XiaoMi-AI文件搜索系统
World File Search Systemtransparency
文章 特许经营的透明度
互联网公司（如 LegalZoom 和 Rocket Lawyer）可能会填补无代理加盟商的空缺，为潜在加盟商提供信息和表格。虽然他们的服务和产品通常较便宜，但这些网站不足以替代传统律师的指导。事实上，这些公司和其他法律信息公司将他们的工作与传统律师提供的个人、专业代理区分开来；从中可以看出，传统律师的咨询可能是潜在和现有加盟商最需要的。在线法律表格和信息网站的广泛使用只会加剧透明度问题，尤其是许多潜在加盟商放弃传统咨询，转而采用“自己动手”的方式。显然，加强对在线法律自助公司的监管可能是适当的。许多加盟商依赖的信息不足，存在过度自信的偏见，没有进行充分的成本效益分析，并忽视了特许经营关系的信息不对称。法律顾问对于特许经营者来说是一笔宝贵的财富，特别是因为联邦贸易委员会是一个不频繁的执法者，并且将特许经营内容的监管权交给了州法律。
实践中的AI透明度
2019年3月15日，一名恐怖分子在新西兰基督城袭击了两座清真寺，杀死了51人，伤害50。恐怖事件是攻击者在Facebook上实时的17分钟。虽然只有不到200人观看了原始的现场直播，但视频的副本迅速传播到包括Twitter，YouTube和Reddit在内的多个平台，最终吸引了数百万的观众。作为对袭击的回应的一部分，作为回应，新西兰当时的总理贾辛达·阿尔登（Jacinda Ardern）和法国总统伊曼纽尔·马克龙（Emmanuel Macron）将国家和政府负责人召集在一起，以及技术部门的领导人，采用基督城的呼吁，目的是“消除恐怖分子和暴力极端主义内容（TEVEC）”。皇家委员会对袭击的调查后来得出结论，恐怖分子是通过社交媒体平台在线找到的内容进一步强调了呼叫使命的重要性。
算法决策中的透明度
摘要：通过算法决策系统在各个领域的传播，人们对它们的不透明和潜在的道德后果的关注得到了提高。通过促进可解释的机器学习模型的使用，本研究解决了这些系统中开放性和道德责任的关键要求。可解释的模型提供了对决策的制定方式的透明且可理解的描述，而不是复杂的黑盒算法。用户和利益相关者需要这种开放性，以便理解，验证和负责这些算法的决定。此外，可解释性通过使检测和减少偏见更容易促进算法结果中的公平性。在本文中，我们概述了算法不透明度带来的困难，强调了在各种环境中解决这些困难的关键，包括涉及医疗保健，银行业，刑事司法等的困难。从线性模型到基于规则的系统再到替代模型，我们对可解释的机器学习技术进行了彻底的分析，突出了它们的好处和缺点。我们建议，将可解释的模型纳入算法的设计和使用可能会导致AI在社会中更负责任和道德应用，最终使人们和社区受益，同时降低与不透明决策过程相关的风险。
为什么透明度和可追溯性
在典型的营销或金融业务中，大多数公司都了解从历史知识和组织的集体经验中得出的景观。对于可持续性而言，情况有所不同。随着ESG报告变得越来越普遍，并且越来越受监管的要求，组织创建了专门的可持续性团队。在气候变化和环境退化的世界中，企业承受着越来越多的压力，即从制造业到员工旅行中纳入其所有活动的可持续性，几乎没有或没有以前的经验来铺平前进的道路。这使公司及其可持续性团队以符合迅速发展的法规和利益相关者的期望来监视各种ESG参数，同时采取行动将推动影响力变化。
AI 透明度技术说明
Webex Beta 是一项新的早期访问计划，它取代了我们的早期现场试用 (EFT) 和早期采用者计划 (EAP)。Webex Beta 为 Webex 管理员和合作伙伴提供了一种更好的方式来发现和申请早期访问 Webex 应用程序、设备和服务（包括 AI 服务和功能）。Webex 管理员可以提名其组织内的特定用户来访问 Webex 产品组合中的最新创新，以进行评估并提供反馈。有关新 Webex Beta 的更多信息，请访问我们的博客。
RC_RingCentral AI 透明度白皮书_v2.docx
● 安全：在 RingCentral，我们认为 AI 系统不应危及人类生命、财产、隐私或环境。● 保密性：AI 系统应通过防止未经授权的访问和使用的保护机制来保持机密性、完整性和可用性。● 透明：与系统交互的用户应可以获得有关 AI 系统及其输出的信息。● 可解释和可解读：AI 系统应能够提供描述其功能的信息。● 增强隐私：AI 系统的开发和使用应遵守隐私法和 RingCentral 隐私政策。● 公平：RingCentral 在开发和使用 AI 系统时应考虑平等和公平，解决有害偏见和歧视等问题。
证据状态：算法透明度
算法系统不透明的原因有很多。根据 Burrell (2016) 的说法，不透明可能是故意的，为了保护知识产权、贸易或国家机密，为了遵守法律标准，或者为了避免以某种方式玩弄系统或侵犯其他权利，例如隐私权。它们也可能因为技术文盲或缺乏如何阅读算法系统底层代码的专业知识而变得不透明。根据 Burrell 的说法，算法也可能因为复杂度或高维性与人类尺度推理之间的不匹配而本质上不透明。无论出于何种原因，算法越来越难以捉摸和不透明，导致多个声音呼吁关注算法日益增长的力量以及追究其责任的必要性（Diakopoulos，2014，2015；Pasquale，2015）。