Мая групп: MAYA Group — Главная

Мая групп: MAYA Group — Главная

Содержание

С 23 мая в Израиль смогут въехать 40 групп полностью вакцинированных туристов — Общество

ТЕЛЬ-АВИВ, 27 апреля. /ТАСС/. 40 организованных групп туристов, полностью вакцинированных утвержденными в США и ЕС препаратами, смогут въехать в Израиль с 23 мая, ограничение по количеству групп будет снято в июне, сообщила во вторник на пресс-конференции в Тель-Авиве в ответ на вопрос корр. ТАСС министр туризма Израиля Орит Фаркаш-Хакоэн, уточнив, что переболевшие COVID-19 и привитые другими вакцинами не смогут пока посещать Израиль в группах.

«В соответствии с актуальными указаниями Министерства здравоохранения [Израиля], только те туристы, кто полностью вакцинирован вакцинами, утвержденными Управлением по вопросам качества продовольствия и медикаментов США (FDA) и властями Евросоюза, смогут въезжать в Израиль. И это — то, с чем мы вынуждены работать», — сказала Фаркаш-Хакоэн, отметив, что «переболевшие не будут приравнены» к вакцинированным признанными в США и ЕС вакцинами и не смогут входить в организованные тургруппы для посещения Израиля.

«Даже при условии вакцинации туристам необходимо иметь ПЦР-тест, сделанный до вылета, а в аэропорту по прибытии они должны будут пройти серологическое исследование», — добавила министр.

В ответ на уточняющий вопрос ТАСС о том, когда в Израиль смогут въезжать вакцинированные российским препаратом «Спутник V» туристы, Фаркаш-Хакоэн сказала, что «очень верит в перезапуск [международного туризма] и надеется, что и в этом вопросе будет достигнут прогресс». «Думаю, когда мы начнем [23 мая] пилотный проект, мы будем лучше понимать то, что происходит, и будем работать над этим [расширением списка признанных для въезда вакцин] поэтапно и ответственно», — добавила она. По словам Фаркаш-Хакоэн, в планах Минтуризма Израиля по итогам пилотного проекта в июне начать постепенно увеличивать количество принимаемых организованных групп привитых туристов до полного снятия ограничений по их числу, а в июле рассмотреть вопрос о разрешении на въезд для индивидуальных прошедших полную вакцинацию утвержденным препаратом туристов.

Вакцинация населения препаратом Pfizer началась в Израиле 20 декабря прошлого года. По данным Минздрава, к настоящему времени первую дозу получили почти 5,388 млн израильтян, вторую — 5,075 млн из них, что составляет порядка 55% общей численности населения страны 9,3 млн человек.

Власти регионов рассказали, как будут работать школы и сады с 1 по 10 мая — РБК

Пятая часть россиян поменяли планы на май после указа Путина

Власти Кемеровской области посоветовали жителям региона узнавать подробности режима работы в каждой конкретной школе.

«На период с 4 по 7 мая образовательные организации внесут изменения в годовой календарный учебный график в соответствии с указом президента России. Все подробности режима работы можно будет узнать в своем образовательном учреждении — школе, вузе, техникуме или колледже», — говорится в сообщении регионального министерства образования и науки. Детским садам с 4 по 7 мая рекомендовано работать в формате «дежурных групп», если такая необходимость возникнет у родителей дошкольников.

Читайте на РБК Pro

Похожее решение приняли и власти Екатеринбурга. Там работа школ с 4 по 7 мая будет зависеть от выполнения учебного плана и календарного учебного графика в конкретном учебном заведении. Решение об обучении с применением дистанционных технологий в указанный период руководители школ принимают самостоятельно. В детских садах решили провести опрос среди родителей о потребности работы групп в период с 4 по 7 мая, сообщили РБК в пресс-службе администрации Екатеринбурга.

Путин подписал указ о длинных майских праздниках

Школы Башкирии в период длинных майских праздников работать не будут, рассказал министр образования и науки региона Айбулат Хажин. В детских садах при необходимости организуют дежурные группы.

Школы и детские сады в

Санкт-Петербурге не будут работать в период майских праздников с 1 по 10 мая, сообщили в аппарате вице-губернатора города Ирины Потехиной. При этом по запросам родителей планируется организовать дежурные группы в детских садах и в начальной школе.

Школы и детские сады Московской области не будут работать с 1 по 10 мая. По словам министра образования региона Ирины Каклюгиной, если на период с 4 по 7 мая в школе было запланировано проведение всероссийских проверочных работ, то их перенесут.

Не будут работать во время длинных майских праздников школы и детские сады в Нижнем Новгороде, сообщили в городском департаменте образования. Но при необходимости в дошкольных учреждениях будут организованы дежурные группы. В министерстве образования Нижегородской области РБК также сообщили, что прорабатывают вопрос организации дежурных групп в детских садах. Предполагается, что такие группы будут работать в каждом районе области.

Юристы назвали отличия нового указа Путина о майских праздниках

Школьники Курской области не будут учиться с 4 по 7 мая, сообщили РБК в региональном комитете образования и науки. При этом главам муниципальных образований и руководителям школ рекомендовано внести изменения в годовой календарный учебный график, чтобы образовательные программы были реализованы в полном объеме. В детских садах будет рекомендовано при необходимости организовать работу дежурных групп.

Школьники Татарстана не будут учиться с 1 по 10 мая, говорится в сообщении республиканского министерства образования и науки. В детских садах с 4 по 7 мая для тех, чьи родители работают на предприятиях непрерывного цикла, будут организованы дежурные группы.

В детских садах в Алтайском крае с 4 по 7 мая в случае потребностей родителей могут быть организованы группы полного дня, сообщило региональное министерство образования и науки. Занятия в школах и колледжах региона с 1 по 10 мая проводиться не будут.

В Воронежской области школы и детские сады в длинные майские выходные работать не будут, сообщили РБК в департаменте образования и науки региона. Аналогичное решение приняли и власти Карелии, следует из сообщения республиканского министерства образования и спорта.

Коронавирус

Россия Москва Мир

0 (за сутки)

Заразились

0

0 (за сутки)

Умерли

0 (за сутки)

Заразились

0

0 (за сутки)

Умерли

0 (за сутки)

Заразились

0

0 (за сутки)

Умерли

Источник: JHU, федеральный и региональные оперштабы по борьбе с вирусом

Автор

Наталья Питахина, Дмитрий Енцов, Анна Иванова, Екатерина Демина, Ольга Базелюк, Евгений Масаков, Мария Бондаренко

14 мая группа U2 начнет мировой тур — Российская газета

Солист группы Боно завершил лечение травмы руки, полученной в ноябре прошлого года. Тогда рок-кумир упал с велосипеда, катаясь по Центральному парку Нью-Йорка, и очень боялся, что медленно срастающийся перелом не позволит ему выступить. Но все обошлось, и U2 уже возобновили репетиции. А 14 мая в канадском Ванкувере начнут iNNOCENCE + eXPERIENCE TOUR 2015, в поддержку своего тринадцатого студийного альбома Songs Of Innocence.

Ради первых за четыре года гастролей U2 сконструирована уникальная арена, которая будет путешествовать с группой. Большая прямоугольная сцена здесь соединена переходом с еще одной — круглой и меньших размеров.

«Это сцена нового поколения, со строгой геометрией люминесцентных ламп, — рассказал теперь Боно. — Звук будет чистым и громким, а шоу будет отлично видно и слышно с разных сторон зала». И пояснил, зачем U2 потребовалась именно такая сложная и дорогая по исполнению сцена: «Всем управляют новые песни. Именно они подсказывают нам, как строить сцену. Благодаря ей мы хотим выходить ближе к зрителям, прямо в зал».

Главным промо-видео нового тура U2 решили сделать клип Every Breaking Wave, смонтированный на основе 13-минутного художественного фильма, снятого режиссером Аойфи МакАрдлом с участием профессиональных актеров. Действие происходит в 80-е, в разгар конфликтной ситуации между католиками и протестантами. А создатели этой романтичной драмы безжалостно вспоминают дух Ирландии тех лет: стандартно унылые пейзажи, разборки на улицах, пестрая мода, привычки, обыденная речь, в которой хватает «непарламентских выражений». И в то же время — дерзкая, запоминающаяся, драматичная и самобытная музыка.

Кстати, именно песню Every Breaking Wave музыканты выбрали для исполнения на церемонии вручения наград MTV EMA-2014…

В нынешнем туре музыканты выступят только в 20 городах Северной Америки и Европы. Зато в каждом из «избранных городов» будет сыграно от двух до восьми концертов. А завершат гастроли 15 ноября в Париже…

Жаль, но в Москву и Санкт-Петербург U2 на этот раз не приедут, как и в другие города Восточной Европы и бывшего Советского Союза. Очевидно, из-за сложной логистики тура, поскольку перевозить и собирать новую сцену технически хлопотно, да и долго…

Зато участники U2 сообщили, что выпускают на «виниле» Another Time, Another Place — редкую концертную запись, сделанную еще в 1980 году. А в перерывах между репетициями предстоящего турне начали запись уже четырнадцатого студийного альбома.

