XiaoMi-AI文件搜索系统
World File Search System公平性
在客户选择和算法公平性下的在线广告分配
摘要。广告是电子商务平台的关键收入来源，也是其卖方的重要在线营销工具。在本文中，我们探索了动态广告分配，每个客户到达电子商务平台的到达时有限，在单击广告时，cus tomers遵循选择模型。是在最近倡导在线广告交付算法公平性的倡导中，我们通过对不同广告和CUS Tomer类型的点击进行评估的一般公平度量指标调整了广告的价值。原始的在线广告分配问题是棘手的，因此我们提出了一个新颖的随机程序框架（称为两个阶段目标debt），该框架首先决定点击键入目标，然后设计一个AD分配策略，以在第二阶段满足这些目标。我们显示了原始问题，放松的点击目标优化和流体 - 敏感性（流体）con Vex程序之间的渐近等效性。我们还设计了一种债务加权算法算法，并证明，只要问题大小尺寸到无穷大，该算法在最佳的第一阶段点击目标下（渐近）是最佳的。与流体启发式及其解决变体相比，我们的方法具有更好的可扩展性，并且可以在整个视野中更加顺利地耗尽广告预算，这对于在线广告业务中非常需要实践。最后，我们提出的模型和算法有助于下一步提高在线电子商务平台的AD分配的公平性，其效率很大。
算法管理中的公平性：带来平台 - ...
数字劳动平台上的摘要，算法执行一系列决定，包括工作作业，绩效评估等。尽管算法决策是平台工作的关键特征，但我们对人们如何看待算法做出的决策（尤其是在其过程和结果的公平性方面）的理解仍然不足。这种看法对工作满意度和感知到的组织支持（POS）的影响仍在探索中，一些学者挑战了瞬态平台工人之间的POS可能性。在本文中，我们探讨了在算法管理的范式背景下运行的算法的感知过程和分布公平性的影响，即Uber。利用组织正义理论以及对435个Uber驱动因素的调查，我们不仅发现独立的平台工作人员可以体验POS，而且管理算法的公平性（尤其是他们的结果）可以在刺激此类看法中发挥关键作用。
国防部多样性、公平性、包容性和可及性战略计划
国防部需要多样化的视角、经验和技能，以保持全球领先地位，遏制战争，保障国家安全。利用这种战略多样性并扩大渠道来吸引、留住和提拔国家最优秀的人才，是国防部能够智胜、智胜和战胜任何对手或威胁的唯一途径。2022 年国防战略强调，为了使国防部保持联合部队的全球军事优势并防止针对我们国土的袭击，我们必须通过最大限度地发展和结合我们的优势并投资于我们的人民来建立一支有韧性的部队。在整个部门推进多样性、公平性、包容性和可及性 (DEIA) 不只是勾选一个框；它是为了获得关键技能和经验，以建立未来几年保护我们国家所需的总部队。
人机决策中的解释、公平性和适当依赖
在这项工作中，我们研究了基于特征的解释对人工智能辅助决策分配公平性的影响，特别关注从简短的文本简历中预测职业的任务。我们还研究了任何影响是如何通过人类的公平感知及其对人工智能建议的依赖来调节的。我们的研究结果表明，解释会影响公平感知，而公平感知又与人类遵守人工智能建议的倾向有关。然而，我们发现这样的解释并不能让人类辨别正确和不正确的人工智能建议。相反，我们表明，无论人工智能建议的正确性如何，它们都可能影响依赖性。根据解释强调的特征，这可能会促进或阻碍分配公平：当解释强调与任务无关且显然与敏感属性相关的特征时，这会提示覆盖与性别刻板印象相符的 AI 建议。同时，如果解释看起来与任务相关，这会引发依赖行为，从而强化刻板印象一致的错误。这些结果表明基于特征的解释不是提高分配公平性的可靠机制。
能源存储：增强弹性并促进所有规模的公平性
BTM 储能可以提供电网服务，例如频率调节、电压支持和电网投资延期。• 由于目前 BTM 储能为系统所有者提供收入的机会不足，因此在抵消公用事业购买电力的成本超过屋顶光伏装置前期成本的州，经济优化有利于仅使用光伏系统。
解决公平性、偏见和人工智能的适当使用问题……
