XiaoMi-AI文件搜索系统
World File Search System公平标准
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。
在招聘中部署基于人工智能的算法时提高公平性的方法——使用系统文献综述来指导未来的研究
德国埃森 stefan.stieglitz@uni-due.de 摘要 信息系统 (IS) 中的算法公平性是一种旨在减轻自动决策中的系统性歧视和偏见的概念。然而，先前的研究表明，不同的公平标准往往不相容。在招聘中，人工智能用于根据申请人是否适合空缺职位对其进行评估和排名。然而，基于人工智能的算法也存在各种类型的偏见（例如，使用有偏见的历史数据）。为了减少人工智能的偏见和由此产生的不公平待遇，我们进行了系统的文献综述，以确定适合招聘环境的策略。我们确定了九篇这方面的基本文章，并提取了四种解决人工智能不公平问题的方法，即预处理、过程中、后处理和特征选择。根据我们的研究结果，我们 (a) 制定了未来研究的研究议程，(b) 为设计和开发用于招聘的人工智能的从业者提出了策略。
2000 - 2001 两年期立法预算估计
一般而言，根据立法预算委员会制定的指导方针，本建议预算将机构资金限制在 1998-99 两年期预期的支出水平，但下列情况下的增加除外：为满足预计的公立学校入学人数增长、税率增长、学区财产价值变化和学校财务现行法律规定的公平标准而必需的支出；当前学校设施项目的年化成本；当前对教学材料的需求；高等教育入学人数增长；预计的成人和青少年惩教人口增长；债务支付；预计的卫生和人类服务成本，包括联邦强制医疗补助计划和寄养或相关照料儿童的案件数量和成本增加；以及当前政策下雇主为员工福利支付的成本。
2000 - 2001 两年期立法预算估计
一般而言，根据立法预算委员会制定的指导方针，本建议预算将机构资金限制在 1998-99 两年期预期的支出水平，但下列情况下的增加除外：为满足预计的公立学校入学人数增长、税率增长、学区财产价值变化和学校财务现行法律规定的公平标准而必需的支出；当前学校设施项目的年化成本；当前对教学材料的需求；高等教育入学人数增长；预计的成人和青少年惩教人口增长；债务支付；预计的卫生和人类服务成本，包括联邦强制医疗补助计划和寄养或相关照料儿童的案件数量和成本增加；以及当前政策下雇主为员工福利支付的成本。
2026以股权为中心的水效率赠款试点计划
• $400,000 is available for this competitive grant program • The maximum award amount is $100,000 • Applications are due March 28, 2025 • Awards will be announced in May 2025 • Funds must be spent down by June 30, 2026 (municipalities and Met Council will work together to monitor spending and adjust/reallocate funds as needed) • The applying municipality must be served by a municipal public water supply system • New construction and new developments are不符合条件•无地方比赛要求•居民无需居民•居民可能是负责支付其水费的财产所有人或房客•市政当局必须制定公平标准以确定居民的参与要求•资金仅用于赠款；咨询和市政工作人员时间不符合•厕所更换必须与美国EPA Watersense标记为厕所
谅解备忘录
美国国家标准与技术研究所 (NIST) 是商务部下属的一个联邦机构，是美国政府在人工智能和人工智能安全领域的主要科学测量机构。NIST 制定指导方针并支持在一系列行业和科学领域，尤其是在人工智能风险管理领域制定自愿共识标准。NIST 制定关键测量解决方案并推广公平标准，以刺激创新、促进工业竞争力和提高生活质量。在拜登总统和商务部长雷蒙多的指导下，商务部在 NIST 内建立了美国人工智能安全研究所 (USAISI 或研究所) 和人工智能安全研究所联盟 (AISIC 或联盟)。USAISI 和 AISIC 的成立旨在建立对高级人工智能模型进行直接评估的能力；研究评估和其他人工智能安全领域的创新方法，并发布指导意见以支持人工智能的安全、可靠和值得信赖的开发和使用。
FY22-FY26 NIST DEIA 战略计划 |第 0 页
