7. Literatura
- Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2023). On the dangers of stochastic parrots: Can language models be too big? Proceedings of the 2023 ACM Conference on Fairness, Accountability, and Transparency, 610–623.
- Ovaj rad analizira etičke izazove i moguće rizike povezane s razvojem i uporabom velikih jezičnih modela, naglašavajući probleme pristranosti, neočekivanih ishoda i ograničenja u razumijevanju konteksta.
- Chouldechova, A., & Roth, A. (2023). A snapshot of the frontiers of fairness in machine learning. Communications of the ACM, 66(3), 30–38.
- Autori pružaju pregled suvremenih istraživanja o pravičnosti u strojnome učenju, ističući različite pristupe, definicije i tehničke izazove u smanjenju pristranosti.
- Cheong, B. C. (2024). Transparency and accountability in AI systems: Safeguarding wellbeing in the age of algorithmic decision-making. Frontiers in Human Dynamics.
- Ovaj pregledni rad analizira ključne pravne i etičke izazove povezane s implementacijom transparentnosti i odgovornosti u AI sustavima.
- Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., ... & Vayena, E. (2018). AI4People—An ethical framework for a good AI society: Opportunities, risks, principles, and recommendations. Minds and Machines, 28(4), 689–707.
- Ovaj rad predstavlja etički okvir za razvoj i primjenu umjetne inteligencije usmjeren na društveno korisne ishode, uključujući principe transparentnosti, pravičnosti i odgovornosti.
- UNESCO. (2021). Recommendation on the ethics of artificial intelligence.
- Preporuka UNESCO-a pruža međunarodni etički okvir za razvoj i uporabu umjetne inteligencije, s naglaskom na ljudska prava, transparentnost, zaštitu privatnosti i promicanje pravičnosti.
Boja pozadine
Font
Veličina fonta
Boja teksta
Font Kerning
Image Visibility
Letter Spacing
Line Height
Link Highlight