可信AI是什么?密歇根最新WWW2022《可信人工智能:一种计算视角》教程,附123页ppt

2022 年 4 月 29 日 专知

TheWebConf是中国计算机学会(CCF)推荐的A类国际学术会议,由国际万维网会议委员会(IW3C2)和主办地地方团队合作组织,每年召开一次,今年是第31届会议。本年度论文录用率为17.7%,TheWebConf即将召开,来自中科大NUS北大等学者的《因果推荐: 进展与未来方向》教程,值得关注!





过去几十年见证了人工智能(AI)技术的崛起。然而,最近的研究表明,人工智能算法可能不值得信任。例如,他们可能容易受到轻微扰动输入数据;他们可能会对某些群体表现出偏见和刻板印象,从而破坏公平;由于他们不透明的模型架构,他们的决定可能很难解释。随着人工智能应用在日常生活中的广泛应用,一个人工智能算法是否可信已经成为研究人员、开发人员和用户非常关注的问题。最近,出现了大量关于可信人工智能的研究。在本教程中,我们旨在从计算的角度全面概述可信人工智能的前沿研究进展。具体来说,我们关注实现值得信赖的人工智能的六个最重要的方面: (i)隐私,(ii) 安全与鲁棒性,(iii) 可解释性 (iv) 非歧视与公平,(v) 环境福祉和 (vi) 问责性与可审计性。我们将按照一个分类来介绍每个维度的最新技术和实际应用,并讨论各个维度之间的一致和冲突的交互作用。此外,我们还将讨论该领域未来可能的研究方向。我们希望通过本教程,研究人员和实践者能够对值得信赖的人工智能有一个广泛的概述和深刻的见解,从而推动该领域的发展。


目录内容:

  • 导论与概念 Introduction and Concepts

  • 隐私性 Dimension I: Privacy

  • 安全性&鲁棒性 Dimension II: Safety & Robustness

  • 可解释性 Dimension III: Explainability

  • 公平性 Dimension IV: Non-discrimination & Fairness

  • Dimension V: Environmental Well- being

  • Dimension VI: Accountability & Auditability

  • Dimension Interactions and Future Directions

扩展阅读:

密歇根州立最新《可信赖人工智能:计算视角》综述论文,380篇文献55页pdf


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“TAI123” 就可以获取可信AI是什么?密歇根最新WWW2022《可信人工智能:一种计算视角》教程,附123页ppt》专知下载链接

专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取70000+AI(AI与军事、医药、公安等)主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取70000+AI主题知识资料
登录查看更多
6

相关内容

【CIKM2021-Tutorial】图挖掘公平性,166页ppt
专知会员服务
30+阅读 · 2021年11月5日
「元学习」最新AAAI2021-Tutorial,附视频与240页ppt
专知会员服务
116+阅读 · 2021年2月7日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
94+阅读 · 2020年10月18日
【PKDD2020教程】可解释人工智能XAI:算法到应用,200页ppt
专知会员服务
100+阅读 · 2020年10月13日
【RecSys2020干货教程】对抗机器学习推荐系统,186页ppt
专知会员服务
52+阅读 · 2020年10月10日
专知会员服务
169+阅读 · 2020年8月26日
最新《序列预测问题导论》教程,212页ppt
专知会员服务
84+阅读 · 2020年8月22日
WWW2022 | 基于因果的推荐算法教程
机器学习与推荐算法
3+阅读 · 2022年5月26日
WWW2022@教程 | 自动机器学习推荐系统: 基础与进展
机器学习与推荐算法
0+阅读 · 2022年4月26日
【CIKM2021-Tutorial】图挖掘公平性,166页ppt
专知
1+阅读 · 2021年11月5日
IJCAI2021 | 深度推荐系统教程 (附Slides)
机器学习与推荐算法
1+阅读 · 2021年8月25日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年6月23日
Graphical Evidence
Arxiv
0+阅读 · 2022年6月22日
Sharing Begins at Home
Arxiv
0+阅读 · 2022年6月21日
Domain Representation for Knowledge Graph Embedding
Arxiv
14+阅读 · 2019年9月11日
VIP会员
相关VIP内容
【CIKM2021-Tutorial】图挖掘公平性,166页ppt
专知会员服务
30+阅读 · 2021年11月5日
「元学习」最新AAAI2021-Tutorial,附视频与240页ppt
专知会员服务
116+阅读 · 2021年2月7日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
94+阅读 · 2020年10月18日
【PKDD2020教程】可解释人工智能XAI:算法到应用,200页ppt
专知会员服务
100+阅读 · 2020年10月13日
【RecSys2020干货教程】对抗机器学习推荐系统,186页ppt
专知会员服务
52+阅读 · 2020年10月10日
专知会员服务
169+阅读 · 2020年8月26日
最新《序列预测问题导论》教程,212页ppt
专知会员服务
84+阅读 · 2020年8月22日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员