基于区块链的负责任人工智能基础模型系统的分散治理
提出一种通过区块链和智能合约实现的数据中心联邦学习架构,其中包含一个虚拟的公共市场,提供高质量的数据以供训练,通过激励机制提高数据质量和完整性,该架构有助于提高训练数据集的增长速度和模型准确性。
Jun, 2022
为了实现人工智能的潜在益处并减轻潜在风险,有必要制定一个符合伦理和基本人类价值的治理框架。本文提出了一个多级治理方法,涉及政府、企业和公民三个相互依赖的利益相关者群体,通过信任的维度(如能力、诚信和善意)来研究它们之间的相互关系。通过将治理水平与人工智能的信任维度相结合,提供了可用于进一步增强用户体验和指导与人工智能相关的公共政策的实用见解。
Jul, 2023
本文探讨了人工智能技术的风险,并介绍了一种名为 AI 治理的框架,以确保人工智能的负责任使用,从而避免和减轻包括监管、合规性、声誉、用户信任、财务和社会风险在内的风险。
Nov, 2022
本文探讨了区块链技术如何改善基于人工智能的医疗保健可靠性和信誉的状态,并通过系统文献综述探索了不同人工智能技术和区块链技术的医疗应用程序。提出了一个概念框架,包括自然语言处理,计算机视觉和声学 AI 应用,以应对各种针对基于人工智能的医疗保健应用的对抗攻击。
May, 2022
生成人工智能已经成为解决区块链技术关键挑战的有希望的解决方案。本论文介绍了生成人工智能技术,概述了它们的应用,并讨论了将生成人工智能纳入区块链的现有解决方案。此外,案例研究表明生成扩散模型可以优化区块链网络性能指标。实验结果清楚地显示,与传统人工智能方法相比,所提出的生成扩散模型方法可以更快地收敛、获得更高的奖励,并显著提高区块链网络的吞吐量和延迟。最后,本文提出了生成人工智能在区块链应用中的未来研究方向。
Jan, 2024
本文试图寻求用区块链作为信任引擎的设计原则,通过定性和定量研究的混合方法,讨论了区块链的过去、现在和未来发展方向,并得出了区块链设计原则的三个发现:第一,区块链作为分布式数据库的原始设计原则是否得以实现存在争议;第二,区块链社区的现有分类包括隐私和安全、可扩展性、去中心化、适用性、治理和监管、系统设计及跨链互操作性等方面。在这些分类中,隐私和安全的研究和应用更为突出,其他方面仍有较大的发展机会。最终,我们认为必须通过跨学科综合解决方案来弥合当前区块链设计与真正智能世界信任引擎设计原则之间的差距。
Jan, 2023
该研究论文提出了一个综合框架,结合了区块链、智能合约和星际文件系统,通过在联邦学习中整合数据信任,以便安全地共享数据并提供激励、访问控制机制和惩罚任何不诚实的行为,实验证明该模型在提高联邦学习模型的准确性的同时确保数据共享过程的安全和公平性;论文还介绍了一种分散化的联邦学习平台,成功地使用区块链技术在 MNIST 数据集上训练了一个 CNN 模型,这个平台使多个工作器能够同时训练模型,同时保护数据的隐私和安全性,分散化的架构和区块链技术的应用允许工作器之间进行高效的通信和协作,该平台具备促进分散化机器学习并支持各个领域隐私保护合作的潜力。
Jul, 2023
本文分析了人工智能治理的技术解决方案,提出了一个分类目录,分为四个领域:探索伦理困境、个体伦理决策框架、集体伦理决策框架和人工智能交互中的伦理问题,并讨论了面向成功将伦理人工智能系统整合到人类社会的未来研究方向。
Dec, 2018