XiaoMi-AI文件搜索系统
World File Search System问责署
儿童疫苗 (VFC) 计划疫苗问责和管理计划年
• 应每月订购 VFC 疫苗，以始终保持四至六周的疫苗库存。应尽一切努力防止从其他疫苗资金来源借用。 • 应每季度订购 CHIP 疫苗（具体日期请参阅 MSDH 疫苗订购日历）。如果 CHIP 疫苗在预定的订购窗口之间库存不足，请联系免疫计划订购人员，请求一次性手动覆盖订单，以防止从其他资金来源借用疫苗。 • 应经常订购私人疫苗，以保持至少四至六周的供应量，以防止从其他资金来源借用。 • 严格禁止计划借用。 • 疫苗接种工具报告可用于 MIIX，以确定资金来源在去年同一时间段内接种的疫苗数量。此报告将帮助您确定您计划和订购的时间范围内每个资金来源所需的适当疫苗量。 • 在订购之前，请确保疫苗计划在最近的 VFC 提供商资料提交中的当前办公时间内交付。如果需要更改，请在订购疫苗之前通知免疫计划订购人员。
2023 年绩效问责报告 马里兰州公立学院和大学
年度绩效问责报告 (PAR) 是马里兰州公立学院和大学承担责任的重要机制。通过绩效问责计划，机构必须建立和维护绩效标准，并使用指标来评估其在实现机构和全州高等教育目标方面的有效性。每年，每所公立高等教育机构的理事会都必须向马里兰州高等教育委员会 (MHEC) 提交一份书面报告，说明该机构在实现绩效问责计划中的目标方面取得的进展。这份总结性的全州报告包括马里兰州公立机构在 2022-2023 学年报告周期提交的内容中的重点内容。
转换情节问责模型（团队）模型概述网络广播
团队网页列出了由CCN确定的急诊医院，该医院位于选定的强制性CBSA中。在自愿选择期（2025年1月）之后，该网页还将列出选择加入参与者。同样在2025年，在赛道选择截止日期之前，CMS将更新列表，以确定满足第一年安全网医院定义的医院。
评估欧盟的绿色转型金融工具：问责，审议和政策转向
主席的使命是为欧洲内外的可持续发展和气候过渡的设计和实践提高教育，创新和公众对话。气候变化适应，脱碳，保护行星界限，绿色融资，生物多样性耗尽和地缘政治环境风险的挑战需要理解和克服，以促进欧洲绿色交易的野心。主席的使命是在欧洲和全球范围内的可持续政策和气候过渡的制定中推动教育，创新和公共话语。我们致力于解决诸如脱碳，气候变化适应，实施能源过渡，绿色金融和最小化环境风险之类的关键挑战。我们的最终目标是支持欧洲绿色交易的雄心勃勃的目标。
Microsoft Word - 白皮书 Final2 迈向人工智能系统问责框架.docx
人工智能 (AI) 是技术领域的主要趋势之一。因此，它是行业和客户产品发生重大变化的根源，对社会产生了重大影响。经典产品正在被新应用所取代，这些应用的功能远远超出了以前的能力。只有人类才能完成的复杂任务逐渐被人工智能所取代。车载自动化系统说明了这种持续的变化。如今，智能系统已经在危险情况下执行自动制动操作，而无需人工反应。然而，该领域的技术发展伴随着责任的转变。虽然产品和公司的责任框架已经存在，但它们不再适用于新创建和实施的技术。人工智能，尤其是机器学习 (ML) 的子领域，其特点是，由于算法的复杂性，无法向利益相关者透明地呈现决策 (Arrieta, 2020)。重要信息通常对用户和开发人员隐藏。因此，必须确保无缝且透明地共享技术的责任和义务。人工智能将要做出的以及已经在我们的日常生活中做出的深远决定，对人类和社会都具有很高的风险。近年来，对道德人工智能的需求不断增加，并在社会上变得越来越重要 (IEAI, 2020)，导致国际组织参与这一主题。随着人工智能产品数量的增加，对法规的需求变得至关重要。鉴于人们对这一主题的兴趣日益浓厚，立法者和国际组织需要能够在人工智能系统生命周期的每个阶段以及与人工智能系统相关的法律案件中为自然人或法人分配道德和法律责任。这不仅指个人监控，还指对国家的公共监督（联合国教科文组织，2021 年）。在实际应用中，这一要求意味着人工智能系统永远无法取代人类的最终责任和问责制（联合国教科文组织，2021 年）。