关于 NIST NIST 概览 美国国家标准与技术研究所 (NIST) 是美国商务部 (DOC) 下属的一个下属机构。NIST 的使命是通过推进测量科学、标准和技术来促进美国创新和工业竞争力，从而提高经济安全性并改善生活质量。通过这一使命，该研究所设想自己成为世界领导者，通过创建关键测量解决方案和推广公平标准来刺激创新、促进工业竞争力和改善生活质量。NIST 的使命和愿景由一支由 7,000 多名联邦雇员和同事组成的员工队伍完成，他们分布在三个 (3) 个理事会，即实验室计划 (LP)、创新和行业服务 (IIS) 和管理资源 (MR)，其所在地点覆盖的地理范围包括但不限于马里兰州盖瑟斯堡、科罗拉多州博尔德和南卡罗来纳州查尔斯顿。除了核心竞争力（包括测量科学、严格的可追溯性以及标准的制定和使用）之外，NIST 还坚持以下四 (4) 个核心价值观，以确保高效且温馨的工作环境：
FY22-FY26 NIST DEIA 战略计划 | 第 0 页
关于 NIST NIST 概览 美国国家标准与技术研究所 (NIST) 是美国商务部 (DOC) 下属的一个下属机构。NIST 的使命是通过推进测量科学、标准和技术来促进美国创新和工业竞争力，从而提高经济安全性并改善生活质量。通过这一使命，该研究所设想自己成为世界领导者，通过创建关键测量解决方案和推广公平标准来刺激创新、促进工业竞争力和改善生活质量。NIST 的使命和愿景由一支由 7,000 多名联邦雇员和同事组成的员工队伍完成，他们分布在三个 (3) 个理事会，即实验室计划 (LP)、创新和行业服务 (IIS) 和管理资源 (MR)，其所在地点覆盖的地理范围包括但不限于马里兰州盖瑟斯堡、科罗拉多州博尔德和南卡罗来纳州查尔斯顿。除了核心竞争力（包括测量科学、严格的可追溯性以及标准的制定和使用）之外，NIST 还坚持以下四 (4) 个核心价值观，以确保高效且温馨的工作环境：
![arxiv：2404.09356v1 [cs.cy] 2024年4月14日](/simg/a\af671677bb2f10e2f30fb80f0a64bce283355720.webp)
arxiv：2404.09356v1 [cs.cy] 2024年4月14日
公平而值得信赖的AI在机器学习和法律领域都变得越来越重要。一个重要的结果是，决策者必须寻求保证“公平”，即非歧视性，算法的决策程序。但是，在现实的事实假设下，有几种相互竞争的算法概念被证明是不兼容的。这涉及的是，分别与准确性，假阴性和假阳性率有关的“组内校准”和“平衡”和“平衡”的公平度量。在本文中，我们提出了一种新颖的算法（公平的插值方法：FAIM），用于在这三个公平标准之间连续插值。因此，可以修复一个非常不公平的预测，以至少部分地满足各自公平条件的所需的加权组合。我们证明了将算法应用于合成数据，Compas数据集以及来自电子商务领域的新的现实世界数据集时的有效性。我们提供有关在不同高风险环境中使用我们的算法的指导，我们可以在多大程度上遵守法律义务相互矛盾的范围。该分析表明，它可能会在传统法律领域（例如信用评分和刑事司法程序）中运营职责，以及欧盟最新的AI法规，例如《数字市场法案》和《最近颁布的AI法》。
公平算法的新可能性
关于算法公平的大量工作是悲剧。在确定了一套看似理想的公平标准之后，就出现了不可能的定理陈述，确定这些标准仅在完全不切实际的或琐碎的情况下是不一致或一致的（Kleinberg等人。，2017年； Pleiss等。，2017年； Chouldechova，2017年；斯图尔特和尼尔森，2020年； Beigang，2023b）。一个中心示例是由于Kleinberg和合着者的结果而导致的结果，即在某些琐碎的情况下（2017年）之外，两个称为校准和均衡的赔率不一致的约束是不一致的。一种自然反应是削弱均衡的几率。Pleiss等。表明，对于放松均衡赔率的特定方式，出现了新的可能性（2017年）。也已经研究了削弱校准的方法，但导致了更多不可能的结果（Stewart和Nielsen，2020； Stewart等人。，2024）。我们发现校准的相对优点和难以评估的均等几率。，我们认为放松每个标准以绕过不可能结果的探索是值得的。对于本研究，我们将假设均衡的赔率是算法公平的必要条件。鉴于这个假设，我们询问可以在不陷入琐碎的情况下保留哪些有趣的校准内容。我们的类型不是悲剧。我们确定了一种削弱校准的方式，该校准保留了其一些有趣的证词，但与均衡的几率一致。我们称此标准跨度。重要的是要强调，我们不是提出跨越作为算法公平的充分条件。本身就是一个薄弱的标准。在某些方面，这意味着其状态作为必要条件的情况更容易制定。与均衡的赔率相连，更强大，但可能还需要进一步的必要标准。引入