為什麼很多人會對紐約《人工智慧招募法》感到生氣?
絕大多數人上週對紐約市生效的人工智慧和招募法律感到憤怒。這項法律是美國的首個人工智慧法律,因此它的實施方式將為其他城市進行人工智慧政策和辯論提供經驗和指導。像紐約州一樣,美國其他州也在考慮將人工智慧招聘規定納入歐洲《人工智慧法案》之中。
由於存在自動化以及加強現有種族和性別偏見的方式,招聘中使用人工智慧引發了批評。已證實人工智慧系統在評估候選人的面部表情和語言時傾向於優先考慮白人、男性和身體健全的候選人。
這個問題值得關注,因為多數公司在招募過程中都至少使用過一次人工智慧。美國平等就業機會委員會主席夏洛特·布羅斯(Charlotte Burrows)在 2023 年 1 月的一次會議上表示,多達 80% 的公司使用某些自動化工具來做出招聘決策。
紐約市 7 月 5 號生效的《自動化招聘決策工具法》(Automated Employment Decision Tool)規定,在招聘中使用人工智慧的雇主必須如實告知候選人他們正在這樣做。為了證明他們的系統沒有種族主義或性別歧視,他們需要每年進行獨立審計。求職者可以要求潛在雇主提供有關該技術所涉及資料的收集和分析方面的資訊。違規行為將被處以最高 1500 美元的罰款。
(資料來源:STEPHANIE ARNETT/MITTR | GETTY)
#該法律的支持者表示,對於監管人工智慧和減輕其使用帶來的一些危害和風險而言,這是一個好的開始,即使它並不完美。要求公司更深入了解他們所使用的演算法,以確定該技術是否無意中對女性或有色人種產生不公平的歧視。
這是一個罕見但成功的案例,從美國人工智慧監管政策的角度來看,我們可能會看到更多相關的地方規定。聽起來很有希望,對吧?
但這項法律遭到了巨大的爭議。公共利益團體和民權倡議者表示,該法案的可執行性和廣泛性都不夠,而必須遵守該法案的企業則辯稱,該法案不切實際,會帶來沉重的負擔。
民主與技術中心(Center for Democracy & Technology)、監控技術監督項目(S.T.O.P.,Surveillance Technology Oversight Project)等組織認為,該法律“包容性不足”,有可能遺漏招聘中許多自動化系統的使用,包括使用人工智慧篩選數千名候選人的系統。
鑑於相關審計行業目前尚未成熟,對獨立審計的結果尚不確定的是其更重要的方面。 BSA——一個有影響力的科技貿易組織,成員包括 Adobe、微軟和 IBM——於 2023 年 1 月向紐約市政府提交了批評該法律的評論,認為第三方審計是「不可行的」。
S.T.O.P.執行董事阿爾伯特·福克斯·卡恩(Albert Fox Cahn)表示:“關鍵問題是,審計師將以何種方式獲取公司信息,以及他們真正能夠在何種程度上質詢公司的運營方式。儘管我們僱用了財務審計師,但我們卻缺乏一套被普遍接受的會計原則,更不用說稅法和審計規則了。」
根據卡恩的觀點,這項法律可能會導致人們對人工智慧和招募流程形成虛假的安全感。他說:「這是一個遮羞布,僅用來證明保護措施是存在的,而在實踐中,我不認為任何一家公司會因為這被納入法律而被追究責任。」
重要的是,強制審計必須評估人工智慧系統的輸出是否對特定人群持有偏見,這會用到一種被稱為「影響比」的指標來確定該技術的「選擇率」是否因不同群體而異。
審計不需要嘗試確定演算法如何做出決策,法律也迴避了深度學習等複雜形式的機器學習中的「可解釋性」問題。正如你所想像的,這些遺漏之處成為了人工智慧專家爭論的熱點。
在美國,在等待聯邦立法的過程中,我們可能會看到更多此類人工智慧監管的地方法律,這些法律大多針對該技術的一個特定應用。透過參與這些地方法律的爭議,我們才能揭示未來幾十年中人工智慧工具、安全機制和執法的定義將如何演變。新澤西州和加利福尼亞州已經在考慮類似的法律。
支援:Ren
以上是為什麼很多人會對紐約《人工智慧招募法》感到生氣?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S

本站8月1日消息,SK海力士今天(8月1日)發布博文,宣布將出席8月6日至8日,在美國加州聖克拉拉舉行的全球半導體記憶體峰會FMS2024,展示諸多新一代產品。未來記憶體和儲存高峰會(FutureMemoryandStorage)簡介前身是主要面向NAND供應商的快閃記憶體高峰會(FlashMemorySummit),在人工智慧技術日益受到關注的背景下,今年重新命名為未來記憶體和儲存高峰會(FutureMemoryandStorage),以邀請DRAM和儲存供應商等更多參與者。新產品SK海力士去年在