«Не надо повторять». Конкурс классных часов к 9 Мая

В преддверии Дня Победы стартовал конкурс идей, посвященный воспитанию в школьниках уважительного отношения не только к исторической памяти, но и к своим современникам. Организаторами мероприятия выступили Группа компаний «Просвещение», Еврейский музей и центр толерантности. Отправить работу можно до 11 мая.

Человеческая память имеет свойство ухудшаться по мере удаления от событий прошлого. Казалось бы, мы все отчетливее понимаем, что 76 лет назад получили бесценный подарок — свободу и жизнь. Но люди, которые спасли мир от ужасов войны, уходят безвозвратно, а новое поколение воспринимает спасенный мир как данность. Помимо сохранения исторической памяти и дани уважения героям прошлого, задачей настоящего времени становится воспитание поколения, которое не допустит повторения столь масштабных конфликтов в будущем.

Школа и семья естественным образом становятся оплотом воспитания толерантности и уважения в подростковой и молодежной среде. Как лучше объяснить школьникам, что взаимная неприязнь — ксенофобия — по тем или иным признакам может иметь страшные последствия? Как связать в детском сознании мирное небо над головой и уважение к ближнему?

В поисках ответа на эти вопросы, Группа компаний «Просвещение», Еврейский музей и центр толерантности объявляют конкурс «Не надо повторять», который проводится в ВКонтакте для всех желающих педагогов. 

«Перед Днем Победы запускаются сотни, если не тысячи образовательных инициатив — педагогам и школьникам есть из чего выбрать. Но важно понимать, что праздник 9 Мая закончится, а воспитательный процесс продолжится и не остановится никогда. В год 76-летия мы решили развить тему уважения прошлого в сторону уважения к настоящему. Сам конкурс небольшой, проводится он в социальных сетях, но мы видим, насколько актуальной является тема. Думаю, есть вероятность утверждать, что мы масштабируем инициативу до всероссийского конкурса методических разработок», — прокомментировала директор по внешним коммуникациям ГК «Просвещение» Кристина Колесникова.

В срок до 11 мая включительно в комментариях под конкурсной публикацией необходимо оставить раскрытую идею классного часа, посвященного не событиям прошлого, а усилиям, которые можно приложить прямо сейчас для недопущения конфликтов в будущем.

«У нас в центре толерантности есть любимая цитата: «Все войны начинаются в умах людей. В умах же происходит и поворот к миру». Толерантность – это не про «терпеть». «Терпеть» – это всегда про страдание и нарушение границ. Толерантность — искусство жить в мире различий, относится с уважением к «инаковости» другого… Для толерантной личность любой «другой» интересен и близок, для нетолерантной – любое самое незначительное отличие – повод для ненависти. Инициативы педагогов по созданию в школе атмосферы безопасности для каждого, основанной на толерантном, уважительном отношении друг к другу — бесценный вклад в будущее без войн», — говорит Анна Макарчук, к. психол.н., директор центра толерантности Еврейского музея.    

Победители, выбранные экспертным жюри из состава организаторов, смогут получить индивидуальную экскурсию для учителя с классом в Еврейский музей и центр толерантности (для педагогов Москвы и МО), онлайн-тренинг на выбор педагога или класса от тренеров и психологов центра толерантности  и пособия «Мы — российский народ» за авторством академика В.А. Тишкова.
 

45 лет назад была образована Московская Хельсинкская группа

12 мая 1976 года в квартире академика Андрея Сахарова была основана Московская Хельсинкская группа. Вступившие в нее правозащитники видели своей целью выполнение Советским Союзом Хельсинкских соглашений. С самого начала существования МХГ подвергалась преследованиям со стороны КГБ. В 1980-е ее члены даже прекратили свою деятельность на семь лет.

12 мая 1976 года в Москве по инициативе ученого-физика и правозащитника Юрия Орлова была создана Московская Хельсинкская группа (МХГ) — группа содействия выполнению Хельсинкских соглашений, одна из первых правозащитных организаций в СССР. В первый состав МХГ также вошли Людмила Алексеева, Елена Боннэр, Анатолий Щаранский, Виталий Рубин, Анатолий Марченко, Александр Гинзбург, Александр Корчак, Михаил Бернштам, Мальва Ланда и Петр Григоренко. Среди них были известные ученые, писатели, публицисты. Большинство же получило известность благодаря правозащитной и диссидентской деятельности. Был в числе первых членов МХГ и высокопоставленный военный – генерал-майор Григоренко, чуть позже основавший Украинскую Хельсинкскую группу.

О создании МХГ было объявлено на пресс-конференции для иностранных журналистов на квартире одного из создателей водородной бомбы Андрея Сахарова, который годом ранее получил Нобелевскую премию мира. Сам академик, однако, решил не вступать в группу. Он считал, что форма индивидуальных выступлений, в которых он остается полностью свободным и в содержании, и в способе выражения, наиболее подходит для него при его сильно выделенном положении.

По воспоминаниям Сахарова, он оставлял за собой право присоединяться к наиболее важным документам МХГ и в дальнейшем часто это делал.

Академик считал, что подчеркнутая Орловым связь с Хельсинкским актом 1975 года (устанавливал принципы миролюбивого и гуманного международного порядка в Европе) придавала деятельности группы дополнительное значение по сравнению с другими организациями такого рода.

«Политический выигрыш получился на самом деле гораздо больше, чем я ожидал, — писал Орлов в своих мемуарах. — В тот самый час, когда КГБ стало ясно, что я не отступлю, ТАСС выпустило заявление, только для Запада, по поводу образования группы. В нем утверждалось, что Советское правительство не против наблюдения за соблюдением Хельсинкских соглашений. (Это была ложь.) Важно, однако, кто этим занимается. (Это была правда.) Занимается Орлов, профессиональный антисоветчик, давно забросивший науку. (Это была ложь.) Группа же его — антиконституционна. (И это была чистая правда. По советской конституции всякая организация должна быть руководима Коммунистической партией). Группа образована, говорилось там, с целью подорвать разрядку и посеять сомнения в соблюдении Советским Союзом его международных обязательств».

Орлов прошел войну, где был ранен, в 1951 году окончил физико-технический факультет МГУ и поступил на работу в Теплотехническую лабораторию Академии наук СССР, которая участвовала в разработке советского атомного проекта. В 1956 году на партийном собрании, посвященном обсуждению доклада Никиты Хрущева на XX съезде КПСС, Орлов выступил с заявлением, в котором назвал Иосифа Сталина и Лаврентия Берию «убийцами, стоявшими у власти» и выдвинул требование «демократии на основе социализма».

Вскоре был исключен из КПСС, лишен допуска к работе с секретными документами и уволен из института.

Следующие 16 лет Орлов проработал в Ереванском физическом институте. Он разработал теорию устойчивости радиационного затухания пучков в электронном кольцевом ускорителе и внес значительный вклад в проектирование жесткофокусирующих ускорителей протонов в ИТЭФ. В 1972 году Орлов стал сотрудником Института земного магнетизма, ионосферы и распространения радиоволн Академии наук СССР, но в 1973-м был уволен за поддержку академика Сахарова.

«Сама по себе идея создания Хельсинкской группы была хорошей. Удачно использовались то большое значение, которое имеет Хельсинкский акт для СССР, точней для его руководства, и провозглашение Актом связи международной безопасности и прав человека. Признание существования этой связи в международном соглашении действительно имеет принципиальное значение. Именно в силу этих причин выступление правозащитников, использующих в качестве опоры Хельсинкский акт, чувствительно для властей. Это не значит, что они делают из этого положительные выводы. Наоборот! Членство в группах, особенно в республиканских, ставило людей под особенно сильный удар. В этом я вижу отрицательную, трагическую сторону создания групп», — отмечал Сахаров.

Официально Московская Хельсинкская группа начала свою работу 15 мая 1976 года. А 18-го был представлен первый документ, описывавший суд над лидером мирного движения крымских татар за возвращение в Крым Мустафой Джемилевым. На заседании в Омске произошел инцидент: Боннэр настолько грубо вытолкнули из зала суда, что Сахарову пришлось отвесить пощечину милиционеру. За восемь месяцев, в течение которых Орлов руководил группой, она выпустила 18 документов. Ученый лично составил документ №5 «Репрессии против религиозных семей».

До своего ареста Орлов участвовал в подготовке и редактировании всех документов группы и их передаче в московские посольства стран-участниц Хельсинкского соглашения и руководству СССР.

«Каждый из документов был скрупулезно аккуратен, сознательно академичен — даже педантичен — и точно сфокусирован на нарушениях специфических статей именно Хельсинкского акта. Все документы редактировались и печатались Людмилой Алексеевой. Я установил гибкое правило, по которому каждый член группы подписывал только то, что согласен был подписывать: требование консенсуса задержало бы быстрый выпуск полезных документов», — рассказывал Орлов.

