伦理与深度学习
AI 技术的快速发展与伦理维度的深入研究,特别关注于医疗领域,探索透明度、数据管理、人工监督、教育要求以及国际合作等众多方面,呼吁全球统一的 AI 伦理原则和框架,并提出有益的伦理方案以应对新兴挑战。
Aug, 2023
本文探讨了 AI 和 NLP 领域中的伦理学问题,重点关注了自动化伦理判断的 Delphi 模型,并提出了批判性的观点和如何通过透明度、民主价值观和简单明了的问责机制来推动机器伦理学的发展。
Nov, 2021
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
研究表明,围绕着五个伦理原则(透明度、正义与公平、非恶意行为、责任和隐私),出现了全球一致性的道德人工智能共识,提出了相关的指导原则和技术标准,同时应该充分融合伦理分析和实施策略的努力。
Jun, 2019
发展分析和缓解策略,提供了一个初始框架来理解模型限制、尊重隐私、保密和版权、避免抄袭和政策违规、确保应用程序提供整体利益,并透明可重现地使用人工智能,以保护研究的完整性。
Jan, 2024
本文分析比较人工智能伦理指南的规范原则、建议和忽略之处,提供了对人工智能伦理领域的详细概述,并研究这些伦理原则和价值观在人工智能系统研究、开发和应用实践中的实现程度。最终,本文探讨了如何提高人工智能伦理的有效实施。
Feb, 2019
本文对人工智能伦理学的现状进行了批判性分析,并认为基于原则性伦理准则的这种治理形式不足以规范人工智能行业及其开发者。建议通过对人工智能相关专业人员的培训过程和增加对其行业的监管来实现根本性变革。为此,建议法律应从生物伦理学中获益,并将人工智能伦理学的探索成果在法律条文中加以明确规范。
Oct, 2022
该研究通过对 AI 事故数据库的内容分析,确定出发生非伦理行为的 13 个主要应用领域和 8 种不同形式的伦理问题,旨在提供给 AI 从业者一个实用指南来在 AI 应用过程中遵守伦理准则。
Jun, 2022
人工智能从实验室科学转变为实际人类环境,引发了许多历史、社会文化的偏见、不平等和道德困境。人工智能教育(AIED)提出了更多特定的挑战,涉及技术对用户的影响,这些技术如何用于加强或改变我们学习和教学的方式,以及作为社会和个体,我们对教育结果的价值观。该文章讨论了人工智能的关键伦理维度,并将其置于 AIED 设计和工程实践中,以建立我们所构建的 AIED 系统、我们提出的有关人类学习和发展的问题、我们使用的教学伦理以及我们通过 AIED 在更广泛的社会技术系统中提倡的价值观之间的联系。
Mar, 2024
本文提供实用案例和资源链接,旨在帮助人工智能教育者将伦理学、道德以及哲学问题纳入其教学课程中,以提高学生对人工智能实践的准备程度,以及了解人工智能对社会产生的伦理、道德和哲学影响。还为人工智能教育者提出了将人工智能伦理纳入通识人工智能课程以及如何开设单独的人工智能伦理课程的具体建议。
Jan, 2017