XiaoMi-AI文件搜索系统
World File Search System歧视
非歧视的年度通知
Program Criteria for Admission Advanced Manufacturing: Industrial Maintenance Electrical Advanced Manufacturing: Welding Agriculture: Ag Mechanical & Engineering Agriculture: Agriscience (Plant/Animal) Agriculture: Natural Resources Agriculture: Precision Agriculture Construction: Building Trades Construction: Civil Arts, AV Tech & Comm: Digital Design Arts, AV Tech & Comm: Radio/TV Business Finance & Marketing: Business Administration Business Finance & Marketing: Finance & Investment Business Finance & Marketing: Marketing & Sales Education & Training: Early Childhood Education Education & Training: Education Careers Health Sciences: Pre-Nursing/CNA Health Sciences: Emergency Medical Tech Hospitality & Tourism: Culinary Arts Human Services: Cosmetology Human Services: Human & Social Services Information Technology: Cybersecurity Law & Public Safety: Criminal Justice STEM: Biotechnology STEM: Engineering Transportation: Automotive Services
人工智能中的年龄歧视：人工智能时代的新年龄歧视形式……
摘要。研究人工智能公平性和伦理的学者已经成功且批判性地识别了与性别和种族社会类别有关的歧视性结果。公平性的突出审查对于人工智能造福社会的辩论至关重要，但对年龄这一关键类别的关注却不足。在数字化和人工智能的转向过程中，老龄化人口在很大程度上被忽视了。人工智能中的年龄歧视可以表现为五种相互关联的形式：（1）算法和数据集中的年龄偏见，（2）人工智能参与者的年龄刻板印象、偏见和意识形态，（3）人工智能话语中老年人的隐形，（4）使用人工智能技术对不同年龄组产生歧视性影响，（5）将他们排除在人工智能技术、服务和产品的用户之外。此外，本文还对人工智能中这些形式的年龄歧视进行了说明。
应对基因歧视的新问题
Yann Joly、a Katherine Huerne、a Mykhailo Arych、b Yvonne Bombard、c Aisling De Paor、d Edward S. Dove、e Palmira Granados Moreno、a Calvin WL Ho、f Chih-Hsing Ho、g Ine Van Hoyweghen、h Hannah Kim、i Audrey Lebret、j Timo Minssen、k Katharina Ó。 Cathaoir，j Anya ER Prince，l Athira PS Nair，m Margaret Otlowski，n Michael S. Pepper，o、p Rob Sladek，q、r Lingqiao Song，a Torsten H. Voigt，s Ma'n H. Zawati，a Gratien Dalpé，a，* 代表遗传歧视观察站 (GDO) a 麦吉尔大学基因组学和政策中心，740 avenue Drive Penfield，Suite 5200，蒙特利尔，魁北克，H3A 0G1，加拿大 b 国家食品技术大学财务系，68 Volodymyrska Str.