商业银行应用数据民主化面临的挑战及对策探讨

数据民主化在国外已是金融科技领域的热门话题之一,但在国内还比较陌生,它涉及的理念、技术对提升国内商业银行内部数据使用效率,加快实现商业银行数字化转型具有重要的意义。本文对数据民主化产生的背景及商业智能技术实现数据民主化的优势进行了分析,然后对商业银行实现数据民主化面临的挑战及策略进行了探讨,以供参考借鉴。

人工智能教育数据偏见成因机制及家校共治探讨

数据是人工智能教育应用的起点,也是引发偏见问题的源头,教育数据偏见使教育领域面临多重风险,而从数据周期角度看,偏见的成因复杂多样。因此作者提出,学校、教育工作者、学生、家长应携手共进,搭建学校数字基座,以“家校共治”路径创新和拓宽基础教育数据治理的思路和方法,推进教育数据环境公平性和包容性的建设。

论人工智能的媒介政治维度

批判性研究了现代人工智能技术的媒介政治维度。研究重点不是某些人工智能驱动的特定应用如图像或语音识别系统的政治层面,而是人工智能技术基础设施,特别是关于自2006年左右被称为深度学习的机器学习方法本身的政治含义。OpenAI公司自称旨在促进人工智能民主化,并试图使像深度学习这样的技术更容易获得和透明,文章对OpenAI公司的议程和活动进行了批判性的审视,并讨论了深度学习在多大程度上是一种根本不透明的黑箱技术,只能部分被人类理解。学习算法技术如何重塑工具理性的条件,对探讨透明或负责任的人工智能的政治含义可能会更有成效。不应该仅仅讨论如何使人工智能民主化,而应该继续努力,为这个由数据驱动的世界确保普遍的民主标准。