AI在线 AI在线

公平性

谷歌悄然删去人工智能团队网页中的 “多样性” 和 “公平性” 表述

谷歌悄然删去人工智能团队网页中的 “多样性” 和 “公平性” 表述
近日，谷歌对其 “负责任的人工智能与人本技术（RAI-HCT）” 团队的官方网站进行了更新，令人关注的是，该网页上与 “多样性” 和 “公平性” 相关的表述被悄然删除。 之前，该网页使用了诸如 “边缘化社区”“多样化的”“代表性不足的群体” 以及 “公平性” 等词汇，来描述该团队在人工智能安全性、公平性和可解释性方面的工作。 经过此次更新，这些描述性的词汇被删去，取而代之的是一些更为模糊的词语，比如用 “所有的”“多样的” 和 “众多的” 来代替 “多样化的” 表述。
3/9/2025 11:12:00 AM
AI在线
CVPR 2024｜FairCLIP：首个多模态医疗视觉语言大模型公平性研究

CVPR 2024｜FairCLIP：首个多模态医疗视觉语言大模型公平性研究
作者 | 哈佛大学、纽约大学团队编辑 | ScienceAI公平性在深度学习中是一个关键问题，尤其是在医疗领域，这些模型影响着诊断和治疗决策。尽管在仅限视觉领域已对公平性进行了研究，但由于缺乏用于研究公平性的医疗视觉-语言(VL)数据集，医疗VL模型的公平性仍未被探索。为了弥补这一研究空白，我们介绍了第一个公平的视觉-语言医疗数据集（FairVLMed），它提供了详细的人口统计属性、真实标签和临床笔记，以便深入检查VL基础模型中的公平性。使用FairVLMed，我们对两个广泛使用的VL模型（CLIP和BLIP2）进
4/8/2024 2:18:00 PM
ScienceAI
ICLR2024 | Harvard FairSeg: 第一个研究分割算法公平性的大型医疗分割数据集

ICLR2024 | Harvard FairSeg: 第一个研究分割算法公平性的大型医疗分割数据集
作者 | 田宇编辑 | 白菜叶近年来，人工智能模型的公平性问题受到了越来越多的关注，尤其是在医学领域，因为医学模型的公平性对人们的健康和生命至关重要。高质量的医学公平性数据集对促进公平学习研究非常必要。现有的医学公平性数据集都是针对分类任务的，而没有可用于医学分割的公平性数据集，但是医学分割与分类一样都是非常重要的医学 AI 任务，在某些场景分割甚至优于分类，因为它能够提供待临床医生评估的器官异常的详细空间信息。在最新的研究中，哈佛大学（Harvard University）的Harvard-Ophthalmolo
1/23/2024 6:10:00 PM
ScienceAI
  • 1