152 Arbeiten
Dieser Artikel argumentiert, dass anstatt das Rechtssystem durch neue Vorschriften an zukünftige Technologien anzupassen, der Gesetzgeber sich zurückhalten und stattdessen auf die bewährten, allgemeinen Prinzipien des Common Law vertrauen sollte, um Innovation zu schützen und regulatorische Fehler zu vermeiden.
Dieser Artikel fasst die Entwicklung des Verbraucherschutzrechts von seinen historischen Wurzeln bis zu den aktuellen Herausforderungen durch künstliche Intelligenz und Big Data zusammen und beleuchtet dabei die rechtlichen Rahmenbedingungen, neue Betrugsmuster sowie regulatorische Gegenmaßnahmen wie Datenschutzgesetze und Verbote von „Dark Patterns".
Dieser Beitrag schlägt ein konzeptionelles und operatives Definitionsrahmenwerk vor, das die oft unklare Grenze zwischen KI-Modellen und KI-Systemen auflöst, um die Zuweisung regulatorischer Pflichten entlang der KI-Wertschöpfungskette zu präzisieren.
Diese integrative Übersicht von über 500 Studien zeigt, dass die zunehmende Nutzung digitaler Technologien, einschließlich generativer KI, kurzfristige Effizienzsteigerungen auf Kosten langfristiger kognitiver Fähigkeiten wie Metakognition und kognitiver Reserve mit sich bringt, wobei diese negativen Effekte durch sozioökonomische Faktoren moderiert werden und weiterer longitudinaler Forschung bedürfen.
Diese Arbeit stellt ein Governance- und Evaluierungsrahmenwerk für deterministische, regelbasierte klinische Entscheidungsunterstützungssysteme bei der empirischen Antibiotikaverschreibung vor, das Transparenz, Auditierbarkeit und konservatives Verhalten durch explizite Abstinenzregeln und synthetische Validierungsszenarien sicherstellt.
Der Artikel analysiert die rechtlichen Herausforderungen der Identifizierung und Zurechnung von Haftung für autonome KI-Agenten und schlägt als Lösung das Konzept der „Algorithmischen Gesellschaft" (A-corp) vor, eine rechtliche Fiktion, die menschliches Eigentum mit KI-Management verbindet, um sowohl die Zuordnung zu menschlichen Prinzipalen als auch die stabile rechtliche Einordnung der KI-Entitäten selbst zu gewährleisten.
Dieses Paper stellt ein menschenzentriertes System vor, das konversationelle KI nutzt, um über natürliche Sprache und interaktive Karten auf die etwa 1,7 Millionen digitalen Sammlungsdaten des Australian Museum zuzugreifen und so die Erschließung großer naturhistorischer Bestände für die Öffentlichkeit erleichtert.
Der Artikel stellt „Machinagogy" vor, ein KI-Tutorsystem, das auf Hegelscher Anerkennung und Freud'scher Psychodynamik basiert und durch reflexive „Vibe-Scholarship"-Methoden nachweist, dass erkenntnisfördernde Prompts die Tutor-Leistung unabhängig vom Modell signifikant steigern.
Die Studie integriert den KI-Sektor in das GCAM-Modell und zeigt, dass der zukünftige Strombedarf von KI weniger von Preissignalen als vielmehr von der Geschwindigkeit der Effizienzsteigerungen und dem Wirtschaftswachstum abhängt, was zu entweder moderierten oder stark steigenden Nachfragepfaden führt.
Dieser Perspektivartikel argumentiert, dass technologische Exzellenz nicht länger rein technisch definiert werden kann, sondern die Integration ethischer, sozialer und kultureller Dimensionen der Geistes- und Sozialwissenschaften erfordert, um verantwortungsvolle und zukunftsfähige Innovationen zu gewährleisten.
Dieser Band enthält die Proceedings des ersten CHI-Workshops „CHIdeology" vom 15. April 2026 in Barcelona, der sich der Entwirrung der fragmentierten Politik, Werte und Imaginationsräume der Human-Computer-Interaction durch Ideologien widmet.
Das Paper stellt WalkGPT vor, ein pixelbasiertes Vision-Language-Modell mit Tiefenwahrnehmung und Segmentierungsfähigkeiten, das zusammen mit dem neuen Benchmark PAVE zuverlässige, zugängliche Navigationshinweise für Fußgänger in komplexen städtischen Umgebungen generiert.
Die Studie stellt einen risikobewussten Bewertungsrahmen für die Sicherheit von Large Language Models im Finanzsektor vor, der eine domänenspezifische Taxonomie, automatisierte Red-Teaming-Pipelines und einen neuen „Risk-Adjusted Harm Score" (RAHS) kombiniert, um die spezifischen regulatorischen und operationellen Risiken plausibel formulierter Angriffe besser zu erfassen als herkömmliche, domänenübergreifende Benchmarks.
Die Studie entwickelt einen skalierbaren, räumlich expliziten Rahmen, der auf Basis von Geographically Weighted Classification Models zeigt, dass die Beziehung zwischen Bevölkerung und bebauter Umwelt in Tschechien räumlich heterogen ist und bestimmte Bebauungstypen soziale Ungleichheiten verstärken können.
Dieser Bericht fasst die Diskussionen und strategischen Empfehlungen des NSF-Workshops vom September 2024 zusammen, der interdisziplinäre Experten zusammenbrachte, um einen fundamentalen Wandel im Entwurf, der Validierung und der klinischen Translation von medizinischen Technologien durch algorithmisch-hardwarebasierte Co-Design-Ansätze zu fordern.
Dieses Papier analysiert auf Basis von Interviews mit 16 Experten die methodischen Herausforderungen, die sich aus der Anwendung von randomisierten kontrollierten Studien (RCTs) zur Bewertung von KI-gestützten menschlichen Leistungssteigerungen bei hochentwickelten KI-Systemen ergeben, und stellt praktische Lösungen für die Interpretation dieser Evidenz in hochriskanten Entscheidungsszenarien vor.
Die Studie zeigt, dass ChatGPT bei der Beantwortung von 190 anspruchsvollen Multiple-Choice-Fragen aus den Bereichen Kardiologie und Gefäßerkrankungen mit einer Trefferquote von 92,10 % zwei medizinische Studierende mit 85,78 % bzw. 82,63 % übertroffen hat und somit ein vielversprechendes Werkzeug für die medizinische Ausbildung darstellt.
Die Studie kommt zu dem Schluss, dass Large Language Models aufgrund fehlender körperlicher und normativer Voraussetzungen keine autonomen Agenten sind, sondern als sprachliche Automaten fungieren, die dennoch durch ihre spezifische Verleiblichung und die menschlich-maschinelle Kopplung neue Formen von „mittendriger" (midtended) Handlungsfähigkeit ermöglichen.
Die Studie zeigt, dass gängige Bias-Metriken für Large Language Models die tatsächlichen Verteilungsschäden bei der Ressourcenallokation nicht zuverlässig erfassen, da sie die Diskrepanz zwischen Vorhersagen und den daraus resultierenden Entscheidungen ignorieren.
Diese konzeptionelle Studie analysiert, wie Künstliche Intelligenz die Beziehung zwischen behördlichem Ermessen und Rechenschaftspflicht in der Stadtverwaltung neu gestaltet, indem sie das Ermessen über verschiedene Ebenen hinweg neu verteilt, und schlägt das Konzept des „verantwortlichen Ermessens" vor, um die damit verbundenen Risiken zu adressieren und eine dynamische Balance zwischen algorithmischen Systemen und institutionellen Praktiken zu gewährleisten.