“人工智能+医疗”的风险研判及治理路径

“人工智能+”行动已经成为政府工作任务之一。“人工智能+医疗”在快速发展的同时也面临着诸多风险,包括内生和衍生的技术安全风险,人机双向价值对齐困难、不同伦理诉求难以平衡、医疗数字鸿沟以及医疗不公平的伦理风险,患者隐私和个人信息权益难以保障、医疗AI的侵权责任难以界定的法律风险等。探索基于患者赋权的“人工智能+医疗”的治理路径,需要形成前端赋权、中端监管与后端追责的治理机制,即前端赋予个体权利,建立健康医疗数据权利体系和医疗AI算法权利体系;中端强化医疗AI的运行监管体系,形成自我监管、专门监管、风险监管等多种监管模式;后端从医疗AI的法律客体地位、侵权责任规则和赔偿分担机制三个方面完善医疗AI的侵权追责体系。

“人工智能+”背景下算法正义的解构、检视与实现——以权利衡平为视角

“人工智能+”行动对算法发展提出了要求,也改变了实现算法正义的衡量标准。算法正义与权利具有内在相关性,维护和发展权利是算法正义的内涵要义。算法发展应先行化解算法领域内的权利冲突,权利衡平对算法正义有重要的评判价值。目前算法应用中呈现的破坏平等、违反自由、威胁安全等正义偏离情形,其实质是因权利被剥夺、权利被侵害或侵权救济困难而引发的权利失衡。实现算法正义,应以法律构建权利衡平的规范体系、以伦理确立权利衡平的行为准则、以技术保障权利衡平的具体实施,确立三位一体的系统性算法正义实现进路,以更加契合“人工智能+”的要求。

随机工时下柔性加工车间的鲁棒优化调度方法

为了提高柔性加工车间调度方案的可行性、保障生产过程的稳定性,提出一种鲁棒优化调度方法。引入两个不确定参数来描述随机工时的波动程度和约束条件的允许违背程度,提出随机变量服从概率分布时一般线性规划问题的鲁棒优化方法。采用该方法将含随机工时而难以求解的随机型柔性加工车间调度模型转化为确定型鲁棒对等模型。基于该模型,将随机工时融入适应度函数中,结合遗传进化的全局优化和邻域搜索的空间拓展能力研制出鲁棒调度算法,同步实现工件排序和机器分配的双重决策。案例测试表明,所提方法可以在较短计算时间内、以较小性能损失、将近95%的置信度获得当前最优解。

论大数据时代的算法解释请求权

大数据时代的信息有超载之嫌,以至于人们需要通过人工智能技术予以筛选。人工智能技术的本质是算法及其决策机制,它可能导致人类面临"信息茧房"风险、隐私泄露风险和歧视风险。个体无法解决这种普遍性的技术风险,必须以法律制度的方式来应对,而算法解释请求权正是其内容之一。从法律层面讲,算法具有可解释性,但并非技术细节的解释,而是功能、逻辑、决策规则等的解释。从正当性层面讲,算法解释请求权关注到了人性之恶、人的自治性需求和算法相对人与算法使用者之间的信息不平等问题,主张从知情权角度推定权利并赋予算法可责性。算法解释请求权既是一项公法权利,也是一项私法权利,要求法官从形式与实质两个层面审查义务人关于算法的说明,进而保障其权利。

C4.5算法在高职学生对口就业因素分析中的应用

针对高职院校专业对口就业率不高的典型问题,进行了毕业生跟踪回访及问卷调查,并以大学期间有无明确的职业规划、是否参加过专业兴趣小组、专注做事及自身性别作为观测点来分析其影响学生专业对口就业情况;构建高职学生对口就业因素分析数据仓库并对数据进行清洗与转换,应用决策树C4.5算法对预处理后的数据进行分析,建立高职学生专业对口就业因素分析的决策树模型,从中抽取出影响高职学生对口就业因素的潜在规则并对其做了验证分析;挖掘出的规则为加强高职学生日常行为引导、专业对口就业提供了有益参考。