Articoli più recenti per Etica della Tecnologia

La ricerca di un'IA spiegabile si concentra sulla trasparenza e la fiducia nelle decisioni.

Esaminando come i modelli di linguaggio AI riflettano i pregiudizi contro le comunità marginalizzate.

Una nuova tecnica controlla l'esposizione ai dati di addestramento nei modelli di diffusione.

Questa ricerca presenta un metodo per identificare grafici reali rispetto a quelli generati.

Un nuovo metodo utilizza la ricerca dell'architettura neurale per migliorare il rilevamento delle falsificazioni facciali.

Esplorare l'importanza del coinvolgimento pubblico nell'IA e le sue sfide.

Uno sguardo al pregiudizio di genere nell'IA e al suo impatto sulla società.

Le app mobili spesso non sono chiare sulla raccolta dei dati, il che influisce sulla fiducia degli utenti.

Questo articolo esplora l'impatto del bias di genere nell'analisi del sentiment con BERT.

Esplorare la natura delle credenze nei modelli di linguaggio grandi.

L'interpretabilità nell'IA è fondamentale per la fiducia in settori critici come la sanità.

La cooperazione internazionale è fondamentale per gestire i rischi e i benefici dell'AI.

Piccole distorsioni nell'IA possono portare a grandi ingiustizie.

Questo articolo esplora il legame tra attribuzioni delle caratteristiche e spiegazioni controfattuali nell'IA.

Esaminando i rischi e le sfide di spiegabilità degli attacchi avversariali sui modelli di intelligenza artificiale.

Esplorando i rischi per la privacy e le strategie per gestire le perdite di dati nei modelli linguistici.

Questo articolo esamina metodi per testare i modelli linguistici per bias.

La diversità nel design dell'IA è fondamentale per evitare bias e promuovere l'equità.

Questo articolo parla di come creare hashmap giuste per una gestione equa dei dati.

Presentiamo un metodo sicuro per identificare il testo generato da macchine.

Esaminare come i pregiudizi nell'IA influenzano i suggerimenti di lavoro per diversi gruppi.

Uno sguardo a quanto sia davvero empatico ChatGPT.

Esaminare le sfide e le opportunità della privacy differenziale nell'analisi dei dati.

Esaminando i rischi di re-identificazione in sentenze anonime usando modelli linguistici.

Esplorando un nuovo metodo per proteggere la privacy nella ricerca causale mantenendo l'accuratezza.

Un nuovo dataset offre spunti sul bias nella tecnologia linguistica.

Usare la perplessità per identificare input rischiosi nei modelli linguistici.

La ricerca analizza come ChatGPT gestisce i pregiudizi nelle discussioni controverse.

Esaminando i rischi legati ai modelli di visione computerizzata e alla loro efficacia.

Un approccio strutturato per creare dataset efficaci per l'analisi dell'odio.

Uno studio rivela pregiudizi di genere nell'IA tra diverse culture.

Questo studio indaga i pregiudizi nei modelli linguistici usando l'apprendimento basato su richieste.

Fairness as a Service affronta il bias nei sistemi di machine learning in modo sicuro.

Esplorando l'esigenza di spiegazioni chiare nelle decisioni dell'IA, specialmente nei modelli quantistici.

Un nuovo framework punta a chiarire il processo decisionale dell'IA per gli esseri umani.

Uno studio su come gli utenti interpretano le spiegazioni dell'IA e i loro limiti.

Esplorando come gli attaccanti sfruttano i modelli di linguaggio grandi per estrarre conoscenze.

Uno studio su come identificare i testi scritti da umani rispetto a quelli generati da macchine e le loro fonti.

La sanificazione delle informazioni aiuta a proteggere i dati sensibili nei modelli linguistici.

Esaminare l'efficacia del watermarking contro attacchi adattivi su immagini deepfake.