Сразу же после возникновения МХГ ее участники подверглись давлению со стороны КГБ и партийных структур. Им угрожали, вынуждали эмигрировать или прекратить правозащитную работу. КГБ готовил дела против членов МХГ в течение девяти месяцев. В 1977 году Орлова арестовали и приговорили к семи годам заключения и пяти годам ссылки по статье 70 УК РСФСР «Антисоветская агитация и пропаганда». Перед этим он успел передать свои полномочия Алексеевой, оставшись членом МХГ. В 1986 году, накануне встречи Михаила Горбачева и Рональда Рейгана в Рейкьявике, диссидента лишили советского гражданства и принудительно выслали из страны в обмен на арестованного в США советского разведчика Геннадия Захарова, работавшего в представительстве СССР в ООН. В том же году Орлов вернулся к науке и стал профессором Корнеллского университета.

Вслед за МХГ возникли группы в Союзных республиках (на Украине, в Прибалтике, Армении и Грузии), а также за рубежом — с несколько другими условиями и задачами. Так, Американская Хельсинкская группа со временем трансформировалась в международную правозащитную организацию Human Rights Watch.

«Правозащитное движение в короткий срок обросло сетью открытых ассоциаций, — констатировала Алексеева в своей «Истории правозащитного движения в России». — Конечно, их было немного и входило в них всего несколько десятков человек, но благодаря им правозащитное движение стало видно со стороны, в него устремились новые люди, расширился круг вовлеченных в правозащитную работу и многократно усилился ее резонанс. Правозащитное движение стало видней и с Запада: пресса стала намного чаще писать о положении с правами человека в СССР, а радиостанции, вещавшие на Советский Союз, стали много говорить об этом и расширяли знания о правозащитном движении среди советских граждан, что опять-таки привлекало к нему новых людей. Связи московских правозащитников заметно разрослись».

Помимо Орлова были арестованы Гинзбург, Щаранский и Ланда, а Алексееву, Григоренко и Рубина принудили к эмиграции.

В общей сложности по приговорам советских судов все члены МХГ вместе взятые должны были отбыть свыше 60 лет лагерей и 40 лет ссылок. В 1981 году на свободе в СССР остались лишь трое членов группы. 6 сентября 1982-го они заявили о прекращении деятельности МХГ из-за усилившихся репрессий. Свою работу группа возобновила на волне Перестройки в 1989 году.

Группа экспертов — Стандартизация географических названий

Группа экспертов ООН по географическим названиям

Группа экспертов Организации Объединенных Наций по географическим названиям (ГЭГНООН) была учреждена в 60-х годах для содействия национальной стандартизации географических названий и извлечения национальных и международных выгод от такой стандартизации.

В периоды между конференциями Организации Объединенных Наций по стандартизации географических названий, которые проводятся раз в пять лет, ГЭГНООН проводит собственные сессии и осуществляет свою деятельность в рамках своих рабочих групп и лингвистических/географических отделов. Таким образом, ваша страна может воспользоваться опытом специалистов в других районах мира.

ГЭГНООН способствует развитию и распространению принципов, политики и методов решения проблем последовательности в использовании географических названий. Она поощряет сбор данных о местных названиях, а также их хранение, утверждение, распространение и, при необходимости, последовательный перевод на латинский алфавит (латинизацию).

ГЭГНООН также является форумом для диалога между государствами — членами Организации Объединенных Наций и обеспечивает связь с международными организациями.

Представители всех государств — членов Организации Объединенных Наций могут делиться информацией о накопленном ими опыте — об успехах или трудностях — в ходе сессий ГЭГНООН.

ГЭГНООН может оказать помощь:

  • в предоставлении консультаций и литературы для содействия в создании национальных органов по географическим названиям и осуществления национальных программ стандартизации географических названий.
  • в разработке надлежащих учебных программ по содействию стандартизации географических названий.
  • в получении финансовых средств для выплаты стипендий стажерам и направлении консультантов для проведения учебных курсов, а также в содействии при создании органов по географическим названиям.
  • путем организации обсуждения вопросов стандартизации географических названий, включая сбор и утверждение географических названий в стране, создание баз данных географических названий и публикацию географических справочников.
  • в установлении контактов с другими сторонами, которые занимаются региональными или тематическими вопросами, касающимися управления географическими названиями.

Круг ведения

В своей резолюции 715 A (XXVII) от 23 апреля 1959 года Совет просил Генерального секретаря создать небольшую группу консультантов, которая занималась бы рассмотрением технических проблем внутренней стандартизации географических названий, включая подготовку доклада о связанных с этим общих и региональных проблемах, подготовкой проекта рекомендаций относительно процедур, главным образом лингвистического характера, которые отдельные страны могли бы применять при стандартизации своих названий, и представляла бы Совету доклады о целесообразности проведения международной конференции по данному вопросу и создания рабочих групп на основе общих лингвистических систем.

Первая Конференция Организации Объединенных Наций по стандартизации географических названий состоялась в Женеве 4–22 сентября 1967 года. На основании рекомендаций Конференции Совет в своей резолюции 1314 (XLVI) от 31 мая 1968 года утвердил круг ведения Специальной группы экспертов, которая решением Совета от 4 мая 1973 года была переименована в Группу экспертов Организации Объединенных Наций по географическим названиям.

В своем решении 1988/116 от 25 мая 1988 года Совет также утвердил статут и правила процедуры Группы экспертов (E/1988/22, приложение II). В своем решении 1993/226 от 12 июля 1993 года Совет утвердил новую редакцию статута (см. E/1993/21 и Corr.1, приложение).

Основные цели

  • акцентировать внимание на важности стандартизации географических названий на национальном и международном уровнях и демонстрировать те выгоды, какие сулит такая стандартизация;
  • вести сбор информации о результатах работы национальных и международных органов, занимающихся стандартизацией географических названий, и содействовать распространению сведений о результатах такой работы среди государств — членов Организации Объединенных Наций;
  • изучать и предлагать принципы, политику и методы, подходящие для решения проблем национальной и международной стандартизации;
  • играть активную роль в создании механизмов для национальной и международной стандартизации географических названий, содействуя предоставлению научной и технической помощи, в особенности развивающимся странам;
  • служить инструментом для обеспечения связи и координации между государствами- членами, а также между государствами-членами и международными организациями по вопросам работы, связанной со стандартизацией географических названий;
  • выполнять задачи, вытекающие из резолюций, принятых на конференциях Организации Объединенных Наций по стандартизации географических названий.

Функции

  • разрабатывать процедуры и учреждать механизмы для стандартизации в соответствии с национальными потребностями и конкретными просьбами;
  • проводить работу по подготовке к проведению периодических международных конференций по стандартизации географических названий, обеспечивать непрерывность работы в периоды между конференциями и играть руководящую роль в осуществлении резолюций, принятых на конференциях;
  • поощрять обсуждение и изучение практических и теоретических мер, направленных на проведение стандартизации;
  • координировать деятельность лингвистических/географических отделов, сформированных для содействия работе на национальном уровне, поощрять активное участие стран и отделов и содействовать повышению уровня единообразия в проводимой работе;
  • создавать любые необходимые структуры, дополнять работу отделов и заниматься вопросами, выходящими за рамки компетенции того или иного отдела;
  • разрабатывать соответствующие программы, имеющие целью помогать отдельным странам и группам стран добиваться стандартизации там, где таковая отсутствует;
  • обеспечивать, чтобы картографические организации понимали важность использования стандартизованных географических названий;
  • поддерживать связь с международными организациями, действующими в смежных областях, и поощрять участие отделов Группы в региональных и других картографических конференциях Организации Объединенных Наций;
  • вести работу на как можно более высоком национальном и международном уровне и на уровне Организации Объединенных Наций с целью обеспечивать взаимоувязку между топонимией и картографией;
  • обеспечивать возможность использования принципов стандартизации и стандартизованных географических названий в качестве практической информации для как можно более широкого круга пользователей с привлечением всех соответствующих средств массовой информации.

Членский состав

В настоящее время в состав Группы входит около 150 экспертов из 52 стран, которые работают в 22 лингвистических/географических отделах. В рамках Группы создано несколько рабочих групп для выполнения специальных заданий, таких, как организация учебных курсов по топонимии, проведение сравнительного исследования различных систем транслитерации в целях их унификации для каждой из систем письменности, имеющих нелатинскую графику, и издание международных словарей географических названий.

Процедура представления докладов

Группа экспертов, как правило, представляет свои доклады Конференции Организации Объединенных Наций по стандартизации географических названий. Кроме того, доклад о работе каждой сессии Группы представляется Генеральным секретарем ближайшей сессии Совета.

