法院,找出缺陷,并将其提交给负责对案件作出判决的指定人员。 参考文献 [1] Jobin, A., Ienca, M. 和 Vayena, E.,2019 年。人工智能伦理指南的全球格局。《自然机器智能》,1(9),第 389-399 页。 [2] Dawson, D. 等人。《人工智能:澳大利亚的伦理框架》,2019 年。 [3] Maya Medeiros,《人工智能的法律框架》,《社交媒体法律公报》,2019 年。可在线获取:https://www.socialmedialawbulletin.com/2019/11/a-legal-framework-for-artificial-intelligence/?utm_source=Mondaq&utm_medium=syndication &utm _campaign=LinkedIn-integration [4] Doshi-Velez, F., Kortz, M., Budish, R., Bavitz, C., Gershman, S., O'Brien, D., Scott, K., Schieber, S., Waldo, J., Weinberger, D. and Weller, A., 2017. Accountability of AI under the law: The role of interpretation. arXiv preprint arXiv:1711.01134 . [5] Adadi, A. and Berrada, M., 2018. Peeking inside the black-box: A survey on Explainable Artificial Intelligence (XAI). IEEE Access,6,第 52138-52160 页。[6] Schneeberger, D.、Stöger, K. 和 Holzinger, A.,2020 年 8 月。欧洲医疗 AI 法律框架。在国际机器学习和知识提取跨领域会议上(第 209-226 页)。Springer,Cham。
摘要:由PRRS病毒(PRRSV)引起的猪繁殖和呼吸综合征(PRR)是最经济上重要的疾病之一,由于它在1980年代后期在美国已被第一次认可,因此对全球猪肉行业产生了重大影响。归因于PRRSV广泛的遗传和抗原变异以及快速的可突变性和进化,几乎全球流行病已经通过一组新兴和重新出现的病毒菌株所维持。由于第一个修饰的活病毒(MLV)疫苗已市售,因此已广泛使用了20多年,用于预防和控制PRR。一方面,MLV可以通过减轻猪的临床迹象并减少受影响群中的病毒传播,从而诱导针对同源病毒的保护性免疫反应,并有助于提高受异型病毒影响的猪农场的生产性能。另一方面,MLV仍然可以在宿主中复制,诱导病毒率和病毒脱落,并且无法赋予免疫免受PRRSV感染的灭菌性,从而可以加速病毒突变或重新组合以适应宿主并逃避免疫反应,从而促进逆转毒气的风险。MLV的无调异源交叉保护和安全问题是两个有争议的特征,这引起了人们的担忧,即使用这种泄漏的疫苗来保护具有高可能性的可能性。在这里审查了与MLV相关的免疫保护和安全性,有关PRRSV衰减,保护效率,免疫抑制,重新组合和恢复毒力的最新进展和意见,希望对MLV进行更全面的认识,并为了激励新的策略,在这里进行了更全面的认识,以更全面地认识到了新的策略。
近年来,人工智能决策的可解释性问题引起了广泛关注。在考虑人工智能诊断时,我们建议将可解释性解释为“有效的可争议性”。从以患者为中心的角度来看,我们认为患者应该能够对人工智能诊断系统的诊断提出异议,而对人工智能诊断中与患者相关的方面进行有效质疑需要获得不同类型的信息,这些信息包括:1)人工智能系统对数据的使用,2)系统的潜在偏见,3)系统性能,以及 4)系统与医疗专业人员之间的分工。我们论证并定义了“可争议性”所要求的十三个具体信息。我们进一步表明,可争议性不仅比一些提出的可解释性标准要求更弱,而且它不会为人工智能和医疗专业人员的诊断引入毫无根据的双重标准,也不会以牺牲人工智能系统性能为代价。最后,我们简要讨论一下这里介绍的可争议性要求是否是特定于领域的。
