展开

关键词

性(CS AI)

原文目:On the Morality of Artificial Intelligence关于和伦理影响现有研究大多集中于定义机器学习(ML)和其他(AI)算法伦理原则和指导方针 虽然这对于帮助定义适当AI规范非常有用,但我们认为讨论ML潜在和风险并鼓励区将ML用于有益目标同样重要。 在这篇专门针对ML从业者文章中,我们因此更关注后者,对现有高级伦理框架和指导原则进行了概述,但最重要是提出了ML研究和部署概念和实践原则和指导原则,坚持从业者以采取具体行动,以追求ML更符合伦理和实践 ,旨在利用造福

28140

演进:以被编程吗?

或者以转弯偏离路,撞上一棵树?还是继续向前,撞上那个骑车孩子?每一种解决方案都产生一个:这导致死亡。 相反,他们在一个更基本层面上,把重点放在如何确保系统够作出艰难、更接近标准选择,像日常决策一样。那么,该怎样才让AI够作出一个艰难决定呢? Contizer通过过去几十年发展很好阐述了这个,“如果我们在一百年前做同样测试,我们决定中发现更多种族歧视、性别歧视,以及各种从现在看来并不是‘好’事情。 当然,上述提到了很多关于是多么复杂。“纯粹利他主义,在博弈论中是很容易解决,但也许你觉得别亏欠于你。 为了解决这些,并帮助正确找出如何把编写进之中,该团队正在结合来自计算机科学、哲学和心理学很多方法。“概括地说,这就是我们项目所要做事。”Contizer说到。

26470
  • 广告
    关闭

    云加社区有奖调研

    参与社区用户调研,赢腾讯定制礼

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    责任算法:、目和挑战(cs.cy)

    在当前时代,们和(AI)技术依赖程度越来越高。推动我们走向一个全类繁荣未来。同时,它也伴随着压迫和灾难巨大风险。 近年来,关于我们是否应该(重新)信任AI讨论屡屡出现,并出现在业、学术、医疗、服务业等诸多领域。技术专家和研究员有责任开发值得信任系统。 他们已经做出了巨大回应,设计出更负责任算法。然而,现有技术方案范围狭窄,主要针对评分或分类任务算法,强调公平性和不需要偏见。 为了在类之间建立长久信任,我们认为,关键是要超越算法公平性思考,将导致冷漠行为主要方面联系起来。 在这项调查中,我们提供了一个系统责任AI算法框架,旨在研究AI冷漠行为和对责任AI算法需求,定义目标,并介绍我们实现这些目标手段。

    18300

    未来依赖于准则

    更重要是,这是一个行动召唤:AI,我们需要一套准则。随着革命不断加速,们正在开发新技术,以解决消费者、企业和整个世界面临种种。 这不避免地引发许多伦理,这些将影响深远,影响每个,包括公民,小型企业利用或企业家开发最新技术,无幸免。为了让未来尽控,我们需要处理一些棘手伦理。 我现在还不知这些答案,但我目标是在简单常识基础上,让更多意识到这个话,并努力找到解决方案。以下是一些与和自动化有关,它们让我夜不寐。 当我们不再信任我们新闻来源和交媒体源时,发生什么?将继续给算法带来重大影响,影响我们在日常生活中看到和看到东西。 但这一点处于危险边缘,在梦境和噩梦之间徘徊。为了防止炒作,并利用它变革性力量,我们必须从伦理出发,正确地对待

    83810

    牛津治理手册:和治理中作用

    虽然国家、公司和国际组织在治理中作用已经被广泛理论化,但作用却很少受到关注。本章着眼于在识别和减轻技术带来危害方面所发挥作用。危害是对技术因果“影响”进行评估。 尽管存在技术上靠性,但它们并不是技术疏忽结果,而是围绕复杂系统中安全和公平规范性不确定性结果。伦理界对减少伤害好处有很高共识,但对确定或处理伤害机制共识较少。 们利用三种类型主张来论证对治理管辖权:服从、对劳动产品控制,以及对系统近似知识。 回顾过去十年与相关维权活动,我们以了解不同类型在生产系统作场所是如何被定位,他们位置如何影响他们主张,以及集体行动在实现他们主张时所处位置。 牛津治理手册 和治理中作用.pdf

