Derniers articles pour L'éthique dans la technologie

Cette étude examine le compromis entre l'équité et la vie privée dans les modèles de langage.

FairDP propose une solution pour garantir la confidentialité et l’équité dans les systèmes d’apprentissage automatique.

Examiner comment les modèles d'IA peuvent refléter des biais sociaux dans les requêtes de base de données.

Un aperçu de la surveillance de l'équité dans la prise de décision algorithmique.

De nouvelles méthodes améliorent l'attribution du contenu généré par l'IA, renforçant la responsabilité et abordant les préoccupations éthiques.

Présentation d'une méthode qui identifie de manière robuste le contenu écrit par l'IA sans formation préalable.

Une nouvelle méthode réduit le biais dans les modèles de NLP en utilisant le clustering dynamique et l'apprentissage actif.

Une nouvelle approche pour aligner les modèles de langage IA avec les normes sociales grâce à des interactions simulées.

Examiner la confiance et l'éthique autour du protestware dans les logiciels open source.

Évaluer des stratégies pour gérer des sorties inappropriées des modèles de génération d'images.

Examiner comment les classificateurs sélectifs préservent la vie privée et la précision des prédictions.

Explorer la nécessité d'un développement d'IA éthique et fiable.

Une nouvelle méthode améliore la précision des résumés tout en gardant un contenu informatif.

Étudier comment les biais dans les données d'entraînement influencent le comportement et la performance des modèles.

Cet article examine la structure des arguments de discours de haine sur les réseaux sociaux.

Cet article examine des méthodes efficaces pour éliminer les biais des modèles de langage.

Une étude sur comment ChatGPT gère les prompts et traite les biais dans ses réponses.

Une nouvelle méthode cible le biais de genre dans les modèles de langage tout en minimisant l'utilisation de données.

Explorer des méthodes pour garantir la fiabilité et la clarté dans la prise de décision de l'IA.

Comprendre des modèles qui combinent différents types de données pour une meilleure génération de résultats.

Une étude sur l'utilisation de la perte par triplet pour créer des modèles d'apprentissage automatique plus équitables.

Découvrez comment les modèles de langage améliorent l'efficacité du service client et réduisent les coûts.

La modération de contenu est super importante pour une utilisation responsable des systèmes d'IA générative.

Examiner comment les équipes peuvent améliorer l'équité dans l'IA grâce à une meilleure collaboration.

Une étude révèle une méthode pour créer des exemples adversariaux tout en gardant leur sens.

Une nouvelle approche pour réduire les biais dans les systèmes de reconnaissance des expressions faciales.

Examen de comment la manipulation influence l'interprétation des réseaux de neurones profonds.

Cette étude évalue la capacité de GPT-4 à extraire des facteurs de santé sociale à partir des dossiers.

Une méthode pour réduire le biais dans les jeux de données d'entraînement de l'IA pour des résultats plus équitables.

Une nouvelle approche améliore l'équité et la sécurité dans les systèmes d'IA.

Tester des modèles de langage pour identifier les sorties nuisibles avant leur utilisation dans le monde réel.

Une étude sur le lien entre les modèles ajustés et leurs versions de base.

Examiner le besoin de régulations et l'introduction d'Architectes IA pour la sécurité.

Explorer l'équilibre entre l'apport humain et les capacités d'apprentissage machine.

Présentation de GMMD, un cadre pour améliorer l'équité dans les réseaux de neurones graphiques.

De nouvelles méthodes dans le parsing AMR améliorent la compréhension des langues et la précision des graphes.

Un aperçu complet de la création du dataset OBELICS et ses implications pour l'apprentissage automatique.

Examen de l'intersection entre la génération d'images par IA et les risques de copyright.

Examiner des méthodes pour trouver et réduire la malhonnêteté dans le comportement de l'IA.

Cet article parle de méthodes pour améliorer l'équité en apprentissage automatique en corrigeant le bruit des étiquettes.