1 大学试图安抚那些希望避免辩论和挑战性、争议性或引起不适的想法的学生(例如,Lukianoff 和 Haidt,2015 年;Anthony,2016 年),而且随着学费上涨,学生认为他们的教育“价值不高”(Neves 和 Hillman,2017 年)。
摘要 随着人工智能系统的使用不断增加,人们对其缺乏公平性、合法性和责任感的担忧也日益增加。可以通过确保人工智能系统在设计上具有可争议性来防止这种有害的自动决策:在整个系统生命周期中响应人为干预。设计上具有可争议性的人工智能是一个规模虽小但正在增长的研究领域。然而,大多数可用知识需要大量的翻译才能应用于实践。传达中级生成设计知识的一种行之有效的方法是采用框架的形式。在本文中,我们使用定性解释方法和视觉映射技术从文献中提取有助于可争议人工智能的社会技术特征和实践,并将它们综合成一个设计框架。
情感两极分化及其伴随的基于裂解的分类使气候变化和其他与科学有关的问题引起了不可思议和争议性。围绕着Covid-19时期,我们研究了在Twitter和Reddit上与气候变化和气候科学的公共活动中的跨域溢出和争议性的溢出。我们找到了有力的证据表明,周围的共证范围溢出到气候变化域中。在不同的社交媒体系统中,Covid-19内容与Climente讨论中的不可活力和争议有关。这些增加的拮抗模式对大流行事件有反应,这使科学与公共政策之间的联系更加突出。我们还表明,观察到的溢出案沿流行前的政治分裂,特别是反国际民粹主义信仰,这将气候政策反对与疫苗的犹豫联系起来。我们的发现突出了根深蒂固的跨域极化的危险,表现为拮抗行为的溢出。
•不错的计划,以修改2024/25的当前HST标准,以更明确地反映出架构的HST愿景。这将包括每个标准的合格陈述,以提高透明度并提供更清晰的指导。目的是确保决策是明智的且争议性的较小,而不会改变通过HST路线接受的疗法数量。
2 值得注意的是,尽管 20 国集团在 2008 年危机后获得了更大的发展势头和更强的发言权,但七国集团仍然是全球经济事务的主要论坛(见 Sobel 和 Goodman,2020 年)。 3 例如,有人认为,美联储流动性互换额度是 2008 年危机期间和之后唯一有效的协调支柱。在此期间,财政政策协调的争议性要大得多
数百项研究已经描述了梭状回面部区域 (FFA) 的反应特性,但我们尚未揭示其表征背后的计算机制。一个方法论上的挑战是,不同的计算模型对随机抽样的面部做出的预测可能难以区分。这项 fMRI 研究采用了合成的争议性面部刺激,旨在引出六个候选神经网络模型对 FFA 中面部表征的不同预测。我们展示了对一位参与者进行四次扫描的初步数据。争议性面孔揭示了各模型在预测 FFA 表征相异矩阵 (RDM) 的能力方面存在许多显著差异,而随机抽样的面部无法实现模型之间的可靠裁决。经过逆向渲染(将面部图像映射到 3D 面部模型的潜在空间)训练的神经网络优于具有相同架构但经过识别、分类或自动编码训练的替代模型。我们的研究结果支持了这样的观点:面部识别涉及反映面部物理结构的表现形式,并证明了需要通过神经成像实验来优化有争议的刺激来裁决脑计算模型。
在本文中,我将尝试对这两个问题进行评论。第一个问题将引导我们讨论计算在我们理解人类(也许还有动物)认知方面所扮演的角色。我将研究各种这样的角色——从计算机作为工具来表达理论,通过其作为思想来源的角色,到大胆的经验主义主张,即认知实际上是一种计算。后一种立场(这将使我们进入我所说的“强等价”论题的讨论)甚至无法开始解决,直到我们对我们用计算这个术语来表达什么有了更清晰的理解——即我们打算用这个术语涵盖哪些过程系列。这是我将要讨论的主题中最具争议性的,但也是无法避免的;理解该学科背后的假设是理解最近关于重新定向的提议的先决条件