关系人工智能
该研究探讨了社会技术话语中的关系问题,即语义模糊、概念之间缺乏明确关系和不同的标准术语这些根本本体论问题。作者提出了一个概念框架来组织概念,包括操作性,认识论和规范方面,以帮助开发适当的指标、标准和机制,促进机构 AI 系统的研究和采用。
Mar, 2023
人工智能的应用不仅依赖基础研究和技术发展,更需要关注其公平性、透明度和隐私问题。为了确保 AI 的合理应用,我们需要制定技术、社会、制度和法律方法和工具,提高所有人的参与度和意识,确保 AI 系统与我们社会的原则和价值观一致。
May, 2022
人工智能创新主要关注 “what” 和 “how” 问题,忽视可能的危害与社会背景,导致了潜在的社会技术问题,因此我们需要计算机科学和社会学科之间更紧密的联系。
Dec, 2020
这项研究综合了当前和未来的人工智能应用所面临的伦理问题,从技术和社会角度对 AI 部署中的公平性、隐私和数据保护、透明度与可解释性等伦理原则进行了综述。
Nov, 2023
本文介绍了开发 Socially Responsible AI Algorithms 框架的意义和方法来实现人工智能的可信赖,从而提高人类社会的福祉。
Jan, 2021
本文研究了科学研究机构在负责人工智能设计和开发中的道德风险意识和准备情况,揭示了知识缺口和对可用人工智能伦理框架的意识有限。我们的研究结果显示,在没有适当的指导和管理下实施人工智能技术可能会带来潜在的道德风险,因此需要全面的策略来提高团队能力,支持负责、道德和包容的人工智能开发和部署。
Dec, 2023
本文总结了一份近期社会科学学术文献的文献综述,主要探讨了五个全球地区人工智能及相关技术对社会影响的不同特点,同时强调应该加强对全球范围内人工智能对社会各方面的深入理解,以便研发、实施和监测负责任、有益的人工智能技术并制定相关的规章。
Jul, 2019
在机器学习中,我们引入了一种新的以关系为导向的观点,通过计算机视觉和健康信息学的直观示例重新定义了建模的背景和焦点,并通过全面实验证明了基于关系定义的表示建模的可行性。
Jul, 2023
本文提出结构化表示法和计算方法是实现人工智能与人类智能相似的能力的关键,通过使用深度学习体系结构内的关系感应偏差,介绍一种新的人工智能工具箱构建模块 -- 图形网络,它支持关系推理和组合推广,为推理提供更复杂、可解释和灵活的模式。
Jun, 2018