Evan Shapiro and Geoff Bennett explore the future of media on 'Settle In'
近年来，媒体行业一直在经历巨大的动荡。在我们的 PBS 新闻播客“安顿下来”中，杰夫·贝内特 (Geoff Bennett) 与埃文·夏皮罗 (Evan Shapiro) 探讨了这一剧变。他是一位屡获殊荣的制片人，现在为他的子堆栈“媒体战争与和平”撰写有关该行业的文章。
Dark Factories: Rise of the Trycycle
以下文章最初出现在“Dan Shapiro 的博客”上，经作者许可转载于此。公司现在正在生产“黑暗工厂”——将规格转化为运输软件的引擎。实现可能很复杂，有时涉及疯狂麦克斯隐喻。但他们不必这样。如果你想要一个五分钟工厂，[...]
■摘要 Deepfakes 是一种不同于传统网络攻击的新风险，因为它们针对的是人类认知、信任和判断过程本身。虽然这对包括保险公司在内的企业造成多方面的影响，如欺诈索赔、资金被盗、虚假信息造成的声誉受损等，但通过保险很难完全转移风险。在本报告中，我们将总结在这些风险时期需要什么样的素养。 ■目录 1 - 什么是 Deepfakes？ 2 - 深度造假对公司和保险公司的威胁 1 |基于虚假信息的资金提取和欺诈2 |上级虚假指示及其对内部控制的影响3 |与外部的虚假沟通导致的声誉和信用损害 3 - 深度虚假损害与保险之间的关系 1 |与传统网络保险的关系2 |补偿和特殊条款的新动向 3 |名誉损失可
Explainable AI in Production: A Neuro-Symbolic Model for Real-Time Fraud Detection
SHAP 需要 30 毫秒来解释欺诈预测。该解释是随机的，在决策之后运行，并且需要您必须在推理时维护的背景数据集。本文对神经符号模型进行了基准测试，该模型在 Kaggle 信用卡欺诈数据集上作为前向传递本身的副产品，在 0.9 毫秒内生成确定性的、人类可读的解释。加速比为 33 倍。欺诈召回是相同的。 生产中的可解释人工智能：用于实时欺诈检测的神经符号模型首先出现在走向数据科学上。