，01601 基辅，乌克兰 c 多伦多大学卫生政策、管理和评估研究所，李嘉诚圣米迦勒医院知识研究所，Unity Health Toronto 30 Bond Street，多伦多，安大略省，M5B 1W8，加拿大 d 都柏林城市大学法学院和政府学院，都柏林城市大学爱尔兰都柏林 9 区格拉斯内文校区 e 英国爱丁堡大学法学院，爱丁堡南桥旧学院，邮编 EH8 9YL f 香港大学法学院，香港薄扶林道百周年校园郑裕彤大楼 10 楼，中国 香港特别行政区中央研究院欧美研究所，台北市南港区学术路二段 128 号，邮编 115 h 比利时鲁汶天主教大学社会学研究中心，Parkstraat 45 - Box 3601，邮编 3000 鲁汶 i 韩国首尔市西大门区新村洞延世路 50 号延世大学医学院医学人文与社会学部 j 哥本哈根大学法学院福利与市场法律研究（WELMA），Karen Blixens Plads 16, DK‐2300 哥本哈根 S，丹麦 k 生物医学创新法高级研究中心 (CeBIL)，法学院。哥本哈根大学，Karen Blixens Plads 16, DK‐2300 Copenhagen S，丹麦 l 爱荷华大学遗传学集群，280 Boyd 法学院大楼，爱荷华市，IA 52242，美国 m 高级法律研究国立大学，NAD 路，HMT Colony，North Kalamassery，Kochi，喀拉拉邦 683503，印度 n 塔斯马尼亚大学法律与遗传学中心，Churchill Avenue，Hobart，Tasmania 7005，澳大利亚 o 细胞和分子医学研究所，免疫学系，比勒陀利亚大学，私人信箱 x 20，哈特菲尔德 0028，南非 p 比勒陀利亚大学健康科学学院 SAMRC 干细胞研究与治疗院外单位，15 Bophelo Road，Prinshof 校区，比勒陀利亚 0084，南非 q 麦吉尔大学医学与人类遗传学系大学，蒙特利尔，魁北克，加拿大 r Genome Quebec Innovation Centre，740 Penfield，Montreal，Quebec，H3A 0G1，加拿大社会学研究所，Rheinisch-Westfälische Technische Hochschule Aachen University，Eilfschornsteinstraße 7，52062 Aachen，德国 *通讯地址：gratien.dalpe@mcgill.ca (G.Dalpé）。基因歧视 (GD) 是基于基因数据对个人进行差异化或不公平的分析。本文总结了基因歧视观察站 (GDO) 在解决 GD 问题方面采取的行动以及自 2020 年底以来 GD 的最新发展。它展示了在当今快速发展的社会中 GD 的多种表现形式。
年龄歧视的经济影响
《就业歧视法》禁止对 40 岁及以上工人进行年龄歧视，本研究着眼于职场对 50 岁及以上工人的年龄歧视，以符合 AARP 的长寿经济® 展望，该展望衡量 50 岁以上人口对美国经济的影响。16. 劳工统计局，“表 A-15。劳动力未充分利用的替代衡量标准”(2019 年)。https://www.bls.gov/news.release/empsit.t15.htm。17. 劳工统计局，“表 A-36。按年龄、性别、种族、拉丁裔西班牙裔、婚姻状况和失业持续时间划分的失业人员。”(2019 年)。https://www.bls.gov/web/empsit/cpseea36.htm。 18. Tim Slack 和 Leif Jensen，“老年工人的就业困难：居住和性别不平等是否会延续到老年？” (2008)。https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4243493/。19. 美国平等就业机会委员会。https://www.eeoc.gov/laws/types/age.cfm。20. AARP，“经验价值研究”(2018)。https://www.aarp.org/research/topics/economics/info-2018/multicultural-work-jobs/?CMP=RDRCT-PRI-OTHER-WORKJOBS-052118.html。
医疗保健领域的人工智能和歧视......
摘要：人工智能 (AI) 有望改善医疗保健结果。它已被用于分析肿瘤图像，帮助医生选择不同的治疗方案，并抗击 COVID-19 大流行。但人工智能也带来了巨大的新危害。本文重点介绍一种迄今为止逃避了重大法律审查的特定类型的医疗保健危害。这种危害就是算法歧视。医疗保健中的算法歧视发生的频率令人惊讶。一个众所周知的例子是一种用于识别“高风险护理管理”计划候选人的算法，该算法通常不会将少数族裔推荐给这些有益的服务。此外，一些算法故意调整种族以伤害少数族裔患者的方式。例如，根据 2020 年《新英格兰医学杂志》的一篇文章，算法经常低估非裔美国人患肾结石、心力衰竭死亡和其他医疗问题的风险。本文认为，当医学中的算法歧视加剧健康差距或延续不平等时，它可能会违反《平价医疗法案》第六章和第 1557 条等民权法。它敦促算法公平性成为设计、实施和验证人工智能的关键要素，并部署法律和技术工具来促进公平性。为此，我们呼吁重新引入差异影响理论作为医疗保健领域强有力的诉讼工具，并通过算法问责法案。我们还详细介绍了人工智能开发人员和用户应实施的技术措施。