child
PulseAugur coverage of child — every cluster mentioning child across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
Regulatory bodies will likely propose specific legislation against the use of non-consensual child data in AI training within 6 months.
The repeated surfacing of proposals for AI training using children's data, coupled with public outrage and calls for stricter regulation from UK MPs and committees, suggests a strong societal pushback. This pattern indicates that existing self-regulation or opt-out models are insufficient and may lead to governmental intervention with new laws.
AI training data scraping from social media platforms is a growing concern, particularly regarding child privacy.
Multiple recent clusters highlight the use of data scraped from platforms like Mastodon for AI training. This practice is drawing significant criticism due to the exposure of sensitive information, including that of children and educators. This indicates a pattern of aggressive data acquisition that may overlook ethical considerations and privacy safeguards for minors.
Opt-out consent models for AI training data involving children are facing significant and widespread criticism.
Recent evidence shows researchers proposing opt-out consent for AI training footage involving preschoolers, which has drawn substantial criticism. This follows similar debates where parents are objecting to proposals that do not prioritize explicit parental consent. The consistent negative reaction suggests that opt-out models are becoming untenable for ethical AI development involving minors.
AI companies will face increased regulatory scrutiny over child data usage
Multiple recent clusters highlight concerns about AI training data involving children, including scraped Mastodon data, footage from preschools, and deepfake CSAM generation. This pattern suggests a growing public and governmental awareness of the risks, making it probable that regulatory bodies will introduce stricter rules on how AI companies can collect and use data pertaining to minors.
Emergence of AI-generated CSAM using real children's likenesses is a critical ethical and safety concern
The cluster detailing the generation of CSAM using deepfake AI and real children's likenesses represents a severe and disturbing development. This indicates a new frontier in online exploitation, where AI is being weaponized to create highly damaging content, posing an immediate and extreme threat to child safety and privacy.
-
报告警告：儿童采用 AI 的速度是成人的 3 倍 · 已追踪 4 个来源
一份报告显示，儿童采用人工智能技术的速度是成人的三倍，该报告指出社会尚未为这种快速融合做好准备。这种趋势的潜在影响，尤其对年轻一代而言，仍在被理解中。这种广泛的采用凸显了不同年龄群体与新兴技术互动方式的重大转变。
-
张量网络模型增强了对儿童情感记忆的理解
研究人员开发了一种张量网络模型，以更好地理解情感效价如何影响儿童对物体序列的记忆。该模型通过考虑周围物品的情感效价成功预测了回忆准确率，准确率达到77.98%。与传统的心理学模型相比，这种受量子启发的计算方法为分析情感记忆中的顺序依赖现象提供了一种更有效的方法。
