期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
人工智能风险的全流程规制逻辑及制度因应
1
作者 胡小伟 刘丽 《学习与实践》 CSSCI 北大核心 2024年第5期22-30,共9页
人工智能风险并非确定性、单一性的风险,而是蕴含着生成多元性、演化交替性、结果未知性的体系性风险,这成为人工智能风险全流程规制的逻辑基础。全流程视域下,人工智能风险可类型化为算法设计风险、数据要素风险、平台控制风险、网络... 人工智能风险并非确定性、单一性的风险,而是蕴含着生成多元性、演化交替性、结果未知性的体系性风险,这成为人工智能风险全流程规制的逻辑基础。全流程视域下,人工智能风险可类型化为算法设计风险、数据要素风险、平台控制风险、网络安全风险、自动决策风险等具体样态。人工智能风险规制立法应基于全流程规制视角,在规制范围上,加强全周期贯穿,实现人工智能风险的穿透规制;在规制进路上,注重全过程传导,实现人工智能风险的渐进规制;在规制内容上,强化全要素统筹,实现人工智能风险的一体规制。 展开更多
关键词 人工智能风险 全流程规制 人工智能法
下载PDF
人工智能伦理风险及其治理——基于算法审计制度的路径 被引量：11
2
作者 陈雄燊 《自然辩证法研究》 CSSCI 北大核心 2023年第10期138-141,共4页
基于算法内核,人工智能产生了诸如算法歧视、算法黑箱等一系列伦理问题。这是主观上人们理性失衡与过度追逐利益的恶果,是客观上算法技术缺陷与算法工程师水平局限的结果,也是法律规制落后与伦理教育缺位的后果。但现阶段算法技术的发... 基于算法内核,人工智能产生了诸如算法歧视、算法黑箱等一系列伦理问题。这是主观上人们理性失衡与过度追逐利益的恶果,是客观上算法技术缺陷与算法工程师水平局限的结果,也是法律规制落后与伦理教育缺位的后果。但现阶段算法技术的发展处于较为尴尬的境地:一方面,它已产生极大伦理隐患,具有治理的现实紧迫性;另一方面,它又处于技术上升期,过度约束可能阻碍产业发展。对此,算法审计制度以其适度约束力和有限透明的特点,可解决当前人工智能算法伦理治理的两难困境。 展开更多
关键词 算法审计 人工智能伦理风险 伦理治理
原文传递
重构人工智能风险治理:从内部视角到外部视角
3
作者 段俊熙 《西安电子科技大学学报（社会科学版）》 2024年第2期62-74,共13页
学界对人工智能风险治理的研究集中在基于内部视角的人工智能合规制度,无法全面揭示人工智能风险治理的制度内核。从风险治理的外部视角出发,将人工智能合规置于政企关系的框架下,人工智能合规的基本理念将不再是纯粹的自我规制,而是自... 学界对人工智能风险治理的研究集中在基于内部视角的人工智能合规制度,无法全面揭示人工智能风险治理的制度内核。从风险治理的外部视角出发,将人工智能合规置于政企关系的框架下,人工智能合规的基本理念将不再是纯粹的自我规制,而是自我规制与政府规制的互动。在这种视角转变下,平台企业与政府之间形成关于人工智能治理任务分配的“发包”关系,体现为一种平台发包制,可以具体展开为四个子制度:授权机制是平台发包制的制度前提,即政府基于信任授予平台企业规制权力,这种授权是通过隐私政策证成的;评估机制用于衡量平台企业的人工智能风险治理能力;激励机制与考核机制都旨在提高平台企业的人工智能风险治理能力,前者通过锦标赛理论推动平台企业参与依据人工智能风险治理能力的竞争,后者通过金字塔理论推动平台企业形成体现人工智能风险治理能力的指标。 展开更多
关键词 人工智能风险治理 内部视角 外部视角 人工智能合规 平台发包制
下载PDF
可解释性人工智能超声影像特征风险模型预测甲状腺乳头状癌颈部淋巴结转移的价值
4
作者 陈阿倩 曹茹 +5 位作者 李娜 袁新 王理蓉 姜珏 周琦 王娟 《中华超声影像学杂志》 CSCD 北大核心 2024年第1期14-20,共7页
目的构建甲状腺乳头状癌(PTC)风险特征可解释性人工智能(AI)模型,并探讨其联合临床特征预测PTC患者颈部淋巴结转移(CLNM)的价值。方法回顾性收集西安交通大学第二附属医院2021年1月至2022年9月行甲状腺切除术及颈部淋巴结清扫术后病理... 目的构建甲状腺乳头状癌(PTC)风险特征可解释性人工智能(AI)模型,并探讨其联合临床特征预测PTC患者颈部淋巴结转移(CLNM)的价值。方法回顾性收集西安交通大学第二附属医院2021年1月至2022年9月行甲状腺切除术及颈部淋巴结清扫术后病理证实的PTC患者422例,共422个结节,按7∶3比例随机分为训练集和测试集,通过传统机器学习方法提取与PTC风险特征高度相关的影像组学特征,并建立风险特征概率最优智能预测模型,再联合临床特征构建预测PTC患者CLNM的风险模型,并通过绘制ROC曲线,计算曲线下面积(AUC)评估各模型的诊断效能。结果在测试集PTC风险特征AI可解释模型中,基于逻辑回归分类的钙化智能诊断模型表现出最高的诊断效能,AUC为0.87(P<0.05)。对比于单独PTC超声风险特征概率模型,其联合临床特征的列线图综合模型在预测PTC患者CLNM中表现出更高诊断效能,其AUC为0.97,诊断临界值为0.15,对应的准确性、敏感性及特异性分别为92.65%、92.76%及92.54%(均P<0.05)。结论本研究构建的PTC超声AI模型输出的可解释性风险特征结合临床特征能够有效预测PTC患者的CLNM,进而为医生决策PTC患者治疗方案提供有效信息。 展开更多
关键词 甲状腺乳头状癌 颈部淋巴结转移 传统机器学习 风险特征人工智能模型 列线图
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部