XiaoMi-AI文件搜索系统
World File Search System可信赖
关于可信赖的人工智能系统的证据捕获
近年来，人工智能系统问责制的研究日益增多，不仅吸引了学术界[14]和工业界[2, 4]的关注，也吸引了政府[18]和公共部门[11]的关注。实现可问责的人工智能系统需要了解在人工智能系统整个生命周期中做出关键决策的人是谁，例如，系统是如何设计和构建的，如何使用和维护，以及如何遵守法律、法规和标准[10]。实现这一点的关键一步是有效地获取证据。首先，需要回答两个问题：需要获取哪些类型的证据以及如何获取这些证据。回答这两个基本问题将有助于为人工智能系统实现功能性证据获取组件，
与IBM Watsonx.Governance确保可信赖的AI
第1章对负责人AI的AI治理中的挑战和机遇。。。。。。1 1.1什么是AI治理？。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2 1.2治理是实现AI值的关键推动力。。。。。。。。。。。。。。。。。。。。。。。。。。。。4 1.2.1关注1：治理是AI的刹车。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4 1.2.2关注2：治理不会扩展。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。5 1.2.3关注3：治理不会导致价值产生。。。。。。。。。。。。。。6 1.3企业AI的治理挑战。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。6 1.3.1生成AI改变了治理游戏。。。。。。。。。。。。。。。。。。。。。。。。。6 1.3.2将各种利益相关者的观点汇总在一起。。。。。。。。。。。。。。。。。。。。。。。。。。7 1.3.3技术复杂性正在增加。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。9 1.3.4监管和风险复杂性正在增加。。。。。。。。。。。。。。。。。。。。。。。。。。。。10 1.4与AI相关的立法和标准的例子。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>11 1.4.1特定于AI的立法。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>11 1.4.2适用于AI的一般法规。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>13 1.4.3 AI治理的技术标准。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。。。。。。。13
我们如何扩展可信赖的自愿碳市场？
Sources: 1 A look at the 2023 voluntary carbon market, 2023, Carbon Direct 2 Real Voluntary Carbon Market Value is USD 2 Billion, 2022, Carbon Credits 3 Analysis: Global CO2 emissions from fossil fuels hits record high in 2022 4 Voluntary Carbon Markets: A Critical Piece of the Net Zero Puzzle, 2023, Citi GPS 5 New research: Carbon credits are associated with businesses decarbonizing faster, 2023, Ecosystem Marketplac e 6 Carbon Offset in Southeast Asia: Assessing Benefits and Opportunities, 2023, Green Network 7 Tapping potential of South-east Asia's carbon market, 2022, The Straits Times 8 Thailand tackles sustainability with carbon credits, 2023, Lombard Odier 9 Cambodia goes all-in on carbon offset sales, 2022, The Phnom Penh Post 10减少森林砍伐和森林退化（REDD+）的排放是一种回避信用，为重点放在高危成熟森林的可持续管理和保护方面的活动中提供了资金。
亚洲可信赖的机器学习（ATML）奖学金
大学和Riken AIP的Baiho访问科学家，他的研究重点是机器学习，深度学习，基础模型及其应用。他是MBZUAI MLD的访问研究学者，Microsoft Research和Alibaba Damo Academy的客座研究员，Riken AIP的博士后研究员。他撰写了MIT Press，Springer自然以及基金会和趋势的三本机器学习专着。他曾担任Neurips的高级主席，以及神经，ICML和ICLR的区域主席。他还曾担任IEEE TPAMI，MLJ和JAIR的副编辑，以及JMLR和MLJ的编辑委员会成员。他在Neurips获得了杰出的纸质奖，在Neurips的最有影响力的论文，著名的Neurips的区域主席，ICLR的杰出地区主席以及IEEE TNNLS的杰出副编辑。他获得了RGC早期职业计划，NSFC总体计划，IJCAI早期职业聚光灯，Riken Baiho奖，Dean杰出成就奖，Microsoft Research Startrack计划以及来自Bytedance，Baidu，Baidu，Alibaba and Tencent的教师研究奖。2。Tongliang Liu教授是悉尼大学悉尼AI中心的主任，Tongliang Liu教授是悉尼大学悉尼AI中心的主任，
气候变化：用可信赖的知识击败错误信息
芬兰的第一位行星健康医生正在开处方“赤脚在大自然中步行回家”（doi：10.1136/bmj.Q2093）。1同时，在即将到来的美国大选中注册投票的共和党人中只有27％说，他们更喜欢支持气候行动的候选人（doi：10.1136/bmj.q2183）。2 EquiverentFigureamong民主党人为90％。在很大程度上取决于选举的结果，尤其是因为共和党不仅打算燃烧更多的化石燃料，而且还有望“消除保护气候和健康的努力”。尽管民主党人在增加石油和天然气开发的计划中也被误导了，但这应该足以让人们决定如何投票。当世界占主导地位的政治力量退位时，该怎么办？一如既往的知识就是力量。
安全意识到的可信赖的因果代表...