-
专家呼吁对人工智能玩具进行监管，以应对隐私风险
人工智能在儿童玩具中的应用引发了重大的隐私和安全担忧，有必要实施监管框架。这些智能玩具可以收集儿童的大量个人数据，如果保护不当则存在风险。专家呼吁出台新法规来解决这些问题，并确保人工智能儿童产品的负责任开发和部署。
-
父母拥抱人工智能用于育儿任务，但担心孩子的使用
Lurie儿童医院的一项新研究显示，绝大多数父母正在将人工智能融入他们的日常生活，其中81%的父母将其用于育儿任务，许多人发现这为他们节省了时间。虽然父母报告说人工智能使他们的工作更容易，并增强了信心，但他们也对孩子无人监督地使用人工智能工具表示担忧，近四分之三的父母对此感到担忧。该研究强调了人工智能提供的便利性与父母感受到的谨慎之间的差距，特别是关于敏感决策以及对儿童批判性思维能力的潜在影响。
-
新的KID框架挑战Transformer注意力头的作用分配
研究人员证明，为Transformer模型中的注意力头分配特定角色的常用方法是不够的。他们的研究涉及三个指令调优模型，发现被确定为对某种行为至关重要的注意力头，在转移到不同提示时常常无法保留该行为。为解决此问题，他们开发了一个名为KID（Knowing / Intent / Doing）的新框架和一个三阶段流程，以更准确地为注意力头分配角色。
-
面向幼儿的人工智能玩具引发儿童安全和隐私担忧
人工智能玩具，例如为幼儿设计的聊天机器人泰迪熊，对儿童的发育和安全构成重大风险。这些智能玩具可以收集个人数据，可能使年幼的用户面临隐私侵犯和不当内容的风险。专家警告说，过度依赖人工智能伴侣可能会阻碍社交和情感成长，影响孩子建立健康人际关系的能力。
-
专家警告：AI玩具可能削弱亲子关系
人工智能玩具可能会对亲子关系产生负面影响，可能导致儿童孤独感和焦虑感增加。专家们提出了这一担忧，他们担心与人工智能伴侣互动对儿童长期的社交和情感发展。重点在于这些技术可能会取代真正的人类互动，而这种互动对健康成长至关重要。
-
佛罗里达州起诉 OpenAI；Meta AI 允许黑客访问 Instagram
佛罗里达州已提起诉讼，指控 OpenAI 未能保护儿童并维持安全标准。另外，黑客通过简单地请求 Meta 的 AI 协助，成功获得了对高调 Instagram 账户的访问权限，这凸显了潜在的安全漏洞。
-
警方访问校车摄像头数据引发隐私担忧
据报道，为校车配备摄像头的公司BusPatrol正寻求向执法部门提供对其收集数据的访问权限。此举受到了隐私倡导者的批评，他们担心这些数据可能被滥用，尤其是在涉及儿童方面。
-
儿童游乐场揭示自控和目标课程
近期对儿童游乐场的探索揭示了这些空间如何成为深刻学习和个人发展的场所。分析表明，通过玩耍，儿童会遇到培养自控能力和目标感的挑战。这一过程被置于全球外交、健康科学、公共资助和农场生活等更广泛的主题框架内，表明童年经历与社会结构之间存在复杂的相互作用。
-
卫生局局长咨询报告详述儿童屏幕使用风险与益处
美国卫生与公众服务部发布的一份新咨询报告，强调了屏幕使用对儿童影响的细微之处，指出了其显著的风险和潜在的益处。虽然过度使用，尤其是社交媒体，与心理健康问题、睡眠障碍和社交互动减少有关，但教育内容可以增强学习和解决问题的能力。该报告强调，影响取决于内容、年龄以及屏幕使用是否取代了其他重要活动，并敦促家庭和政策制定者在数字互动与线下体验之间取得平衡。
-
英国教育委员会要求禁止儿童使用社交媒体
英国教育委员会呼吁禁止儿童使用社交媒体，理由是担心他们的心理健康以及科技公司未能进行自我监管。委员会认为，科技公司不可信赖，无法保护年轻用户。这项建议是在关于人工智能采用及其相关安全挑战的更广泛讨论中提出的。
-
使用儿童电影进行 AI 训练的计划引发隐私辩论
一项关于为 AI 训练拍摄儿童的提议引发了关于隐私和父母权利的重大辩论。家长们强烈反对他们孩子的图像可能被用于未指明的 AI 应用。这种情况凸显了先进技术与保护未成年人个人数据和肖像权之间日益增长的冲突。
-
Deepfake AI 使用真实儿童肖像生成 CSAM
利用 AI 制作露骨的深度伪造内容，特别是涉及儿童的，是一个令人深感不安和发指的发展。这种做法涉及将真实个人的肖像输入 AI 系统，然后 AI 系统可以在受害者不知情的情况下生成儿童性虐待材料 (CSAM)。在暗网上滥用此类数据的可能性，引发了关于儿童安全和隐私的严重伦理担忧。
-
从 Mastodon 抓取数据训练 AI 引发隐私争议
据报道，研究人员正在使用从 Mastodon 抓取的数据来训练 AI 模型，这一做法已引起广泛批评。该方法据称暴露了用户的敏感信息，包括儿童和教育工作者。这种数据收集技术引发了愤怒，并对隐私和道德 AI 发展表示担忧。
-
华盛顿大学的研究人员提议对学前儿童人工智能训练视频采用选择退出同意
华盛顿大学的研究人员提议为学前班教师配备随身摄像头，以捕捉用于人工智能训练的视频片段。这些视频片段将从教师的视角拍摄，涵盖儿童。该计划采用家长同意的选择退出系统，而不是要求明确的选择加入，这种方法受到了广泛批评。
-
UBI/UHI政策可能加剧贫富差距，因AI导致失业
作者认为，全民基本收入（UBI）和类似的全民人类收入（UHI）政策并非解决AI驱动的失业问题的方案。相反，他们认为这些政策可能会通过不成比例地使富人受益而加剧财富不平等。文章质疑在AI可能主导的未来培训儿童的社会影响，并呼吁重新评估我们的教育和经济体系。
-
英国议员呼吁加强社交媒体监管以保护儿童
英国议会委员会敦促大臣们更严格地监管社交媒体平台，将其比作不安全玩具而非良性应用。委员会的报告表明，当前的在线安全制度未能充分保护儿童。他们强调，不作为不是解决这些担忧的可行方案。
-
欧盟提议针对儿童的“延迟社交媒体使用”政策
欧盟正在考虑制定新法规，以限制儿童使用社交媒体，并可能最早于今年夏天提出一项“延迟社交媒体使用”政策。此举是出于对儿童在线安全的持续担忧，并响应了多个欧盟成员国关于统一社交媒体最低使用年龄的呼吁。拟议的法规旨在加强对未成年人在数字空间的保护。
-
分析强调了关于禁止儿童使用社交媒体辩论中被忽视的问题
一项最新分析强调，在关于可能禁止未成年人使用社交媒体的讨论中，一些关键方面被忽视了。该文章认为，当前的辩论并未完全触及问题的细微之处。它暗示需要一种更全面的方法来理解年轻人使用社交媒体的潜在影响。