Data, Power and Bias in Artificial Intelligence
人工智能有可能加剧社会偏见，并使数十年来在平等权利和公民自由方面的进步倒退。用于训练机器学习算法的数据可能会捕捉到社会上可能会学到并延续下去的社会不公正、不平等或歧视性态度。从技术解决方案、社会正义和数据治理措施等不同角度迅速出现了解决这一问题的尝试。虽然这些方法中的每一种都是制定全面解决方案所必不可少的，但与每一种方法相关的讨论往往似乎是不同的。本文回顾了正在进行的工作，以确保数据公正，公平和偏见缓解人工智能系统从不同的领域探索相互关联的动态，并检查是否在人工智能训练数据偏见的不可避免性实际上可以用于社会公益。我们强调与定义处理偏见的政策相关的复杂性。我们还考虑了解决社会偏见问题的技术挑战。
2020-07-28 cs.CY
Concerning the Responsible Use of AI in the US Criminal Justice System
本文探讨了AI在美国刑事司法系统中的应用及其黑箱问题，强调为维护宪法权利与程序公平，必须确保AI决策透明，并呼吁定期审计以解决偏见和问责问题。
2025-05-30 cs.CY
Uniting Machine Intelligence, Brain and Behavioural Sciences to Assist Criminal Justice
我在这里讨论三个重要的角色，其中机器智能，大脑和行为研究一起可以促进刑法。首先，使用大脑和行为数据的预测建模可以通过预测与脑损伤和精神疾病相关的利益的分类，连续和纵向法律结果来支持法律调查。其次，由机器学习算法支持的心理学、精神病学和行为学研究可能有助于预测人类的行为和行动，如谎言、偏见和犯罪现场访问。第三，机器学习模型已被用于使用临床和犯罪数据预测累犯，而大脑解码则开始根据大脑成像数据揭示一个人的想法和意图。免除成就和承诺，我检查有关的准确性，可靠性和可重复性的大脑和行为为基础的评估在刑法，以及有关数据占有，道德，自由意志（和自动），隐私和安全的问题。此外，我将讨论与可预测性与可解释性、人口水平预测与个性化预测以及预测未来行动相关的问题，并概述大脑和行为数据可用作法庭证据的三种可能情况。综合来看，大脑和行为解码在当前法律探索和决策中的应用前景广阔，但还处于初级阶段。衍生的证据是有限的，不应用于产生明确的结论，虽然它可以被用来补充或平行，现有的证据。最后，我建议需要有（更精确的）定义和规定，关于大脑和行为数据何时以及何时可以在法律案件中以预测的方式使用。
2022-09-25 cs.CY stat.AP stat.ME
Using Scratch to Teach Undergraduate Students' Skills on Artificial Intelligence
University of the Basque Country (UPV-EHU)（巴斯克大学（UPV-EHU））
本文提出了一种基于Scratch的教育研讨会方法，通过让学生完成聚类和两个神经网络的简单练习，旨在消除人工智能及其算法的复杂性，促进本科生的积极参与。
2019-03-30 cs.AI cs.CY
Artificial Intelligence in Clinical Health Care Applications: Viewpoint
Philips Research Eindhoven（飞利浦埃因霍温研究院）
人工智能（AI）的概念由来已久。然而，事实证明，达到人类水平的智力比最初预期的要复杂得多。目前，我们正在经历对人工智能的新兴趣，这是由于计算能力的巨大增长和数据的更大增长，以及深度学习等改进的人工智能技术。医疗保健被认为是下一个被人工智能彻底改变的领域。虽然人工智能方法非常适合开发某些算法，但对于生物医学应用来说，存在特定的挑战。我们提出了改进生物医学领域，特别是临床医疗领域人工智能项目的建议。
2019-06-26 cs.AI cs.CY
Creativity and Artificial Intelligence: A Digital Art Perspective
University of Johannesburg（约翰内斯堡大学）
本文描述了人工智能在数字艺术创作中的应用。人工智能是一种将智能编码成机器的计算范式。一般有三种类型的人工智能，这些是机器学习，进化编程和软计算。机器学习是构建智能系统的统计方法。进化编程是利用自然进化系统来设计智能机器。一些进化编程系统包括遗传算法，它是由进化和群体优化的原则启发，这是由鸟，鱼，蚂蚁等成群的启发。软计算包括技术，如代理基于建模和模糊逻辑。这些数字艺术的应用机会进行了探讨。
2018-07-21 cs.AI cs.CY
A Justice Lens on Fairness and Ethics Courses in Computing Education: LLM-Assisted Multi-Perspective and Thematic Evaluation