Периодичность заседаний

Группа экспертов, как правило, проводит свои заседания один раз в два года. В те годы, когда проводится Конференция Организации Объединенных Наций по стандартизации географических названий, она собирается непосредственно накануне открытия Конференции и на следующий день после ее закрытия.


Контактная информация:

UNGEGN Secretariat
Statistics Division, DESA
DC2 – 16th floor
United Nations
New York, NY 10017, USA
Факс: 1-212-963-4569
Веб-сайт: http://unstats.un.org/unsd/geoinfo
Эл. почта: [email protected]

О работе дежурных групп с 4 по 7 мая

Наименование ДОУ

Адрес

Закрепленные  ДОУ

МБДОУ детский сад № 2

г. Артем, у. Ватутина, 18

ДОУ № 7,  ДОУ № 26

МБДОУ детский сад № 3

г. Артем, у. Михайловская, 1 б

-

МБДОУ детский сад № 4

г. Артем, Черноморская, 10 а

-

МБДОУ детский сад № 9

г. Артем, Полевая, 19

-

МБДОУ детский сад № 13

г. Артем, Стрельникова, 46

ДОУ № 5

МБДОУ детский сад № 18

г. Артем, Фрунзе, 48/1

ДОУ№  6

МБДОУ детский сад № 20

г. Артем, пер. Ремзаводской, 3

ДОУ 35

МБДОУ детский сад № 21

г. Артем, Бабушкина, 12

ДОУ № 39

МБДОУ детский сад № 22

г. Артем, пл. Ленина,4/1

-

МБДОУ детский сад № 25

г. Артем, Кирова, 67/1

ДОУ № 1, ДОУ № 19, ДОУ № 23,ДОУ № 28, ДОУ № 30, ДОУ № 33

МБДОУ детский сад № 34

г. Артем, Кирова, 67/1

-

МБДОУ детский сад № 36

г. Артем, Михайловская,18

-

МБДОУ детский сад № 37

г. Артем, у. Костромская, 1а

-

МБДОУ детский сад № 38

г. Артем, у. Ладыгина,1

ДОУ № 10

Группы поддержки: устанавливайте связи, получайте помощь

Группы поддержки: устанавливайте связи, обращайтесь за помощью.

Если вы столкнулись с серьезной болезнью или стрессовыми изменениями в жизни, вам не нужно идти в одиночку. Группа поддержки может помочь. Узнайте, как выбрать подходящий.

Персонал клиники Мэйо

Группы поддержки объединяют людей, которые пережили или прошли через подобный опыт. Например, это может быть рак, хронические заболевания, наркомания, тяжелая утрата или уход.

Группа поддержки дает людям возможность поделиться личным опытом и чувствами, стратегиями выживания или информацией из первых рук о заболеваниях или методах лечения.

Для многих людей группа поддержки по вопросам здоровья может заполнить пробел между лечением и потребностью в эмоциональной поддержке. Отношения человека с врачом или другим медицинским персоналом могут не обеспечивать адекватной эмоциональной поддержки, а семья и друзья человека могут не осознавать влияние болезни или лечения.Группа поддержки среди людей с общим опытом может служить мостом между медицинскими и эмоциональными потребностями.

Состав групп поддержки

Группы поддержки могут быть предложены некоммерческой организацией по защите интересов, клиникой, больницей или общественной организацией. Они также могут быть независимыми от какой-либо организации и полностью управляться членами группы.

Форматы групп поддержки различаются, включая личные встречи, телеконференции или онлайн-сообщества. Непрофессионал — человек, который разделяет или разделяет общий опыт группы — часто возглавляет группу поддержки, но группу также может возглавлять профессиональный фасилитатор, например медсестра, социальный работник или психолог.

Некоторые группы поддержки могут предлагать образовательные возможности, например приглашенный врач, психолог, медсестра или социальный работник, чтобы поговорить на тему, связанную с потребностями группы.

Группы поддержки — это не то же самое, что сеансы групповой терапии. Групповая терапия — это особый тип лечения психического здоровья, который объединяет нескольких людей с похожими состояниями под руководством лицензированного поставщика психиатрических услуг.

Преимущества групп поддержки

Общий опыт членов группы поддержки часто означает, что у них схожие чувства, беспокойства, повседневные проблемы, решения о лечении или побочные эффекты лечения.Участие в группе дает вам возможность быть с людьми, которые, вероятно, имеют общую цель и могут понять друг друга.

Преимущества участия в группе поддержки могут включать:

  • Чувствовать себя менее одиноким, изолированным или осужденным
  • Снижение стресса, депрессии, беспокойства или усталости
  • Говорить открыто и честно о своих чувствах
  • Повышение квалификации для решения проблем
  • Сохранение мотивации к ведению хронических заболеваний или соблюдению планов лечения
  • Обретение ощущения силы, контроля или надежды
  • Улучшение понимания болезни и вашего личного опыта с ней
  • Получение практических отзывов о вариантах лечения
  • Информация о здоровье, экономических или социальных ресурсах

Возможные риски

Группы поддержки могут иметь недостатки, и эффективные группы обычно зависят от фасилитатора, который поможет избежать этих проблем. Эти проблемы могут включать:

  • Члены подрывной группы
  • В разговоре преобладает хватание
  • Отсутствие конфиденциальности
  • Эмоциональная запутанность, групповое напряжение или межличностные конфликты
  • Несоответствующий или необоснованный медицинский совет
  • Конкурсные сравнения, состояние или опыт которых хуже

Плюсы и минусы онлайн-групп поддержки

Группы поддержки

в Интернете предлагают преимущества и риски, характерные для этого формата.Перед тем, как присоединиться к онлайн-группе, важно учитывать эти факторы.

Преимущества онлайн-групп включают:

  • Более частое или гибкое участие
  • Возможности для людей, которые могут не иметь местных групп личной поддержки
  • Степень конфиденциальности или анонимности

Риски онлайн-групп поддержки включают следующее:

  • Общение только с помощью письменного текста может привести к недопониманию или замешательству среди членов группы.
  • Анонимность может привести к неуместным или неуважительным комментариям или поведению.
  • Участие в онлайн-программе может привести к изоляции от других друзей или семьи.
  • Интернет-сообщества могут быть особенно восприимчивы к дезинформации или информационному избытку.
  • Люди могут использовать онлайн-среду для охоты на людей, продвижения продукта или совершения мошенничества.

Как найти группу поддержки

Информацию о группах поддержки можно получить по следующему номеру:

  • Ваш врач, клиника или больница
  • Некоммерческие организации, пропагандирующие определенные заболевания или изменения в жизни
  • Веб-сайты национальных институтов здравоохранения по конкретным заболеваниям и состояниям

Вопросы, которые следует задать перед присоединением к группе поддержки

Группы поддержки различаются по своей организации и руководству.Прежде чем присоединиться к группе поддержки, задайте следующие вопросы:

  • Группа предназначена для людей с определенным заболеванием или определенной стадией заболевания?
  • Группа собирается на определенный период времени или будет продолжаться бесконечно?
  • Где собирается группа?
  • В какое время и как часто группа собирается?
  • Есть ли фасилитатор или модератор?
  • Проходил ли фасилитатор обучение?
  • Вовлечен ли в группу эксперт по психическому здоровью?
  • Каковы правила конфиденциальности?
  • Существуют ли установленные основные правила для участия в группе?
  • Как выглядит типичная встреча?
  • Это бесплатно, а если нет, каковы сборы?

Красные флажки, которые могут указывать на проблемную группу поддержки, включают:

  • Обещания надежного лекарства от вашей болезни или состояния
  • Высокие сборы за посещение группы
  • Принуждение к покупке товаров или услуг

Получение максимальной отдачи от группы поддержки

Когда вы присоединяетесь к новой группе поддержки, вы можете нервничать, рассказывая о личных проблемах людям, которых вы не знаете. Сначала вам может быть полезно просто слушать. Однако со временем, поделившись своими идеями и опытом, вы сможете получить больше от группы поддержки.

Попробуйте группу поддержки в течение нескольких недель. Если вам кажется, что это не подходит, подумайте о другой группе поддержки или другом формате группы поддержки.

Помните, что группа поддержки не заменяет регулярное медицинское обслуживание. Сообщите своему врачу, что вы участвуете в группе поддержки. Если вы считаете, что группа поддержки вам не подходит, но вам нужна помощь, чтобы справиться с вашим заболеванием или ситуацией, поговорите со своим врачом о консультациях или других видах терапии.

Получите самую свежую информацию о здоровье от экспертов Mayo Clinic.

Зарегистрируйтесь бесплатно и будьте в курсе достижений в области исследований, советов по здоровью и актуальных вопросов здравоохранения, таких как COVID-19, а также опыта в области управления здоровьем.

Узнайте больше об использовании данных Mayo Clinic.

