XiaoMi-AI文件搜索系统
World File Search System考量
生成式 AI 考量（24 年 6 月）
随着生成式 AI 的使用增加，组织正在重新审视其内部政策和程序，以确保员工和供应商负责任、合法且合乎道德地使用这些工具。隐私未来论坛此前咨询了 30 多位跨部门的法律、技术和政策从业者和专家，以了解最紧迫的问题以及专家如何在政策和培训指导中考虑生成式 AI 工具。FPF 的内部政策考虑旨在作为组织生成式 AI 政策制定的起点，重点介绍组织应制定和/或评估内部政策的领域。更新后的考虑包括需要考虑的更多细节和指导。与往常一样，这个领域在不断变化，这并不构成法律建议。
假肢技术的进步：发展和临床转化的伦理考量视角
近年来，触觉反馈、主动电源和用于假肢控制的机器学习等假肢技术进步为改善功能、满意度和整体生活质量打开了新的大门。然而，人们很少关注假肢技术开发和转化为临床实践所涉及的伦理问题。本文基于现有文献，从作者作为假肢专家 (HG、AM、CLM、MGF) 的多学科视角以及直接与假肢使用者 (AM、CLM、MGF)、可穿戴康复技术 (MGF、BN)、机器学习和人工智能 (BN、KKQ) 和先进技术伦理 (KKQ) 合作的综合研究经验，介绍了有关伦理问题的观点。本文的目标读者包括假肢和相关技术的开发者、制造商和研究人员。我们提出了针对当前假肢技术进步的几项伦理考虑以及未来研究的主题，这些可能会为产品和政策决策提供信息，并对那些可以从假肢技术进步中受益的人们的生活产生积极影响。
监管挑战和道德考量 - ijrpr
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
亚美尼亚媒体中的人工智能应用：伦理考量
目前，亚美尼亚媒体主要在涉及完全由该工具生成的图像或视频时才向受众告知人工智能的使用情况。作者采访的媒体专业人士一致认为，对受众透明、诚实地告知人工智能的使用情况至关重要，尤其是在视听内容方面，因为这可能会对观众产生深远的影响，甚至会误导他们认为人工智能生成的图像可能是真实的。然而，对于文本内容，记者不确定是否以及在多大程度上应该披露人工智能的使用情况。了解幕后使用的工具对观众有什么好处？由于媒体缺乏人工智能指导方针，记者经常对这些问题感到困惑。
后量子时代对运营技术的考量
• 利用未来量子计算能力的网络入侵和攻击可能会威胁数据机密性和完整性，或破坏依赖于公钥加密的重要访问控制。 • 运营技术 (OT) 平台、网络和环境对加密的依赖程度通常低于信息技术 (IT) 平台，但在极少数关键情况下，可能容易受到密码分析相关量子计算机 (CRQC) 入侵的攻击。 • OT 可能特别容易受到攻击，因为它与 IT 平台有连接或关联，并且直接或间接依赖公钥加密功能，包括加密和解密、签名和验证模式以及身份和访问管理机制。 • OT 供应商、所有者和运营商应规划新兴的 CRQC 功能并实施缓解措施，包括通过强大的 OT 网络分段将 OT 暴露于量子威胁的可能性降至最低，在适当的情况下使用抗量子算法，确保应用程序和协议中的加密敏捷性，并将量子缓解考虑因素应用于平台更新计划和升级生命周期。
生成式人工智能的整个产品生命周期考量
尽管整个医疗保健行业对生成人工智能 (GenAI) 工具的兴趣迅速增长，但对于可能属于 FDA 管辖范围的 GenAI 产品（包括但不限于医疗器械）的监管方法仍然存在悬而未决的问题。为了本文的目的，我们使用术语“GenAI 设备”来指代设备，该术语在《联邦食品、药品和化妆品法案》（FD&C 法案）第 201(h) 节中定义，其中 GenAI 方法或模型是设备输出或功能不可或缺的一部分。与人工智能 (AI) 产品一样，GenAI 产品的功能可能为患者和公共健康带来独特的好处，但也为 FDA 带来了新的监管复杂性。与所有医疗器械一样，FDA 的监管监督适用于符合设备定义的 GenAI 产品；这种监督是基于风险的，考虑到产品的预期用途和技术特性。此外，FDA 长期以来一直提倡采用全产品生命周期 (TPLC) 方法来监督医疗器械，包括支持 AI 的设备，并致力于利用现有权力制定这些设备的监管方法，并探索可能需要新权力的选项。这一承诺对于采用旨在在设备使用寿命内比以往更快、更频繁迭代的技术的医疗器械来说越来越重要。支持 GenAI 的产品可能旨在为相同的输入提供可变的输出，可能经常依赖于旨在快速且频繁变化的模型，并且可能查询本身不是医疗器械的模型。TPLC 方法可能对未来安全有效的支持 GenAI 的医疗器械的管理仍然很重要。在本执行摘要中，我们重点介绍了 FDA 对支持 GenAI 的设备进行监督的方法，该方法与 FDA 对支持 AI 的设备进行监督的方法有许多相似之处。本执行摘要还讨论了 GenAI 的风险，其中一些风险可能广泛适用于 AI，以及当前在整个 TPLC 中对支持 AI 和支持 GenAI 的设备进行监管所面临的挑战。
治疗性克隆：潜力、挑战和伦理考量
治疗性克隆代表了再生医学的一个有前途的途径，它有可能产生患者特异性干细胞，用于治疗各种疾病和损伤。然而，这项技术并非没有挑战，既有技术挑战，也有伦理挑战。应对这些挑战需要持续的研究、创新和对伦理影响的深思熟虑。随着我们理解和能力的提高，治疗性克隆可能成为个性化医疗的基石，为患者带来新的希望，并彻底改变我们对待医疗保健的方式。治疗性克隆的未来将取决于我们能否平衡科学进步与伦理责任，确保这项强大的技术被用于造福大众。
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