XiaoMi-AI文件搜索系统
World File Search System歧视
创建非歧视性人工智能系统
摘要 在过去十年中，人们越来越担心使用人工智能系统所产生的风险。使用这些系统的主要问题之一是，它们已被证明会对平等和非歧视的基本权利造成损害。在此背景下，我们必须审查旨在解决这一特定问题的现有和拟议监管文书，特别是考虑到将法律文书（特别是平等和非歧视法律框架）的抽象性质应用于编码旨在非歧视的人工智能工具时所需的具体指令的困难。本文重点研究了新欧盟人工智能法案提案的第 10 条如何成为适应算法系统需求的新形式监管的起点。
英国社会关于心脏病学欺凌，骚扰和歧视的立场声明
1 Keble College, University of Oxford, Oxford, UK 2 Cardiology Department, Royal Berkshire NHS Foundation Trust, Reading, UK 3 Barts Heart Centre, St Bartholomew's Hospital, London, UK 4 Cardiology Department, University Hospitals Coventry and Warwickshire NHS Trust, Coventry, UK 5 Warwick Medical School, University of Warwick, Coventry, UK 6 British Cardiovascular Society, London, UK 7 Cardiology Department, Liverpool Heart and Chest Hospital NHS Foundation Trust, Liverpool, UK 8 Coronary Research Group, University Hospital Southampton NHS Foundation Trust, Southampton, UK 9 Faculty of Medicine, University of Southampton, Southampton, UK 10 Cardiology, Leeds Teaching Hospitals NHS Trust, Leeds, UK 11 Biomedical Imaging Sciences, University of Leeds, Leeds, UK 12 Guy's ＆St Thomas的医院，英国伦敦雷恩学院国王学院
基于结构正规化的歧视性多视图无监督特征选择
多视图无监督的特征选择（MUFS）最近引起了相当大的关注，可以从原始的多视图数据中选择紧凑的代表性特征子集。尽管有希望的初步性能，但大多数以前的MUFS方法都无法探讨多视图数据的歧视能力。此外，他们通常使用光谱分析来维持几何结构，这将不可避免地增加参数选择的难度。为了解决这些问题，我们提出了一种新颖的MUFS方法，称为基于结构正规化的歧视性多视图无监督特征选择（SDFS）。具体来说，我们从不同视图中计算样本空间的相似性矩阵，并自动加权每个视图特定图表以学习共识相似性图，其中这两种类型的图形可以相互促进。此外，我们将学习的潜在表示为群集指标，并在没有引入其他参数的情况下采用图形正则化来维护数据的几何结构。此外，开发了具有理论收敛属性的简单而有效的迭代更新算法。在几个基准数据集上进行的广泛实验验证了该设计的模型是否优于几种最新的MUFS模型。©2023 Elsevier B.V.保留所有权利。
cas12a目标歧视
此预印本的版权持有人（该版本发布于2023年5月16日。; https：//doi.org/10.1101/2023.05.16.541046 doi：biorxiv Preprint
推荐引用 推荐引用 Kim, Pauline 和 Bodie, Matthew T.，《人工智能与工作场所歧视和隐私的挑战》。35 ABA 劳动和就业法杂志 289 (2021)，圣路易斯大学法律研究论文编号 2021-26。