Чтобы предоставить вам наиболее актуальную и полезную информацию и понять, какие информация полезна, мы можем объединить вашу электронную почту и информацию об использовании веб-сайта с другая имеющаяся у нас информация о вас. Если вы пациент клиники Мэйо, это может включать защищенную медицинскую информацию. Если мы объединим эту информацию с вашими защищенными информация о здоровье, мы будем рассматривать всю эту информацию как защищенную информацию и будет использовать или раскрывать эту информацию только в соответствии с нашим уведомлением о политика конфиденциальности.Вы можете отказаться от рассылки по электронной почте в любое время, нажав на ссылку для отказа от подписки в электронном письме.

Подписывайся!

Спасибо за подписку

Наш электронный информационный бюллетень Housecall будет держать вас в курсе самой последней информации о здоровье.

Извините, что-то пошло не так с вашей подпиской

Повторите попытку через пару минут

Повторить

29 августа 2020 г. Показать ссылки
  1. Delisle VC, et al.Влияние программ обучения фасилитаторов группы поддержки на результаты работы фасилитаторов и членов группы поддержки: систематический обзор. BMJ Open. 2016; 6: e013325.
  2. Pomery A, et al. Навыки, знания и атрибуты лидеров групп поддержки: систематический обзор. Обучение и консультирование пациентов. 2016; 99: 672.
  3. Skirbekk H, et al. Поддерживать и получать поддержку. Качественное исследование центров поддержки сверстников в области лечения рака в Норвегии. Обучение и консультирование пациентов. 2018; 101: 711.
  4. Эмбульдения Г. и соавт. Опыт и влияние мероприятий по поддержке сверстников при хронических заболеваниях: качественный синтез. Обучение и консультирование пациентов. 2013; 92: 3.
  5. Hughes S, et al. Опыт фасилитаторов и участников долгосрочных групповых программ самоуправления: качественный синтез. Обучение и консультирование пациентов. 2017; 100: 2244.
  6. Bender JL, et al. Какова роль онлайн-поддержки с точки зрения фасилитаторов групп личной поддержки? Многофункциональное исследование использования онлайн-сообществ по раку груди.Обучение и консультирование пациентов. 2013; 93: 472.
  7. Mo PK и др. Всегда ли полезны онлайн-группы поддержки? Качественное исследование процессов расширения и ограничения возможностей участия в онлайн-группах поддержки, связанных с ВИЧ / СПИДом. Международный журнал сестринских исследований. 2014; 51: 983.
  8. Общие сведения об услугах психосоциальной поддержки: Типы услуг поддержки. Американское онкологическое общество. https://www.cancer.org/treatment/treatments-and-side-effects/emotional-side-effects/understanding-psychosocial-support-services/types-of-support-services.html. По состоянию на 9 июня 2018 г.
Узнать больше Подробно

.

Технический отчет VaST по COVID-19 17 мая 2021 г.

Рабочая группа Консультативного комитета по практике иммунизации (ACIP) по вопросам безопасности вакцин против COVID-19 (VaST) еженедельно с начала программы вакцинации в США анализирует данные о безопасности вакцины против COVID-19 после авторизации. Обновленная информация о деятельности VaST и оценка данных по безопасности VaST были представлены на заседаниях ACIP 27 января, 1 марта, 14 апреля, 23 апреля и 12 мая; Встречи ACIP открыты для публики.

Сессия VaST 17 мая 2021 г. включала несколько презентаций Министерства обороны (DoD), Системы сообщений о побочных эффектах вакцин (VAERS) и Даталин по безопасности вакцин (VSD) по миокардиту после вакцинации мРНК. Также были получены краткие сообщения от групп Управления ветеранов (VA) и Группы по оценке безопасности клинической иммунизации (CISA) об их планах в отношении будущих исследований миокардита.

VaST пришел к выводу, что на сегодняшний день имеется относительно мало сообщений о миокардите и что эти случаи, по-видимому, имеют место:

  • преимущественно у подростков и молодых людей,
  • чаще у мужчин, чем у женщин,
  • чаще после дозы 2, чем дозы 1, и
  • обычно в течение 4 дней после вакцинации.

Большинство случаев протекают в легкой форме, и наблюдение за ними продолжается.

В системах мониторинга безопасности CDC частота сообщений о миокардите в окне после вакцинации COVID-19 не отличалась от ожидаемых исходных показателей. Однако члены VaST считали, что информацию об отчетах о миокардите следует сообщать поставщикам медицинских услуг.

Обсуждено VaST:

  • Дополнительную информацию о потенциальных случаях миокардита, о которых было сообщено в VAERS, следует собирать путем просмотра медицинских карт.
  • Информация об этом потенциальном нежелательном явлении должна быть предоставлена ​​клиницистам для более раннего распознавания и надлежащего ведения лиц, у которых после вакцинации развиваются симптомы миокардита.
  • Сотрудничество между специалистами в области инфекционных болезней, кардиологов и ревматологов необходимо для предоставления рекомендаций по диагностике, лечению и ведению миокардита.

Проблемы проверки подлинности Kerberos — Windows Server

  • Читать 8 минут
Эта страница полезна?

Оцените свой опыт

да Нет

Любой дополнительный отзыв?

Отзыв будет отправлен в Microsoft: при нажатии кнопки отправки ваш отзыв будет использован для улучшения продуктов и услуг Microsoft.Политика конфиденциальности.

Представлять на рассмотрение

В этой статье

Эта статья поможет вам решить проблемы сбоя аутентификации Kerberos, когда пользователь принадлежит ко многим группам.

Применимо к: Windows 10 — все выпуски, Windows Server 2019, Windows Server 2016, Windows Server 2012 R2
Исходный номер базы знаний: 327825

Симптомы

У пользователя, принадлежащего к большому количеству групп безопасности, проблемы с аутентификацией. При аутентификации пользователь может увидеть такое сообщение, как HTTP 400 — неверный запрос (слишком длинный заголовок запроса) . У пользователя также есть проблемы с доступом к ресурсам, и параметры групповой политики пользователя могут обновляться некорректно.

Дополнительные сведения о контексте ошибки см. В разделе «Неверный запрос HTTP 400 (слишком длинный заголовок запроса)» в ответах на запросы HTTP.

Примечание

В аналогичных условиях проверка подлинности Windows NTLM работает должным образом. Вы можете не увидеть проблемы аутентификации Kerberos, если не проанализируете поведение Windows.Однако в таких случаях Windows не сможет обновить параметры групповой политики.

Такое поведение наблюдается в любой из поддерживаемых в настоящее время версий Windows. Для получения информации о поддерживаемых в настоящее время версиях Windows см. Информационный бюллетень о жизненном цикле Windows.

Причина

Пользователь не может пройти аутентификацию, потому что билет, который Kerberos создает для представления пользователя, недостаточно велик, чтобы содержать все членство пользователя в группах.

В рамках обмена службой аутентификации Windows создает маркер для представления пользователя в целях авторизации.Этот токен (также называемый контекстом авторизации) включает идентификаторы безопасности (SID) пользователя и SID всех групп, к которым принадлежит пользователь. Он также включает любые идентификаторы безопасности, которые хранятся в атрибуте sIDHistory учетной записи пользователя. Kerberos хранит этот токен в структуре данных сертификата атрибута привилегий (PAC) в билете получения билетов Kerberos (TGT). Начиная с Windows Server 2012, Kerberos также сохраняет токен в структуре данных информации о утверждениях Active Directory (динамический контроль доступа) в билете Kerberos.Если пользователь является членом большого количества групп и есть много требований к пользователю или используемому устройству, эти поля могут занимать много места в билете.

Маркер имеет фиксированный максимальный размер ( MaxTokenSize, ). Транспортные протоколы, такие как удаленный вызов процедур (RPC) и HTTP, полагаются на значение MaxTokenSize при выделении буферов для операций аутентификации. MaxTokenSize имеет следующее значение по умолчанию, в зависимости от версии Windows, которая создает токен:

  • Windows Server 2008 R2 и более ранние версии, а также Windows 7 и более ранние версии: 12 000 байт
  • Windows Server 2012 и более поздние версии, а также Windows 8 и более поздние версии: 48 000 байт

Обычно, если пользователь принадлежит более чем к 120 универсальным группам, значение по умолчанию MaxTokenSize не создает достаточно большой буфер для хранения информации.Пользователь не может аутентифицироваться и может получить сообщение из памяти . Кроме того, Windows может быть не в состоянии применить параметры групповой политики для пользователя.

Примечание

На максимальное количество групп влияют и другие факторы. Например, идентификаторы безопасности для глобальных и локальных групп домена требуют меньшего пространства. Windows Server 2012 и более поздние версии добавляют информацию о заявках в билет Kerberos, а также сжимают идентификаторы безопасности ресурсов. Обе функции меняют требования к пространству.

Разрешение

Чтобы решить эту проблему, обновите реестр на всех компьютерах, участвующих в процессе проверки подлинности Kerberos, включая клиентские компьютеры. Мы рекомендуем вам обновить все ваши системы на базе Windows, особенно если вашим пользователям приходится входить в систему в нескольких доменах или лесах.

