XiaoMi-AI文件搜索系统
World File Search System公平性
神经放射学使用人工智能进行伦理考虑和公平性
摘要：在本综述中，算法偏见和公平性的概念得到了定性和数学上的定义。给出了算法开发中出现意外偏见或不公平时可能出现的问题的说明性示例。讨论了可解释性、可问责性和透明度对于人工智能算法开发和临床部署的重要性。这些都基于“primum no nocere”（首先，不伤害）的概念。提供了减轻任务定义、数据收集、模型定义、训练、测试、部署和反馈中的不公平和偏见的步骤。将讨论如何实施公平标准，最大限度地提高利益，最大限度地减少对神经放射学患者的不公平和伤害，包括为神经放射学家提供建议，因为人工智能算法在神经放射学实践中获得认可并纳入常规临床工作流程。
补充信息：多求和器 - multi-responder Ultimatum游戏中的公平性
在此补充信息中，我们将证明并显示在手稿主要部分中使用的几个关键定理和观察结果。在下一节中，我们首先证明了两个与两个多求和器 - 多响应者Ultimatum游戏（MPMR UG）具有独特的进化稳定策略。我们还证明，在复制者的动力学下，人口组成的球员纳什均衡状态，稳定状态的人口扮演着派生的进化稳定策略，尽管在人群范围内。在“一般情况下”，我们将结果从两个和两个mpmr ug扩展到多个响应者和多个建议者的任意数量，并表明，在这种情况下，对于任何子游戏，也有一个独特的进化稳定策略（除了纯零报价外）。此外，我们证明，如果响应者在每个子游戏中扮演此ESS NASH均衡，那么在体面的NASH平衡建议中必须提出相同的优惠。
提高低碳环境下的能源公平性、空气质量和舒适度...
该项目研究了低收入社区中建筑防寒保暖、节能、电气化和可再生能源发电的影响。分析使用社区规模的建筑能源模型和优化工具来分析这些措施。分析考虑了当地电力分配系统的影响。建筑措施的评估依据是能源总成本、碳和污染物排放量减少的变化以及室内舒适度的改善。分析表明，用电器代替燃气器具是减少碳和污染物排放的最有效方法。特别是，热泵热水器可以减少 40% 至 50% 的碳和污染物排放量。无管道空气源热泵是减少空间供暖碳排放所必需的，但由于建筑物没有空调，因此成本也大幅增加。然而，在目前的公用事业费率和设备成本下，电气化会增加所有居民的总能源成本。必须将低收入租户的公用事业费率降低到现有水平以上，并且必须补贴设备，以避免能源负担加倍。该分析包括减少水电费并支持防寒保暖和节能的低收入援助计划。对于低收入居民，在热水电气化期间，公用事业费率降低幅度必须从目前的 33% 提高到 40%，以实现公用事业账单平价，因此必须增加对热泵热水器的补贴。
“四分之一规则”的限制和测量公平性的统计奇偶校验测试∗
为了确保算法决策系统的公平性，例如就业主持工具，计算机科学家和从业人员通常将所谓的“四分之一五分之一规则”提及，以衡量工具遵守反歧视法。这种依赖是有问题的，因为“规则”实际上不是歧视歧视的法律规则，并且提供了一种粗略的测试，通常在确定需要进一步审查的实践方面过于忽略和不包括。“四分之一的规则”是一类更广泛的统计检验之一，我们称之为统计奇偶校验测试（SPTS），比较了人口统计组之间的选择率。虽然某些SPT在统计学上更稳定，但所有人都在回顾性地具有不同的不同影响方面具有一些关键局限性。当这些测试被预期用作优化目标塑造模型开发时，就会出现对开发过程，行为激励措施和配盖性的其他担忧。在本文中，我们讨论了SPT在算法治理中的适当作用。我们建议采用多种措施，以利用预期优化过程中存在的其他信息，从而在建立和审计模型时更深入地了解公平考虑因素。
可再生能源项目中的社区参与和公平性：文献评论
有关如何从化石燃料过渡到可再生能源的问题以及要进行哪种可再生能源项目充满争议（Boudet 2019； Devine -Wright 2005）。新的能源项目也可以提示反对派，即使他们的支持者与公众和受影响的社区互动（Boudet 2019； Devine-Wright 2005； Devine-Wright和Devine-Wright和Devine-Wright 2009）。例子包括公众对核能，风能的反对以及对安全，隐私，噪音以及潜在的健康和社会经济影响的担忧，因此对生物能源基础设施的选址（Boudet 2019; Devine-Wright 2005; Devine-Wright; Devine-Wright and Devine-Wright and Devine-Wright and Devine-Wright and Devine-Wright 2009）。因此，许多学者和从业人员呼吁对参与和参与决策过程的挑战和机会有细微的理解。
DAF-多样性-公平性-包容性-可访问性-战略计划...
目标 4.1：增加并加强常规外部参与力度，以尽早并经常地吸引代表性不足的群体 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 10
经验教训：在 REACH 社区中建立 COVID-19 和流感疫苗公平性
• 通过这种合作关系（称为 iREACH），受助者计划并执行适合当地文化的项目，以解决黑人/非裔美国人、拉丁裔、亚裔、美洲印第安人、太平洋岛民和阿拉斯加原住民社区在免疫覆盖方面的种族和民族差异问题。
神经放射学人工智能在医学和临床中的伦理考量和公平性
摘要：本综述从定性和数学角度定义了算法偏见和公平性的概念。给出了算法开发中出现意外偏见或不公平时可能出现的问题的说明性示例。讨论了可解释性、可问责性和透明度对于人工智能算法开发和临床部署的重要性。这些都基于“primum no nocere”（首先，不伤害）的概念。提供了减轻任务定义、数据收集、模型定义、训练、测试、部署和反馈中的不公平和偏见的步骤。我们将讨论如何实施公平标准，以最大限度地提高效益并最大限度地减少对神经放射学患者的不公平和伤害，包括当人工智能算法被神经放射学实践接受并纳入常规临床工作流程时，神经放射学家应考虑的建议。
设计包容性：从转移性乳腺癌的角度构建临床试验的公平性
转移性乳腺癌患者在发病率、诊断和治疗结果方面也面临不平等。造成这些不平等的因素有很多，通常反映了社会权力结构（图 2）。例如，美国的研究表明，即使考虑到年龄和诊断时的疾病阶段，黑人女性的转移性乳腺癌发病率也高于白人女性。2 一项针对澳大利亚女性的研究发现，出生在澳大利亚以外且母语不是英语的女性被诊断出患有晚期乳腺癌的可能性略高。18 此外，生活在中低收入国家的人在诊断时更有可能患有转移性乳腺癌，部分原因是诊断延迟。19 他们的结果也更糟，研究表明乳腺癌生存率与国家收入之间存在很强的相关性。20 21