XiaoMi-AI文件搜索系统
World File Search System道德
AI时代的道德：为什么跨学科思想家是
要释放AI的全部潜力，我们必须将长期的集体安全，道德，公平和责任与公司的盈利能力和国家安全需求调和。我们当前的道德准则不足以实现破坏性技术变革的新时代，并且越来越清楚的是，技术进步与社会对相关安全和道德坑洼的理解之间存在脱节。要弥合这一差距，世界需要训练有素的跨学科思想家，包括哲学家，国际关系学者，政策从业人员，政治科学家，神经科学家，人类学家，社会科学家，AI专家，其他可以将各种学科之间的点联系起来，并询问不回答，如果不回答，重要的一代定义的问题。
13 I 2025年1月https://doi.org/10.22214/ ... AI中的解释性：数据科学的可解释模型 对... 的比较材料选择电池组外壳 使用机器学习模型预测以太坊价格 将IC发动机改造为两轮车中的EV 使用超声传感器的360度雷达 工业缺陷检测的机器学习算法 基于区块链的碳信用生态系统 大规模数据标签和用法中的道德问题 13 I 2025年1月https://doi.org/10.22214/ ...
摘要：这项研究着眼于与信用卡盗窃有关的严重问题，并评估机器学习方法如何检测并停止它。更复杂的欺诈是由于互联网交易的增加而造成的，危害了消费者和金融机构。信用卡日益增长的使用需要快速开发有效的欺诈检测系统，这些系统可以识别并停止欺诈性交易。这项研究着眼于一系列机器学习方法，从更常规的决策树或逻辑回归到更复杂的方法，例如支持向量算法，具有人工智能的神经网络，随机生成的森林和混合模型。我们分析了每种方法的优点和缺点，重点是其召回，准确性，精度和能力，以使用不平衡的数据集管理情况。可以通过将混合方法与合奏学习技术相结合，可以提高检测率并降低假阳性。合成的少数群体过度采样技术（SMOTE）提高了训练机学习模型的可靠性，并成功解决了类不平衡。这项研究强调了实时分析数据并采用最先进的技术（例如大数据分析和深度培训），以跟上新的欺诈策略是多么重要。行业 - academia的合作以及该部门正在进行的研发对于成功部署欺诈检测技术至关重要。这项研究强调了对最先进的机器学习方法的紧迫需求，以防止信用卡盗窃。通过增强金融机构识别欺诈的能力，这些技术发展将保护和维护消费者对在线交易的信任。改善了研究结论的目标，改善了所有利益相关者的欺诈检测系统和更安全的经济环境。
大规模数据标签和用法中的道德问题13 I 2025年1月https://doi.org/10.22214/ ...13 I 2025年1月https://doi.org/10.22214/ ...
摘要：此AI驱动的Web应用程序将机器学习与高级聊天机器人相结合，以交付个性化的医疗解决方案，以对话方式与用户进行交流，以收集有关其症状的信息，随后通过机器学习系统处理了有关其症状的信息，以建议可能的健康状况。在此评估之后，该应用建议适合确定问题的药物，并提供自然的家庭疗法，以缓解临时症状。独特的健康提醒系统与用户定期检查，跟踪症状进展并提供后续指导。基于用户反馈，该系统可能建议咨询医疗保健专业人员，以支持积极的，以用户为中心的自我保健和健康管理方法。关键字：人工智能，数据集，机器学习。
员工更多地遵守人类的不道德指示，而不是AI主管：补充机器学习的实验证据
摘要人工智能（AI）在组织中的作用从从执行常规任务到监督人类雇员的根本上改变了。虽然先前的研究重点是对此类AI主管的规范看法，但员工对他们的行为反应仍未得到探索。我们从关于AI厌恶和赞赏的理论中汲取了理论，以应对该领域内的歧义，并调查员工是否以及为什么遵守人类或AI主管的不道德指示。此外，我们确定了影响这种关系的员工特征。为了告知这一辩论，我们进行了四个实验（总n = 1701），并使用了两种最先进的机器学习算法（因果林和变形金刚）。我们始终发现，与人类监督相比，员工对AI的不道德指示更少。此外，个人特征（例如遵守没有异议或年龄的趋势）构成了重要的边界条件。此外，研究1还确定了主管的感知思维是一种解释机制。，我们通过在两项预注册的研究中通过实验操作来对该介体进行进一步的见解，通过操纵两个AI（研究2）和两个人类主管之间的思维（研究3）。在（预注册）研究4中，我们在激励实验环境中复制了AI主管对AI主管的不道德指示的阻力。我们的研究对人类行为的“黑匣子”对AI主管，尤其是在道德领域中的“黑匣子”产生了见解，并展示了组织研究人员如何使用机器学习方法作为强大的工具来补充实验研究，以创造出更加细粒度的见解。
政治倾向和道德价值观可能会影响家庭碳排放模式
作者使用了道德基础理论，该理论认为，道德判断来自对护理，公平，忠诚，权威和纯洁的直觉。作者使用的意见调查包括12,061名受访者，从2008 - 2013年开始进行，这些受访者衡量了对气候变化的现实，人类因果关系和负面影响的信念，以及对家庭碳
Marist关于人工智能的道德声明
在我们培养开明，道德和生产性生活的使命的指导下，马里斯特大学（Marist University）设想了一个未来，即人工智能增强教育，同时维护人类的尊严，个人代理和福祉。AI的整合需要仔细考虑其使用如何与我们的机构价值保持一致，同时承认其对社会结构，文化框架和物质资源的影响。我们确认，负责使用人工智能可以在保持道德标准的同时，可以在我们社区中更公平地访问教育资源和机会。
