23200 पेपर
यह शोध पत्र TCAR-Gen का प्रस्ताव करता है, जो ऐतिहासिक आपराधिक मामलों के वृत्तांतों पर जटिल, समय-संवेदनशील प्रश्नों के लिए रिट्रीवल-ऑगमेंटेड जनरेशन को महत्वपूर्ण रूप से सुधारने हेतु क्वेरी-कंडीशन्ड ग्राफ न्यूरल नेटवर्क, टेम्पोरल एविडेंस फ्यूजन और चेन-ऑफ-ट्रीज़ रीजनिंग को एकीकृत करने वाला एक नवीन ढांचा है।
यह शोध पत्र एक हाइब्रिड फ्रेमवर्क का प्रस्ताव करता है जो कोरोनरी आर्टरी डिजीज (कोरोनरी धमनी रोग) की भविष्यवाणी के लिए संरचित नैदानिक डेटा को प्राकृतिक भाषा के वृत्तांतों में परिवर्तित करता है, यह प्रदर्शित करते हुए कि जबकि रैंडम फॉरेस्ट जैसे पारंपरिक मॉडल उच्च सटीकता प्राप्त करते हैं, एलएलएम-आधारित दृष्टिकोण संवेदनशील संख्यात्मक डेटा को उजागर किए बिना रोगी विवरणों को संसाधित करके महत्वपूर्ण गोपनीयता लाभ प्रदान करते हैं।
यह स्थिति पत्र (position paper) तर्क देता है कि उच्च-दांव वाले अनुप्रयोगों में यांत्रिक व्याख्यात्मकता (mechanistic interpretability) के सुरक्षित और विश्वसनीय परिनियोजन को सक्षम करने के लिए, समुदाय को एक सहयोगी समीक्षा मंच, विशेषज्ञ-सत्यापित दिशानिर्देशों और पद्धतिगत विसंगतियों को हल करने तथा निष्कर्षों को मान्य करने के लिए स्रोत-आधारित ट्रैकिंग वाली एक मानकीकृत ऑडिटिंग प्रणाली स्थापित करनी चाहिए।
यह शोध पत्र एक ऐसा ढांचा प्रस्तावित करके एआई प्रणालियों में "अपडेट अपारदर्शिता" (update opacity) की शासन चुनौती को संबोधित करता है जो महत्वपूर्ण रूप से प्रासंगिक परिवर्तनों के सीमा-आधारित प्रकटीकरण को लागू करने के लिए यूरोपीय संघ के एआई अधिनियम और मशीन लर्निंग ऑपरेशंस को जोड़ता है, जिससे सूचना के अतिभार (information overload) का कारण बने बिना उपयोगकर्ताओं के लिए ज्ञान संबंधी सुलभता (epistemic accessibility) सुनिश्चित की जा सके।
यह शोध पत्र उत्तर कैरोलिना स्टेट यूनिवर्सिटी में एक डिज़ाइन-आधारित कार्यान्वयन से प्राप्त अवलोकनात्मक निष्कर्षों के समर्थन के साथ, शिक्षकों को छात्रों की प्रगति को टालने या बिना सोचे-समझे निर्भर रहने से लेकर एआई (AI) के साथ जिम्मेदार और आलोचनात्मक जुड़ाव की ओर निदान करने और मार्गदर्शन करने में मदद करने के लिए एक व्यावहारिक पांच-चरणीय एआई साक्षरता निरंतरता (AI literacy continuum) प्रस्तावित करता है।
यह शोध पत्र टेक्स्ट-टू-इमेज एआई मॉडल में जाति को एक स्थिर पहचान श्रेणी के रूप में मानने की पारंपरिक पद्धति को चुनौती देते हुए एक संबंधपरक सत्तामीमांसा (रिलेशनल ऑन्टोलॉजी) की ओर स्थानांतरित होता है जो यह उजागर करती है कि जातिगत पूर्वाग्रह सरल द्वैतवादों से परे कैसे कार्य करता है, और अंततः जनरेटिव एआई प्रणालियों में भेदभाव को संबोधित करने और निष्पक्षता में सुधार करने के लिए एक जाति-विरोधी ढांचे का प्रस्ताव देता है।
यह अध्ययन 162 छात्रों के इंटरेक्शन लॉग्स पर लर्निंग एनालिटिक्स और एपिस्टेमिक नेटवर्क एनालिसिस का उपयोग करके यह प्रदर्शित करता है कि जेनरेटिव एआई (GenAI) साक्षरता को विशिष्ट प्रश्न पूछने के पैटर्न, जैसे कि पुनरावृत्ति परिशोधन (इटरेटिव रिफाइनमेंट) बनाम प्रत्यक्ष आदेश, के माध्यम से प्रभावी ढंग से अभिलक्षित किया जा सकता है, जो पारंपरिक स्व-रिपोर्ट किए गए मूल्यांकनों के लिए एक डेटा-संचालित विकल्प प्रदान करता है।
यह अध्ययन प्रदर्शित करता है कि कैसे 'कोविड डेटा फॉर शेयर्ड लर्निंग' (COVID Data for Shared Learning) डेटासेट पर लागू प्रोसेस माइनिंग, कोविड-19 क्लिनिकल पाथवे को पुनर्गठित और विश्लेषित कर सकता है ताकि देखभाल की परिवर्तनशीलता और परिणामों के चालकों को प्रकट किया जा सके, जिससे अस्पताल के शासन, ट्राइएज मानकीकरण और क्षमता नियोजन के लिए कार्रवाई योग्य अंतर्दृष्टि प्राप्त हो सके।
यह शोध पत्र तर्क देता है कि नैदानिक एआई (AI) प्रणालियाँ वास्तव में चिकित्सा विनियमन के रूप में कार्य करती हैं और एक द्वंद्वात्मक देखभाल मानक (dialectical standard of care) का प्रस्ताव करता है जो एकीकृत एआई-चिकित्सक युग्म को एक एकल उत्तरदायी इकाई के रूप में मानता है, जिससे एल्गोरिदम और मानवीय नैदानिक विफलताओं का शासन एकीकृत हो जाता है।
यह स्थिति पत्र तर्क देता है कि प्रभावी एआई गवर्नेंस को पारंपरिक मॉडल-स्तर के प्रतिमान से आगे बढ़कर "नॉन-मॉडल गेन्स" (गैर-मॉडल लाभों)—जैसे कि इन्फरेंस, सिस्टम्स और एसेट सुधारों—को संबोधित करना चाहिए, जो तेजी से क्षमता को बढ़ा रहे हैं और परिनियोजन-पूर्व जोखिम प्रबंधन रणनीतियों को कमजोर कर रहे हैं।