本研究针对计算教育中公平伦理课程的大纲人工评估低效问题，开发正义导向评分量规，借助LLM多视角模拟评审24份大纲并识别主题趋势，为课程内容优化提供方向。
2025-10-21 cs.AI cs.CY cs.LG
Detecting Synthetic Phenomenology in a Contained Artificial General Intelligence
High Point University（高点大学）
机器中的类人智能是一个有争议的话题。人类是否应该或不应该追求创造人工通用智能是一个激烈的争论。同样，研究人员也根据人类是否能够创造它而分成了对立的派别。为了我们的目的，我们假设人类能够并且将会这样做。因此，有必要考虑如何以安全和可信的方式这样做-输入装箱或遏制的想法。作为这种思考的一部分，我们想知道，在任何潜在的遏制系统所施加的操作约束下，如何检测到一种现象。因此，这项工作通过感受质提供了对现象学现有测量的分析，并将这些想法扩展到包含人工智能的背景下。
2020-11-06 cs.AI cs.CY
Proceedings of NeurIPS 2019 Workshop on Artificial Intelligence for Humanitarian Assistance and Disaster Response
这些是2019年12月13日在加拿大温哥华举行的第一届AI + HADR研讨会的“会议记录”，作为神经信息处理系统会议的一部分。这些文件不属于档案，仅作为讲习班接受的所有文件的校对。
2020-12-03 cs.AI cs.CY
Proceedings of NeurIPS 2020 Workshop on Artificial Intelligence for Humanitarian Assistance and Disaster Response
这些是第二届AI + HADR研讨会的“会议记录”，该研讨会于2020年12月12日作为神经信息处理系统会议的一部分举行。这些都是非档案，只是作为一种方式来整理所有的文件接受到研讨会。
2020-12-08 cs.AI cs.CY
Viewpoint: Artificial Intelligence and Labour
Institute of Analytics and Data Science（分析与数据科学研究所）
现代社会的福利与雇佣劳动有着内在的联系。除了某些例外，现代人必须出卖自己的劳动力，才能在生物学和社会学上进行繁殖。因此，对技术失业的挥之不去的恐惧主要是人工智能研究人员的主题。在这篇简短的论文中，我们表明，如果过去的趋势是任何去，这种恐惧是非理性的。相反，我们认为人类将面临的主要问题是超长工作时间的正常化。
2018-03-17 cs.AI cs.CY
Ethical Considerations in Artificial Intelligence Courses
University of Kentucky（肯塔基大学）；University of Southern California（南加州大学）；University of Michigan（密歇根大学）；IBM T.J. Watson Research Center（IBM T.J. 沃森研究中心）；UNSW（新南威尔士大学）；Data61/CSIRO（澳大利亚联邦科学与工业研究组织 Data61）；TU Berlin（柏林工业大学）
最近对人工智能伦理学的兴趣激增，可能会让许多教育工作者想知道如何在人工智能课程中解决道德、伦理和哲学问题。作为教师，我们希望开发的课程不仅能让学生成为人工智能实践者，还能让他们了解人工智能将对社会产生的道德、伦理和哲学影响。在本文中，我们提供了实用的案例研究和资源链接，供AI教育工作者使用。我们还就如何将人工智能伦理融入一般人工智能课程以及如何教授独立的人工智能伦理课程提供了具体建议。
2017-01-26 cs.AI cs.CY cs.GL
Perspective: Purposeful Failure in Artificial Life and Artificial Intelligence
Sony Computer Science Laboratories（索尼计算机科学实验室）
复杂的系统会失败。我认为，失败可以是一个蓝图表征生物体和生物智能，控制机制，以增加进化模拟的复杂性，并替代经典的健身优化。在人工生命和人工智能中模仿生物学上的成功可能会产生误导;模仿失败提供了一条理解和模仿人工系统中生命的道路。
2021-02-24 cs.AI cs.CY cs.LG
Artificial Intelligence and Life in 2030: The One Hundred Year Study on Artificial Intelligence
Stanford University（斯坦福大学）
