سیاست و قانون
قانون هوش مصنوعی اتحادیه اروپا: مسیر منبع باز به سوی شفافیت
قانون هوش مصنوعی اتحادیه اروپا با تأکید بر توسعهٔ باز، فراتر از محدودیتهای فنی، راهکارهای شفافیت، مسئولیت و دسترسی به دادهها را معرفی میکند.
سیاست و قانون
هگینگ فیس و چالش مسئولیتپذیری هوش مصنوعی: تأکید بر شفافیت
هگینگ فیس در پاسخ به درخواست NTIA آمریکا، بر نقش حیاتی مستندسازی و شفافیت در تضمین مسئولیتپذیری هوش مصنوعی تأکید کرد. این رویکرد به دموکراتیکسازی و درک بهتر ML کمک میکند.
پژوهش
هوش مصنوعی در مسیر اخلاقی: راهنمای هفت اصول کتابخانه Diffusers
پیشآگهی کدههای متن اخلاقی برای کتابخانه Diffusers از Hugging Face و نگاهی بر نقش مسئولیتپذیری در انتشار مدلهای گسیله (Diffusion).
پژوهش
هوش مصنوعی در برابر تعصب: راهکارهای جامع برای توسعه اخلاقی
معرفی تعصبات در یادگیری ماشین و راهکارهای متعدد برای کاهش آن از مرحله تعریف تا پیادهسازی، با تمرکز بر مسئولیتپذیری و شفافسازی در پروژههای هوش مصنوعی.
پژوهش
پاسخ هوش مصنوعی در گامهای NAIRR: توسعهٔ باز و مسئولیتپذیر
Hugging Face در پاسخ به گزارش NAIRR، حمایت از دسترسی آزاد و مسئولانه به هوش مصنوعی را اعلام کرده؛ راهکارهای متنباز برای پیشرفت علمی را بررسی میکند.
پژوهش
هوش مصنوعی چندتایی: چارتر اخلاقی پیشگام در پژوهش و توسعه
Hugging Face با ایجاد چارتر اخلاقی در حوزه هوش مصنوعی چندتایی، اصول اخلاقی را در هستهٔ چرخهٔ پژوهش قرار داده و با شفافیت، عدالت، مسئولیت و احترام به حریم خصوصی، ابتکاراتی برای پیشبازی خطرات فنی و اجتماعی ارائه میکند.
پژوهش
هوش مصنوعی مسئولانه – Margaret Mitchell دربارهٔ اخلاق، تعصب و تنوع در ML
Margaret Mitchell در 23 مارس 2022 دربارهٔ چکیدهٔ مسئولیتپرداخت در هوش مصنوعی و تأثیر تنوع در تیمهای یادگیری ماشین صحبت میکند. مقاله شامل نکات اخلاقی، تعصب داده و راهکارهای پیشگیری است.