零工工作者数量庞大,成为城市中动态、流动的价值符号(Pei et al.,2021a)。算法管理环境下,对零工工作者工作特征的感知存在差异,有的个体关注工作保障,有的个体关注工作自主性(Felix et al.,2023)。由于零工工作者通过自主创业的方式从事零工工作,从业者与平台之间不存在隶属关系(Guo et al.,2023)。同时,在线劳动力平台多以线上接单、线下服务的工作模式为主,零工工作者可以自由决定线上线下时间和工作自主性(Duggan et al.,2020)。相较于传统就业方式,平台对工作出勤和在职时间没有强制性要求,自主就业的工作模式更加灵活自由(张建军、杨文斌,2022),赋予劳动者自主分配时间和精力的权力(Wood等,2019),成为吸引零工劳动者的重要因素之一(邓建军、李文斌,2021),因此零工工作是工作自主性领域的新兴议题。然而,算法技术对零工劳动过程的调控,会促使零工劳动者在不具备自主性的情况下增加工作时间投入,产生“自主—控制”悖论(Putnam等,2014;Shevchuk等,2019)。在零工情境下,平台工作者的劳动体验与工作态度会呈现出独有的特征(黄宗智,2019)。随着零工规模的扩大,从业者的体验受到日益关注。
2这一共识的显着例外在于致命的武器,在那里禁止这种系统的努力继续面临挑战(Wareham,2020),搜寻者呼吁禁止在没有人类监督的情况下进行部署(Simmons-Edler等人。,2024)。AI代理人以军事特定系统不采用的方式提供了广泛使用,并关注国内监管动机。鉴于这些担忧和当今的全球共识,这是一项合法的收养种族,不太可能受到人类监督。政策制定者的警惕性继续以人类的监督为中心,这将使情况降低。3,例如,美国版权所有办公室(2022)拒绝了对自主创作的艺术品的保护,英国在专利案件中也同样做到了。4参见,例如,有关市场访问规则的证券和交易委员会(2020年),并限制了Upimit Down计划。4参见,例如,有关市场访问规则的证券和交易委员会(2020年),并限制了Upimit Down计划。
摘要 - 共享自主权是一种机器人控制方法,可帮助人类用户实现其预期目标,同时利用机器人自主权的精确和效率。在共享的自主权中,用户输入和自主帮助合并以有效控制机器人,而无需用户提供直接和精确的控制输入。共享自主权中的一个持续问题是如何确定用户输入和自主算法之间的仲裁。由于用户所需的帮助量的可变性,必须通过考虑用户的偏好,物理能力和专业知识来开发以用户为中心的算法来提供定制和自适应帮助。在本文中,我们提出了一种共享的自主方法,该方法在用户的任务绩效和专业水平中都可以自适应地调整运行时的帮助量。我们在辅助控制问题中验证了我们的方法,在该问题中,人用户在模拟的环境中对机器人臂进行了操作,以执行对象到达和掌握任务。结果表明,与直接近距离和仅考虑与任务相关的指标的两种基线仲裁方法相比,我们的方法协助用户实现更高的效率来完成对象到达和掌握任务。
摘要 自主性是一种核心价值,深深植根于许多社会的道德、法律和政治实践中。人工智能 (AI) 的发展和部署引发了有关 AI 对人类自主性影响的新问题。然而,对这些影响的系统评估仍然很少,而且通常是逐案进行的。在本文中,我提供了一个概念框架,它既将看似不相干的人类自主性问题联系在一起,也强调了它们之间的差异。在第一部分中,我区分了目前在“人类自主性”这一总称下解决的不同问题。特别是,我展示了如何区分作为真实性的自主性和作为代理的自主性,这有助于我们找出与 AI 部署不同的挑战。其中一些挑战已经众所周知(例如在线操纵或限制自由),而其他挑战则受到的关注较少(例如自适应偏好形成)。在第二部分中,我讨论了人工智能系统在自主性背景下可以承担的不同角色。特别是,我区分了承担代理角色的人工智能系统和被用作工具的人工智能系统。我的结论是,虽然没有“灵丹妙药”来解决对人类自主性的担忧,但考虑其各个维度可以帮助我们系统地解决相关风险。
由于机械进步,汽车业务行业正在遇到革命性的变革。这份探索论文浏览了印度汽车行业地区高级驾驶员援助系统(ADA)和自动驾驶仪的发展的开发和困难。考试调查了这些创新的可验证基础,从必不可少的驾驶员帮助突出显示到进一步开发自治框架。在人工智能和机器学习技术的领域中,例如计算机视觉,对象检测,路径计划和决策对于编程自我驱动能力很重要。将物联网与车辆连通性的集成充当汽车和基础设施之间的通信桥梁。通过收集和分析车辆数据,我们可以优化车辆的性能和效率。这包括远程监视和预维护。印度高级驾驶员援助系统(ADA)和自动驾驶技术的演变呈现出由技术进步,监管框架以及基础设施挑战所塑造的复杂景观,这些障碍障碍物(例如,坑洼和不均匀的路线)可能会中断导航型在自动发展的汽车所必需的传感器读数,从而使其具有限制性的行为性,并且会影响型号的安全性。稳定,精度和避免障碍技能等多个方面也可能受到损害。街狗和猫等动物会引入不确定性的额外元素。1。内容通过广泛评估行业报告,政府战略和专家意见,本文旨在提供有关印度自动驾驶车辆未来的见解,同时提出击败现有困难的方法:汽车行业,ADAS,自动驾驶,机器学习,机器学习,IoT,IoT,IoT,IoT,IoT,Iot,Iot,Iot,计算机视觉,计算机视觉,决策,印度道路,交通侵犯,侵犯,安全,安全和安全。
