Articoli più recenti per Etica della Tecnologia

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

Migliorare la fiducia e la conformità nei modelli linguistici tramite un'adeguata attribuzione delle fonti.

Questo studio rivela che i modelli LLM preferiscono i propri risultati rispetto ai contenuti scritti da umani.

Uno studio rivela le difficoltà per gli umani e l'IA nel riconoscersi a vicenda.

Esaminando come il linguaggio influisce sulle opinioni di genere attraverso i pregiudizi nei modelli di IA.

CEIPA aiuta a scoprire vulnerabilità nei modelli linguistici di grandi dimensioni per migliorare la loro sicurezza.

Esaminare i rischi e le misure di sicurezza per i robot alimentati da LLM.

Esaminare l'impatto dei LLM sui stereotipi sociali e i modi per migliorare i risultati.

Uno studio rivela rischi sorprendenti nel condividere dati sensibili con chatbot.

Esaminando la privacy differenziale e la regressione NTK per proteggere i dati degli utenti nell'AI.

Esplorando la privacy differenziale per proteggere info sensibili nelle applicazioni di IA.

Honest Computing punta sulla fiducia e sull'etica nella gestione dei dati.

Un sistema che permette ai proprietari dei dati di controllare usi non autorizzati dei loro dati nel ML.

Questo metodo migliora la privacy mentre aumenta l'accuratezza del modello nell'IA.

Esplorando tecniche per rimuovere i dati in modo efficace dai modelli di IA.

Esaminare gli effetti sociali e ambientali dei modelli di fondazione AI.

Esaminando la privacy differenziale nella elaborazione del linguaggio naturale per una migliore protezione dei dati.

Esaminando come gli strumenti di intelligenza artificiale possano rafforzare i pregiudizi nella selezione dei curriculum.

Il metodo CrossWalk migliora l'equità nelle rappresentazioni dei nodi tenendo in considerazione informazioni sensibili.

Le spiegazioni ingannevoli dell'AI possono influenzare le credenze, complicando la lotta contro la disinformazione.

Questo documento esamina l'efficacia dei metodi attuali di verifica dell'unlearning delle macchine.

Esaminare come i T2Is rappresentano le identità di casta e rinforzano gli stereotipi.

Uno studio rivela potenziali perdite di informazioni personali da parte dei VLM.

Esaminando il ruolo dell'AI contestabile per la giustizia e la responsabilità.

Un nuovo framework migliora l'allineamento dei modelli linguistici con le preferenze degli utenti.

La ricerca esplora come stimare statistiche rispettando le esigenze di privacy degli utenti.

Un nuovo dataset mette in evidenza i pregiudizi nei modelli di linguaggio basati su genere ed età.

I chatbot AI possono creare falsi ricordi, suscitando preoccupazioni per gli ambienti legali.

Nuovi metodi migliorano il riconoscimento facciale mentre si affrontano le preoccupazioni sulla privacy.

Un metodo per migliorare il riconoscimento dei deepfake riducendo i pregiudizi nei dati.

Analizzando come i modelli linguistici gestiscono i pregiudizi sociali nelle opinioni.

Un nuovo metodo riduce efficacemente i bias nei modelli di immagini e testi.

Un nuovo metodo migliora il rilevamento di richieste dannose nei modelli linguistici.

Uno sguardo alle differenze chiave tra AI Spiegabile e AI Interpretabile.

Esplorando il disapprendimento certificato e il suo ruolo nella protezione della privacy dei dati.

Esaminare il bias sociale nei modelli di linguaggio cinese e nei motori di ricerca.

Un nuovo modo per migliorare l'equità e la precisione nel riconoscimento facciale.

Esaminando come le identità sociali influenzano i pregiudizi nei modelli di linguaggio.

Uno studio rivela vulnerabilità nei modelli di intelligenza artificiale a causa degli attacchi backdoor.

Un nuovo dataset punta a migliorare la comprensione del bias di genere nell'IA.