


Mengapa begitu ramai orang marah tentang undang-undang pengambilan AI New York?
Sebilangan besar orang marah dengan kecerdasan buatan dan undang-undang pengambilan pekerja yang berkuat kuasa di New York City minggu lepas. Undang-undang ini ialah undang-undang AI yang pertama di Amerika Syarikat, jadi cara ia dilaksanakan akan memberi pengajaran dan panduan untuk bandar lain yang membangunkan dasar dan perbahasan AI. Seperti New York, negeri A.S. yang lain juga sedang mempertimbangkan untuk memasukkan peruntukan pengambilan AI ke dalam Akta Kepintaran Buatan Eropah.
Penggunaan kecerdasan buatan dalam pengambilan telah mencetuskan kritikan kerana kehadiran automasi dan cara ia dapat mengukuhkan kecenderungan kaum dan jantina yang sedia ada. Sistem AI telah ditunjukkan memihak kepada calon berkulit putih, lelaki dan berbadan sihat apabila menilai ekspresi muka dan bahasa mereka.
Isu ini wajar diberi perhatian kerana kebanyakan syarikat telah menggunakan kecerdasan buatan sekurang-kurangnya sekali dalam proses pengambilan. Charlotte Burrows, pengerusi Suruhanjaya Peluang Pekerjaan Sama A.S., berkata pada mesyuarat Januari 2023 bahawa sebanyak 80% syarikat menggunakan beberapa bentuk alat automatik untuk membuat keputusan pengambilan pekerja.
Akta Alat Keputusan Pekerjaan Automatik New York City, yang berkuat kuasa pada 5 Julai, menetapkan bahawa majikan yang menggunakan kecerdasan buatan dalam pengambilan mesti memberitahu calon dengan jujur bahawa mereka berbuat demikian. Untuk membuktikan bahawa sistem mereka tidak rasis atau seksis, mereka memerlukan audit bebas tahunan. Pencari kerja boleh meminta majikan yang berpotensi untuk mendapatkan maklumat tentang pengumpulan dan analisis data yang terlibat dalam teknologi ini. Pelanggaran tertakluk kepada denda sehingga $1,500.
(Sumber: STEPHANIE ARNETT/MITTR | GETTY)
Penyokong undang-undang mengatakan ia adalah permulaan yang baik, walaupun ia tidak sempurna, untuk mengawal selia kecerdasan buatan dan mengurangkan beberapa kemudaratan dan risiko yang datang dengan penggunaannya. Syarikat diminta untuk melihat dengan lebih mendalam pada algoritma yang mereka gunakan untuk menentukan sama ada teknologi itu secara tidak sengaja mendiskriminasi wanita atau orang kulit berwarna.
Ini adalah kes yang jarang berlaku tetapi berjaya, dan dari perspektif dasar kawal selia kecerdasan buatan AS, kita mungkin melihat peraturan tempatan yang lebih berkaitan. Bunyi menjanjikan, bukan?
Tetapi undang-undang ini disambut dengan kontroversi besar. Kumpulan berkepentingan awam dan penyokong hak sivil berkata rang undang-undang itu tidak boleh dikuatkuasakan dan tidak cukup luas, manakala perniagaan yang mesti mematuhinya berpendapat ia tidak praktikal dan membebankan.
Organisasi seperti Center for Democracy & Technology dan Surveillance Technology Oversight Project (S.T.O.P.) percaya bahawa undang-undang itu "tidak inklusif secukupnya" dan berisiko kehilangan penggunaan banyak sistem automatik dalam pengambilan pekerja, termasuk penggunaan Sistem berkuasa AI yang menapis beribu-ribu calon.
Memandangkan industri audit yang berkaitan pada masa ini tidak matang, perkara yang tidak pasti tentang keputusan audit bebas adalah aspeknya yang lebih penting. BSA — kumpulan perdagangan teknologi berpengaruh yang ahlinya termasuk Adobe, Microsoft dan IBM — menyerahkan ulasan kepada New York City pada Januari 2023 mengkritik undang-undang, dengan alasan bahawa audit pihak ketiga adalah "tidak boleh dilaksanakan."
Albert Fox Cahn, pengarah eksekutif S.T.O.P., berkata: “Persoalan utama ialah bagaimana juruaudit akan mendapatkan maklumat tentang syarikat dan sejauh mana mereka sebenarnya boleh menyoal siasat cara syarikat itu dijalankan, walaupun kami menggaji juruaudit kewangan prinsip perakaunan yang diterima secara universal, apatah lagi peraturan cukai dan pengauditan.”
Menurut Kahn, undang-undang ini boleh membawa kepada rasa selamat palsu tentang kecerdasan buatan dan proses pengambilan pekerja. Dia berkata: "Ini adalah daun ara yang digunakan hanya untuk menunjukkan bahawa perlindungan wujud, dan dalam praktiknya saya tidak fikir mana-mana syarikat akan bertanggungjawab akibat perkara ini termaktub dalam undang-undang."
Yang penting, audit mandatori mesti menilai sama ada output sistem AI adalah berat sebelah terhadap kumpulan orang tertentu Ini akan menggunakan metrik yang dipanggil "nisbah kesan" untuk menentukan sama ada "kadar pemilihan" teknologi adalah berbeza untuk kumpulan berbeza.Audit tidak perlu cuba menentukan cara algoritma membuat keputusan, dan undang-undang mengetepikan isu "kebolehjelasan" dalam bentuk pembelajaran mesin yang kompleks seperti pembelajaran mendalam. Seperti yang anda boleh bayangkan, peninggalan ini telah menjadi topik perdebatan hangat di kalangan pakar AI.
Di Amerika Syarikat, sementara menunggu undang-undang persekutuan, kita mungkin melihat lebih banyak undang-undang tempatan yang mengawal selia kecerdasan buatan, kebanyakannya menyasarkan satu aplikasi khusus teknologi. Dengan melibatkan diri dengan kontroversi undang-undang tempatan ini, kami boleh menjelaskan bagaimana definisi alat AI, mekanisme keselamatan dan penguatkuasaan akan berkembang dalam dekad akan datang. New Jersey dan California sudah mempertimbangkan undang-undang yang serupa.
Sokongan: Ren
Atas ialah kandungan terperinci Mengapa begitu ramai orang marah tentang undang-undang pengambilan AI New York?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas
