Derniers articles pour L'éthique dans la technologie

Une méthode pour réduire le biais dans les modèles de deep learning existants en utilisant des exemples minimaux.

Explorer comment orienter les systèmes d'IA pour le bien de la société.

Une nouvelle méthode vise à réduire le biais dans l'apprentissage automatique pour les flux de données évolutifs.

Une nouvelle approche améliore les explications de l'IA grâce à des contrefactuels faisables et cohérents.

Les inquiétudes montent sur la sécurité des modèles de Text-to-Image et leur mauvaise utilisation.

Assurer que la conception technologique respecte la diversité et le contexte des utilisateurs.

Un aperçu sur comment identifier le contenu écrit par des humains et par des machines.

Cet article examine des moyens d'identifier et de contester des algorithmes injustes.

Un cadre pour améliorer les méthodes d'IA explicable et la confiance des utilisateurs.

Présentation d'une nouvelle méthode pour améliorer la diversité faciale dans les jeux de données d'IA.

Nouveaux outils améliorent l'édition de l'enregistrement vocal et la qualité de production.

Lignes directrices pour que les chercheurs utilisent l'IA générative de manière éthique et efficace.

Une nouvelle méthode vise à améliorer la vérité dans les modèles de langue tout en gardant la précision.

Une nouvelle approche pour créer des légendes plus informatives pour les images.

Présentation de méthodes pour guider les modèles de langage à afficher des traits de personnalité spécifiques.

Cette étude examine l'efficacité des modèles multilingues pour détecter les deepfakes audio.

Cet article parle de l'importance des pratiques éthiques dans la gestion des jeux de données pour l'apprentissage automatique.

Les outils d'IA montrent un potentiel mais font face à des préoccupations de sécurité importantes pour le soutien en santé mentale.

Une plongée dans le développement et les implications des modèles de langage.

Une étude sur l'apprentissage pratique avec des outils d'IA générative dans l'éducation primaire.

La multicalibration améliore la précision des LLM en affinant les scores de confiance et en s'attaquant aux hallucinations.

Une nouvelle méthode aborde la vie privée et l'équité dans les modèles de régression en utilisant des ajustements innovants.

Une méthode pour améliorer l'équité dans les modèles de classification pour des domaines sensibles.

Explorer comment le désaccord dans l'étiquetage des données peut fournir des informations précieuses.

Faire face à la menace des IA qui imitent les styles de vidéo avec des méthodes de protection innovantes.

Examen de l'équité dans les systèmes d'apprentissage par renforcement pour la prise de décision éthique.

Examiner le rôle du filigrane dans les textes générés par l'IA pour la responsabilité.

Cet article examine l'importance de l'intention dans la détection des abus en ligne.

Améliorer l'équité en IA en associant des experts du domaine à la génération de données.

Un guide des méthodes d'audit éthique pour les technologies d'apprentissage automatique.

Une nouvelle méthode pour évaluer l'alignement des modèles de langage avec les valeurs humaines.

Une nouvelle approche pour le filigrane vise à améliorer la détection et à prévenir l'utilisation abusive des modèles de langage.

De nouveaux modèles améliorent l'apprentissage automatique grâce à des interactions de caractéristiques avancées.

Examiner la justice et l'éthique de la façon dont les modèles de langage répondent aux utilisateurs.

Examiner le lien entre la confidentialité différentielle locale et l'équité dans les systèmes d'IA.

Explorer le lien entre la conscience et l'intelligence artificielle à travers la recherche sur le cerveau.

Cette étude évalue les méthodes de mesure de biais en utilisant GPT-3.5-Turbo pour la détection de l'antisémitisme.

Un aperçu des défis de biais et des nouvelles stratégies en apprentissage automatique.

Cet article examine comment les attaques affectent la sécurité des LLM et la génération de réponses.

Cet article parle des manipulations et des défauts des graphiques PD dans l'équité de l'IA.