Jul, 2023

公共领域中 AI 发展和应用的主要关注点的简要回顾，利用 NLP 和 TM 支持

PDF
TL;DR这项研究回顾了在过去两年中发表在 ACM 数字图书馆和 IEEE Xplore 会议记录中的研究论文，以自然语言处理 (NLP) 和文本挖掘 (TM) 的基本概念为支持，旨在了解公共部门中数据隐私、伦理、可解释性、可解释性、可信度和公平性等方面的见解，结果显示公平性是最常见的关注点，数据隐私是最不突出的主题，而可信度最突出，最后，也有可能获得关于 A.I. 在公共部门应用中的这些问题的有益见解。
artificial intelligencenatural language processingtext miningdata privacytrustworthiness
发现论文，激发创造
  • 人工智能公众认知的长期趋势

    该研究分析了《纽约时报》30 年来关于人工智能的文章，通过情感分析和话题关联度等多个方面的指标发现，除了医疗和教育等领域对于人工智能的希望较高外，对于人工智能失去控制、伦理关切和对工作的负面影响等担忧越来越多。

    Sep, 2016

  • 采用自然语言处理方法进行教育反馈分析的趋势和挑战综述

    本文概述了人工智能在教育领域的应用，针对学生反馈数据，提出了利用自然语言处理技术来识别教育基础设施、学习管理系统、教学实践和学习环境的改进方向，并重点介绍了情感标注、实体注释、文本摘要和主题建模等文本分析技术在教育领域的应用及其存在的挑战。

    Jan, 2023

  • 公共领域决策人工智能的原理及应用

    本文探讨了机器学习人工智能系统在公共部门决策的应用场景中的评估与解释的问题，提出了多种解决策略以促进 AI/ML 技术在公共领域的更广泛采用。

    Sep, 2018

  • 美国人工智能及其应用的伦理审视

    在美国，本研究聚焦于人工智能的伦理及其应用，强调了人工智能在美国经济各个领域以及技术空间的多个方面所产生的影响，以及对企业、政府、学术界和公民社会的影响。论文探讨了 11 个基本的 “伦理原则”，涵盖了透明度、公正、公平、平等、非恶性、责任、问责、隐私、利益、自由、自治、信任、尊严、可持续性和团结。这些原则共同构成了一个指导框架，指导着人工智能技术在美国各个领域和实体中的负责任和伦理发展、部署和利用。论文还讨论了人工智能应用，例如机器学习的革命性影响，并探讨了实施人工智能伦理的各种方法。这次研究对于解决人工智能广泛使用所带来的潜在风险问题至关重要。

    Oct, 2023

  • 科学文本中的人工智能开发与应用识别

    利用 arXiv 的元数据，通过学习这些数据中科学论文的主题标签，我们可以推断出其他大型语料库中与人工智能相关的论文，这种监督式方法可以一直更新，无需依赖于主题专家进行查询开发或标注。

    Feb, 2020

  • 政府中的人工智能：概念，标准和统一框架

    本文在社会科学与技术学科之间使用概念映射方法建立了三种不同的语义域 (a) 操作域，(b) 认识域，(c) 规范域，并引入了研究 AI 系统的三个新概念：操作适应性、认识完整性和规范重要性来研究 AI 在政府中的应用，并将其作为政府 AI 概念分类法的维度之一，为推动跨学科对话和促进公共行政重塑提供帮助。

    Oct, 2022

  • 临床自然语言处理中伦理挑战的简要回顾

    本文讨论临床自然语言处理技术在临床实践中的潜力和现有的隐私保护问题，并提出了一些满足隐私保护的数据来源，同时注意到可能导致社会有害应用的偏见和实证研究的局限性。

    Mar, 2017

  • 八个国家公众对人工智能的感知：令人兴奋、实用、令人担忧、未来主义

    本文通过一项深入的调查研究，分析了跨越八个国家和六个大洲的 10005 名受访者对人工智能的公众意见，结果表明公众普遍认为人工智能会对社会产生重大影响，强烈支持负责任的人工智能开发和使用，并对人工智能的情感进行了四个关键主题的描述（令人兴奋的、有用的、令人担忧的和未来主义的），这些主题的普遍存在性区分了不同国家对人工智能的反应。

    Dec, 2019

  • 自然语言处理和大型语言模型的公平认证

    发展公平认证以确保自然语言处理系统的算法公正性和对少数群体的非歧视性。

    Jan, 2024

  • 自然语言处理在法律文本上的道德限制

    本文讨论自然语言处理技术在法律领域的应用，重点关注学术自由、法律伦理规范的多样性以及道德主义对这些技术的研究可能带来的威胁，并提出了一些具体建议。

    May, 2021