Derniers articles pour Éthique de la technologie

La quête pour une IA explicable se concentre sur la transparence et la confiance dans la prise de décision.

Examiner comment les modèles de langage IA reflètent des biais contre les communautés marginalisées.

Une nouvelle technique vérifie l'exposition aux données d'entraînement dans les modèles de diffusion.

Cette recherche propose une méthode pour distinguer les graphes réels des graphes générés.

Une nouvelle méthode utilise la recherche d'architecture neuronale pour améliorer la détection de falsifications de visages.

Explorer l'importance de l'implication du public dans l'IA et ses défis.

Un aperçu du biais de genre dans l'IA et son impact sur la société.

Les applis mobiles manquent souvent de clarté sur la collecte de données, ce qui impacte la confiance des utilisateurs.

Cet article examine l'impact des biais de genre dans l'analyse des sentiments avec BERT.

Explorer la nature des croyances dans les grands modèles de langage.

L'explicabilité en IA est super importante pour la confiance dans des domaines critiques comme la santé.

La coopération internationale est essentielle pour gérer les risques et les avantages de l'IA.

De petits biais dans l'IA peuvent mener à de grosses injustices.

Cet article explore le lien entre les attributions de caractéristiques et les explications contrefactuelles en IA.

Examiner les risques et les défis d'explicabilité des attaques adversariales sur les modèles d'IA.

Explorer les risques de confidentialité et les stratégies pour gérer les fuites de données dans les modèles de langage.

Cet article examine des méthodes pour tester les modèles de langage pour le biais.

La diversité dans la conception de l'IA est super importante pour éviter les biais et favoriser l'équité.

Cet article parle de la création de hashmaps équitables pour une gestion des données juste.

Présentation d'une méthode sécurisée pour identifier le texte généré par des machines.

Examiner comment les biais dans l'IA influencent les suggestions d'emploi pour différents groupes.

Un aperçu de à quel point ChatGPT est vraiment empathique.

Examiner les défis et les opportunités de la confidentialité différentielle dans l'analyse de données.

Examen des risques de ré-identification dans les décisions de justice anonymisées en utilisant des modèles de langage.

Explorer une nouvelle méthode pour protéger la vie privée dans la recherche causale tout en gardant de l'exactitude.

Un nouveau jeu de données donne des infos sur les biais dans la technologie du langage.

Utiliser la perplexité pour identifier les entrées risquées dans les modèles de langue.

Des recherches examinent comment ChatGPT gère les biais dans des discussions controversées.

Examiner les risques liés aux modèles de vision par ordinateur et leur efficacité.

Une approche structurée pour créer des ensembles de données efficaces pour l'analyse des discours de haine.

Une étude révèle des biais de genre dans l'IA à travers différentes cultures.

Cette étude examine les biais dans les modèles linguistiques en utilisant l'apprentissage par invites.

Fairness as a Service s'attaque aux biais dans les systèmes de machine learning de manière sécurisée.

Explorer le besoin d'explications claires dans la prise de décision de l'IA, surtout pour les modèles quantiques.

Un nouveau cadre vise à clarifier la prise de décision de l'IA pour les humains.

Une étude sur comment les utilisateurs interprètent les explications de l'IA et leurs limites.

Explorer comment les attaquants exploitent les grands modèles de langage pour extraire des connaissances.

Une étude sur l'identification des textes générés par des humains et par des machines, ainsi que leurs sources.

La sanitisation des connaissances aide à protéger les infos sensibles dans les modèles de langage.

Examiner l'efficacité du filigrane contre les attaques adaptatives sur les images deepfake.