6 名 PTI 工人被警方拘留 拉合尔:反恐法庭 (ATC) 周一将 6 名巴基斯坦正义运动党 (PTI) 工人移交给警方,对他们进行为期 14 天的拘押,罪名是破坏国家财产、恐怖主义等。ATC 法官 Abher Gul Khan 主持了此案的审理,卡苏尔警方传唤了被告——Abdul Hameed、Waqar Tariq、Muhammad Abdul-lah、Sajjad Aziz、Naveed 和 Nazir。警方请求法庭对被告进行 14 天的拘押,以完成调查。卡苏尔的阿拉哈巴德警方已对 PTI 工人立案,指控他们在 Imran Khan 被捕后实施了暴力行为。与此同时,ATC 法官 Ijaz Ahmad Buttar 要求警方就 46 名 PTI 工人的逮捕后保释申请提交调查报告,这些工人参与袭击拉合尔坎特的真纳之家(军团指挥官之家),抢劫价值超过 1.5 亿卢比的贵重物品并将其纵火,直至 5 月 20 日。被告包括 Far-han Bukhari、Rais Ahmad、Muhammad Aslam、Mu-hammad Naeem、Khizar Ab-bas、Faisal Saeed、Hassan Aziz 和 Muhammad Yar,他们在被送往监狱进行为期 14 天的司法拘留后,向法院申请逮捕后保释。在 Imran Khan 被捕后,Sarwar Road 警方已对 PTI 工人就袭击真纳之家一事立案。
随着人工智能 (AI) 系统的使用越来越普遍,所有利益相关者都需要更加了解其潜在风险和局限性。尽管人工智能系统具有不可否认的好处,但如果设计、部署或使用不当,则会带来重大风险。其中包括:结果有偏差或错误、数据漂移、缺乏透明度、缺乏法律责任、缺乏公平和平等,仅举几例。因此,政府、国际组织以及大公司都意识到妥善管理人工智能项目的必要性,以确保减轻或最小化这些风险。作为其建设人工智能产业的努力的一部分,该努力始于两年前推出国家人工智能战略,除其他国际组织和倡议外,埃及还在不同国际组织(如经合组织、联合国教科文组织、二十国集团和联合国为解决自主武器问题而设立的专家组)起草了多项有关人工智能的道德准则方面发挥了主导作用。此外,它还领导非洲联盟和阿拉伯联盟的团队,致力于在区域层面统一人工智能的道德建议,以确保考虑到我们社会的优先事项、需求和特殊情况。埃及的努力得到了全世界的认可,因为它成为第一个遵守经合组织《负责任人工智能原则》的阿拉伯或非洲国家,也是联合国教科文组织人工智能伦理标准制定文书的早期采用者。由于这些建议大多不具约束力且非常笼统,因此不同国家有责任对这些准则进行本地解读,并将其转化为政府、学术界、工业界和民间社会决策者的可行见解和政策。
FinRegLab:研讨会——“人工智能与经济:为负责任和包容的人工智能规划道路”联合活动,邀请著名政策制定者参加,重点关注金融服务领域的负责任人工智能。华盛顿特区,2022 年 4 月 22 日——FinRegLab 将与美国商务部、美国国家标准与技术研究所 (NIST) 和斯坦福以人为本人工智能研究所 (HAI) 合作,于 2022 年 4 月 27 日举办一场研讨会,汇集政府、行业、民间社会和学术界的领导人,探讨人工智能和机器学习在不同经济部门部署带来的潜在机遇和挑战,特别关注金融服务和医疗保健。已确认的发言人包括商务部副部长 Don Graves;参议员 Joni Ernst;代理货币监理署署长 Michael Hsu;万事达卡执行副总裁兼首席数据官 JoAnn Stonier;富国银行执行副总裁兼模型风险主管 Agus Sudjianto、斯坦福大学商学院教授兼 HAI 副主任 Susan Athey 博士、布鲁金斯学会技术创新中心主任 Nicol Turner Lee 博士以及哈佛大学计算与社会研究中心博士后研究员 Manish Raghavan 博士。演讲者和小组成员将讨论研究、政策建议和新兴行业实践。FinRegLab 首席执行官兼主任 Melissa Koide 表示:“人工智能与新型数据相结合,为改善金融包容性和平等性提供了巨大的潜力。然而,也存在加剧偏见和排斥的巨大风险。认真、有针对性地研究消费者受到的影响对于制定正确的规则至关重要。” FinRegLab 还将于 4 月 28 日举办一场虚拟会议,详细介绍该组织和斯坦福大学商学院 Laura Blattner 教授和 Jann Spiess 教授就机器学习在信用承保中的应用开展的研究,特别关注机器学习模型对可解释性和公平性的潜在影响。这项研究对当前可用工具的性能和功能进行了实证评估,这些工具旨在帮助贷方开发、监控和管理机器学习承保模型。媒体成员如有兴趣亲临或以虚拟方式参加研讨会或寻求评论,请联系 Alex Bloomfield,邮箱地址为 alex.bloomfield@finreglab.org。有关研讨会的更多信息,包括所有演讲者和小组讨论,请访问此处的活动页面。
摘要:COVID-19 后的社会经济原因要求进行无人监督的家庭康复,特别是需要个性化的人工智能来支持参与和激励。人工智能还必须符合问责制、责任制和透明度 (ART) 要求,以获得更广泛的接受。本文介绍了一种以患者为中心的个性化家庭康复支持系统。为此,计时起立行走 (TUG) 和五次坐立 (FTSTS) 测试评估了在存在或发展合并症的情况下的日常生活活动表现。我们提出了一种生成合成数据集的方法,以补充实验观察并减轻偏见。我们提出了一种增量混合机器学习算法,该算法结合了集成学习和混合堆叠,使用极端梯度提升决策树和 k-最近邻来满足个性化、可解释性和 ART 设计要求,同时保持较低的计算占用空间。该模型在预测相关患者医疗状况时,FTSTS 和 TUG 的准确率高达 100%,在预测测试部分中的困难区域时,准确率分别达到 100% 或 83.13%。与以前使用摄像头等侵入式监控手段的方法相比,我们的结果显示,FTSTS 和 TUG 测试分别提高了 5% 和 15%。
