力”。事实上，如果在开发早期阶段没有对可信度进行评估，那么在航空电子、移动、医疗保健和国防等安全关键系统中部署人工智能组件就会变得有风险 (Mattioli 等人，2023b)。鉴于此，量化基于人工智能的系统可信度成为热门话题也就不足为奇了 (Braunschweig 等人，2022)。人工智能
能源领域值得信赖的人工智能
摘要 — 本研究旨在评估欧盟 (EU) 内可信人工智能 (TAI) 的当前模糊格局，特别关注能源领域。分析涵盖法律框架、指令、举措和标准，如可信人工智能的人工智能伦理指南 (EGTAI)、可信人工智能评估清单 (ALTAI)、人工智能法案和相关的 CEN-CENELEC 标准化工作，以及欧盟资助的项目，如 AI4EU 和 SHERPA。随后，我们介绍了一种新的 TAI 应用框架，称为 E-TAI，专为能源应用量身定制，包括智能电网和智能建筑系统。该框架从 EGTAI 中汲取灵感，但针对能源领域的人工智能系统进行了定制。它是为电力和能源系统 (EPES) 的利益相关者设计的，包括与输电系统运营商、配电系统运营商、公用事业公司和聚合商相关的研究人员、开发人员和能源专家。这些利益相关者可以利用 E-TAI 为能源部门开发和评估人工智能服务，重点确保整个开发和迭代评估过程的可信度。
Miles Brundage、Shahar Avin、Jasmine Wang、Haydn Belfield、Gretchen Krueger 等人。迈向值得信赖的人工智能发展：支持可验证声明的机制。2020 年。�hal-03065927�
Miles Brundage 1† , Shahar Avin 3,2† , Jasmine Wang 4,29†‡ , Haydn Belfield 3,2† , Gretchen Krueger 1† , Gillian Hadfield 1,5,30 , Heidy Khlaaf 6 , Helen Runing , 7 th Fong 9 , Tegan Maharaj 4.28 , Pang Wei Koh 10 , Sara Hooker 11 , Jade Leung 12 , Andrew Trask 9 , Emma Bluemke 9 , Jonathan Lebensold 4.29 , Cullen O'Keefe 1 , Mark Koren 13 , Thé Ryff 14 , B. B. B. roglu 16 , Federica Carugati 17 , Jack Clark 1 , Peter Eckersley 7 , Sarah de Haas 18 , Maritza Johnson 18 , Ben Laurie 18 , Alex Ingerman 18 , Igor Krawczuk 19 , Amanda Askell 1 , Rosario Cammarota , Andrew Krueger 21 , David Kruger 27 lotte Stix 22 , Peter Henderson 10 , Logan Graham 9 , Carina Prunkl 12 , Bianca Martin 1 , Elizabeth Seger 16 , Noa Zilberman 9 , Seán Ó hÉigeartaigh 2,3 , Frens Kroeger 23 , Girish Sastry 1 , Rebecca Karian , 16 , Brian Well 12.7 , Elizabeth Barnes 1 , Allan Dafoe 12.9 , Paul Scharre 25 , Ariel Herbert-Voss 1 , Martijn Rasser 25 , Shagun Sodhani 4.27 , Carrick Flynn 8 , Thomas Krendl Gilbert 26 , Lisa Dyer 7 , Khan Khan , 27 us Anderljung 12
核医学中的人工智能：迈向可信赖生态系统的机遇、挑战和责任
从二元组到更广泛的医疗保健生态系统。随着人工智能 (AI) 在医学领域的出现，必须重新审视信任的要素。我们设想了在核医学领域建立值得信赖的 AI 生态系统的路线图。在本报告中，AI 被置于技术革命的历史中。讨论了与诊断、治疗和工作流程效率相关的核医学 AI 应用机会，以及新出现的挑战和关键责任。建立和保持 AI 的领导地位需要齐心协力，通过让患者、核医学医生、科学家、技术人员和转诊提供者等利益相关者参与进来，促进这项创新技术的合理和安全部署，同时保护我们的患者和社会。该战略计划由核医学和分子成像学会的 AI 工作组制定。
迈向构建安全可信的人工智能代理和道路......
– 对抗性稳健性 – 分布外稳健性 • 幻觉 • 公平性 • 毒性 • 刻板印象 • 机器伦理 • 越狱护栏和安全/安保政策 • 协调目标：乐于助人、无害、诚实