XiaoMi-AI文件搜索系统
World File Search System负责任
扩展负责任的人工智能解决方案
重要的是，符合负责任的人工智能 (RAI) 最佳实践并具有积极社会环境影响的人工智能系统应得到支持，以发展并惠及可能从中受益的潜在用户和社区。然而，新兴的人工智能项目在实际实施 RAI 原则以及扩展方面遇到了挑战。RAI 的主要挑战包括减轻偏见和歧视、确保代表性和情境适当性、流程和结果的透明度和可解释性、维护人权以及确保人工智能不会重现或加剧不平等。RAI 的框架已经激增，但往往停留在高水平，没有在各种用途和情境中实施的技术指南。同时，扩展过程本身可能会给实现或保持 RAI 遵守带来障碍和复杂性。
负责任的道德 AI 演示者的要素......
摘要 — 为了在这个日益脆弱的世界中保护共同的文化遗产、个人自由和法治，民主国家必须能够在必要时“以机器速度”保卫自己。因此，人工智能在国防中的使用包括负责任的武器交战以及后勤、预测性维护、情报、监视或侦察等军事用例。这就提出了一个永恒的问题：如何根据公认的事实做出正确的决定？为了找到答案，负责任的可控性需要转化为系统工程的三个任务：（1）以人类在心理和情感上能够掌握每种情况的方式设计人工智能自动化。（2）确定技术设计原则，以促进人工智能在国防中的负责任使用。(3) 保证人类决策者始终拥有充分的信息、决策和行动选择优势。这里为防空提出的道德人工智能演示器 (E-AID) 正在铺平道路，让士兵尽可能真实地体验人工智能在瞄准周期中的使用以及相关的压力方面。
剑桥负责任人工智能手册
在过去十年中，人工智能 (AI) 已成为全球范围内的一股颠覆性力量，它为创新提供了巨大的潜力，但也为个人及其所生活的社会带来了危害和风险。本书探讨了人工智能带来的最紧迫的哲学、伦理、法律和社会挑战。来自不同学科和领域的贡献者探索了负责任的人工智能的基础和规范方面，并为负责任的人工智能的跨学科方法提供了基础。这项工作旨在促进未来的讨论，以制定人工智能治理的比例方法，将使学者、科学家和其他参与者能够确定人工智能的规范框架，使社会、国家和国际社会能够释放这一关键领域负责任创新的潜力。本书也可在 Cambridge Core 上以开放获取的形式获取。
朝着负责任的教育生成AI的负责发展：一种评估驱动的方法
7月 *的Irina *，‡，，赫尔曼（Herman），丹尼尔·卡森伯（DanielKasenber§ Wei-Jen KO 3，Andrera Huber 1，Bretht Wastshire 1，Gall Elidan，Rabin 2，Roni Robinin 2，Robiviit Engelberg 2，Lydan Hackmon 2，Ravil 2，Rachel棕色1，绿色Chiir§，1，Grand Studina Grand We-Xin Dog 3，Marchal 1，Racsite Van Deman 4，儿童区，Abbhipolo 3，Striopolous 3，Annihe Hale 5，Wais Matatas 2，Ben Gomes 3特征1
我们专注和负责任的量子计算方法
化学催化剂在许多行业中都起着重要作用，量子计算机可以帮助识别使关键过程更安全，更高效的催化剂，并使人们和环境受益。例如，氨是世界上最常见的工业化学物质之一，用作农业肥料以及化学制造和药品。没有氨，我们将无法维持世界当前的人口。但是，氨产生需要令人难以置信的高温和压力，并且仅贡献了全球温室气体排放的2-3％。更有效地模拟用于产生氨的化学反应可以帮助确定使氨制造过程更有效和降低排放的方法。
负责任成像的人工智能（AIRI）
对于临床医生，AIRI将处理临床数据，例如实验室，生命值，患者病史和身体检查结果以及基于证据的适当性标准，以确定是否基于临床表明医疗图像是基于临床指示的，该算法可能会提供成像提供必要的诊断信息。在指示成像时，AIRI将帮助临床医生确定逻辑细节，例如哪种方式可以为放射科医生提供最多的信息阅读，例如是否指示了对比度的使用，以及是否指示了对比度，以及如何为患者做好准备，以提高期望提高合规性并减少重复扫描的需求。通过协助非放射学家临床医生做出这些技术成像决策，AIRI有可能减少不必要的扫描，最大程度地减少放射线暴露并降低医疗保健成本。
负责任的采购和供应链期望
4参见ILO公约号29强迫劳动和ILO公约号105在废除强迫劳动时，“强迫劳动”是指任何形式的契约奴役，包括纪律或控制方法，例如保留雇员的身份证明，护照，工作许可证或存款作为就业条件。5参见ILO公约号182在最糟糕的童工形式上（1999年）。如果供应商雇用了年轻工人，则此类就业不应使他们面临可能损害身体，精神或情感发展的不必要的身体风险。6参见OECD打击国际商业交易中外国公职官员贿赂公约（1997年）；和《联合国反腐败公约》（2004年）。7 Trafigura承诺根据《提取行业透明度倡议》（EITI）规定的原则披露此类付款。鼓励供应商这样做。
在计算连续体中，负责任，值得信赖和能源效率的AI
摘要 - 作为人工智能（AI）在我们的社会中变得更具影响力，开发，部署和评估负责任和值得信赖的AI（RTAI）模型至关重要，即，那些不仅考虑精度，而且考虑其他方面的人，例如解释性，公平性和能源效率。工作流来源数据历史上可以实现对RTAI的关键功能。出处数据推导路径通过跟踪工件和资源消耗的透明度有助于负责任的工作流程。出处数据以其可信赖性，有助于解释性，可重复性和问责制而闻名。但是，要实现RTAI面临复杂的挑战，这些挑战因用于开发和部署模型的计算连续体（Edge-Cloud-HPC）中的异质性基础而更加复杂。因此，工作流出处数据管理和RTAI之间仍然存在重大的研发差距。在本文中，我们提出了工作流源在支持RTAI并讨论相关挑战的关键作用的愿景。我们提出了RTAI和出处之间的示意图，并突出了开放研究方向。
城市AQI负责任的污染物AQI类别
Barishal C DNA DNA SAVAR C 187 PM2.5不健康的Mymensingh C 185 PM2.5不健康的Rangpur C 280 PM2.5非常不健康的Cumilla C 216 PM2.5非常不健康的Narshindi C 195 PM2.5 PM2.5 PM2.5 Bogura
城市AQI负责任的污染物AQI类别
Barishal C 122 PM2.5 Sensew不健康Narshindi C 284 PM2.5非常不健康的Bogura D 271 PM2.5非常不健康的Brahmanbaria D 345 PM2.5危险BSRM，Nasirabad，Chattogram D