152 articoli
Questo studio adotta un approccio centrato sulle vittime per analizzare come l'attuale governance sociotecnica dell'IA fallisca nel regolamentare l'"ecosistema tecnico malevolo" di modelli open-source e software che facilitano la creazione di immagini intime non consensuali generate dall'IA, evidenziando le carenze delle pratiche di governance attuali.
Il paper introduce AdAEM, un algoritmo di valutazione auto-estensibile che genera dinamicamente domande di test per rivelare in modo più informativo e distinguibile le differenze di valori tra i modelli linguistici su larga scala, superando i limiti delle metriche statiche attuali.
Questo articolo propone un quadro pedagogico unificato che integra MOOC, insegnamento intelligente e intelligenza artificiale in un modello a strati per trasformare l'istruzione superiore attraverso l'esposizione strutturata, l'allocazione adattiva e l'amplificazione dell'efficienza.
Il paper presenta un framework che adatta i Large Language Models per generare contenuti educativi specifici per sei diversi livelli scolastici, migliorando significativamente l'allineamento al grado di istruzione rispetto ai metodi basati su prompt senza compromettere la correttezza fattuale.
Il paper presenta Aletheia, un agente di ricerca matematica autonomo basato su modelli avanzati e scaling dell'inferenza, capace di generare, verificare e revisionare soluzioni end-to-end per problemi che spaziano dalle Olimpiadi Matematiche alla ricerca di livello PhD, dimostrando risultati significativi come la produzione autonoma di articoli scientifici e la risoluzione di problemi aperti.
Questo studio critico smaschera l'illusione della "verità fondamentale" nell'annotazione dei dati, rivelando come la ricerca forzata del consenso nasconda il disaccordo umano come segnale sociotecnico vitale e proponga infrastrutture di annotazione pluraliste che valorizzino la diversità delle esperienze invece di imporre norme occidentali come verità assolute.
Questo articolo propone il concetto di "Operational Agency" e il relativo "Operational Agency Graph" come strumenti giuridici e causali per tracciare e ripartire la responsabilità umana nei sistemi di intelligenza artificiale, valutandone le caratteristiche operative senza attribuire loro la personalità giuridica.
Uno studio del 2025 su 25 ricercatori leader rivela che, sebbene vi sia un consenso sul rischio grave rappresentato dall'automazione della ricerca AI e sulla transizione verso sviluppatori autonomi, persistono profonde divergenze sui tempi di realizzazione, sulla probabilità di esplosioni di intelligenza e sulle migliori strategie di governance.
Questo studio empirico, basato su un'analisi tematica di diari retrospettivi e interviste a esperti, identifica quattro temi chiave riguardanti la governance, il perfezionamento iterativo, i vincoli operativi e la collaborazione uomo-AI per colmare le lacune nella definizione dei ruoli e dei meccanismi di feedback nelle applicazioni di Intelligenza Artificiale.
Questo studio propone una roadmap per integrare tecnologie biometriche nei sistemi di comunicazione aumentativa e alternativa personalizzati, evidenziando attraverso due casi studio che l'attuale accuratezza dell'IA nel riconoscimento gestuale e della lingua dei segni non soddisfa ancora i requisiti pratici necessari per colmare il divario tra le esigenze sociali e i progressi tecnologici.
Il paper propone un cambio di paradigma nella progettazione degli assistenti AI per le crisi di salute mentale, passando da un approccio di evitamento del rischio a uno di empowerment dell'utente, in cui i chatbot agiscono come ponti di supporto per de-escalare le situazioni e collegare gli utenti a cure affidabili.
Questo studio dimostra che, sebbene TikTok rispetti formalmente il divieto di pubblicità profilata ai minori previsto dal DSA, aggira tale protezione sfruttando una definizione restrittiva di "pubblicità" che esclude i contenuti promozionali degli influencer, consentendo così una profilazione commerciale nascosta e altamente mirata verso gli adolescenti.
Questo articolo introduce il concetto di "collasso dell'ambiguità" nei modelli linguistici di grandi dimensioni, delineando una tassonomia dei rischi epistemici che ne derivano a livello di processo, output ed ecosistema, e proponendo principi di mitigazione per preservare la negoziazione umana del significato nelle interpretazioni di termini controversi.
Attraverso workshop con designer UX, lo studio dimostra che l'adozione dell'IA non è semplicemente una questione di efficienza, ma un processo complesso di negoziazione di valori che ridefinisce ruoli, responsabilità e potere a livello individuale, di team e organizzativo.
Questo studio dimostra che le percezioni umane di equità nei sistemi di intelligenza artificiale non dipendono esclusivamente dalla parità statistica dei risultati, ma sono fortemente influenzate dalla comprensione delle cause sottostanti delle disparità, come l'infra-marginalità e la disponibilità dei dati.
Il documento presenta THETA, un nuovo framework open-source che combina embedding ibridi basati su testi e un agente di scienziato AI per superare i limiti della ricerca qualitativa tradizionale nell'analisi di grandi dati sociali, garantendo al contempo rigore epistemologico e coerenza semantica attraverso un processo iterativo di giudizio esperto simulato.
Il paper presenta SemFuzz, un framework di fuzzing consapevole della semantica che utilizza i modelli linguistici di grandi dimensioni per estrarre regole dagli RFC e generare casi di test mirati, riuscendo a identificare vulnerabilità semantiche profonde in diverse implementazioni di protocolli di rete.
Questo studio, basato su un'indagine condotta su oltre 4.000 ricercatori di intelligenza artificiale, rivela che, contrariamente alla narrazione mediatica dominata da rischi esistenziali, la comunità scientifica è preoccupata principalmente da rischi sociotecnici immediati e condivisi con l'opinione pubblica, suggerendo la necessità di un dialogo focalizzato sulla mitigazione di questi pericoli concreti.
Questo studio empirico dimostra che, sebbene i reclutatori umani siano più equi rispetto alle soluzioni puramente algoritmiche per quanto riguarda il bias di genere, l'approccio ibrido che combina l'intelligenza artificiale con la supervisione umana produce i risultati più equi, confermando l'importanza del controllo umano per mitigare i pregiudizi nell'assunzione.
Questo studio evidenzia come i principali modelli linguistici, nonostante una buona allineamento su questioni sociali generali, falliscano sistematicamente nel rappresentare accuratamente le opinioni religiose, specialmente quelle delle minoranze, in India e nell'Asia orientale e sud-orientale, perpetuando stereotipi negativi che interventi leggeri non riescono a colmare.