* Daniel Noyes Kirby 法学教授，华盛顿大学法学院，密苏里州圣路易斯。** Callis Family 教授兼 Wefel 就业法中心联席主任，圣路易斯大学法学院。本文源自纽约大学劳动和就业法中心第 72 届劳工年会“人工智能和自动化——对工作和工人的影响”上的演讲。感谢 Laurie Berke-Weiss、Heather Egan Sussman 和 Michael Gray 担任我们小组的评论员。1.Ryan Calo，《人工智能政策：入门和路线图》，51 U.C.Davis L. R ev .399, 401 (2017)。2.参见 Deborah Hellman，《衡量算法公平性》，106 V a 。L. R ev 。811, 813–14 (2020)（“算法的使用，尤其是它们与机器学习和人工智能的联系，在法律文献中也引起了极大关注。”）。有关文献的一小部分样本，请参阅 Frank P asquale，《B lack Box Society》（2015 年）；Hannah Bloch-Wehba，《访问算法》，88 Fordham L. R ev 。1265 (2020); Danielle Keats Citron 和 Frank Pasquale，《评分社会：自动预测的正当程序》，89 W ash。L. R ev。1 (2014); Aziz Z. Huq，《人类决策权》，106 V a。L. R ev。611, 613 (2020); Sonia K. Katyal，《人工智能时代的私人问责》，66 UCLA L. R ev。54 (2019); David Lehr 和 Paul Ohm，《玩转数据：法律学者应该了解的机器学习知识》，51 U.C.Davis L. R ev。653, 655 (2017)。
人工智能贷款和 ECOA：避免意外歧视
一名未婚女性与当地贷款机构之间存在持续的信贷安排。一段时间后，在该女性结婚后，贷款机构通知她，由于她的新婚姻状况，她必须重新申请才能继续使用现有信贷。此外，新的申请必须以她丈夫的名义提交，妻子贡献的任何收入——即使她的收入高于丈夫——也可能不予考虑。如果该女性与丈夫分居并离婚，该信贷账户将保留在他的名下。她必须申请一个新的信贷账户，但她的申请将因离婚身份而受到处罚。即使什么都没有改变，如果她从事相同的工作，获得相同的薪水，没有其他受抚养的孩子，也没有新的财务义务，她可能无法获得与结婚前相同的信贷安排。
工作场所歧视和高血压风险
方法和结果：数据来自Midus（美国中年），这是一项对美国成年人的前瞻性队列研究。基线数据是在2004年至2006年收集的，平均为8年的随访期。在基线时具有自我报告的高血压的工人被排除在外，产生了1246名参与者的样本量进行主要分析。使用经过验证的6个项目仪器评估工作场所犯罪。在接受9923.17人年的随访期间，有319名工人报告的高血压发作，高血压的发病率分别为25.90、30.84和39.33，在低，中级和高水平的工作场所歧视的参与者中，每1000人年分别为每1000名。COX比例危害回归分析表明，与暴露率低的工人相比，经历了高度接触工作场所歧视的工人的高血压危害更高（调整后危险比，1.54 [95％CI，1.11-2.13]）。敏感性分析不包括基线高血压病例，基于血压加上降压药物的其他信息（n = 975）显示出稍强的关联。趋势分析显示暴露反应关联。
禁止在公共场所进行远程生物特征分类，以及任何歧视性的生物特征分类
使用生物特征分类系统在公共场所监视或监控人员缺乏合法理由，必须予以禁止。即使是像根据头发颜色对人进行分组这样看似无害的事情也可能被用作种族定性的代理。同样，在工作场所或教育机构中使用此类系统可能会导致高度侵入性的监视，在这种情况下，员工、求职者或学生已经处于权力不平衡的地位。如果残疾人可能被基于人工智能的系统误解，那么在私人空间中也可能会发生歧视，因此
COVID-19疫苗接种状况（预防歧视...