На каждом из этих компьютеров установите для параметра реестра MaxTokenSize большее значение. Вы можете найти эту запись в подразделе HKEY_LOCAL_MACHINE \ SYSTEM \ CurrentControlSet \ Control \ Lsa \ Kerberos \ Parameters .После внесения этого изменения компьютеры необходимо перезагрузить.

Дополнительные сведения об определении нового значения для MaxTokenSize см. В разделе «Расчет максимального размера токена» данной статьи.

Например, рассмотрим пользователя, использующего веб-приложение, использующее клиент SQL Server. В рамках процесса проверки подлинности клиент SQL Server передает токен пользователя внутренней базе данных SQL Server. В этом случае вам потребуется настроить запись реестра MaxTokenSize на каждом из следующих компьютеров:

  • Клиентский компьютер с Internet Explorer
  • Веб-сервер, на котором запущен IIS
  • Клиентский компьютер SQL Server
  • Компьютер базы данных SQL Server

В Windows Server 2012 (и более поздних версиях) Windows может регистрировать событие (идентификатор события 31), если размер токена превышает определенный порог.Чтобы включить такое поведение, необходимо настроить параметр групповой политики Конфигурация компьютера \ Административные шаблоны \ Система \ KDC \ Предупреждение для больших билетов Kerberos .

Расчет максимального размера токена

Используйте следующую формулу, чтобы вычислить размер токена, который Windows создает для конкретного пользователя. Этот расчет помогает определить, нужно ли изменять MaxTokenSize .

TokenSize = 1200 + 40d + 8s

Для Windows Server 2012 (и более поздних версий) эта формула определяет его компоненты следующим образом:

  • 1200 . Расчетное значение накладных расходов для билета Kerberos. Это значение может варьироваться в зависимости от таких факторов, как длина имени домена DNS и длина имени клиента.
  • д . Сумма следующих значений:
    • Число членств в универсальных группах, находящихся за пределами домена учетной записи пользователя.
    • Число SID, хранящихся в атрибуте sIDHistory учетной записи. Это значение учитывает членство в группах и идентификаторы безопасности пользователей.
  • с .Сумма следующих значений:
    • Число членств в универсальных группах внутри домена учетной записи пользователя.
    • Число членств в локальных доменных группах.
    • Количество участников в глобальных группах.

Windows Server 2008 R2 и более ранние версии используют ту же формулу. Однако в этих версиях количество членств в локальной группе домена рассматривается как часть значения d вместо значения s .

Если у вас есть значение MaxTokenSize , равное 0x0000FFFF (64K) , вы можете буферизовать приблизительно 1600 d -класса или приблизительно 8000 s -класса. Однако на значение, которое можно безопасно использовать для MaxTokenSize , влияет ряд других факторов, в том числе следующие:

  • Если вы используете доверенных для делегирования учетных записей, каждый SID требует вдвое больше места.

  • Если у вас несколько трастов, настройте трасты для фильтрации SID.Эта конфигурация снижает влияние размера билета Kerberos.

  • Если вы используете Windows Server 2012 или более позднюю версию, следующие факторы также влияют на требования к пространству SID:

    • Есть новая схема сжатия SID в PAC. Дополнительные сведения см. В разделе Сжатие SID ресурса KDC. Эта функция уменьшает размер, необходимый для SID в билете.
    • Dynamic Access Control добавляет в билет утверждения Active Directory, увеличивая требования к размеру. Однако после развертывания утверждений с файловыми серверами Windows Server 2012 можно ожидать постепенного отказа от значительного числа групп, контролирующих доступ к файлам. Это уменьшение, в свою очередь, может уменьшить размер билета. Дополнительные сведения см. В разделе «Динамический контроль доступа: обзор сценария».
  • Если вы настроили Kerberos для использования неограниченного делегирования, необходимо удвоить значение TokenSize из формулы, чтобы получить действительную оценку MaxTokenSize .

    Важно

    В 2019 году Microsoft поставила обновления для Windows, которые изменили конфигурацию неограниченного делегирования Kerberos по умолчанию на отключенную. Дополнительные сведения см. В разделе Обновления делегирования TGT для входящих доверительных отношений в Windows Server.

    Поскольку сжатие SID ресурсов широко используется и неограниченное делегирование не рекомендуется, MaxTokenSize из 48000 или больше должно стать достаточным для всех сценариев.

Известные проблемы, влияющие на MaxTokenSize

Значение MaxTokenSize , равное 48 000 байтов, должно быть достаточным для большинства реализаций.Это значение по умолчанию в Windows Server 2012 и более поздних версиях. Однако, если вы решите использовать большее значение, просмотрите известные проблемы в этом разделе.

  • Ограничение размера 1010 групповых SID для маркера доступа LSA

    Эта проблема аналогична тому, что пользователь, имеющий слишком много членства в группах, не может пройти аутентификацию, но вычисления и условия, которые определяют проблему, отличаются. Например, пользователь может столкнуться с этой проблемой при использовании проверки подлинности Kerberos или Windows NTLM.Дополнительные сведения см. В разделе Вход в учетную запись пользователя, который является членом более чем 1010 групп, может завершиться ошибкой на компьютере под управлением Windows Server.

  • Известная проблема при использовании значений MaxTokenSize больше 48000

    Чтобы смягчить вектор атаки типа «отказ в обслуживании», Internet Information Server (IIS) использует ограниченный размер буфера HTTP-запроса, равный 64 КБ. Билет Kerberos, который является частью HTTP-запроса, кодируется как Base64 (6 бит расширены до 8 бит). Таким образом, билет Kerberos использует 133 процента своего исходного размера.Следовательно, когда максимальный размер буфера в IIS составляет 64 КБ, билет Kerberos может использовать 48 000 байт.

    Если установить для параметра реестра MaxTokenSize значение, превышающее 48000 байт, а буферное пространство используется для SID, может возникнуть ошибка IIS. Однако, если установить для параметра реестра MaxTokenSize значение 48 000 байт и использовать пространство для SID и утверждений, произойдет ошибка Kerberos.

    Дополнительные сведения о размерах буфера IIS см. В разделе Как ограничить размер заголовка передачи HTTP, которую IIS принимает от клиента в Windows 2000.

  • Известные проблемы при использовании значений MaxTokenSize больше 65 535

    В предыдущих версиях этой статьи обсуждались значения до 100 000 байт для MaxTokenSize . Однако мы обнаружили, что в версиях SMS Administrator возникают проблемы, когда MaxTokenSize составляет 100 000 байт или больше.

    Мы также определили, что протокол IPSEC IKE не допускает, чтобы размер BLOB-объекта безопасности превышал 66 536 байт, и он также завершится ошибкой, если для параметра MaxTokenSize установлено большее значение.

Новый коронавирус поразил всех нас. Но некоторые группы могут пострадать больше.

Не ходите с работы на работу, если плохо себя чувствуете. Запаситесь припасами. Избегайте тесного контакта с больными людьми.

Это все руководящие принципы, основанные на здравом смысле, чтобы избежать коронавируса, вызывающего COVID-19, за исключением миллионов людей по всей стране, жизнь которых делает такие шаги сложными или даже невозможными.

Бездомные, люди без медицинской страховки, люди, живущие от зарплаты до зарплаты, и другие маргинальные группы не обязательно могут позволить себе пропускать работу, у них может не быть постоянного поставщика медицинских услуг и возможности избежать переполненных условий. Им также может не хватать доверия к системе, которая подводила их в прошлом.

«Те сообщества, которые маргинализированы, недофинансированы или недостаточно обслуживаются, всегда будут больше страдать во время подобного кризиса», — говорит Дэвид Акоста, доктор медицины, главный сотрудник AAMC по вопросам разнообразия и интеграции. «Любое неравенство в отношении здоровья, с которым они уже сталкиваются, будет только усугубляться пандемией».

Фактически, предыдущий опыт показывает, что вирусные вспышки непропорционально сильно поражают бедных. Например, согласно анализу Центров по контролю и профилактике заболеваний (CDC) за 2016 год, количество госпитализаций в связи с гриппом в бедных районах вдвое больше, чем в районах с более высокими доходами.

Итак, эксперты обеспокоены тем, что, хотя закон о чрезвычайном положении, принятый Палатой представителей в пятницу, предоставляет некоторые формы облегчения, вспышка может иметь разрушительные последствия для тех, кто находится в группе риска из-за социальных или экономических проблем, таких как расизм, бедность и ксенофобия.

Причин много. Среди них — то, что маргинализированные группы населения часто живут в условиях, которые усугубляют плохое здоровье, страдают от болезней, которые могут осложнить инфекции, и имеют проблемы с доступом к медицинской помощи, если они в ней нуждаются.

Более того, борьба со вспышкой коронавируса среди этих групп потребует творческих подходов и обширного сотрудничества между многочисленными заинтересованными сторонами, от политиков до руководителей медицинских школ и учебных больниц.

