人工智能算法规制的原理与方法

人工智能算法推荐的运行机制决定了算法的非技术中立性和价值取向性。人工智能算法本身蕴含强大的技术权力,算法黑箱的技术壁垒则加剧了人与算法之间权力失衡。人工智能算法本身的逻辑并不考虑作为主体的个人的主体性,每一个个体都只是算法逻辑体系下的参数。在算法权力的技术权力表象之下还潜藏着资本的权力,并使国家主权面临挑战,冲击全球治理体系。因此,应当构建政府主导并掌握核心算法的大数据系统,强化伦理约束组织的建设,在立法上压实人工智能算法开发者、控制者的主体责任。     

科技本位主义的局限性

疫情让原本隐而不显的科技本位主义再次回到公众视野:生活的方方面面借助于互联网而摆脱停摆的命运,互联网中心主义以其杰出的表现俘获公众的信任;企业/平台在算法的加持下实现数据炼金术的华丽转身;对于个人而言,量化自我成为一种全新的科技本位主义表现形式。     

手段工具“花架子”,关鍵时刻“掉链子”数字治理实战暴露三大短板

面对汹汹疫情,以移动互联网为基础,大数据、人工智能算法、WIFI指纹等技术综合运用的精准防控,在确保严控疫情的前提下,尽可能把对社会经济、民众生活的负面影响降到最低.但此次抗疫大考也暴露出诸多问题。在党的十九届四中全会提出治理体系和治理能力现代化的背景下,如何让数字治理进一步发挥效力、释放潜力,值得城市管理者深入思考和实践。     

基于信任的自动化决策:算法解释权的原理反思与制度重构

基于个人信息的算法自动化决策越来越普遍,我国《个人信息保护法》和相关国内外法律都引入算法解释权加以应对。但由于算法具有黑箱性、不确定性与复杂性,算法解释权是否应理解为一般性权利还是限定性权利,要求系统性解释还是个案性解释、事前解释还是事后解释、人工解释还是机器解释,都存在解释争议与适用困境。在原理层面,这一争议与困境源于个人算法控制论。应以沟通信任原则重构算法解释权,将算法解释权的性质视为一种程序性权利,而非实体性权利。算法解释权制度也应进行重构,建议根据自动化决策所处的行业领域、市场化程度、个案影响、企业能力而对其内容、程度、时间和方式作不同要求。     

采用频繁集与关联规则挖掘《王仲奇医案》用药规律

目的 研究《王仲奇医案》用药规律并进行关联性分析,为临床用药提供参考。方法 以“咳血”、“虚劳”以及“湿温”医案为研究对象,通过分析医案信息结构以对医案原文进行数据预处理,构建《王仲奇医案》数据库;通过整合Apriori关联规则算法,设计并实现“新安中医临证指导系统”,完成数据挖掘结果的可视化,提供“临床查询应用”功能以及用药规律的关联性分析。结果 药物关联性分析结果显示治疗“咳血”的常用药物为丝瓜络、茜根以及牡丹皮等,其中核心药对为丝瓜络和茜根;治疗“虚劳”的常用药物为石斛、牡蛎及甘草等,其中核心药对为石斛和牡蛎;治疗“湿温”的常用药物为茯苓、佩兰及杏仁等,其中核心药对为茯苓、佩兰。结论 关联规则分析可用于挖掘医案的用药规律,本技术框架可应用于其他医籍的研究。     

人脸情绪识别算法的风险与规制

人脸情绪识别算法是人脸识别的特殊变体,也是情感计算的重要构成。由于技术的更迭、应用的泛滥和风险的特殊,这一算法在实践中存在大量隐患,亟待法律规制。在美国、欧盟和我国的法律框架下,人脸情绪识别算法目前可以通过"算法"和"数据"两条路径进行部分规制。然而,算法本身的特殊性和立法技术的局限性,决定了还有大量风险无法得到回应,更难以实现权利保障和技术创新的平衡。为此,应当引入"风险为本"的规制思路:以人脸情绪识别算法在不同场景下的正当性、安全性、准确性和可责性四类风险作为法律规制的核心;通过规则设计,实现算法部署的价值公允、算法运行的数据安全、算法决策的准确可靠和算法追责的透明便捷。     

机动车保有量预测方法综述

机动车保有量预测方法中最关键的要素是算法和影响因子。综述通过文献整理分类提炼,对回归算法、人工神经网络、支持向量机、聚类算法和基于实例的算法进行了阐述,分析各种算法的利弊。最后依据历史样本的多寡,通过总结提出以逻辑回归算法和支持向量机作为基础算法,结合其它算法的组合预测方法来解决机动车保有量预测这样的非线性、高维度的复杂问题。     

H.265的影响力

正所谓“星星之火可以燎原”,如今H.265发展趋势异常火热。配合着4K技术的发展,H.265编解码发展越发重要,可以预见在超高清监控的需求推动下,H.265必将成为安防领域主流编码技术。H.265璀璨亮相安防舞台H.265是时下安防行业内最热的词了。到底H.265是什么呢?详细地说,H.265是ITU-T VCEG继H.264之后所制定的新的视频编码标准。H.265标准围绕着现有的视频编码标准H.264,保留原来的某些技术,同时对一些相关的技术加以改进。新技术使用先进的技术用以改善码     

“数据挖掘”

正"数据挖掘"(Data mining)又译为资料探勘、数据采矿。一般指从大量数据中,通过算法,搜索隐藏于其中信息的过程。数据库,本身可视为电子化的文件柜,对于用户来说,每一个用户的任何信息都会按照唯一的编号存入数据库中,以便于日后查看和更改。但随着海量存储PB时代的到来,数据库中的信息越来越多且杂乱无章,数据挖掘技术也应运而生。