在澳大利亚政府提交后，向我的雇主签发了19号证书，他们拒绝让我工作 - 并说我将在证书期间留在无薪假期中，然后一旦接种疫苗，可能会返回。该证书旨在让我重返工作岗位（根据我对SA Health的支票，也被认为是法律文件），在患有Covid感染后，我具有很高的抗体，至少应该像对我的工人接种疫苗的人一样安全。但我的工作场所拒绝接受这一点（即使南澳大利亚州政府合法允许未接种疫苗的卫生工作者和救护人员重返工作四个月的工作，他们以前签订了签订了禁忌证书的Covid-19）。
6251-f-02歧视效应最终规则3-17-23
2 42 U.S.C.3601-3619，3631。此序言使用“残疾”一词来指该行为及其实施法规术语为“障碍”。参见，例如，Hunt诉Aimco Props。，L.P.，814 F.3d 1213，n.1（11th Cir。2016）（注意残疾术语通常优先于障碍）。3 42 U.S.C.3601。4 Crafcitante诉Metro。生活。Co.，409 U.S. 205，209（1972）。 5 tex。 hous的dep't。 ＆cmty。 事务诉包容性cmtys。 Project，Inc。，576 U.S. 519，529（2015）（引用国家民用疾病咨询委员会的报告91（1968）（Kerner委员会报告）。 6 ID。 ，第529页（引用Kerner委员会报告）。 7 ID。 在539。 8 Crafcitante，409 U.S.，211（1972）。 9参见42 U.S.C. 3608（a），3612，3614a。 最高法院在本规则的具体背景下承认了HUD的规则制定权。 请参阅包容性cmtys。 项目，576 U.S.，527-28，542;另请参见ID。 ，第566-67页（Alito，J。，反对）（“国会也授予了[HUD]规则的权威和裁定某些住房索赔的权力”）。Co.，409 U.S. 205，209（1972）。5 tex。hous的dep't。＆cmty。事务诉包容性cmtys。Project，Inc。，576 U.S. 519，529（2015）（引用国家民用疾病咨询委员会的报告91（1968）（Kerner委员会报告）。 6 ID。 ，第529页（引用Kerner委员会报告）。 7 ID。 在539。 8 Crafcitante，409 U.S.，211（1972）。 9参见42 U.S.C. 3608（a），3612，3614a。 最高法院在本规则的具体背景下承认了HUD的规则制定权。 请参阅包容性cmtys。 项目，576 U.S.，527-28，542;另请参见ID。 ，第566-67页（Alito，J。，反对）（“国会也授予了[HUD]规则的权威和裁定某些住房索赔的权力”）。Project，Inc。，576 U.S. 519，529（2015）（引用国家民用疾病咨询委员会的报告91（1968）（Kerner委员会报告）。6 ID。 ，第529页（引用Kerner委员会报告）。 7 ID。 在539。 8 Crafcitante，409 U.S.，211（1972）。 9参见42 U.S.C. 3608（a），3612，3614a。 最高法院在本规则的具体背景下承认了HUD的规则制定权。 请参阅包容性cmtys。 项目，576 U.S.，527-28，542;另请参见ID。 ，第566-67页（Alito，J。，反对）（“国会也授予了[HUD]规则的权威和裁定某些住房索赔的权力”）。6 ID。，第529页（引用Kerner委员会报告）。 7 ID。 在539。 8 Crafcitante，409 U.S.，211（1972）。 9参见42 U.S.C. 3608（a），3612，3614a。 最高法院在本规则的具体背景下承认了HUD的规则制定权。 请参阅包容性cmtys。 项目，576 U.S.，527-28，542;另请参见ID。 ，第566-67页（Alito，J。，反对）（“国会也授予了[HUD]规则的权威和裁定某些住房索赔的权力”）。，第529页（引用Kerner委员会报告）。7 ID。 在539。 8 Crafcitante，409 U.S.，211（1972）。 9参见42 U.S.C. 3608（a），3612，3614a。 最高法院在本规则的具体背景下承认了HUD的规则制定权。 请参阅包容性cmtys。 项目，576 U.S.，527-28，542;另请参见ID。 ，第566-67页（Alito，J。，反对）（“国会也授予了[HUD]规则的权威和裁定某些住房索赔的权力”）。7 ID。在539。8 Crafcitante，409 U.S.，211（1972）。9参见42 U.S.C.3608（a），3612，3614a。最高法院在本规则的具体背景下承认了HUD的规则制定权。请参阅包容性cmtys。项目，576 U.S.，527-28，542;另请参见ID。，第566-67页（Alito，J。，反对）（“国会也授予了[HUD]规则的权威和裁定某些住房索赔的权力”）。