Khalid Adnan Alsayed
PulseAugur coverage of Khalid Adnan Alsayed — every cluster mentioning Khalid Adnan Alsayed across labs, papers, and developer communities, ranked by signal.
-
新的人工智能治理框架应对部署风险
本文介绍了运营式人工智能部署保障（OADA），一个旨在管理高风险人工智能系统的新治理框架。OADA将各种形式的人工智能不确定性，如公平性分歧和不稳定性，转化为可操作的部署决策。它旨在通过提供部署保障分数和治理升级状态等结构，弥合人工智能评估与现实世界部署之间的差距。
-
面部识别公平性评估需要超越聚合准确性
一项新的研究论文认为，仅依靠聚合准确性不足以评估执法部门使用的面部识别系统的公平性。该研究强调，总体高准确性可能会掩盖不同人口群体之间错误率的显著差异。作者们强调需要采用关注公平性的评估方法和部署后审计，以防止错误分类可能造成的伤害。
-
研究发现：AI用药系统表现强劲但仍存在风险
一篇新发表在arXiv上的论文探讨了用于药物决策的AI系统的可靠性。研究强调，尽管这些系统在标准指标上表现良好，但其在现实世界中的故障模式可能导致严重的患者伤害，例如药物不良反应或无效治疗。该研究强调了过度依赖AI建议的风险，以及AI决策过程缺乏透明度带来的挑战。它主张转向风险感知评估方法，以补充安全关键型医疗应用中的传统性能指标。
-
新研究聚焦扩散模型、朴素贝叶斯和空间模式中的人工智能公平性
研究人员正在开发新方法，以确保各种应用中机器学习模型的公平性。一篇论文介绍了“StayFair”，通过将偏差分解为模型和引导分量，来在不同引导尺度下保持扩散模型的公平性。另一项研究提出了一种“偏差缓解朴素贝叶斯”分类器，该分类器融合了特定群体和汇总的似然估计，以平衡公平性和准确性。此外，一种新方法基于个体移动模式评估空间公平性，将该概念推广到静态位置之外。其他研究探讨了不同公平性指标之间的不一致性，强调了多指标分析的必要性，并利用最优…