人工智能信任的诸多方面：规范信任与公平、问责和透明度之间的关系
努力促进公平、问责和透明被认为对于培养人工智能信任 (TAI) 至关重要，但现有文献对这种“信任”的阐述令人沮丧。缺乏对信任本身的阐述表明信任是普遍理解的、不复杂的，甚至无趣的。但真的是这样吗？我们对 TAI 出版物的分析揭示了许多不同的倾向，这些倾向在谁在信任（代理人）、信任什么（对象）、基于什么（基础）、为了什么（目标）和为什么（影响）方面有所不同。我们开发了一个本体来封装这些关键差异轴，以 a) 阐明文献中看似不一致的地方，b) 更有效地管理令人眼花缭乱的 TAI 考虑因素。然后，我们通过探索公平、问责和透明度的出版物语料库来反映这个本体，以研究在这些促进信任的方法中和之间考虑 TAI 的各种方式。
法律与社会科学年度评论 人权与技术：司法与问责的新挑战
本评论调查了当代技术与人权领域的挑战。公共和私营部门（例如刑事司法、就业、公共服务和金融领域）决策中越来越多地使用人工智能（AI），这对人权构成了重大威胁。人工智能以破坏追究不法分子责任的传统机制的方式掩盖和减轻了对伤害的责任。此外，学者和从业者曾经认为会使人权事实调查民主化的技术已被国家和非国家行为者武器化。它们现在被用来监视和追踪公民，传播破坏公众对知识信任的虚假信息。应对这些挑战需要努力确保新技术的开发和实施尊重和促进人权。面对与技术创新相关的国家和企业行动的深度交织，传统的公共和私人区别必须更新，以保持相关性。
GAO-22-563，无障碍版本，导弹防御：最近的采购政策变化平衡了风险和灵活性，但需要采取行动来完善需求流程
美国政府问责署还发现，国防部通常通过以下方式满足国会为改变导弹防御非标准采购流程和职责而制定的法定要求：(a) 与国防部所需官员协商；(b) 证明已进行协商；(c) 向国会报告变更；(d) 通常等待规定的 120 天后再实施变更。美国战略司令部确定，它不需要对需求制定流程所做的变更采取相同的行动。美国政府问责署还发现，国防部通常满足法定要求，即获得有关 MDA 采购流程和国防部内部组织位置的独立研究。根据要求，国防部向国会国防委员会通报了研究报告的范围，并向国会委员会提供了报告。但是，国防部比法定报告期限晚了 13 天。
弥合人工智能问责差距：定义内部算法审计的端到端框架
随着人工智能 (AI) 开发工具和互联网数据集的普及，企业、非营利组织和政府正在以前所未有的速度部署人工智能系统，通常是大规模生产系统，影响数百万甚至数十亿用户 [1]。然而，在这种广泛部署的过程中，人们对这些自动化系统对所有用户的有效性产生了合理的担忧，尤其是对那些倾向于复制、强化或放大现有有害社会偏见的系统提出了批评 [8, 37, 62]。外部审计旨在从系统外部识别这些风险，并作为这些部署模型的问责措施。然而，这种审计往往是在模型部署之后进行的，此时系统已经对用户产生了负面影响 [26, 51]。
情境问责：应用人工智能的伦理原则、认证标准和解释方法
鉴于人工智能开发人员在确保人工智能系统、其成果和此类系统用户的责任方面发挥着重要作用，我们需要他们采取负责任、合乎道德和负责任的方法。因此，我们建议这些参与者参与旨在产生负责任的人工智能设计和使用的政策制定过程。根据我们的实证研究结果，我们提出了几项建议，以弥补当前在追求负责任的人工智能时将道德原则、认证标准和解释方法作为问责机制所发现的缺陷。我们希望这些建议能够有助于讨论如何在实践中确保问责制，同时兼顾开发人员、研究人员和公众的观点。