2016年9月，斯坦福大学的“人工智能百年研究“项目（AI 100）发布了首份计划中的人工智能（AI）长期定期评估报告及其对社会的影响。它是由一个由17名研究作者组成的小组撰写的，每个人都深深扎根于人工智能研究，由德克萨斯大学奥斯汀分校的Peter Stone担任主席。这份题为《人工智能与2030年的生活》的报告考察了人工智能在未来几年可能产生影响的典型城市环境的八个领域：交通、家庭和服务机器人、医疗保健、教育、公共安全和安保、低资源社区、就业和工作场所以及娱乐。它旨在为公众提供人工智能现状及其潜力的科学和技术准确描述，并帮助指导行业和政府的决策，以及为该领域的研究和开发提供信息。这份报告是由哈佛大学的芭芭拉·格罗斯（Barbara Grosz）担任主席的AI 100常设委员会（AI 100 Standing Committee）向该小组负责的。
2022-10-31 cs.AI cs.CY cs.LG
Artificial Intelligence and Structural Injustice: Foundations for Equity, Values, and Responsibility
本章主张采用结构性不公正的方法来治理人工智能。结构性不公正具有分析性和评价性成分。分析部分包括社会科学中众所周知的结构性解释。评价的成分是一种正义理论。结构性不公正是一个强大的概念工具，允许研究人员和从业者识别，表达，甚至预测人工智能偏见。本章以人工智能中的种族偏见为例，这种偏见源于结构性不公正。本章随后介绍了哲学家Iris Marion Young提出的结构性不公正的概念。本章还认为，结构性不公正非常适合作为人工智能治理的一种方法，并将这种方法与从危害和利益分析或价值陈述开始的替代方法进行了比较。本章认为，结构性不公正提供了多样性，公平和包容的价值观和关注的方法和规范基础。本章最后展望了结构和责任的概念。结构的概念是正义的核心。一个开放的理论研究问题是，人工智能本身在多大程度上是社会结构的一部分。最后，责任的实践是结构性不公正的核心。即使他们不能对结构性不公正的存在负责，每个人和每个组织都有责任解决未来的结构性不公正。
2022-05-05 cs.CY
Multi-stakeholder Perspective on Responsible Artificial Intelligence and Acceptability in Education
HEC Montreal（蒙特利尔高等商学院）；University of Quebec in Montreal（魁北克大学蒙特利尔分校）
本研究通过四类AI教育情景调查1198名学生、教师和家长，并借助中介分析揭示效用、公正与信心如何影响不同群体对AI的接受与信任。
2024-02-28 cs.AI cs.CY cs.HC
A Novel Method for Developing Robotics via Artificial Intelligence and Internet of Things
TBML College（TBML学院）
本文描述了一种通过人工智能和物联网来发展和改进机器人领域的新方法。现在有一天，我们可以说人工智能将世界带入机器人领域。几乎所有行业都使用机器人进行大量工作。他们正在使用合作机器人来制作不同种类的作品。但是，要使机器人完成多任务还存在一些问题。因此，有一种必要的新方法来制造多任务机器人。只有通过人工智能和物联网才能实现。
2014-05-12 cs.AI cs.CY cs.RO
Implications of Quantum Computing for Artificial Intelligence alignment research
我们通过三种方法解释了量子计算的一些关键特征，并应用它们来论证对量子计算的深入理解不太可能有助于解决当前人工智能对齐中的瓶颈。我们的论点依赖于量子计算导致计算悬置而不是算法悬置的说法，并且与量子态测量相关的困难不会使当前人工智能对齐研究议程的任何主要假设无效。我们还讨论了绊网，对抗性盲法，知情监督和副作用作为可能的例外。
2019-08-24 cs.AI cs.CY cs.ET
Super forecasting the technological singularity risks from artificial intelligence
University of Oxford（牛津大学）；University of Warwick（华威大学）；University College London（伦敦大学学院）
文章预测了人工智能在网络安全中的整合所带来的新的网络风险。
2022-12-28 cs.AI cs.CR cs.CY
Ancilia: Scalable Intelligent Video Surveillance for the Artificial Intelligence of Things
The University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
随着基于视觉的人工智能的发展，物联网连接摄像头的普及，以及社会对快速和公平安全的需求日益增加，对准确实时智能监控的需求从未如此之高。本文介绍了Ancilia，一个端到端的可扩展的，智能视频监控系统的人工智能的东西。Ancilia将最先进的人工智能引入到现实世界的监控应用中，同时尊重伦理问题并实时执行高级认知任务。Ancilia旨在彻底改变监控领域，为现场带来更有效，更智能和更公平的安全性，从而在不需要人们牺牲隐私权的情况下，实现更安全，更安全的社区。
2023-03-09 cs.AI cs.CV cs.CY
Disease X vaccine production and supply chains: risk assessing healthcare systems operating with artificial intelligence and industry 4.0
University of Oxford（牛津大学）
提出了一套六种算法解决方案，用于解决疫苗生产和供应链瓶颈。提出了一套不同的算法解决方案，用于预测X疾病事件期间的风险。
2023-01-04 cs.AI cs.CY cs.HC
A Python Engine for Teaching Artificial Intelligence in Games
计算机游戏在我们的社会中扮演着重要的角色，它激励人们学习计算机科学。由于人工智能是大多数游戏的组成部分，它们也可以用来教授人工智能。我们介绍了游戏AI游戏引擎（GAIGE），这是一个专门设计用于教授AI如何在计算机游戏中使用的Python游戏引擎。七个任务的进展建立一个完整的，工作的多用户战斗竞技场（MOBA）游戏。我们描述了引擎，作业，以及我们在游戏人工智能课程中使用它的经验。
2015-11-24 cs.CY
Research on Artificial Intelligence Ethics Based on the Evolution of Population Knowledge Base
Chinese Academy of Sciences（中国科学院）；University of Nebraska at Omaha（内布拉斯加大学奥马哈分校）；University of Chinese Academy of Sciences（中国科学院大学）
人类社会发展方向不明确，是人类社会和人工智能难以形成统一伦理标准的深层原因。21世纪以来，互联网、脑科学、人工智能等领域的最新进展，给人类社会发展方向的研究带来了新的启示。本文通过对互联网大脑模型、AI智商测评、大脑进化的研究，提出人口知识库的进化是判断人类社会发展方向的关键，从而探讨人工智能伦理构建的标准和规范。
2018-11-18 cs.AI cs.CY cs.OH
How Can AI Augment Access to Justice? Public Defenders' Perspectives on AI Adoption
Princeton University（普林斯顿大学）
本文通过访谈17名美国公共辩护人，探讨人工智能在公共辩护工作中的应用潜力与伦理限制，提出五项核心任务框架，并强调需通过开放科学和领域数据集促进公平正义。
2026-07-27 cs.CY
Bridging the Artificial Intelligence Governance Gap: The United States' and China's Divergent Approaches to Governing General-Purpose Artificial Intelligence
本文比较美中两国在通用人工智能治理上的差异，聚焦国内监管重点、核心原则与国际治理路径三个分歧领域，并指出理解这些差异有助于推动两国在人工智能安全与安保上的国际合作。
2025-06-04 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
Classification Schemas for Artificial Intelligence Failures
在本文中，我们研究历史失败的人工智能（AI），并提出了一个分类方案，用于分类未来的失败。通过这样做，我们希望：（a）通过应用可用于简化响应选择的系统分类，可以改进对未来故障的响应;（b）通过有针对性的风险评估，增加开发生命周期，可以减少未来故障。
2019-07-15 cs.CY
A survey of the European Union's artificial intelligence ecosystem
与其他全球大国相比，欧盟（EU）很少被认为是人工智能（AI）发展的领导者。为什么会这样？这是否准确地反映了欧盟的活动？欧盟如何才能在人工智能领域发挥更大的主导作用？本报告调查了欧盟当前人工智能生态系统的核心组成部分，为回答这些问题提供了关键的背景背景。
2020-12-28 cs.CY
Discrimination, artificial intelligence, and algorithmic decision-making
Radboud University Nijmegen（奈梅亨拉德堡德大学）；University of Amsterdam（阿姆斯特丹大学）
