Vision Paper: Designing Graph Neural Networks in Compliance with the European Artificial Intelligence Act
University of Bayreuth(拜罗伊特大学);Technical University of Munich(慕尼黑工业大学)
本文针对欧盟《人工智能法案》给图神经网络(GNNs)带来的合规挑战,分析法规要求对GNN训练的影响,提出适配策略,填补了新立法框架下GNN合规研究的空白。
2024-10-29 cs.AI cs.CY cs.LG
Responsible Artificial Intelligence -- from Principles to Practice
Umeå University(于默奥大学)
人工智能的影响不仅取决于基础研究和技术发展,而且在很大程度上取决于这些系统如何被引入社会并在日常生活中使用。人工智能正在改变我们工作、生活和解决挑战的方式,但对公平、透明度或隐私的担忧也在增加。确保负责任的、道德的人工智能不仅仅是设计结果可信的系统。这是关于我们设计它们的方式,我们为什么设计它们,以及谁参与设计它们。为了负责任地开发和使用人工智能,我们需要努力制定技术,社会,机构和法律方法和工具,为人工智能从业者提供具体支持,以及提高认识和培训,使所有人都能参与,以确保人工智能系统与我们社会的原则和价值观保持一致。
2022-05-22 cs.AI cs.CY
On the Limits of Design: What Are the Conceptual Constraints on Designing Artificial Intelligence for Social Good?
Oxford Internet Institute, University of Oxford(牛津大学牛津互联网研究院)
人工智能AI可以通过帮助降低成本、提高效率并为复杂问题提供新的解决方案,为社会带来实质性的好处。以Floridi关于如何设计“信息圈”的概念为出发点,在本章中,我将考虑这样一个问题:设计的局限性是什么,即设计人工智能以造福社会的概念约束是什么?本章的主要论点是,虽然设计是塑造技术和社会的有用概念工具,但设计未来社会的集体努力受到内部和外部因素的制约。设计的内部约束进行了讨论,唤起哈丁的思想实验关于“公共悲剧”。此外,哈耶克对“宇宙”和“出租车”的经典区分被用来划分设计的外部约束。最后,提出了五个设计原则,旨在帮助决策者管理设计的内部和外部约束。设计未来社会的成功方法需要考虑复杂系统的涌现特性,为意外发现和社会技术共同进化留出空间。
2021-11-07 cs.AI cs.CY econ.GN
The Designing of Online Multiple Intelligence Tools for Lecturers at Polytechnic
本文论述了面向高职教师的多元智能网络教学工具的设计。这些教学工具可以帮助讲师创建自己的教学材料,而无需任何信息技术(IT)知识,特别是在编程方面。本文运用多元智能理论,认为每个人至少具有两种或两种以上的智能。必须通过在线教学工具将多种方法嵌入一系列活动中,以实现课堂上的有效教学。本研究的目的是探讨高职学生自我认知多元智能与学业成绩之间的关系,并设计适合高职教学的在线多元智能工具。本文还阐述了多元智能理论框架和多元智能教学活动。本研究所用的工具是Ujian Multiple Intelligence(UMI)。结果表明,高职学生在人际智能、视觉空间智能和言语语言智能方面具有较强的优势。
2014-02-03 cs.CY cs.HC
Towards a New Participatory Approach for Designing Artificial Intelligence and Data-Driven Technologies
University of Toronto(多伦多大学)
由于人工智能(AI)涉及边缘化社区的许多技术和伦理问题,人们对边缘化人群使用的设计方法越来越感兴趣,这些方法可能会转移到AI技术的设计中。渐进式设计(PD)是一种经常用于边缘化社区的设计方法,用于设计社会发展,政策,IT和其他事项和解决方案。然而,当前的PD存在问题,当它应用于技术设计时,包括人工智能技术,引起了人们的关注。本文主张将PD用于人工智能技术的设计,并介绍和提出了一种新的PD,我们称之为敏捷参与式设计,不仅可以用于人工智能和数据驱动技术的设计,而且还克服了当前PD及其在设计中的使用问题。
2021-03-30 cs.AI cs.CY cs.HC
Artificial Intelligence in Intelligent Tutoring Robots: A Systematic Review and Design Guidelines
National University of Defense Technology(国防科技大学);National Innovation Institute of Defense Technology(国防科技创新研究院)
本文系统地回顾了智能教学机器人的研究进展,总结了人工智能技术的应用现状。我们首先分析了ITR的环境,并提出了一个关系模型来描述ITR与学生,社会环境和课程的互动。然后,我们将关系模型转化为感知-规划-行动模型,以探索哪些AI技术适合应用于ITR。本文对促进人机教学过程和人工智能辅助教育技术提供了见解,说明了智能辅导机器人的设计指导方针和未来的研究前景。
2019-02-26 cs.AI cs.CY cs.HC
Towards A Unified Utilitarian Ethics Framework for Healthcare Artificial Intelligence
College of Communication & Information, Florida State University(佛罗里达州立大学传播与信息学院)
该研究通过主题分析与36位AI专家调查数据识别医疗AI关键伦理原则,并提出基于功利主义伦理的统一理论框架。
