Últimos artículos para Ética en la Tecnología

Este estudio investiga el equilibrio entre equidad y privacidad en los modelos de lenguaje.

FairDP ofrece una solución para garantizar la privacidad y la equidad en los sistemas de aprendizaje automático.

Examinando cómo los modelos de IA pueden reflejar sesgos sociales en las consultas de bases de datos.

Una mirada a cómo monitorear la equidad en la toma de decisiones algorítmicas.

Nuevos métodos mejoran la atribución del contenido generado por IA, aumentando la responsabilidad y abordando preocupaciones éticas.

Presentamos un método que identifica de manera efectiva el contenido escrito por IA sin necesidad de entrenamiento previo.

Un nuevo método reduce el sesgo en los modelos de NLP usando agrupamiento dinámico y aprendizaje activo.

Un nuevo enfoque para alinear los modelos de lenguaje de IA con las normas sociales a través de interacciones simuladas.

Examinando la confianza y la ética alrededor del protestware en el software de código abierto.

Evaluando estrategias para manejar salidas inapropiadas de modelos de generación de imágenes.

Examinando cómo los clasificadores selectivos mantienen la privacidad y la precisión de las predicciones.

Explorando la necesidad de un desarrollo de IA ético y confiable.

Un nuevo método mejora la precisión de los resúmenes mientras mantiene contenido informativo.

Estudiando cómo los sesgos en los datos de entrenamiento influyen en el comportamiento y rendimiento del modelo.

Este artículo examina la estructura de los argumentos de discurso de odio en las redes sociales.

Este artículo examina métodos eficientes para desensibilizar modelos de lenguaje.

Un estudio sobre cómo ChatGPT maneja los prompts y aborda el sesgo en las respuestas.

Un nuevo método apunta a sesgos de género en los modelos de lenguaje mientras minimiza el uso de datos.

Explorando métodos para asegurar la fiabilidad y claridad en la toma de decisiones de la IA.

Entendiendo modelos que combinan varios tipos de datos para generar mejores resultados.

Un estudio sobre el uso de la pérdida tripleta para crear modelos de aprendizaje automático más justos.

Descubre cómo los modelos de lenguaje mejoran la eficiencia del servicio al cliente y reducen costos.

La moderación de contenido es clave para el uso responsable de los sistemas de IA generativa.

Examinando cómo los equipos pueden mejorar la equidad en la IA mediante una mejor colaboración.

Un estudio revela un método para crear ejemplos adversariales sin perder su significado.

Un nuevo enfoque para reducir el sesgo en los sistemas de reconocimiento de expresiones faciales.

Examinando cómo la manipulación afecta la interpretación de redes neuronales profundas.

Este estudio evalúa la capacidad de GPT-4 para extraer factores de salud social de los registros.

Un método para reducir el sesgo en los conjuntos de datos de entrenamiento de IA para resultados más justos.

Un nuevo enfoque mejora la equidad y la seguridad en los sistemas de ML.

Probando modelos de lenguaje para identificar salidas dañinas antes de aplicarlas en la vida real.

Un estudio sobre cómo enlazar modelos ajustados a sus versiones base.

Examinando la necesidad de regulaciones y la introducción de arquitectos de IA para la seguridad.

Explorando el equilibrio entre la aportación humana y las capacidades del aprendizaje automático.

Te presento GMMD, un marco para mejorar la equidad en redes neuronales gráficas.

Nuevos métodos en el análisis AMR mejoran la comprensión del lenguaje y la precisión de los gráficos.

Una visión completa sobre la creación del conjunto de datos OBELICS y sus implicaciones para el aprendizaje automático.

Examinando la intersección de la generación de imágenes con IA y los riesgos de copyright.

Examinando métodos para encontrar y reducir la deshonestidad en el comportamiento de la IA.

Este artículo habla sobre métodos para mejorar la equidad en el aprendizaje automático corrigiendo el ruido en las etiquetas.