人工智能决策的道德缺失效应及其机制

随着技术的不断创新与发展,人工智能在人类生活中的重大决策方面发挥着日益重要的作用.然而,人工智能的广泛应用也带来了一系列道德挑战,其中最突出的一个是人们对人工智能的不道德决策往往反应(道德评估、道德愤怒和道德惩罚)较弱,表现出与对人类决策不同的行为模式.这一现象将导致严重的社会问题.心智感知理论和相关研究表明,造成这种现象的主要原因是人们认为人工智能比人类缺乏能动性和体验性;而拟人化与提高期望则是有效的干预策略,可以增强人们对人工智能决策的道德敏感度.与其他学科中“算法伦理”研究主要从设计层面探讨公平算法的原则和方法不同,心理学视角研究更关注人们对人工智能与人类决策心理反应的差异,这对于如何有效地应对算法偏见带来的社会问题,如何构建公平算法提供了新的思路,也为“算法伦理”研究提供了一个新的视角.由于人工智能具有发展性和快速迭代性,该领域的机制及干预策略有待未来研究进一步澄清.     

30个InDels在中国云南佤族的遗传学调查研究

该研究目的是调查Qiagen Investigator DIPplex试剂盒30个InDels多态性位点在中国云南佤族人群中的群体遗传学数据,评估其法医学应用价值。其方法为采集佤族49名无关个体静脉血,提取DNA。使用3130XL毛细管电泳对该49份样品进行分型,通过统计计算相关的群体遗传学参数。结果显示,实验得到49份样品的分型及基因型频率,在佤族人群中的随机匹配概率分别为2.59×10-11,累积非父排除率（CPE）为0.9898。结论,该试剂盒中的30个InDels位点在中国的佤族人群中具有较好的多态性,能达到较高的个体识别能力,可以作为现有STR检验体系的补充对降解检材进行检验。     

论司法鉴定公信力的影响因素

司法鉴定在现代诉讼中所起的作用越来越大,鉴定意见日益成为协助法官分析、判断和审查证据材料。形成内心确信的得力助手。然而,诉讼活动对司法鉴定高度依赖却与公众对司法鉴定的信任偏低形成了强烈的反差。司法鉴定的社会公信力不足,直接影响了诉讼活动的顺利进行,妨碍到司法鉴定服务诉讼和促进司法公正目的实现。研究司法鉴定公信力的影响因素,在当前仍然具有十分重要的理论价值和现实意义。司法鉴定公信力受到多种因素影响,包括理念要素、体制要素、主体要素、程序要素、载体形式、监管要素等方面,其中理念是前提,体制是生命,主体是关键,程序是核心,载体是重点,监管是保障。     

关于非税收入管理法制化的思考

我国非税收入管理长期法治缺失,导致非税收入无序膨胀、管理失范、次序混乱,已成为当前经济社会一大突出问题。因此,从法律层面对非税收入进行规制,把非税收入管理纳入到法制化轨道上来,就显得非常必要。文章从阐释我国非税收入管理现状入手,在分析了法治缺失是我国当前非税收入管理混乱重要根源的基础上,提出了我国非税收入法律规制的基本原则和管理法制化的的具体路径。     

学术期刊公信力与编辑的神圣职责

学术期刊在完成社会功能的过程中所表现出来的品质是形成学术公信力的基础.通过及时、规范的初审,客观、公正的同行专家双向匿名审,平衡、全面的定稿,精心编辑、细心校对,保证出版经费,提高出版质量,学术期刊的公信力才会不断提高.     

Cox模型及其相关问题的延伸

Cox模型是生存分析中很重要的半参数模型,它在模型解释和估计方法上都有很多优良的性质.综述了Cox模型的研究现状以及最新的研究成果.     

目标数据缺失下离散动态贝叶斯网络的参数学习

离散动态贝叶斯网络参数学习的难点在于:隐藏节点的片间转移概率获得及观测数据发生不同程度缺失。针对上述问题,提出基于目标缺失数据估计的前向递归参数学习算法。该算法利用离散动态贝叶斯网络中各观测变量与隐藏变量之间的对应关系,采用支持向量机建立观测变量间的非线性函数关系完成缺失数据估计,此基础上利用完整数据集和前向递归算法完成片内和片间参数更新。以空中目标识别为仿真背景,通过与期望最大算法对比,验证了该算法的学习效率和精度两个方面的优势。     

数据缺失的小样本条件下BN参数学习

引入支持向量机回归,提出具有数据修补功能的贝叶斯网络参数学习算法.该算法利用贝叶斯网络各观测节点不同时刻下的观测信息,在无先验信息约束下,通过样本回归对缺失数据进行修复.在获得的完整数据基础上利用最大似然估计完成贝叶斯网络参数估计.仿真结果表明,在有数据缺失的小样本情况下,该参数学习方法与标准EM算法相比,能够有效的提高参数学习效率以及推理结果的精度.     

大鼠与小鼠内含子中插入、缺失与替换的速度与模式

研究了啮齿类动物大鼠与小鼠内含子中插入(insertion)、缺失(deletion)和替换(substitution)发生的速度与模式. 结果表明, 缺失比插入发生的频率高, 在大鼠和小鼠中单个碱基的插入与缺失发生频率最高. 插入与缺失发生次数随长度的增加而迅速减少, 二者的理论分布都符合幂次法则(power-law). 在大鼠内含子中, AT→GC的替换频率高于GC→AT, 但在小鼠内含子中GC→AT的替换频率高于AT→GC. 大鼠与小鼠内含子中存在的缺失偏好表明, 由于可能降低转录与剪切的效率, 内含子中的插入比缺失更容易受到自然选择的制约. 此外, 大鼠与小鼠内含子中的替换模式表明, 其内含子的组成及GC含量都处于非平衡状态.     

处理缺失数据的朴素贝叶斯分类增量算法

在具有缺失数据的数据集的分类过程中,缺失的数据中蕴含着有用的信息未被考虑的情况会引起分类精度的下降。增量式的学习能够利用不断加入的信息更新学习模型,并充分利用先验信息求解当前问题。给出了一个利用朴素贝叶斯分类模型实现对缺失数据的增量分类的算法。该算法在增量学习的过程中考虑了缺失数据和先验信息对分类器的影响。