XiaoMi-AI文件搜索系统
World File Search System考量
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。
高等教育中实施人工智能技术的伦理考量
过去几年，人工智能 (AI) 已成为媒体和商界的主要话题。高等教育机构正在学习接受人工智能的作用，特别是在在线学习环境中。由于高等教育机构严重依赖技术，领导者无法避免解决人工智能带来的问题。更具体地说，在线高等教育机构必须考虑教育者和学习者带来的好处和挑战。本文的目的是研究人工智能对在线高等教育机构的影响，并探索敏捷和适应性政策的解决方案，以应对高等教育中不断变化的人工智能格局。通过探索实施人工智能技术的好处、道德考虑和影响以及对学术诚信的影响，领导者将对在高等教育机构的在线学习环境中利用人工智能有一个整体的视角。
金融领域的人工智能：法律、监管和治理考量
• 数据安全 • 客户界面 • 运营和风险管理 • 金融和投资：交易、投资、借贷 • 支付和基础设施 • 合规和监管：RegTech – 反洗钱/市场诚信
公共卫生危机期间疫苗研发的伦理考量
摘要流行病和大流行病困扰人类已有许多世纪。在现代，它们是造成重大医疗费用的一个原因。2019-2020 年新型冠状病毒大流行在全球的传播速度比以往许多大流行都要快。尽管个人防护设备和保持社交距离减缓了疫情的蔓延，但疫苗的需求成为确保全球免疫和阻止致命疫情的唯一策略。在公共卫生危机时期开发疫苗充满了伦理难题，而这些难题在这种时候往往会被忽视。其中包括适当的知情同意、在研究的对照组中放置安慰剂以及利用弱势群体等。本评论讨论了与大流行情况下的疫苗开发、二次疫苗开发和平衡条件有关的问题。关键词：疫苗；伦理；COVID-19；埃博拉；大流行；药物开发；知情同意； Equipoise 引言 几个世纪以来，流行病和大流行病一直是人们关注的重大健康问题。早在 17 世纪，天花从欧洲定居者传播到北美，再到 2019 年的新型冠状病毒，疫苗研发一直是应对大流行病的一个有争议的问题 (Carlsen & Glenton, 2016; Kaur & Gupta, 2020)。1918 年的猪流感疫情促使研究人员试图加快研发病毒性流行病/大流行病疫苗和药物所需的时间。1918 年流感疫情疫苗的研发速度很快，并在一年内分发完毕；然而，由于疫苗研发过程还处于起步阶段，该疫苗并没有取得太大成功 (Schwartz, 2018)。从 20 世纪 30 年代开始，研究、病毒学、疫苗研发和临床试验的进步有助于研发出更有效的流感疫苗。这导致了 1942 年第一种主要流感疫苗的开发，该疫苗含有许多不同的流感病毒株。1957 年的流感疫情得到了及时控制，因为已经开发了一种针对一般流感病毒株的疫苗。1957 年的科学家能够使用相同的背景研究快速开发出针对 1957 年 H2N2 疫情的疫苗（Mackenzie 等人，2012 年）。这一发展将疫情的死亡人数控制在 110 万人，而估计死亡人数超过 200 万人。此后，由于疫苗的快速发展，许多疫情都得到了显著控制。然而，作者认为，每次加速疫苗开发都伴随着一系列道德考量。这些考量包括但不限于在试验中使用安慰剂、知情同意程序以及疫苗开发的时间因素。除了这些问题外，还存在与第一种疫苗获得 FDA 批准后继续开发第二种和第三种疫苗有关的问题
人工智能在医疗决策能力评估中的应用伦理考量
人工智能 (AI) 和机器学习的快速发展为临床医生提供了新的工具。AI 工具有可能在短时间内处理大量数据，提供新的见解并改变我们处理复杂医疗问题的方式。AI 有可能通过为目前缺乏通用客观标准的评估过程提供更多见解来帮助临床医生进行医疗决策能力评估。然而，尽管 AI 在此环境中前景光明，但仍存在重大问题，使其不太可能在短期内取代人类评估员。AI 仍然很容易受到有偏见的输入和因此而产生的有偏见的决策的影响，引发了对自主性的质疑，并为谁对最终的能力决策负责带来了不确定性。在本文中，我们探讨了使用 AI 进行能力评估的这些道德考虑。虽然我们承认 AI 可能还没有准备好取代医生来确定患者的医疗决策能力，但这些新技术在短期内具有巨大的潜力，可以作为筛查患者、发现医生偏见和指导能力确定后的后续步骤的工具。
医学成像中人工智能的伦理考量：部署与治理