«Те сообщества, которые маргинализированы, недофинансированы или недостаточно обслуживаются, всегда будут больше страдать во время такого кризиса».

Дэвид Акоста, доктор медицины, директор AAMC по вопросам разнообразия и интеграции

Эдит Брахо-Санчес, доктор медицинских наук, педиатр Колледжа врачей и хирургов Вагелоса Колумбийского университета, занимается лечением детей, живущих в малообеспеченных районах или приютах Нью-Йорка. Она очень переживала за них.

«Я вижу, что так много семей уже боролись на исходном уровне, до коронавируса», — отмечает она.«Они работают над сложным и постоянно меняющимся иммиграционным законодательством, преодолевая трудности, чтобы получить федеральные продовольственные и жилищные льготы, а иногда решают сложные проблемы со здоровьем. И теперь мы просим их следовать рекомендациям CDC, принимать решения в отношении вируса и думать о быстро меняющейся информации. Мы просим их разобраться в действительно сложной системе ».

Брахо-Санчес надеется, что ее уязвимые пациенты смогут избежать самых серьезных последствий нового коронавируса.

Но, добавляет она, «мы не можем строить решения на надеждах».

Проблемы

Эксперты отмечают, что бедность лежит в основе того, что делает коронавирус потенциально разрушительным.

«Есть люди, у которых есть работа, на которой им не платят, если они остаются дома — и даже рискуют потерять средства к существованию», — говорит Мэри Бассетт, доктор медицины, магистр здравоохранения, директор Центра здоровья и прав человека Франсуа-Ксавье Багну. Гарвардский университет. «Кроме того, даже если у них есть страховка, многие люди очень обеспокоены тем, сколько будет стоить медицинский визит», — добавляет она.«А десятки миллионов американцев вообще не имеют медицинской страховки».

Те, кто опасается большого счета, могут отложить обращение за помощью, ожидание, которое может вызвать медицинские осложнения, отмечает Барбара Тейлор, доктор медицины, доцент кафедры инфекционных заболеваний Научного центра здравоохранения Техасского университета (UT Health) в Сан-Антонио. Тейлор также говорит, что ее беспокоит отсутствие продовольственной безопасности и постоянный уход за своими пациентами, многие из которых инфицированы ВИЧ и имеют очень ограниченный бюджет.

«Я хочу сказать, что все эпидемии имеют одновременно биологический и социальный характер.Мы должны принимать во внимание то, как эпидемии … часто раскрывают трещины в нашем обществе ».

Мэри Бассетт, доктор медицины, магистр здравоохранения
Гарвардский университет

Есть и другие проблемы. Во-первых, стесненные условия жизни и быстро распространяющийся вирус представляют собой опасную смесь. Это означает, что люди, живущие в приютах для бездомных, тюрьмах, переполненных квартирах и других ограниченных пространствах, сталкиваются с повышенным риском заражения, а также с трудностями в карантине в случае заражения.

Кроме того, более 2 миллионов американцев живут без доступа к проточной воде, что затрудняет частое мытье рук.Согласно отчету за 2019 год, этот показатель особенно высок среди коренных американцев, у которых в 19 раз чаще, чем у белых, отсутствует водопровод.

коренных американцев также входят в число тех, кто сталкивается с риском заражения вирусом из-за сопутствующих заболеваний. Например, 23,5% коренных американцев и 13% афроамериканцев страдают диабетом по сравнению с 8% белых неиспаноязычных граждан. Проблемы, связанные с другими заболеваниями, такими как астма, также выше среди определенных расовых и этнических меньшинств.

И еще бремя стресса. «Многие исследования показывают, что стресс снижает иммунный ответ и делает людей более восприимчивыми к заболеваниям», — говорит Филип Альберти, доктор философии, старший директор по исследованиям и политике справедливости в отношении здоровья в AAMC. «Мы наблюдаем общественный стресс из-за таких факторов, как расизм и ксенофобия», — отмечает он.

«Страх того, что обращение за услугами приведет к депортации или необходимости сообщать о своих близких контактах, является еще одним источником стресса для иммигрантов», — добавляет Альберти.Более того, такие опасения могут также удержать 10 миллионов иммигрантов без документов в Соединенных Штатах и ​​членов их семей от прохождения тестирования и обращения за медицинской помощью.

Учитывая множество факторов, которые увеличивают риск и затрудняют доступ уязвимых групп населения, эксперты отмечают важность комплексных решений.

«Я люблю говорить, что все эпидемии являются одновременно биологическими и социальными», — говорит Бассетт. «Мы должны учитывать то, как эпидемии и всевозможные чрезвычайные ситуации часто раскрывают трещины в нашем обществе», — говорит она.«И мы должны смотреть на реальность, что мы еще не достигли общества, в котором каждый имеет право на здоровье».

Возможные решения

По мнению экспертов, облегчить бремя вспышки коронавируса для уязвимых групп — непростое дело. Во-первых, финансовые проблемы необходимо решать быстро и тщательно.

Конгресс собирается решить некоторые из этих проблем в законопроекте о чрезвычайном положении, который может быть подписан в ближайшие дни.

В нынешней редакции законопроекта предусматривает оплачиваемый отпуск по болезни для многих, но не для всех работников.Он также позволяет бесплатно проходить тестирование на коронавирус, в том числе для тех, кто не имеет медицинской страховки, и выделяет значительные средства на поддержку программ по обеспечению продовольственной безопасности.

Помимо решения экономических проблем, лидеры утверждают, что правительство также должно облегчить выход иммигрантов. В письме от 11 марта вице-президенту Майку Пенсу и лидерам Конгресса президент и главный исполнительный директор AAMC Дэвид Дж. Скортон, доктор медицины, изложил несколько важных шагов для борьбы со вспышкой. Среди них было то, что правительство приостанавливало или отменяло любую политику, которая могла бы удерживать незарегистрированных или недавних иммигрантов от доступа к медицинской помощи.Другие эксперты добавляют, что если правительство предпринимает какие-либо такие шаги, они должны быть четко и подробно объяснены заинтересованным группам населения.

Другие виды проактивной коммуникации также важны в борьбе со вспышкой. Например, CDC разместил на своем веб-сайте страницу, в которой призывает избегать стигматизации определенных групп во время вспышки и дает советы по коммуникации, позволяющей избежать разжигания страха.

Для Acosta еще одно жизненно важное решение — это решение, которое иногда упускается из виду.«Стигма, дискриминация и стресс усиливают психические расстройства. Иногда они могут показаться не такими важными, как некоторые другие болезни, о которых мы заботимся, но нам нужно сосредоточить внимание на том, чтобы побудить людей получить доступ к службам психического здоровья, которые помогут им преодолеть этот кризис », — говорит он. «Это действительно важно».

Как обучение в больницах может помочь

По мере развития возможных путей продвижения вперед, учебные больницы уже работают, предлагая уход и другую поддержку маргинализированным группам населения.

В Центре медицинских наук Университета Нью-Мексико (УНМ), например, лидеры быстро действуют, обучая общинных медицинских работников (CHWs) — передовых работников общественного здравоохранения, которые происходят из районов, которые они обслуживают, — работе с уязвимыми группами вокруг. вирус. Помимо обучения местных медицинских работников, работающих в таких местах, как приюты для бездомных, UNM в партнерстве с проектом ECHO, национальным проектом телемедицины, обучил более 120 медицинских работников по всей стране.

«Медицинские работники смогут обучать людей мерам по предотвращению распространения коронавируса, таким как мытье рук, социальное дистанцирование и протирание прилавков», — говорит Лаура Чанчиен Парахон, доктор медицины, магистр здравоохранения, исполнительный директор Управления общественного здравоохранения ЕНД.«В Нью-Мексико даже есть CHW, которые сами являются бездомными, поэтому они действительно могут связаться с людьми там, где они есть».

Поскольку медикам часто доверяют больше, чем медицинскому учреждению, они также могут помочь в борьбе с путаницей и дезинформацией. Вдобавок, по словам Парахона, «не только CHW могут обучать людей, но и мы, как поставщики медицинских услуг, можем узнать от CHW о том, во что люди на самом деле верят и что понимают в отношении коронавируса».

«Наш долг — сделать все возможное для наших пациентов и защитить как можно лучше наиболее уязвимых среди нас.”

Янис Орловски, доктор медицины, главный врач AAMC

В UT Health San Antonio руководители работают над такими образовательными мероприятиями, как видео о коронавирусе, и сотрудничают с Альянсом End Stigma End HIV Alliance, чтобы предоставить важную информацию по списку адресов электронной почты из 120 членов. «Пассажиры круизного лайнера Diamond Princess находятся здесь на карантине на базе ВВС, — говорит Тейлор, — и люди в обществе очень нервничали. Некоторые спрашивали: «Почему эти люди остались здесь? Мы в опасности? »Мы смогли использовать существующие сети для распространения точной информации.”