|摘要本研究研究了印度尼西亚大学穆罕默迪亚大学高等教育格局(UMS和UMY)的算法管理,工作自治,员工态度和工作满意度之间的复杂关系。采用定量方法,其中包括250名受访者,包括250名受访者,以及包含调查和访谈的数据收集,产生215个回应。通过重新测试和Cronbach的Alpha分析确保了调查工具的可靠性,利用了Microsoft Excel,SPSS和Smart PL。主要的假设进行了检验,强调了算法管理对工作自治的积极影响。此外,该研究还探讨了工作自治对员工工作满意度的积极影响及其在算法管理与工作满意度之间关系中的中介作用。员工的态度被审查为这些关系的主持人,并建立了他们对工作满意度的积极影响。这些发现揭示了算法管理对工作自主权和工作满意度的重要含义。工作自主权被发现赋予员工能力,从而增加了满意度和压力减轻,并且员工态度在算法管理和工作满意度之间没有任何联系。因此,这些发现阐明了算法管理,工作自治,员工态度和工作满意度之间的复杂相互作用。
终身学习算法与自主智能系统(AIS)的组合由于其提高AIS性能的能力而越来越受欢迎,但是相关领域的现有摘要不足。因此,有必要系统地分析具有自主智能系统终身学习算法的研究,以便更好地了解该领域的当前进展。本文介绍了有关终身学习算法和自动智能系统整合的相关工作的详尽回顾和分析。具体来说,我们研究了在AIS领域中终身学习算法的不同应用,例如自动驾驶,异常检测,机器人和紧急情况管理,同时评估了它们对增强AIS性能和可靠性的影响。根据文献综述的深刻理解,总结了AIS终身学习中遇到的具有挑战性的问题。讨论了为自动智能系统的终身学习算法的高级和创新发展,以向这个迅速发展的领域的研究人员提供有价值的见解和指导。
引入AI支持工具提出了有关医学实践规范取向以及重新考虑其基本概念的问题。讨论中核心的其中一个概念之一是医生的自主权及其在面对高功率AI应用的适当性。在本文中,根据概念分析进行了对医师自主权的差异化。有人认为,医师的决策自治是有目的的自主权。医师的决策自治从根本上锚定在医学精神中,目的是促进患者的健康和福祉,并防止他或她受到伤害。从这种目的的角度来看,医生的自主权不是出于自身的缘故而受到保护,而只能在此范围内比其他手段更好。我们认为,今天,鉴于AI支持工具的现有局限性,医生仍然需要医生的决策自治。可能会在面对AI支持的情况下进行决策自主权行使决策自治,我们详细阐述了三个条件:(1)有关AI支持及其陈述的足够信息,(2)足够的能力,足以将AI陈述整合到临床决策中,以及(3)自愿性的上下文,在合理的情况下,与合理的情况下,偏离了AI,AI支持。如果医生应履行其促进患者健康和福祉的道德义务,则应以促进或至少维护医生的决策自治的方式进行设计。
AFRL 正在使用名为强化学习 (RL) 的机器学习工具来训练智能代理在环境中采取行动,目标是最大化整体长期回报。RL 基于操作性条件作用的心理学概念,例如,可用于通过正强化和负强化来训练狗。由于 RL 在具有高维状态空间、复杂规则结构和未知动态的环境中表现出色,因此在本项目中使用了 RL。使用传统的、强大的决策工具很难制定可靠且高性能的解决方案。然而,RL 已证明能够在从围棋等棋盘游戏、星际争霸等实时战略游戏到阿尔法空战等军事交战场景等突破性领域创造出优于人类的代理。
亨特指出,SMI恢复的另一个关键方面侧重于人们的功能,而不是诊断。例如,一个患有SMI的人可能真的想建立友谊,但很少离开她的房子,因为由于偏执狂的感觉,她对社交互动感到恐惧。对她来说,“与她对友谊的渴望一起工作,而不是专门解决偏执狂的感觉,并看到对话的领先地位真的很重要,”亨特说。相反,如果一个容易出现躁狂情节的双相情感障碍的女人说,她担心这些情节可能会导致她轻率地花费并进行不加区分性的性行为,那么重点应该是“这些行为上,这些行为 - 当这些情节可以做什么时,当这些情节能够启动时,我们如何才能尽早注意到躁狂症的迹象,以及如何保护她的物理上的身体,以保护她的物理上的亨特,”亨特说。”“对功能的关注通常比专注于诊断更具授权和激励性,这可能导致绝望或无助的感觉,并触发不支持恢复的偏见。”她补充说。