1 罗彻斯特大学卫生人文与生物伦理学系和哲学系，罗彻斯特，纽约；2 多伦多大学儿童医院和达娜拉纳公共卫生学院生物伦理学系，多伦多，安大略省，加拿大；3 东北大学哲学与宗教系和 Khoury 计算机科学学院，马萨诸塞州，波士顿；4 阿姆斯特丹癌症中心放射学和核医学系，阿姆斯特丹大学医学中心，荷兰，阿姆斯特丹；5 国立卫生研究院临床中心放射学和影像科学系，马里兰州，贝塞斯达；6 圣路易斯华盛顿大学生物医学工程系和 Mallinckrodt 放射学研究所，密苏里州，圣路易斯；7 不列颠哥伦比亚大学放射学和物理学系，温哥华，不列颠哥伦比亚省，加拿大；8 密歇根大学医学院放射学系，密歇根州，安娜堡；9 爱荷华大学放射学和物理学系，爱荷华州，爱荷华市； 10 美国密苏里州圣路易斯华盛顿大学马林克罗德放射研究所；11 伊利诺伊州霍夫曼庄园西门子医疗系统美国公司
2022 年 9 月 金融行业的后量子安全考量
• 2022 年 1 月，世界经济论坛发布了《量子计算治理原则》。20 由量子专家、新兴技术伦理和法律权威、决策者和政策制定者、社会科学家和学者组成的全球社区共同设计了报告中详述的最佳实践治理原则，以指导未来的设计和采用。世界经济论坛人工智能和机器学习负责人 Kay Firth-Butterfield 表示：“这一历史性转变即将到来，关键机遇是在商业化之前解决伦理、社会和法律问题。”“这份报告代表了早期干预和多学科全球对话的开始，它将指导量子计算的发展，造福全社会。”21
人工智能自杀预测工具：医疗领导者的道德考量
引言 自杀占全球死亡人数的 1.5%，每年有超过 800,000 人死于自杀。1 2 超过 80% 的自杀发生在低收入和中等收入国家。虽然正在开展大量工作来减少自杀的影响，但仍有许多工作要做。在许多情况下，有自杀风险的人由于担心被污名化和强制医疗而不愿与医生或社区接触；更糟糕的是，患有精神疾病的人（占自杀死亡人数的大多数）可能对自己的精神状态缺乏了解，并且不认为自己有自杀风险。这些问题因医生在就诊时很难识别有自杀风险的人而更加严重。为了减少自杀的影响，人们对使用人工智能 (AI)、数据科学和其他分析技术来改进自杀预测和风险识别的兴趣日益浓厚。随着电子病历 (EMR) 和人们分享情绪状态见解的在线平台 (社交媒体) 的激增，现在研究人员可以获得大量相关健康数据。当与其他数据源链接时，对这些复杂信息集 (俗称“大数据”) 的分析可以一次性提供一个人的生物、社会和心理状态的快照。通过分层数学模型 (AI 算法) 处理大数据，机器可以学会检测使用传统生物统计学形式无法解读的模式。纠正算法错误 (训练) 可以提高 AI 预测模型的准确性。3 因此，AI 完全有能力应对利用大数据预防自杀的挑战。广义上讲，这些分为两类：1. 医学自杀预测工具：研究人员和医生可以使用机器学习等 AI 技术，通过利用来自 EMR、医院记录和其他潜在政府数据源的数据来确定表明自杀风险的信息和行为模式。最典型的是，这些工具将在医院环境或全科医生 (GP) 手术中使用，为医生在确定患者的自杀风险时提供“决策支持”。这些工具的开发正在传统研究环境中进行，并取得了令人鼓舞的成果。i. 示例：通过将机器学习应用于 EHR，Walsh 等人 (2017) 在预测自杀企图是否发生时实现了 80%– 90% 的准确率 (AUC = 0.80 - 0.84)
医学成像人工智能的伦理考量：数据收集、开发和评估
1 罗彻斯特大学卫生人文与生物伦理学系和哲学系，罗彻斯特，纽约；2 多伦多儿童医院生物伦理学系和多伦多大学达娜拉纳公共卫生学院，加拿大安大略省多伦多；3 东北大学哲学与宗教系和 Khoury 计算机科学学院，马萨诸塞州波士顿；4 阿姆斯特丹癌症中心放射学和核医学系，阿姆斯特丹大学医学中心，荷兰阿姆斯特丹；5 国立卫生研究院临床中心放射学和影像科学系，马里兰州贝塞斯达；6 圣路易斯华盛顿大学生物医学工程系和 Mallinckrodt 放射学研究所，密苏里州圣路易斯；7 不列颠哥伦比亚大学放射学和物理学系，加拿大不列颠哥伦比亚省温哥华；8 密歇根大学医学院放射学系，密歇根州安娜堡； 9 爱荷华大学放射学和物理学系，爱荷华州爱荷华市；10 圣路易斯华盛顿大学马林克罗德放射学研究所，密苏里州圣路易斯；11 西门子医疗系统美国公司，伊利诺伊州霍夫曼庄园