    11400

    面向计算混合-研究

    随着现代计算技术和科学发展,计算理论研究和实际应用都在不断扩展。特别是随着(AI)蓬勃发展,交计算受到AI显着影响。 然而,传统技术在处理更复杂和动态方面具有缺点。这种缺陷以通过混合(H-AI)加以纠正,该技术将和AI整合为一个统一体,从而形成了一种新增强型。 H-AI在处理方面显示出AI无法超越优势。本文首先介绍了H-AI概念。是H-AI过渡阶段,因此对AI在交计算领域最新研究进展进行了综述。 其次,它总结了交计算中面临典型挑战,并使得引入H-AI来解决这些挑战成为。最后,本文提出了一种结合H-AI交计算整体框架,该框架由对象层,基础层,分析层和应用层四层组成。 它表示H-AI在解决方面比AI具有显着优势。 面向计算混合-研究.pdf

    11110

    影响,究竟该是谁责任?

    马克思对警告和脸书机器创造一种让类无法理解语言,们联想到机器征服世界画面。 虽然这样说造成一场灾难,有些牵强,但后果已经产生了,并且值得们去关注:。 那么,现在就产生一个新:机器准则吗?类想要同时驾驭科学方法和决策这两个领域还是很困难,而更难是让计算机算法让机器行为符合准则。 那么,又来了,制造出计算机够具有一定正直观念吗?是否包含公正理念?是否尊重?对于机器来说,如果存在这种潜力,至少有四个关键急需解决:一.机器谈论吗? 在未来,我相信选择正确观念将被编码应用到

    60360

    水壶解法

    一、现有8升、5升、3升容器各一个,均无任何度量标记,其中8升容器装满啤酒,其他两个为空。要求用上述容器倒来倒去,分成两份4升啤酒。 二、分析此是个很典型模型,涉及搜索策略最简单实现方法。用状态空间法,该求解过程为:(1)定义状态空间。本文用三个有序整数(X,Y,Z)表示三个容器啤酒量。 用来求解该算子以用如下6条规则描述。①由8升容器向3升容器倒啤酒(注意:要满足前提条件,即8升容器有啤酒、3升容器未满。 根据上面规则,就以得到一个搜索策略。但显然,不无限制使用,否则,搜索树趋向于无限庞大,加入了很多明显以排除无用状态,丝毫无益于解决。 因此,对搜索树剪枝一个基本原则就是:在一条路径上,一个节点只出现一次。另外,搜索树深度也不没有限制,否则需要过长时间。三、实现程序采用C++实现,在VC++6下编译通过。

    71170

    公益:一项调查(CS CY)

    公益(AI4SG)是一个研究主,旨在利用和促进来解决,改善世界福祉。在过去十年中,AI4SG得到了研究领域广泛关注,并取得了一些成功应用。 基于迄今为止最全面AI4SG文献收集和超过1000篇论文贡献,我们提供了一个详细帐户和分析作下如下。(1)定量分析了AI4SG文献在应用领域和AI技术方面分布和趋势。 (2)我们提出了三种概念方法来对现有文献进行系统分组,并在一个统一框架内对AI4SG八个应用领域进行分析。(3)我们提炼出五个研究主,它们代表了不同应用领域中AI4SG面临共同挑战。 (4)我们讨论了5个,希望够对AI4SG研究未来发展有所启发。 原文作者:Zheyuan Ryan Shi, Claire Wang, Fei Fang原文地址:https:arxiv.orgabs2001.01818 公益 一项调查(CS CY).pdf

    23820

    外包与“黑箱”中算法歧视

    当利用系统对犯罪进行犯罪风险评估,算法以影响其刑罚;当自动驾驶汽车面临抉择两难困境,算法以决定牺牲哪一方;当将技术应用于武器系统,算法以决定攻击目标。 首先,公平是一个模糊概念,法律上公平被翻译成算法公平存在困难,但在犯罪侦查、治安、刑事司法程序中,基于大数据系统正在将公平算法化,包括在犯罪嫌疑搜寻、治安维护、量刑等诸多方面 所使用数据模型是否导致偏见?基于大数据进行预测准确性如何?对大数据依赖是否导致或者公平性? ,并提出是否以让机器代替类来做、法律等判断,其实就是公平否算法化。 在政府层面,为了削弱或者避免机器偏见,美国白宫报告将“理解并解决、法律和影响”列入国家战略,并建议AI从业者和学生都接受伦理培训。