本研究探讨人工智能与算法决策引发的歧视风险，分析其成因与挑战，旨在为政策制定提供参考。
2025-10-15 cs.CY
Elements Of Legislation For Artificial Intelligence Systems
针对自主人工智能系统缺乏明确运营法律环境的问题，提出地方监管文件采用人机双版本形式的方案，为相关立法提供基础。
2024-05-05 cs.CY
Design of a dynamic and self adapting system, supported with artificial intelligence, machine learning and real time intelligence for predictive cyber risk analytics in extreme environments, cyber risk in the colonisation of Mars
University of Oxford（牛津大学）；Cisco Research Centre（思科研究中心）；Cardiff University（卡迪夫大学）；University of Warwick（华威大学）
多个政府机构和私人组织已经承诺殖民火星。这种殖民化需要复杂的系统和基础设施，在网络攻击的情况下，修复或更换这些系统和基础设施的成本可能非常高。本文调查了深度学习算法、物联网网络安全和风险模型，并建立了数学公式，以确定开发动态和自适应的系统的最佳方法，用于在人工智能和机器学习以及边缘计算中的实时的智能的支持下进行预测性网络风险分析。本文提出了一种新的数学方法，用于集成认知引擎设计、边缘计算、人工智能和机器学习的概念，以自动化异常检测。该引擎通过应用嵌入在物联网网络边缘的人工智能和机器学习来推动一个步骤的变化，为预测性网络风险分析提供安全和功能性的实时的智能。这将增强风险分析能力，并有助于全面系统地了解部署边缘计算节点以及将人工智能和机器学习技术迁移到互联网外围和本地物联网网络时出现的机会和威胁。
2021-02-11 cs.AI cs.CR cs.CY
Analysis of the Relation between Artificial Intelligence and the Internet from the Perspective of Brain Science
人工智能（AI）和深度学习一样，云AI计算自2014年以来一直在快速推进。毫无疑问，AI的繁荣与互联网的发展密不可分。然而，很少有人关注人工智能与互联网之间的联系。本文主要从四个角度用脑的洞察力来探讨：1）从脑科学的角度看，人工智能与物联网、云计算、大数据、工业互联网的一般关系是怎样的。2)用互联网和脑科学构建新的人工智能系统模型。
2018-01-02 cs.CY
Artificial Intelligence in Governance, Risk and Compliance: Results of a study on potentials for the application of artificial intelligence (AI) in governance, risk and compliance (GRC)
本研究聚焦数字化转型背景下GRC整合治理的需求，梳理人工智能的技术范畴与应用场景，并通过2021年的调查识别分析AI在治理、风险与合规领域的潜在应用。
2024-05-08 cs.CY
Socially Minded Intelligence: How Individuals, Groups, and Artificial Intelligence Can Make Each Other Smarter (or Not)
The University of Melbourne（墨尔本大学）；The University of Queensland（昆士兰大学）
本文提出'社交导向智能'概念，探讨如何通过个体、群体和AI相互促进智能发展，挑战传统个体或群体智能的局限性。
2026-03-27 cs.CY cs.HC
The impact of artificial intelligence: from cognitive costs to global inequality
该研究分析了人工智能对全球公平、认知能力与经济稳定的双重影响，指出其虽能推动多领域进步，但私营主导的快速发展或加剧不平等与认知依赖，呼吁学界参与制定治理伦理政策以平衡收益与风险。
2025-03-11 cs.CY physics.soc-ph
Artificial Intelligence for Real Sustainability? -- What is Artificial Intelligence and Can it Help with the Sustainability Transformation?
本文通过界定、分类和政治语境化AI，指出其仅能在可持续社会转型中起有限作用，而对AI的技术迷恋会去政治化并阻碍必要的社会决策。
2023-07-18 cs.CY cs.NI cs.SE
