背景:使用社交媒体传播卫生保健信息的情况已经变得越来越普遍,从而使人工智能(AI)和机器学习在此过程中的不断扩展既重要又不可避免。这一发展引起了许多道德问题。本研究探讨了在社交媒体平台(SMP)上的医疗保健信息中,AI和机器学习的道德使用。它从公平,问责制,透明度和道德(命运)的角度进行了严格的研究,强调了确保其负责任应用的计算和方法论方法。目的:本研究旨在识别,比较和综合现有的解决方案,以解决SMPS医疗保健中AI应用程序中命运组成部分的现有解决方案。通过对各种计划中使用的计算方法,方法和评估指标进行深入探索,我们试图阐明当前的艺术状态并确定现有的差距。此外,我们评估了支持每个确定解决方案的证据的强度,并讨论了我们发现对未来研究和实践的含义。这样做,我们通过强调需要进一步探索和创新的领域为该领域做出了独特的贡献。方法:我们的研究方法涉及PubMed,Web of Science和Google Scholar的全面文献搜索。我们使用特定过滤器使用战略搜索来确定自2012年以来发表的相关研究论文,重点介绍了不同文献集的交集和结合。纳入标准集中在研究中主要解决有关SMP的医疗保健讨论中的命运的研究;那些提出经验结果的人;以及涵盖定义,计算方法,方法和评估指标。结果:我们的发现表明了命运原则的细微崩溃,在适用于美国医学信息学协会道德准则的情况下使它们保持一致。通过将这些原则分为专门的部分,我们详细介绍了针对SMP上AI驱动的医疗保健命运的特定计算方法和概念方法。这种细分有助于更深入地了解命运原则之间的复杂关系,并强调了其应用中遇到的实际挑战。它强调了我们的研究对SMP的医疗保健道德AI论述的开创性贡献,强调了复杂的相互作用以及有效实施这些原则所面临的局限性。结论:尽管存在各种方法和指标来解决SMP的医疗保健中AI中的命运问题,但挑战仍然存在。这些方法的应用通常与其他道德考虑相交,有时会导致冲突。我们的评论强调了缺乏统一的,全面的解决方案,可以在该领域充分有效地整合命运原则。此差距需要仔细考虑部署现有方法所涉及的道德权衡,并强调了进行正在进行的研究的需求。
Shoals 致力于维护一种“敢于直言的文化”,让员工可以放心地向管理层提出工作场所问题。Shoals 绝不容忍对任何善意举报已知或疑似不当行为或其他违反本准则行为的董事、高管或员工进行报复。报复是指对员工采取的任何不利的雇佣行为,包括但不限于拒绝雇用、不晋升、降职、停职、骚扰、拒绝提供培训机会、解雇或在雇佣条款和条件中以任何形式进行歧视。除了违反本准则外,此类报复还可能违反 Shoals 的举报人政策或平等就业机会政策。
当前的研究启动了关于音乐行业中人工智能(AI)的道德意义的讨论,分析了OECD AI原则框架内的九种道德陈述。该研究越来越强调这些准则的透明度,以人为中心的价值观,公平性和隐私性。虽然透明度认为对于促进对AI驱动的音乐系统的信任至关重要,但人类价值观的保存以及人类和AI生成的作品之间的区别是主要考虑因素。本文重点介绍了解决音乐行业中生成AI系统对环境影响的差距。结论要求进行持续的研究和对话来应对新兴挑战,强调多方利益相关者的协作,并告知公众讨论,以导致AI的变革性潜力,同时维护音乐创作中的道德价值观。
a) 不得干扰公务。员工不得参与干扰其公务履行的外部活动、法律或法规禁止的活动或需要员工取消参与对其公务至关重要的事务的外部活动。b) 利益冲突,《美国法典》第 18 卷 (USC) §208 1。如果员工的公务可能会给员工个人带来好处、影响员工家庭的经济利益或涉及员工过去、现在或将来与其有政府工作之外的联系的个人或组织,则该员工可能被取消参与特定政府事务的资格。根据《联邦法规》第 5 卷 (CFR) §2635.502,员工在离职后一年内与其前雇主有“隐蔽关系”。这种隐蔽关系要求员工被取消参与任何涉及其前雇主的政府事务的资格,直到隐蔽关系终止(即一年过去)。 c) 不得代表联邦政府,§18 USC 205。联邦雇员不得代表个人、公司和非联邦实体 (NFE) 在任何联邦机构面前行事。禁止的“代表类活动”示例包括:(i) 与任何其他联邦机构签署协议;(ii) 签署报告、备忘录、拨款或其他申请、信函或其他旨在提交给任何联邦机构的材料;(iii) 签署纳税申报表以提交给美国国税局;以及 (iv) 出席联邦机构的会议或在任何联邦机构就涉及 NFE 和联邦政府的任何事项发表讲话,以敦促、提倡或试图影响任何联邦机构。在外部就业期间,必须避免与任何政府实体进行“代表”接触。“联系包括电话、语音邮件、电子邮件、信函和亲自出席会议。d) 代表报酬,18 USC §203。联邦雇员不得因在联邦政府面前的任何代表而直接或间接获得报酬。如果非工作时间的工作涉及获得补偿,则
简介合规性和道德规范构成了我们在安德里兹(Andritz)开展业务方式的基础,我们已经在自己的行为守则和道德守则中提出了业务。关于合规性,我们致力于作为我们行动的基石的正直,尊重,可靠性和可持续性。我们知道,我们符合自己的合规性标准的能力在很大程度上取决于我们如何与供应商一起工作。因此,我们希望我们的供应商遵守一组规则,以确保我们基于相同的价值观和原则来工作。因此,本“供应商代码”阐明了所有供应商与Andritz开展业务的最低要求。本供应商代码中规定的原则构成了我们供应商选择和评估的基本标准。供应商代码应构成Andritz Group及其供应商成员之间所有采购订单或合同的一部分。
