XiaoMi-AI文件搜索系统
World File Search System开放性
联合国教科文组织的人工智能倡议
• 以人权为基础 • 人工智能的开放性：数据、知识、市场和机遇 • 人工智能发展的包容性访问 • 人工智能治理的多利益相关方方法 • 跨领域问题：人工智能与性别平等、人工智能应用 非洲的人工智能
基于区块链的医疗供应链药品追溯方法
摘要 假药的制造和分销是一个紧迫而严重的全球性问题，尤其是在大流行期间。药品造假的原因之一是制药行业不可靠的供应链系统。药品所有权从生产商转移到批发商、分销商，最后很难追踪，因为药剂师必须在药品到达消费者手中之前对其进行检查。在这个项目中，我们比较了已经提出和现有的基于区块链的供应链管理系统。数据共享、存储、开放性和可追溯性都由利用超级账本结构的系统保证。然而，以太坊设计利用智能合约功能来控制发送者和接收者之间的通信。这项研究的主要目标是提高药品的安全性，并尽可能多地实现供应链手工工作的自动化。关键词：药品造假、制药行业、供应链系统、批发商、分销商、区块链、数据共享、存储、开放性、可追溯性等。
推荐引用 推荐引用 Baydoun, S.、Samarakoon, T. 和 Solomon, D. (2024 年 7 月 10 日)。提升图书馆研究指南中的 AI 素养：实践和道德考量。在 2024 年 6 月 11 日至 13 日举行的图书馆生成 AI (GAIL) 虚拟会议上发表。https://doi.org/10.17605/OSF.IO/VDUTH
❏ 算法透明度是指用于搜索、处理和传递信息的算法的目的、结构和底层操作的开放性 ❏ 选择/训练偏差：一种错误类型，其中数据集中的某些元素比其他元素具有更大的权重和/或代表性 ❏ 人工智能系统在通常存在偏差的数据上进行训练
Bolia实现了SBTI目标验证并揭示了新的可持续性杂志
“我们旨在为透明度和负责任的设计建立新的标准。我们的首要任务是提高我们收藏中每个作品的质量和寿命，以确保它们几代人持久。与我们对开放性的承诺保持一致，我们通过新的可持续发展杂志分享了我们的旅程，价值观和成就，将这种透明度扩展到了我们网站上的每个设计。”
生物技术和人工智能中的自主性获取......
本演讲讨论了跨学科和人类活动不同方面遇到的一个概念：自主活动。我们以跨学科的方式参与其中。我们首先考虑生物实体对生物技术干预的反应和行为。我们试图描述胚胎和克隆的自由度，当考虑到表观遗传发育景观时，它们对不同的结果表现出开放性。然后，我们考虑编程和人工智能中提出的主张，即自动机可以表现出自我导向的行为，以确定其对行动过程的分步决策。这个问题仍然很大程度上悬而未决，需要一些重要的资格。我们试图理解自由主体的存在，首先从常识上，然后通过将发展可塑性归因于生物学和生物技术，以及在存在环境线索和自参考电路以及环境耦合的情况下对程序化系统进行映射。这是一个回顾尝试制定逻辑和方法论方法来处理尚待发现的概念开放性的机会，并评估它们是否能够操作尚未开发或欠发达的研究领域的结构化可理解性，其中可能存在“双重联想”和知识统一。
纪念2023年的毕业生
2023年级将加入一个拥有近145,000名麻省理工学院校友的伟大全球家庭。通过共同的经验相连，我们的社区通过基本价值观和理想：卓越和好奇心共同编织。开放性和完整性。创造力和大胆。对解决棘手问题的热情。和一个集体的动力，以明智地利用我们的优势来服务人类。
算法决策中的透明度
摘要：通过算法决策系统在各个领域的传播，人们对它们的不透明和潜在的道德后果的关注得到了提高。通过促进可解释的机器学习模型的使用，本研究解决了这些系统中开放性和道德责任的关键要求。可解释的模型提供了对决策的制定方式的透明且可理解的描述，而不是复杂的黑盒算法。用户和利益相关者需要这种开放性，以便理解，验证和负责这些算法的决定。此外，可解释性通过使检测和减少偏见更容易促进算法结果中的公平性。在本文中，我们概述了算法不透明度带来的困难，强调了在各种环境中解决这些困难的关键，包括涉及医疗保健，银行业，刑事司法等的困难。从线性模型到基于规则的系统再到替代模型，我们对可解释的机器学习技术进行了彻底的分析，突出了它们的好处和缺点。我们建议，将可解释的模型纳入算法的设计和使用可能会导致AI在社会中更负责任和道德应用，最终使人们和社区受益，同时降低与不透明决策过程相关的风险。
Next-G O-RAN 网络的 AI 测试框架
摘要 开放性和智能化是下一代无线网络（例如超 5G 和 6G）要引入的两个支持特性，以支持服务异构性、开放硬件、最佳资源利用和按需服务部署。开放无线接入网 (O-RAN) 是一种很有前途的 RAN 架构，它通过虚拟化网元和定义明确的接口实现开放性和智能化。虽然在 O-RAN 中部署人工智能 (AI) 模型变得越来越容易，但长期被忽视的一个重大挑战是在现实环境中全面测试它们的性能。本文介绍了一个通用的自动化、分布式和支持 AI 的测试框架，以测试部署在 O-RAN 中的 AI 模型的决策性能、漏洞和安全性。该框架采用主参与者架构来管理多个终端设备进行分布式测试。更重要的是，它利用人工智能自动智能地探索 O-RAN 中 AI 模型的决策空间。支持软件仿真测试和软件定义无线电硬件测试，可快速进行概念验证研究和无线研究平台的实验研究。