Artigos mais recentes para Ética da Tecnologia

Investigando como os LLMs interagem com os pensamentos e sentimentos humanos.

Esse artigo fala sobre métodos pra deixar os resultados dos modelos de linguagem mais justos.

Um jeito de prevenir o uso indevido de modelos de texto pra imagem, sem deixar de lado as aplicações legais deles.

Pesquisas mostram que há vulnerabilidades na abordagem de privacidade de texto do aprendizado federado.

Melhorando modelos pra entender as interações cotidianas entre humanos e objetos com abordagens inovadoras.

Uma olhada na importância da segurança em sistemas de IA e interações com usuários.

Um método novo melhora a compreensão dos resultados dos modelos de linguagem.

Explorando segurança, confiabilidade e questões éticas em modelos de linguagem.

Analisando a dificuldade da IA com a honestidade e seu impacto na confiança dos usuários.

Este artigo analisa como a IA pode impactar grupos marginalizados e formas de melhorar os resultados.

Explore os desafios de privacidade causados por ataques de inferência em modelos de aprendizado de máquina.

Explorando aprendizado federado e desfazer aprendizado pra privacidade do usuário e integridade do modelo.

Explorando as complexidades de alinhar sistemas de IA com os diversos interesses humanos.

Esse artigo analisa como modelos de difusão melhoram tarefas de geração e manipulação de imagens.

Analisando como a justiça em aprendizado de máquina pode evoluir ao longo das decisões e do tempo.

Esse artigo fala sobre os desafios do "machine unlearning" e uma nova abordagem pra equilibrar privacidade e precisão.

Esse artigo explora técnicas e desafios na detecção de mídias deepfake.

Estudo revela preconceitos nas recomendações de contratação de IA com base nos nomes dos candidatos.

As características dos usuários influenciam as respostas dos modelos de linguagem e a segurança deles.

Analisando como o viés cultural afeta a compreensão de imagens pela IA.

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.