在中低收入国家 (LMIC)，机器学习 (ML) 和人工智能 (AI) 为解决医疗资源短缺和提高当地医疗基础设施能力提供了有吸引力的解决方案。但是，AI 和 ML 也应谨慎使用，因为如果应用不当，可能会出现公平性和算法偏见问题。此外，由于缺乏技术能力、存在针对少数群体的社会偏见以及缺乏法律保护，中低收入国家的人群特别容易受到人工智能算法的偏见和公平性的影响。为了满足在全球卫生背景下更好指导的需求，我们描述了三个基本标准（适当性、公平性和偏见），可用于帮助评估机器学习和人工智能系统的使用情况：1）适当性是决定如何在本地环境中使用算法的过程，并将机器学习模型与目标人群正确匹配； 2) 偏见是模型中偏向某一人口群体而偏向另一群体的系统性倾向，这种倾向可以减轻，但会导致不公平；3) 公平涉及研究对不同人口群体的影响，并从几种群体公平的数学定义中选择一个，以充分满足所需的法律、文化和道德要求。最后，我们通过一个机器学习应用于印度浦那肺部疾病诊断和筛查的案例研究，说明了如何应用这些原则。我们希望这些方法和原则能够帮助指导正在考虑使用机器学习和人工智能的全球卫生研究人员和组织。
发展本科生的公平性，多样性和包容性课程倡议
公平，多样性和包容性（EDI）差距一直存在于科学，技术，工程和数学（STEM）领域，如歧视，刻板印象和不平等现象所表明的那样，历史上和持久边缘化群体面临的不平等现象。认识到这一差距，导致一个跨学科团队开发了基础电子学习模块，标题为“具有包容性和尊重的互动（FIRE）的基金会，以在不列颠哥伦比亚大学的Okananagan校园内在STEM本科课程中交付的EDI能力。火由通过学习管理系统Canvas提供的在线，异步，自学模块组成。试点测试的反馈消防模块表明STEM学生发现这些模块是相关和有益的。在整个火灾的开发过程中，我们了解了将课程与机构价值观保持一致的重要性，在跨学科团队中工作并进行迭代修改。消防模块的开发和初步可行性的文档旨在帮助正在开发自己的EDI教学材料的其他机构或组织。
确定新冠疫情期间的疫苗公平性
究竟谁应该对推进全球正义负责，又应该如何引导他们？在这里，我们将在向贫穷国家和当地弱势群体（包括富裕国家的弱势群体）分发新冠疫苗的权利和义务的背景下回答这个问题。首先，我们确定了追求全球正义必须克服的两个被忽视的障碍：不明确和操纵。不明确适用于正义的实际含义。尽管道德规则可能会规定某些“公平”的分配方案，但这些方案的抽象性质意味着需要更具体的政策来实施它们。此外，正义的流动性和争议性使其容易受到自私自利的战略行为者的操纵和滥用。在下一节中，我们将解释这些问题如何适用于国家（国内）和全球疫苗正义。我们认为，民主参与疫苗正义的定义不仅对于克服这些障碍至关重要，而且也是鼓励接种疫苗的切实方法。确保疫苗公平需要我们确定谁应该在疫苗分配中优先考虑——无论是在每个州内（国内）还是跨州（全球）——以及基于什么理由，某些人有义务接种疫苗以保护其他个体，而某些国家有义务
项目标题：心脏数字双胞胎中的公平性
数字双胞胎的患者心脏有可能实现个性化治疗并改善患者预后。只有可以从患者数据（例如图像）中有效地创建数字双胞胎的方法，才能充分实现这种潜力。已经在使用最先进的人工智能（AI）技术实现这一目标的努力。但是，最近的工作表明，在接受人口统计学不平衡数据集训练时，用于图像分析的AI工具可能会遭受隐藏的偏见，即他们可能是“不公平的”。例如，根据模型的训练数据中这些受保护组的分布，AI心脏图像分割模型可以表现出不同性别和种族的不同水平的性能。尚未研究基于数字双胞胎的基于AI的偏见，这依赖于这种技术。该项目将进行第一次此类调查，并将重点放在心脏病学领域。项目描述
AFMC 多样性、公平性、包容性和可访问性 (DEIA ...
7 多元化管理实践应用指南 Word Doc 多元化管理实践应用指南 8 多元化管理实践幻灯片 PowerPoint 多元化管理实践幻灯片 9 多元化前提条件讨论指南 Word Doc 多元化前提条件讨论指南 10 多元化前提条件幻灯片 PowerPoint 多元化前提条件幻灯片 11 个人意识讨论指南 Word Doc 个人意识讨论指南 12 个人意识幻灯片 PowerPoint 个人意识幻灯片 13 多元化趋势促进指南 Word Doc 多元化趋势促进指南 14 多元化趋势幻灯片 PowerPoint 多元化趋势幻灯片 15 SkillBrief：引领多元化 PDF Doc Skillbrief：引领多元化