Articoli più recenti per Etica nella tecnologia

Il nuovo modello collega la comprensione del linguaggio con l'elaborazione delle immagini in modo efficace.

Uno studio sulle tendenze e le caratteristiche delle immagini generate dall'IA usando TWIGMA.

Valutare come i classificatori fraintendono le emozioni negative nella rilevazione del linguaggio.

Esaminare come le reti neurali possano richiamare i dati di addestramento e i rischi per la privacy coinvolti.

Questo articolo esamina come valutare le intenzioni dei sistemi di intelligenza artificiale.

Una panoramica sul deep learning, la sua importanza, le sfide e le prospettive future.

Questo articolo esamina l'importanza e i metodi per valutare i modelli linguistici nell'IA.

Affrontare le sfide di sicurezza e regolamentazione dei potenti sistemi di IA.

Un metodo per guidare i modelli di diffusione e prevenire la generazione di immagini indesiderate.

Questo articolo esplora l'impatto dei LLM sulle pratiche di ricerca e le considerazioni etiche.

DBFed mira a ridurre il bias nell'IA mantenendo la privacy dei dati.

Esplorando tecniche di apprendimento per rinforzo per sistemi AI più sicuri.

Analizzare l'equità nei sistemi di raccomandazione usando spiegazioni controfattuali.

Esaminare i pregiudizi nella selezione dei curriculum alimentata da AI e modi per migliorare l'equità.

Esaminando come gli utenti percepiscono i rischi di privacy nel condividere informazioni sensibili.

Esplorare come i dati pubblici possono migliorare i modelli di machine learning che preservano la privacy.

Esaminare come i modelli di linguaggio grandi possono aiutare nella valutazione del rischio di credito.

Esaminare i rischi sociali ed etici nella generazione di immagini tramite machine learning.

Uno studio sul bias di genere nei modelli di linguaggio AI GPT-2 e GPT-3.5.

Analizzando come i modelli di linguaggio generativi attingono ai contenuti esistenti e le sue implicazioni.

Un nuovo metodo per migliorare l'equità nella selezione dei client nel federated learning.

Esplora l'importanza della documentazione strutturata nello sviluppo dell'IA per sicurezza e fiducia.

Questo articolo mette in luce il ruolo del ragionamento nell'identificare i bias nei modelli di linguaggio.

Esaminando l'efficacia dei modelli linguistici per classificare i dati linguistici umani.

Un nuovo framework migliora l'equità negli algoritmi usando informazioni demografiche incerte.

Indagare la giustizia nei sistemi ML considerando più attributi protetti.

Affrontare l'equità nel machine learning per garantire un trattamento uguale per tutti i gruppi.

Una panoramica delle sfide nell'uso di RLHF per l'allineamento dell'IA.

Esaminando come far sì che l'IA sia in linea con gli interessi umani.

Esaminando come le macchine apprendono a formare risultati complessi da parti semplici.

Esplorando come la fiducia e la responsabilità differiscono tra l'India e i paesi OCSE riguardo all'IA.

Un nuovo metodo per tracciare l'uso dannoso dei grandi modelli di linguaggio.

Nuovi strumenti puntano a migliorare l'equità nell'IA offrendo accesso a dataset diversi.

Affrontare i pregiudizi nei dataset per promuovere risultati equi nell'imaging medico.

Esaminando come i cambiamenti nei dati influenzano le prestazioni degli algoritmi e i risultati sociali.

Un nuovo framework per garantire equità nei sistemi di intelligenza artificiale mentre sono in funzione.

I ricercatori sviluppano metodi per identificare i testi creati da macchine rispetto a quelli scritti da umani.

Esaminando come i pregiudizi differiscono tra le lingue e il loro impatto sui modelli linguistici.

Esplorare come i pregiudizi influenzano i modelli di immagine e strategie per mitigarli.

Uno studio su come migliorare il processo decisionale dell'IA analizzando i modelli umani.