机器人，聊天机器人，自动驾驶汽车：人工智能的思想和道德的感知
AI系统已经快速高级，多元化和扩散，但是我们对人们对他们的思想和道德的看法的了解仍然有限，尽管它对人们是否信任AIS以及他们如何分配AI引起的危害的责任。在一项预先进行的在线研究中，有975名参与者对26个AI和非AI实体进行了评价。总的来说，AI被认为具有低到中度的代理（例如，计划，行动），无生命的物体和蚂蚁之间以及低经验（例如，感应，感觉）。例如，Chatgpt的评分只能像岩石一样能够感到愉悦和痛苦。类似的道德能源，道德机构（做对与错）和道德专案（正确或错误地对待）较高，更多样化，尤其是道德机构：最高评级的AI，Tesla Full自动驾驶的汽车，被认为是道德上的危害，以危害作为黑猩猩。我们讨论了设计选择如何帮助管理感知，尤其是在高度的道德背景下。
经济学和道德（F000648）
经济活动在社会中很大程度上占了生活的很大一部分，根据社会的类型，这些活动是通过不同的方式组织的。本课程考虑了与我们社会中经济因素组织方式有关的广泛道德问题。这些问题位于不同层面。个人在他/她在盈利组织中的角色中面临着道德问题；关于公司和其他经济参与者责任的道德问题；最后，关于社会方式，通过政府的道德问题选择规范经济活动并弥补其偶尔的负面影响。为了为任何问题提供良好的答案，必须首先了解道德对我们所需要的肯定。这些问题的讨论将涉及不同形式的积极学生参与。
UKSOL对道德采购过程的承诺
Smeta是供应商伦理数据交换（SEDEX）开发的一种公认的审计方法。它旨在评估和监视全球供应链中的道德和负责任的业务实践。SMETA审核评估公司运营的各个方面，包括劳工标准，健康与安全，环境影响以及商业道德。审计旨在确保公平而人道的工作条件，遵守当地法律以及遵守国际劳工标准。
Mottaz，Anais等。 α波段连贯性的神经反馈训练可以增强运动性能。 Kropp，Martina等。糖尿病性视网膜病是失明的主要原因和级联并发症的早期预测指标 - 风险和缓解措施。在中 道德，监管和S Siffredi，Vanessa等。早产后的皮质改变以及与社会的联系 档案中的库弗特·Unige疫苗在护理中犹豫... frei，Anja等。在高度感染发生率时期，杂交免疫力的发展。在：国际流行病学杂志，2 小鼠相关的脂肪性肝炎 eLandaloussi，Yannis等。了解小脑结构与社会能力之间的关系。在：分子自闭症，2023年，第1卷。 14，n° Wacker Bou Puigdefabregas，Julie Caroline等。先天性核心肌病和延迟发作的限制性CA 的成功心脏移植 有限的利润和充分性 朝两极分化纠缠的宣传分布 经颅多普勒超声检查 假肢术语的词汇表2023：第十版 重新定义未知初级>的癌症 扩展触点会破坏流量 Kropp，Martina等。简短的沟通：糖尿病患者的泪液中催泪液的独特代谢特征 Ramzy，George Mourad等。人类中的Folfoxiri抗性诱导和表征
摘要目的：用脑部计算机界面系统对运动皮层激活进行神经反馈训练可以增强中风患者的恢复。在这里，我们提出了一种新方法，该方法训练与运动性能相关的静止状态功能连接，而不是与运动相关的激活。方法：使用神经反馈和源功能连通性分析和视觉反馈，将十个健康受试者和一名中风患者在其手运动区域和其他大脑之间受过训练的α波段连贯性。结果：十分之一的健康受试者中有7个能够在一次疗程中增加手运动皮层和其他大脑其他大脑之间的α波段连贯性。慢性中风的患者学会了增强其受影响的原发性运动皮层的α波段连贯性，该病神经皮层在一个月内应用了一个月。连贯性在靶向运动皮层和α频率中特别增加。这种增加与中风后运动功能的临床有意义且持久的改善有关。结论：这些结果提供了概念证明，即对α波段连贯性的神经反馈训练是可行的，并且在行为上是有用的。意义：该研究提供了证据表明α波段在运动学习中的作用，并可能导致新的康复策略。1简介大脑界面（BCI）的技术可以监测大脑活动和生成有关活动模式特定变化的实时输出。这特别显示了有关感觉运动节奏（SMR）的表明。记录的受试者会收到有关与他/她的努力相关的神经活动的反馈，因此可以学会自愿调节大脑活动（Kamiya，1969）。SMR对应于α和β频率（〜8-30 Hz）中感觉运动皮层中神经元基的活性，这被真实或想象中的运动抑制（Arroyo等，1993; Pfurtscheller等人，2006年）。人类自愿调节SMR的能力导致BCI的发展用于运动替代，即控制假体和机器人设备（Galan等，2008; McFarland等，2008）。BCI技术的最新应用包括通过反馈训练大脑模式。在神经居住中，神经反馈的兴趣主要在于它可能改善脑部病变患者恢复的潜力（Birbaumer等，2007； Daly等，2008）。运动康复的神经反馈主要旨在训练SMR调节（Buch等，2008; Broetz等，2010; Caria等，2011; Ramos-Murguiarlday等，2013），因此可以看作是对运动成像训练的支持（Mattia等人（Mattia等，2012）。