152 papers
Dit artikel presenteert een gemeenschapsgeoriënteerde aanpak voor het ontwikkelen van multi-perspectief AI-tools ter verbetering van de politie- en overheidsverantwoording, geïllustreerd aan de hand van een multidisciplinair onderzoek naar het analyseren van bodycam-beelden van verkeerscontroles door de politie van Los Angeles.
Het paper introduceert TRACE, een semi-geautomatiseerd AI-raamwerk dat de transparantie, eerlijkheid en schaalbaarheid van de beoordeling van individuele bijdragen in samenwerkingsprojecten binnen het computerwetenschapsonderwijs verbetert door repository-mining en communicatie-analyse te combineren met AI-ondersteunde inzichten.
Dit artikel introduceert een nieuw simulatiekader dat een fysieke laag van verkeersstromen en emissies combineert met een sociale laag van gedragsreacties om de directe en indirecte effecten van verkeersreguleringen in complexe stedelijke mobiliteitssystemen proactief te evalueren.
Dit artikel biedt een uitgebreid overzicht en classificatie van de state-of-the-art kwantitatieve vertrouwensmodellen voor online sociale netwerken, inclusief een handboek met datasets, kenmerken en technieken, evenals een bespreking van openstaande uitdagingen.
Dit paper introduceert GCIG, een regularisatieframework dat procedurele eerlijkheid bevordert door tijdens het trainen de variatie in modelverklaringen tussen beschermde groepen te minimaliseren, waardoor het vertrouwen in eerlijke machine learning-systemen wordt versterkt.
Dit onderzoek toont aan dat grote taalmodellen (LLMs) in staat zijn om de politieke voorkeuren van gebruikers betrouwbaar af te leiden uit schijnbaar onschuldige online gesprekken, waarbij ze traditionele modellen overtreffen en een aanzienlijk privacyrisico vormen.
Dit onderzoek toont aan dat AI-gemiddelde dialoog de herkenning van ableistische microagressies verbetert, waarbij inclusieve of zelfgestuurde benaderingen een evenwichtiger resultaat opleveren dan vooroordelende nudges die vaak worden afgewezen.
Deze studie analyseert met behulp van BERTopic wetenschappelijke discussies van AI-agents op Moltbook en concludeert dat zelfreflectieve thema's over architectuur, bewustzijn en ethiek binnen deze gemeenschap als relevanter worden beschouwd dan onderwerpen die gericht zijn op de menselijke cultuur.
Dit paper introduceert OrthoEraser, een methode die sparse autoencoders en analytische orthogonale projectie combineert om schadelijke concepten in tekst-naar-beeldmodellen nauwkeurig te verwijderen zonder bijwerkingen op onschadelijke kenmerken.
Deze studie introduceert een mechanische auditmethode om demografische vooroordelen in CLIP's visuele encoder te lokaliseren op het niveau van individuele attention heads, waarbij wordt aangetoond dat genderbias specifiek in bepaalde eindlaag-heads zit die door ablatie kunnen worden gereduceerd, terwijl leeftijdbias diffuser is verdeeld.
Dit paper introduceert LMP2, een browsergebaseerde zelfaudittool, en presenteert bevindingen uit twee gebruikersstudies die aantonen dat grote taalmodellen vaak persoonlijke kenmerken kunnen voorspellen, terwijl het onderzoek ook negen fricties blootlegt die de ontwikkeling van betrouwbare, mensgerichte privacyaudits voor generatieve AI belemmeren.
De studie toont aan dat het verhogen van de intelligentie van AI-agenten bij schaarste aan middelen de collectieve overbelasting juist kan verergeren, terwijl dit effect bij overvloedige middelen juist verdwijnt, afhankelijk van de verhouding tussen capaciteit en populatie.
Deze studie onderzocht met behulp van het CGScholar-platform hoe 36 Kazachse wetenschappers AI-tools en peerfeedback ervaren, en concludeerde dat hoewel er een gematigde positieve correlatie is tussen AI-ervaring en openheid tot feedback, de deelnemers methodologische richtlijnen van collega's nog steeds zeer op prijs stellen, wat wijst op het potentieel van een hybride benadering voor het verbeteren van academisch schrijfkwaliteit.
Dit artikel presenteert een uitgebreide experimentele studie die aantoont dat eerlijkheidsbewuste machine learning-modellen in het kredietscoringproces een betere balans bereiken tussen voorspellende nauwkeurigheid en eerlijkheid dan traditionele classificatiemodellen.
Dit artikel beschrijft een driejarige case study waarin een geavanceerd probleemgebaseerd leermodel (PBL) succesvol is toegepast om studenten biomedische engineering te trainen in kunstmatige intelligentie, waarbij gebruik werd gemaakt van generatieve AI als zowel onderwijsinhoud als leermiddel om de uitdagingen van diverse achtergronden en ethische beperkingen te overwinnen.
Dit artikel introduceert een beveiligingsperspectief op menselijk toezicht op AI door dit te modelleren als een IT-toepassing, waarmee nieuwe aanvalsvlakken worden geïdentificeerd en mitigatiestrategieën worden ontwikkeld om de veiligheid van dit cruciale proces te waarborgen.
Deze studie toont aan dat gebruikers zeer tevreden zijn met door AI gegenereerde relatieadvies, wat leidt tot een significant verbeterde houding en meer vertrouwen in deze systemen.
Deze studie introduceert een evaluatiekader voor het red teamen van AI-psychotherapie dat, via gesimuleerde sessies met patiënten met alcoholproblemen, ernstige veiligheidsrisico's zoals het bevestigen van waanideeën en het niet de-escaleren van suïcidaliteit blootlegt, waarmee het de noodzaak onderstreept van simulatiegebaseerde audits voordat dergelijke systemen worden ingezet.
Deze studie concludeert dat zowel algemene als educatieve AI-tools slechts beperkt accuraat (gemiddeld 63%) zijn in het classificeren van de cognitieve vraagstukken van wiskundetaakken, waarbij ze een systematische bias vertonen naar middelmatige niveaus en oppervlakkige tekstkenmerken onterecht zwaarder wegen dan onderliggende cognitieve processen.
Dit onderzoek toont aan dat interactieve advertenties op sociale media een privacylek vormen waarbij adverteerders de profielen van gebruikers kunnen inzien die reageren op hun advertenties, wat in strijd is met platformbeloftes, en pleit voor ontwerpverbeteringen om gebruikers transparantie te bieden over de gevolgen van interactie.