XiaoMi-AI文件搜索系统
World File Search System可问
实现公共服务提供中人工智能算法的真正透明度和可问责性
利用人工智能来整合数据进行创新对于推动经济增长和改善人类福祉越来越重要。在世界许多地方，人工智能正在彻底改变人类与技术的互动方式。如果以合乎道德的方式实施，人工智能有可能解决重大的全球性问题并为发展中国家带来切实利益。从我们的社交媒体信息流到我们获得的社会效益，人工智能无处不在，影响着每个人。人工智能可以以各种方式帮助我们：它可以代表我们执行困难、危险或繁琐的任务；帮助我们拯救生命和应对自然灾害；为我们提供娱乐；让我们的日常生活更加愉快。人工智能帮助医生对我们的健康状况做出决定，帮助法官和律师筛选案件，加快司法程序。凭借其认知、学习和推理能力，人工智能能够提高工业生产力，为各个行业创造额外价值，并预测和管理潜在障碍。
r-0611-001.pdf - usmepcom - Army.mil
目录 (TOC) 段落 页码 第 1 章 一般目的 1-1 1 参考文献 1-2 1 缩写和术语 1-3 1 职责 1-4 1 额外职责任命备忘录 1-5 4 培训 1-6 5 第 2 章 安全性和问责制 可问责测试材料 2-1 6 测试安全性 2-2 6 控制和存储程序 2-3 7 可问责测试材料的库存程序 2-4 8 MEPS 库存程序 2-5 8 可问责测试材料的转移 2-6 13 订购测试材料 2-7 13 可问责测试材料的复制 2-8 15 测试/损失泄露 (TLC) 2-9 15 非泄露相关事件 2-10 17 测试管理员 (TA) 利益冲突 2-11 17 禁止的指导行为 2-12 18 铃声 2-13 18 第 3 章 入伍 ASVAB 考试管理 考试管理员准备 3-1 24 iCAT 现场安全管理 (SSM) 职责 3-2 24 考试授权 3-3 24 授权个人何时可以参加考试 3-4 25 考试申请 3-5 27 考试期间的 ASVAB 考试设施要求 3-6 27 夜间考试规定 3-7 27 申请人/TA 比例 3-8 28 一般入伍考试指导 3-9 28 MEPS iCAT/PiCAT 验证考试管理 3-10 30 MET 现场 iCAT / PiCAT 验证考试管理 3-11 31 入伍纸笔 ASVAB 考试管理 3-12 31 考试结果 3-13 32 手动评分 3-14 33 确认考试 3-15 33 确认考试管理3-16 33 确认测试评分 3-17 34 确认测试后操作 3-18 34
可解释的人工智能：需求、技术、应用和未来方向的调查
人工智能模型因其黑箱特性而面临重大挑战，尤其是在医疗保健、金融和自动驾驶汽车等安全关键领域。可解释人工智能 (XAI) 通过解释这些模型如何做出决策和预测，确保透明度、可问责性和公平性来解决这些挑战。现有研究已经研究了 XAI 的基本概念、一般原则和 XAI 技术的范围。然而，文献中仍然存在空白，因为没有全面的评论深入研究 XAI 模型的详细数学表示、设计方法和其他相关方面。本文提供了全面的文献综述，涵盖常用术语和定义、XAI 的需求、XAI 的受益者、XAI 方法的分类以及 XAI 方法在不同应用领域的应用。该调查针对 XAI 研究人员、XAI 从业者、AI 模型开发人员和 XAI 受益者，他们有兴趣提高其 AI 模型的可信度、透明度、可问责性和公平性。
核材料控制和问责 - 能源部指令
1. 目的。本命令规定了美国能源部（DOE）内（包括国家核安全局（NNSA））开发、实施和维护核材料控制和问责（MC&A）计划的要求，以及美国核管理委员会（NRC）免于许可的其他设施中 DOE 所拥有的材料的要求。本命令仅涉及可问责核材料的保障和安全。附件 2 第 I 章包含特殊核材料的要求。附件 2 第 II 章包含其他可问责核材料的要求。核安全要求可在 10 联邦法规 (CFR) 830、10 CFR 835 和安全相关的 DOE 指令中找到。密封源要求可在 DOE O 231.1《环境、安全和健康报告》的当前版本中找到。此外，美国和国际原子能机构 (IAEA) 之间的《自愿提供保障协定》和《附加议定书》规定所涵盖的特殊核材料的要求可参见 DOE M 142.2-1《与国际原子能机构签订的《自愿提供保障协定》和《附加议定书》实施手册》现行版本 (DOE O 142.2A)。
Müller 等人 - 战争中的集成商冻结 2025-01-10
9 例如，北大西洋公约组织（NATO）人工智能战略摘要始终谈到开发和使用人工智能，但只有在关注不同任务之间的互操作性时才提到集成（NATO，2021）。然而，为了满足北约的六项“国防人工智能负责任使用原则”，即合法性、责任和可问责性、可解释性和可追溯性、可靠性、可治理性、偏见缓解（同上），有必要避免合并参与创建此类系统的不同团体。
Atos Sovereign AI 平台综合指南
该平台提供对数据和模型的端到端控制，使您在整个 AI 生命周期中具有透明度、可问责性和可治理性。从数据预处理到模型部署和优化，它确保您对数据和模型保持完全控制和所有权。这种全面的控制使您能够实施治理策略、访问控制和合规性标准，确保 AI 运营符合您的组织目标和监管要求。通过保持对数据和模型的控制，我们可以降低数据隐私、完整性和安全风险，同时增强对 AI 部署的信任和信心。
博茨瓦纳统计局 ICT 战略
信息技术主系统计划 (ITMSP) 是一系列战略举措，用于指导 ICT 战略的实施。它类似于战略记分卡，用于记录战略的关键要素，以协助监控和跟踪 ICT 相关目标的执行情况。SB 的 ITMSP 如下表所示，其中包括 RACI（负责、可问责、咨询、知情）图表。每个战略举措都采用颜色编码来表示优先级：红色表示高优先级（0-12 个月内实施），琥珀色表示中等优先级（12-24 个月内实施），绿色表示低优先级（24 个月后及以后实施）。
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，
财务报告和审计中的人工智能：新时代
• 获得支持——向行业领导者学习如何利用人工智能改善财务报告。作为起点，毕马威提出了可信人工智能方法，该方法基于公平性、透明性、可解释性、可问责性、数据完整性、可信度、安全性、隐私和弹性等基本原则，该方法制定了一套原则框架，旨在帮助组织以负责任和合乎道德的方式设计、构建、部署和使用人工智能技术，并加速实现与人工智能相关的利益，并改善客户、人民和社区的成果。毕马威将介绍一些公司在使用人工智能方面处于领先地位的案例，他们利用人工智能工具改进财务报告、人工智能治理，以及如何在外部审计中使用人工智能来提高审计质量。