Haohong Lin, Wenhao Ding, Zuxin Liu, Yaru Niu, Jiacheng Zhu, Yuming Niu, and Ding Zhao
ML谱系可信赖的机器学习系统
注意！这是您并行记录中的原始文章。您的并行记录可能与原始侧面和重量不同。使用参考中的原始来源：Raatikainen，M.，Souris，C。H.，Remes，J.＆Stirbu，V。（2024）。ML谱系可信赖的机器学习系统。IEEE软件，早期访问。 https://doi.org/10.1109/ms.2024.3414317请注意！ 这是在原始文章的电子自我构造版本中。 此转载可能与分页和印刷细节的原始版本不同。 请引用原始版本：Raatikainen，M.，Souris，C。H.，Remes，J. ＆Stirbu，V。（2024）。 ML谱系可信赖的机器学习系统。 IEEE软件，早期访问。 https://doi.org/10.1109/s.2024.34317此工作是在创意共享归因4.0许可下获得许可的。 有关更多信息，请参见https://creativecommons.org/licenses/4.0/本文已被公共软件接受。 这是作者的版本，该版本尚未完全编辑，内容可能会在最终出版物之前发生变化。 引用信息：doi 10.1109/ms.2024.3414317IEEE软件，早期访问。https://doi.org/10.1109/ms.2024.3414317请注意！这是在原始文章的电子自我构造版本中。此转载可能与分页和印刷细节的原始版本不同。请引用原始版本：Raatikainen，M.，Souris，C。H.，Remes，J.＆Stirbu，V。（2024）。ML谱系可信赖的机器学习系统。IEEE软件，早期访问。 https://doi.org/10.1109/s.2024.34317此工作是在创意共享归因4.0许可下获得许可的。 有关更多信息，请参见https://creativecommons.org/licenses/4.0/本文已被公共软件接受。 这是作者的版本，该版本尚未完全编辑，内容可能会在最终出版物之前发生变化。 引用信息：doi 10.1109/ms.2024.3414317IEEE软件，早期访问。https://doi.org/10.1109/s.2024.34317此工作是在创意共享归因4.0许可下获得许可的。有关更多信息，请参见https://creativecommons.org/licenses/4.0/本文已被公共软件接受。这是作者的版本，该版本尚未完全编辑，内容可能会在最终出版物之前发生变化。引用信息：doi 10.1109/ms.2024.3414317
跨分析生命周期的可信赖人工智能
开箱即用的公平性和偏差评估突出显示了在指定的“敏感”变量中不同组的模型性能和预测的潜在差异。SAS Model Studio 的“公平性和偏差”选项卡显示性能偏差奇偶性、预测偏差奇偶性、性能偏差、预测偏差、偏差指标和偏差奇偶性指标图。SAS Viya 还提供偏差缓解功能，以在训练模型时主动减少偏差。指数梯度减少 (EGR) 算法使用一种缓解偏差的过程内方法，在训练过程中主动调整模型参数，以创建产生公平预测和分类的模型。
MPC计划安全和可信赖的机器人动议
摘要 - 安全人类机器人相互作用（HRI）的策略，例如已建立的安全运动单元，为生物力学上安全的机器人运动提供了速度缩放。此外，值得信赖的HRI需要基于心理的安全方法。此类方案可以非常保守，并且在机器人运动计划中应效率地符合此类安全方法。在这项研究中，我们通过模型预测控制机器人运动计划器提高了先前引入的基于心理安全性的安全性方法的效率，该方法同时调整了笛卡尔路径和速度，以最大程度地减少到目标姿势的距离。下属实时运动发生器通过整合安全运动单元来确保人体安全。我们的运动计划者通过两个实验验证。同时调整路径和速度可以实现高度时间的机器人运动，同时考虑了人类的身体和心理安全。与直接路径速度缩放方法相比，我们的计划者可以实现28％的运动执行。
构建可信赖的云工程AI系统：
云工程中人工智能（AI）的快速发展既提出了构建值得信赖的系统的机会和挑战。本文探讨了基于AI值的关键原则，强调了透明，公平，问责制和数据隐私的重要性。随着组织越来越依赖云服务来实现运营效率，AI技术的集成必须与严格的数据保护法规（例如通用数据保护法规（GDPR）（GDPR）和《加利福尼亚州消费者隐私法》（CCPA）保持一致。通过一系列案例研究，本文说明了在云环境中的成功实现，这些云环境在增强了安全性和合规性的同时促进了用户信任。此外，它解决了与云计算中与AI相关的固有风险，包括数据隐私问题，算法偏见以及未经授权访问敏感信息。通过提出减轻这些风险的最佳实践和策略，本文旨在为开发不仅可靠和安全的AI系统提供全面的框架，而且还优先考虑用户数据保护和道德考虑。最终，建立值得信赖的AI系统对于维持云工程应用程序的完整性和安全性至关重要，以确保用户可以自信地利用AI技术。