CNP Assurances 及其子公司 Diwise 因其人工智能服务平台的道德规范而获得 GoodAlgo 颁发的 ADEL-AI 法案标签 继 2022 年 9 月的人工智能服务平台之后,CNP Assurances 及其子公司 Diwise 的三种算法因其在人工智能法案生效前的道德品质和成熟度而获得 GoodAlgo 颁发的 ADEL-AI 法案标签 2 。人工智能技术正在颠覆包括保险业在内的所有行业的工作方式。从设计阶段开始,算法系统和智能应用程序就需要以合乎道德的方式进行开发、使用和监控。它们必须值得员工和保单持有人信赖,并且对环境负责且具有包容性。作为一家负责任的保险公司,CNP Assurances 旨在成为人工智能道德使用方面的典范。因此,该集团于 2020 年决定制定指导方针并成立人工智能治理委员会,确保人类价值观和道德规范是任何人工智能项目发展的核心。 2022 年,该服务平台获得了领先的人工智能伦理组织 GoodAlgo 颁发的 ADEL-Project 标签。CNP Assurances 是首批获得此标签的保险公司之一。2023 年,该集团通过获得三种算法的 ADEL-AI Act 标签,迈过了一个新的里程碑:
1.1 会计专业和道德标准委员会有限公司(APESB)发布了 APES 110 专业会计师道德规范(包括独立性标准)(本规范)。本规范自 2020 年 1 月 1 日起生效,并取代 APES 110 专业会计师道德规范(于 2010 年 12 月发布,随后于 2011 年 12 月、2013 年 5 月、2013 年 11 月、2017 年 5 月和 2018 年 4 月修订)。允许提前采用本规范。与关键审计合伙人轮换、第 4B 部分的修订、会员应扮演的角色和应有的态度的规定、业务质量审阅人员和其他适当审阅人员的客观性、费用相关规定、质量管理相关的一致修订、非鉴证服务规定、业务团队和集团审计定义的修订、上市实体、公开交易实体和公共利益实体的定义以及技术相关修订有关的过渡规定适用,具体请参见第 68 页的各个过渡规定。
公司提供的系统永远不会用于不适当,非法或不道德目的。这包括访问或发布不合适或在AE上反映不佳的内容。用于个人目的的公司手机和数据服务的任何使用都必须有限和合理,并且可能不会使公司缴纳额外费用。个人用途也必须是合法的,仅用于非商业活动。我们的计算机和技术系统由AE拥有和控制。它们旨在供业务使用,并且可能需要用于安全性和其他合法业务目的来访问我们系统的任何部分。
应测试并持续监控采用人工智能的系统,以防其因群体成员身份而对任何群体或个人造成不成比例的影响。偏见可以在人工智能系统的许多层面上引入,包括选择用于训练的数据、算法本身以及用户与系统的交互方式。与群体成员身份相关的偏见,通常称为文化偏见,是一种需要监控和测试的重要偏见类型。它通常源于数据集本身。数据集中还可能出现许多其他类型的偏见,包括但不限于历史、时间和聚合偏见。应使用代表人工智能系统在生产中会遇到的案例类型的数据进行训练和测试。对于直接影响系统,这意味着确保培训材料和测试包括代表服务人群的群体和角色的案例。对于间接影响系统,代表性意味着包括生产中可能发生的不同情况的样本,包括边缘情况。本小节的其余部分是直接影响系统的要求,对于任何使用人工智能的系统都强烈建议这样做。应注意所选输入不会使输出偏向任何群体或反对任何群体,除非这种偏见是故意的并且有明确的记录。应审查具有已知偏见的系统,并制定补救计划,以确保采取足够的保障措施防止不适当的结果。补救计划可能包括在缺乏足够保障措施的情况下退役或更换系统。
每天,在委内瑞拉的梅尔巴都会在凌晨 4 点起床,为机器学习算法注释数据。她是全球众多登录众包平台为开发人工智能的科技公司执行任务的工作者之一。她每周可以全职工作 15 到 20 美元,足以补充她的养老金,由于持续的恶性通货膨胀,她的养老金现在每月只值一美元:“不够买半打鸡蛋;不够买一块奶酪或面包。” 由于经济和 COVID-19 形势严峻,梅尔巴和许多其他委内瑞拉人都转向为在线平台工作。虽然这些工作提供了较低的进入门槛和稳定的美元收入,但它们并不能提供稳定的就业:这些工人被视为自由职业者,被这些公司称为评估员、标注员或注释员。作为我论文研究的一部分,我调查了拉丁美洲各地通过数字劳动平台为人工智能注释数据的工人的经历。通过这项研究,我遇到了梅尔巴和其他许多人,我在下面列出了他们的故事。我通过社交媒体上的工人小组与他们取得了联系,自疫情开始以来,我们就在网上聊天。我之所以联系他们,是因为委内瑞拉人占拉丁美洲人工智能平台工人的大多数,作为一名拉丁裔,我想听听他们的经历。总的来说,我发现这种平台劳动是剥削性的,但也是为了抹杀工人的声音。本文探讨了委内瑞拉平台工人的工作条件及其与他们帮助创造的人工智能的关系。我认为劳动力是人工智能中一个尚未充分探索和研究的领域。作为批判性人工智能学者,我们无法说出什么是“道德的”、“有益的”或“负责任的”,除非