Artigos mais recentes para Ética da Tecnologia

Um jeito de manter a privacidade enquanto compartilha estatísticas de tráfego urbano.

Esse artigo explora estratégias pra proteger a privacidade individual em aprendizado de máquina.

Aprenda como a privacidade diferencial protege os dados individuais enquanto permite uma análise útil.

Uma nova abordagem pra IA combina modelos de linguagem com programas simbólicos pra uma melhor interpretabilidade.

Aprenda as melhores práticas para desenvolver modelos de IA de maneira responsável e eficaz.

Uma olhada nas categorias de risco da IA e na necessidade de políticas unificadas.

Novos métodos revelam sérias ameaças à privacidade devido ao compartilhamento de dados de localização.

Este artigo analisa se os grandes modelos de linguagem têm crenças e intenções.

Discutindo a justiça a longo prazo na tecnologia e seu impacto social.

AAggFF apresenta estratégias adaptativas para um desempenho equitativo de modelos em Aprendizado Federado.

Ferramentas como a OxonFair ajudam a garantir a justiça nas decisões da IA.

Pesquisas mostram como é fácil remover as funções de segurança dos modelos Llama 3.

Pesquisas mostram como ajustes nos prompts podem melhorar as respostas da IA para diferentes culturas.

Esse artigo analisa os riscos ligados aos LLMs e sugere formas de melhorar a segurança.

Uma nova estrutura tem como objetivo detectar e corrigir erros nos resultados de LVLM.

Este estudo examina questões de privacidade e métodos de proteção para classificadores de IA.

Esse estudo avalia como os modelos de IA entendem diferentes culturas.

Um novo método de defesa pra aumentar a segurança em modelos de difusão de texto pra imagem.

A NFARD oferece métodos inovadores pra proteger os direitos autorais de modelos de aprendizado profundo.

Este estudo foca em reduzir o viés de gênero em modelos de linguagem de IA através de uma linguagem inclusiva.

Melhorando a confiança e a conformidade em modelos de linguagem através de atribuição precisa de fontes.

Este estudo revela que os LLMs preferem suas próprias respostas do que o conteúdo escrito por humanos.

Estudo mostra que tanto humanos quanto IA têm dificuldade pra se reconhecer.

Analisando como a linguagem influencia as visões de gênero através de preconceitos em modelos de IA.

A CEIPA ajuda a descobrir vulnerabilidades em modelos de linguagem grandes pra aumentar a segurança deles.

Analisando os riscos e medidas de segurança para robôs com IA.

Analisando o impacto dos LLMs nos estereótipos sociais e formas de melhorar os resultados.

Estudo revela riscos surpreendentes de compartilhar dados sensíveis com chatbots.

Analisando privacidade diferencial e regressão NTK pra proteger dados dos usuários em IA.

Explorando privacidade diferencial pra proteger informações sensíveis em aplicações de IA.

A Honest Computing foca em confiança e ética no tratamento de dados.

Uma estrutura que permite aos donos dos dados verificarem o uso não autorizado dos seus dados em ML.

Esse método melhora a privacidade enquanto aumenta a precisão do modelo em IA.

Explorando técnicas pra remover dados de forma eficaz dos modelos de IA.

Analisando os efeitos sociais e ambientais dos modelos de fundação de IA.

Analisando a privacidade diferencial em processamento de linguagem natural pra uma proteção de dados melhor.

Analisando como ferramentas de IA podem reforçar preconceitos na triagem de currículos.

O método CrossWalk melhora a equidade nas embeddings de nós enquanto considera informações sensíveis.

Explicações enganosas de IA podem influenciar crenças, complicando a luta contra a desinformação.

Este artigo examina a eficácia dos métodos atuais de verificação de desvinculação em máquinas.