2023-09-26 cs.AI cs.CY
"Healthy surveillance": Designing a concept for privacy-preserving mask recognition AI in the age of pandemics
在流行病期间戴口罩的义务降低了病毒传播的风险。在二零二零年COVID-19大流行的情况下,许多政府建议甚至强制其公民佩戴口罩作为有效的应对措施。为了持续监测公共当局在公共场所(如餐馆或电车站)对该政策措施的遵守情况,一种可扩展和自动化的选项描述了监控系统的应用,即,央视然而,对口罩识别的大规模监控不仅需要性能良好的人工智能,还需要确保不会引入隐私问题,因为监控对公民来说是一种威慑,而《通用数据保护条例》(GDPR)等法规要求对此类个人数据进行严格监管。在这项工作中,我们展示了如何保护隐私的掩模识别工件可能看起来像,演示了不同的实施方案和评估性能。我们基于概念深度学习的人工智能能够在隐私友好的环境中实现95%至99%的检测性能。在此基础上,我们详细阐述了隐私保护水平与人工智能性能之间的权衡,即“隐私的代价”。
2020-10-20 cs.CR cs.CY
PADTHAI-MM: Principles-based Approach for Designing Trustworthy, Human-centered AI using MAST Methodology
Arizona State University(亚利桑那州立大学);Aptima, Inc.(Aptima公司);U.S. Department of Homeland Security(美国国土安全部);Air Force Office of Scientific Research(空军科学研究办公室)
本文提出PADTHAI-MM框架,通过MAST方法论设计可信AI系统,通过READIT平台验证,评估MAST对AI信任的影响,并探讨MAST评分与信任因素的关系。
2025-01-22 cs.CY cs.HC
Towards Systems Education for Artificial Intelligence: A Course Practice in Intelligent Computing Architectures
Beihang University(北京航空航天大学)
随着人工智能(AI)社区的快速发展,AI教育越来越受到关注。人工智能相关的课程在算法和应用方面已经有很多,而系统级的课程并没有得到认真考虑。为了弥合人工智能和计算系统之间的差距,我们正在尝试探索如何从计算系统的角度进行人工智能教育。本文通过一个智能计算体系结构的课程实践,展示了人工智能时代的系统教育。首先介绍了本课程实施的动机以及学习方向。本课程的主要目标是教学生在FPGA平台上设计AI加速器。详细的课程内容包括课堂讲稿和相关的技术资料。特别是对几个实际的实验室和项目进行了详细的说明。最后,本文总结了一些教学经验和效果,并提出了今后的改进方向。
2022-06-22 cs.AI cs.AR cs.CY
Expanding the Scope of Computational Thinking in Artificial Intelligence for K-12 Education
University of Pennsylvania(宾夕法尼亚大学);Looking Glass Ventures
本文探讨了在K-12教育中如何扩展计算思维以涵盖人工智能和机器学习技术,并结合过去十年的教学经验解决相关问题。
2026-02-18 cs.CY cs.HC
Twenty Constructionist Things to Do with Artificial Intelligence and Machine Learning
本文基于经典建构主义计算机教育备忘录,提出20项AI/ML建构实践方案,强调儿童认知培养、个性化应用设计、数据社会属性及算法风险应对,拓展AI教育的建构主义路径。
2024-04-17 cs.CY
How can AI agents support journalists' work? An experiment with designing an LLM-driven intelligent reporting system
University of Helsinki(赫尔辛基大学)
本研究结合新闻工作者访谈与LLM自动化工具开发,探究智能体式大语言模型对新闻工作流程的支持作用,介绍了TeleFlash系统的技术与评估情况,讨论了相关需求满足情况并展望行业未来方向。
2025-08-25 cs.CY cs.HC
Artificial intelligence in cyber physical systems
本文对网络物理系统中使用人工智能(AI)的当前和未来挑战进行了文献综述。文献综述的重点是确定一个概念框架,通过自动化支持技术和人类水平来提高人工智能的弹性。所采用的方法类似于复杂物联网(IoT)互连和耦合网络物理系统的文献综述和分类分析。在学术和技术论文中,人们越来越关注物联网的模型,基础设施和框架。这些报告和出版物经常代表其他相关系统和技术的并列(例如工业物联网,网络物理系统,工业4.0等)。我们回顾了2010年至2020年间发表的学术和行业论文。结果确定了一个新的分层级联概念框架,用于分析网络物理系统中AI决策的演变。我们认为,这种演变是不可避免的和自主的,因为网络物理系统中连接设备(IoT)的集成度越来越高。为了支持这一论点,分类学的方法是适应和应用的透明度和理由的概念选择决定,通过建立摘要地图,适用于设计的分层级联的概念框架。
2020-09-12 cs.CY
The future of human-centric eXplainable Artificial Intelligence (XAI) is not post-hoc explanations
EPFL(洛桑联邦理工学院)
针对事后解释器不一致的问题,本文提出转向可解释的神经网络架构,并给出五种需求与两种方案,主张XAI的未来在于内在可解释性。
2024-05-28 cs.AI cs.CY cs.HC