社会公益的数据科学
深度神经网络（DNN）是机器学习领域最近进步的推动力，然而研究表明 DNN 易受对抗样本攻击，同时还存在嵌入偏差和难以解释的预测问题，因此建议研究者合作开发有利于社会的应用，同时阻止不利于社会的应用的开发，提供首个综述了解以 AdvML4G 为辅助工具创新利社会应用的工作领域，并回顾了其出现的动机、分类以及涉及的挑战和论文。
Oct, 2023
文章探讨数据科学中道德、政治因素对社会影响的作用，提出数据科学家需要反思自身的政治立场和模式，并提出了一个阶段性的框架，以促进社会公正和影响评估，实现社会价值的最大化
Nov, 2018
运用算法、优化及机制设计的见解，MD4SG 跨学科、多利益相关者的方法探讨了三个激动人心的研究领域，包括提高发展中国家的机会、劳动力市场和歧视以及住房，旨在改善社会福利。
Oct, 2018
最近的人工智能领域取得的进展，特别是随着大型语言模型（LLMs）的出现，引发了对人工通用智能可能性的重新思考。人工智能越来越接近人类能力，也引起了社会科学研究的关注，导致各种探索将这两个领域相结合。本文通过对先前在人工智能和社会科学结合方面的系统分类，将其分为两个方向，虽然共享相同的技术方法，但在研究目标上有所不同。第一个方向侧重于社会科学用于人工智能，其中人工智能被用作加强社会科学研究各个阶段的强大工具。而第二个方向是关于人工智能的社会科学，它将人工智能代理作为具有类似人类认知和语言能力的社会实体进行研究。通过全面回顾，特别是近期大型语言模型取得的实质性进展，本文引入了一个新的视角来重新评估人工智能和社会科学之间的关系，并提供了一个有序的框架，使研究人员能够理解社会科学用于人工智能和人工智能的社会科学之间的区别和联系，同时总结了促进这两个方向研究的最新实验模拟平台。我们相信随着人工智能技术的不断发展和智能代理在我们日常生活中的日益应用，人工智能和社会科学的结合的重要性将变得更加突出。
Jan, 2024
本文介绍了以 “理论引导的数据科学” 为中心的研究范式以及其相关的研究主题。同时，我们阐述了该范式的目标和意义，并提出了将领域知识融入数据科学模型的多种方法，并列举了不同学科中的例子进行阐述。本文还突出了实现理论引导的数据科学的全部潜力所需的一些有前途的研究路径。
Dec, 2016
该论文介绍了 NLP4SGPAPERS 数据集及其三项关联任务，即识别解决社会问题的论文、映射至联合国可持续发展目标、识别解决任务和使用方法，并使用最先进的 NLP 模型分别处理这些任务，帮助研究人员全面了解 NLP4SG 领域。
May, 2023
本报告总结了 Dagstuhl Seminar 22382“科学中的机器学习：桥接数据驱动和机理建模” 的讨论并提出了如何协作来推动人工智能和科学发现的新一波进展的路线图。
Mar, 2023