    2.9K100

    李开复:真正威胁

    们甚至开始怀疑,是否最终控制类,使类沦为所谓“机械”。这些值得探讨,但并非亟待解决。先不论这些是否发生,即使哪天真出现,也是数百年以后。 另一个方向则是弥补系统所欠缺际交往力”,发展出更多类似作者、酒保、按摩技师等需要际间微妙互动岗位。即便如此,另一个随之出现:我们对酒保或类似岗位又有多大需求呢? 按照我推测,要解决变革所带来大规模失业,需要是更多我所说所谓“关爱服务”。 这是无法完成,而又大量需要服务;更不用讲你我生而为所赖以使命感和荣誉感。 相较而言,其他国家面临两个难以克服。首先,大部分所创造财富流入美国和中国。 一言以蔽之,最大程度地缩小造成经济失衡和贫富差距,已是当下必须要考虑,此差距不仅体现在国家内部,也体现在国与国之间。

    51230

    被担心丢饭碗 却有解决贫困提供新动力

    据《纽约时报》网站1月1日报,当谈及作机时,们对其前景并不乐观。 但是,除了带来种种负面影响,我们也应该开始思考它带来什么好处——在大数据和领域发生革命也帮助我们解决贫困,推进经济稳定发展。贫穷,作为一种现象,包含许多方面。 以解决以上这三种。首先,尽管失业,它也用来匹配劳动力和还未饱和中产阶级作职位。如今美国存在数百万这样作岗位。 这恰恰说明了利用优势,就解决岗位和匹配。同样地,预测日后职位空缺情况,以及需要怎样技巧和训练才找到有前途作。? 目前,使用大数据更好地预测在特定时间段,哪些项目帮助特定群体,并很快评估该项目是否获得预期结果。至于意识形态是否影响公共救助,大数据提供了更接近中立、不受意识形态影响项目评估。

    37650

    原理 - 通过搜索求解1 求解2 实例

    1 求解?1.1 简单求解体算法?1.2 例:罗马尼亚部分公路图?1.2.1 相关术语?1.2.2 形式化五个要素?????2 实例2.1 真空吸尘器世界??? 2.2 8 - 数码难?

    60040

    把妹、美颜,将重新定义手机?

    美图秀秀M-Face、M-Color和M-Beauty技术,尤其是M-Beauty技术,均是典型应用,它需要对海量照片进行大量学习,通过这样训练就什么样颜色、什么样方案适合什么样 Google IO大上还发布了Allo聊天应用,它在收到朋友发来图片之后,假装你进行点评;看到照片还帮你点赞。你不知如何跟妹纸搭讪,撩妹技巧不够强大? 没关系,有了,系统以帮你把妹。?不论是中国团队,还是海外巨头,种种动向均表明,AI()正在手机中扮演举足轻重角色。 有了识别率更高语音技术,语音输入有望在手机上更加普及,解决打字慢、易出错老大难。 4、安全管理:有了,你手机将不担心垃圾短信或骚扰电话,它以自动处理、归类、屏蔽和举报骚扰电话和垃圾短信;有了技术,手机在流量管理、电量管理、内存管理等方面以做得更有效率。

    59960

    公益: 一项调查(Computer and Society)

    公益(AI4SG)是一个研究主,旨在利用来解决,改善世界福祉。在过去十年中,AI4SG得到了研究领域广泛关注,并取得了一些成功应用。 基于迄今为止最全面AI4SG文献收集和超过1000篇论文贡献,我们提供了一个详细帐户和分析作下,如下:(1)我们定量分析了AI4SG文献在应用领域和AI技术方面分布和趋势。 (2)我们提出了三种概念方法来对现有文献进行系统分组,并在一个统一框架内对AI4SG八个应用领域进行分析。(3)我们提炼出五个研究主,它们代表了不同应用领域中AI4SG面临共同挑战。 (4)我们讨论了5个,希望够对AI4SG研究未来发展有所启发。 development of the AI4SG research原文作者:Zheyuan Ryan Shi,Claire Wang,Fei Fang原文链接:https:arxiv.orgabs2001.01818 公益

    21810

    学术资讯| 欧盟眼中伦理

    去年年底欧盟将伦理确立为2018年立法作重点,要在和机器领域呼吁高水平数据保护、数字权利和标准,并成立了作小组,就发展和技术引发制定指导方针。 1.关键第一,是关于安全性、保险性以及预防损害、减少风险。我们如何才让互联和“自主”设备安全靠地运行,我们又该如何评估风险?第二,是关于责任方面。 第三,引发了关于治理、监管、设计、开发、检查、监督、测试和认证。我们应该如何重新设计为个服务机构和法律,以确保这一技术不带来危害? 第三个重要应用领域是“自主”软件,包括机器。除了关于数据保护和隐私简单之外,我们们是否有权知他们是在和还是和系统交流。 虽然们越来越意识到需要解决这些,但目前和机器技术发展速度远快于寻找这些棘手、法律和答案速度。

