Articoli più recenti per Etica della Tecnologia

Indagare come gli LLM interagiscono con i pensieri e i sentimenti umani.

Questo articolo parla di metodi per rendere più equi i risultati dei modelli linguistici.

Un metodo per prevenire l'abuso dei modelli di testo in immagine mantenendo le loro applicazioni legali.

La ricerca mostra vulnerabilità nell'approccio del federated learning alla privacy del testo.

Migliorare i modelli per capire le interazioni quotidiane tra esseri umani e oggetti tramite approcci innovativi.

Uno sguardo all'importanza della sicurezza nei sistemi di intelligenza artificiale e nelle interazioni con gli utenti.

Un nuovo metodo migliora la comprensione dei risultati dei modelli linguistici.

Esplorare sicurezza, affidabilità e questioni etiche nei modelli linguistici.

Esaminando la lotta dell'AI con l'onestà e il suo impatto sulla fiducia degli utenti.

Questo articolo esamina come l'IA può influenzare i gruppi marginalizzati e modi per migliorare i risultati.

Esplora le sfide di privacy sollevate dagli attacchi di inferenza nei modelli di machine learning.

Esplorare l'apprendimento federato e l'unlearning per la privacy degli utenti e l'integrità del modello.

Esplorare le complessità di allineare i sistemi di IA con i diversi interessi umani.

Questo articolo esamina come i modelli di diffusione migliorano la generazione e la manipolazione delle immagini.

Esaminando come la giustizia nel machine learning può evolversi attraverso le decisioni e il tempo.

Questo articolo parla delle sfide dell'auto-apprendimento delle macchine e di un nuovo approccio per bilanciare privacy e accuratezza.

Questo articolo esplora tecniche e sfide nel rilevare i media deepfake.

Uno studio rivela dei pregiudizi nei consigli di assunzione dell'IA basati sui nomi dei candidati.

I tratti degli utenti influenzano le risposte dei modelli di linguaggio e la loro sicurezza.

Esaminando come il bias culturale influisce sulla comprensione delle immagini da parte dell'IA.

Un metodo per mantenere la privacy mentre si condividono statistiche sul traffico urbano.

Questo articolo esplora strategie per proteggere la privacy individuale nel machine learning.

Scopri come la privacy differenziale protegge i dati personali pur permettendo analisi utili.

Un approccio nuovo all'IA combina modelli linguistici con programmi simbolici per una migliore interpretabilità.

Impara le migliori pratiche per sviluppare modelli di AI in modo responsabile ed efficace.

Uno sguardo alle categorie di rischio dell'IA e alla necessità di politiche unificate.

Nuovi metodi rivelano gravi minacce alla privacy derivanti dalla condivisione dei dati sulla posizione.

Questo articolo esamina se i modelli linguistici grandi hanno credenze e intenzioni.

Discutere della giustizia a lungo termine nella tecnologia e del suo impatto sociale.

AAggFF introduce strategie adattive per un rendimento equo dei modelli nel Federated Learning.

Strumenti come OxonFair aiutano a garantire equità nelle decisioni dell'IA.

La ricerca mostra quanto sia facile rimuovere le funzionalità di sicurezza dai modelli Llama 3.

La ricerca mostra come piccoli aggiustamenti possano migliorare le risposte dell'IA a culture diverse.

Questo articolo esamina i rischi legati ai LLM e propone modi per migliorare la sicurezza.

Un nuovo framework punta a rilevare e correggere gli errori nei risultati degli LVLM.

Questo studio esamina i problemi di privacy e i metodi di protezione per i classificatori AI.

Questo studio valuta quanto bene i modelli di IA capiscono diverse culture.

Un nuovo metodo di difesa per migliorare la sicurezza nei modelli di diffusione da testo a immagine.

NFARD offre metodi innovativi per proteggere i diritti d'autore dei modelli di deep learning.

Questo studio si concentra sul ridurre il bias di genere nei modelli linguistici IA attraverso un linguaggio inclusivo.