Bracing for Impact- The Artificial Intelligence Challenge Conference
Notice bibliographique
Résumé
Friday, February 2, 2018 | 9:00am - 4:30pm | Law Society of Ontario, Osgoode Hall Register: aichallenge.osgoode.yorku.ca/\nCanada has positioned itself as a world leader and destination of choice for companies looking to invest in artificial intelligence and innovation. The “Bracing for Impact: The Artificial Intelligence Challenge” conference is a recognition that advancements in AI will have a huge impact on our social, moral and legal norms. It is therefore important to not only fund AI innovation, but we must also move quickly to ensure that robust and effective governance structures are in place.\nThe conference will be held at the Law Society of Ontario, Donald Lamont Centre, from 8:30 a.m. to 4:30 p.m. and will feature internationally renowned AI experts who will discuss some of the fundamental questions that arise when machines start to think for themselves.\nTopics include: • The impact and implications of AI for Industry; • Concerns about Intellectual Property and Commercialization; • Cybersecurity and Algorithmic Accountability; • Social Good.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,019 | 0,010 |
| Communication savante | 0,030 | 0,013 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,035 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 0,027 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».