    45740

    最后一英里

    TLDR:最后一英里是实现承诺价值最后障碍。要获得系统好处,需要不仅仅是商业案例、执行良好实现和强大技术堆栈。 我说:“好吧,这就是现实世界中AI与实验室之间区别”。最后,她对我说话印象深刻。「让我们先了解一下系统背景和定义」,然后再将我们经验进行分解,以强调系统一些常见。 这个例子突出了一个基本和共同类和系统之间脱节。协作是系统最后一英里。用户体验设计师争辩说,这只是一个设计糟糕典型解决方案。 应用界面设计设计思想和最佳实践以解决这个。对,但只是在某种程度上。自主互动独特性要求我们深入思考。如果我们不完全控制和理解来自系统响应,那么我们如何预先设计用户交互关键? 从技术角度来看,这是一个棘手,在处理时间上有很多考虑因素。通过不断学习和改进用户系统中缺陷,以不断地改进系统。更有意义反馈带来更系统,以提供指数级商业利益。

    20820

    创业,你需要知 6 大核心

    今天跟大家聊聊领域创业和创新,包括如何选择赛、团队搭配、以及如何应对巨头挑战。 为此我从投资视角,给大家总结了创业6大核心。 真正够提高生产力,解决供需关系不平衡就是 将给生产力带来提高,以及对类带来影响将远远超过互联网。 未来,无论是在无车、机器、医疗、金融、教育还是其他领域,都将爆发巨大效益,这点毋庸置疑。我认为下一波大趋势和大红利不是互联网+,而是+。 我建议现在创业者更应该关注领域创业机。 第二个 vs + 主要分三层。 第三个+ vs + 深入垂直行业+,又细分为两类情况:即“+行业”和“行业+”,他们间有明显区别。

    1.1K10

    自学有一天取类而代之?

    目前,交网络一些营销和管理上已经起着重要作用,如系统筛选和推荐、信息抓取等功。机器学习十分复杂,它以处理自然语言并以进行大量训练和学习。 所以,如果我们开发员基于神经网络来搭建未来交网络,将产生什么影响? 1.机器以互动而无需监督我们开发机器和技术,目是让其更好辅助类完成作和任务。 4.无法与机器竞争如果未来机器之间够以一种未知语言进行通信,无法与机器竞争。对于,史蒂芬霍金、比尔盖茨等已经发出警告,开展与推进过程中是存在风险。 未来,更加成熟和先进,甚至以一种不想象方式改变着我们生活。许多科幻电影和电视剧向我们展示了AI一面,虽然这些预测有些负面和过于杞忧天,但也在不预见未来成为现实。

    27000

    这么火,你真用 TensorFlow?

    再有意思东西看多了也厌烦,回头再看看自己定这些目有种翻看十年前朋友圈一样尴尬。每天都是,打开新闻是,开,连用个手机都有个 AI 芯片。 但是以这种方式处理文本遇到一个比较大就是效率。其相比于前面所说前馈神经网络(CNN,全链接等)更加难以训练。优势是以完成更加复杂,比如自然语言处理。 这就是说我们神经网络学习过程已经以对于五言诗进行一个很好长短控制。对于未训练好网络而言其结果是:title: line1: 务牧牛冠,仪资擅剧额。 数据预处理作整个数据预处理以及向量化与前面文本生成任务没有什么不同,但是这里为了方便处理,只选择了文章中前一部分词进行处理,这是合理,想像一下自己在阅读文章过程中很没有通读全文,只是读了第一个中心句就知文章是何种意思了 以上就是对于主一些视化,配色还是比较成,改个背景什么就好,配色一直是最难。这里用到就是列表类型转换了。

    41470

    相关产品

    • 供应链金融

      供应链金融

      供应链金融(TSCF)帮助产业解决资金端和资产端的需求匹配问题,利用区块链、人工智能等多项技术,构建供应链协作和供应链融资在线全流程,从贷前、贷中、贷后实现底层资产透明化,降低操作风险、运营及人工成本,改善企业现金流管理,提升小微企业融资能力...

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      扫码关注云+社区

      领取腾讯云代金券