Усилия по обучению и обслуживанию малообеспеченных сообществ лежат в основе академической медицины, отмечает главный врач AAMC Янис Орловски, доктор медицины. «Эта эпидемия испытывает американское общество, и она проверяет всех, кто работает в медицине. Мы не знаем, как все будет плохо, но наш долг — отдать все силы нашим пациентам и защитить как можно лучше самых уязвимых среди нас ».

функциональных химических групп, которые могут стать источником синтеза новых лекарственных препаратов, действующих на центральную нервную систему (ЦНС)

Вступление: Нарушения центральной нервной системы (ЦНС) увеличиваются, возможно, из-за генетических, экологических, социальных и диетических факторов. К сожалению, большое количество препаратов для ЦНС имеет побочные эффекты, такие как привыкание, толерантность, психологическая и физическая зависимость. В связи с этим был проведен поиск в литературе с целью выявления функциональных химических групп, которые могут служить ведущими молекулами для синтеза соединений, которые могут обладать активностью ЦНС.

Методы: Поиск показал, что гетероциклы, содержащие гетероатомы, такие как азот (N), сера (S) и кислород (O), образуют самый большой класс органических соединений.Они заменяют углерод в бензольном кольце с образованием пиридина. Соединения с фураном, тиофеном, пирролом, пиридином, азолом, имидазолом, индолом, пурином, пиримидином, сложными эфирами, карбоновой кислотой, альдегидом, пирилием, пироном, пиродином, барбитуровой кислотой, барбитуратом, хинолином, хинолоном, изохинолином, пикиридинмарином, пиперидин, диазин, карбоксамид, флавоноидный гликозид, оксиндол, аминофенол, бензимидазол, бензоксазол, бензотиазол и химические группы хромона среди других могут оказывать влияние на ЦНС, от депрессии, переходящей через эйфорию, до судорог.

Результаты и заключение: Примеры соединений с функциональными группами включают, но не ограничиваются ими, каменноугольную смолу, пиридостигмин, пралидоксим, хинин, мефлохин, пириламин, пиронаридин, ципрофлоксацин и пироксикам. Некоторые из них могут подвергаться кето-енольной таутомерии. Хиральные амины можно использовать для получения хиральных карбоновых кислот, которые являются компонентами таутомеров.Некоторые таутомеры могут вызывать паркинсонизм и синдром Стивенса Джонсона.

Ключевые слова: Бензольное кольцо; Эффект ЦНС; Синдром Стивенса Джонсона; функциональная группа; гетероатом; паркинсонизм; тиофен.

Передовой опыт и политика по снижению вреда для потребителей

Введение

Частный и государственный секторы все чаще обращаются к системам искусственного интеллекта (ИИ) и алгоритмам машинного обучения для автоматизации простых и сложных процессов принятия решений. 1 Массовая оцифровка данных и новые технологии, которые их используют, разрушают большинство секторов экономики, включая транспорт, розничную торговлю, рекламу, энергетику и другие области. ИИ также оказывает влияние на демократию и управление, поскольку развертываются компьютеризированные системы для повышения точности и повышения объективности государственных функций.

Доступность огромных наборов данных позволила легко получать новые идеи с помощью компьютеров. В результате алгоритмы, представляющие собой набор пошаговых инструкций, которым компьютеры следуют для выполнения задачи, стали более сложными и широко распространенными инструментами для автоматизированного принятия решений. 2 Хотя алгоритмы используются во многих контекстах, мы сосредотачиваемся на компьютерных моделях, которые делают выводы на основе данных о людях, включая их личности, демографические атрибуты, их предпочтения и их вероятное будущее поведение, а также объекты, связанные с ними. 3

«Алгоритмы используют объемы макро- и микроданных, чтобы влиять на решения, влияющие на людей в целом ряде задач, от создания рекомендаций из фильмов до помощи банкам в определении кредитоспособности людей.”

В мире до алгоритмов люди и организации принимали решения о найме, рекламе, вынесении уголовных приговоров и кредитовании. Эти решения часто регулируются федеральными законами, законами штата и местными законами, которые регулируют процессы принятия решений с точки зрения справедливости, прозрачности и беспристрастности. Сегодня некоторые из этих решений полностью принимаются или на них влияют машины, масштаб и статистическая точность которых обещают беспрецедентную эффективность. Алгоритмы используют объемы макро- и микроданных, чтобы влиять на решения, влияющие на людей в целом ряде задач, от создания рекомендаций из фильмов до помощи банкам в определении кредитоспособности людей. 4 В машинном обучении алгоритмы полагаются на несколько наборов данных или обучающих данных, которые определяют, какие выходные данные являются правильными для некоторых людей или объектов. На основе этих обучающих данных он затем изучает модель, которую можно применить к другим людям или объектам, и делать прогнозы о том, какими должны быть правильные выходные данные для них. 5

Однако, поскольку машины могут по-разному обращаться с людьми и объектами, находящимися в одинаковом положении, исследования начинают выявлять некоторые тревожные примеры, когда реальность алгоритмического принятия решений не оправдывает наших ожиданий.Учитывая это, некоторые алгоритмы рискуют воспроизвести и даже усилить человеческие предубеждения, особенно те, которые затрагивают защищенные группы. 6 Например, автоматическая оценка риска, используемая судьями США для определения пределов освобождения под залог и вынесения приговора, может привести к неверным выводам, что приведет к большим совокупным последствиям для определенных групп, таким как более длительные сроки тюремного заключения или более высокие сроки освобождения под залог для цветных.

В этом примере решение порождает «предвзятость» — термин, который мы определяем в широком смысле, поскольку он относится к результатам, которые систематически менее благоприятны для отдельных лиц в определенной группе и где нет существенных различий между группами, оправдывающих такой вред. 7 Предвзятость в алгоритмах может возникать из-за нерепрезентативных или неполных обучающих данных или из-за неверной информации, отражающей историческое неравенство. Если оставить без внимания предвзятые алгоритмы, они могут привести к решениям, которые могут иметь коллективное разрозненное влияние на определенные группы людей даже без намерения программиста проводить различие. Изучение предполагаемых и непредвиденных последствий алгоритмов необходимо и своевременно, особенно потому, что текущая государственная политика может быть недостаточной для выявления, смягчения и устранения последствий для потребителей.

Поскольку алгоритмы используются во множестве приложений, мы утверждаем, что операторы и другие заинтересованные стороны должны проявлять усердие в упреждающем устранении факторов, способствующих предвзятости. Выявление и своевременное реагирование на алгоритмическую предвзятость потенциально может предотвратить вредное воздействие на пользователей и тяжелую ответственность перед операторами и создателями алгоритмов, включая компьютерных программистов, правительство и лидеров отрасли. Эти участники составляют аудиторию ряда предложений по смягчению последствий, которые будут представлены в этом документе, потому что они либо создают, лицензируют, распространяют, либо им поручено регулировать или законодательно закреплять алгоритмическое принятие решений для уменьшения дискриминационных намерений или последствий.

Наше исследование представляет основу для алгоритмической гигиены , которая определяет некоторые конкретные причины предубеждений и использует передовой опыт для их выявления и смягчения. Мы также представляем набор рекомендаций государственной политики, которые способствуют справедливому и этичному развертыванию технологий искусственного интеллекта и машинного обучения.

Этот документ основан на мнениях 40 лидеров мнений из различных академических дисциплин, секторов промышленности и организаций гражданского общества, которые участвовали в одном из двух круглых столов. 8 Участники круглого стола активно обсуждали концепции, связанные с алгоритмическим дизайном, подотчетностью и справедливостью, а также технические и социальные компромиссы, связанные с различными подходами к обнаружению и смягчению предвзятости.

Наша цель — сопоставить проблемы, с которыми программисты и лидеры отрасли сталкиваются при разработке алгоритмов, с проблемами политиков и групп гражданского общества, которые оценивают их последствия. Чтобы сбалансировать инновации искусственного интеллекта и алгоритмов машинного обучения с защитой прав личности, мы представляем набор рекомендаций государственной политики, передовых методов саморегулирования и стратегий, ориентированных на потребителя, которые способствуют справедливому и этичному развертыванию этих технологий. .

Наши рекомендации по государственной политике включают обновление законов о недискриминации и гражданских правах для применения к цифровым технологиям, использование нормативных «песочниц» для стимулирования экспериментов по борьбе с предвзятостью и безопасных гаваней для использования конфиденциальной информации для выявления и смягчения предубеждений. Мы также описываем набор передовых практик саморегулирования, таких как разработка заявления о влиянии предвзятости, инклюзивных принципов проектирования и кросс-функциональных рабочих групп. Наконец, мы предлагаем дополнительные решения, ориентированные на алгоритмическую грамотность пользователей и формальные механизмы обратной связи с группами гражданского общества.

В следующем разделе представлены пять примеров алгоритмов, объясняющих причины и источники их предвзятости. Позже в статье мы обсудим компромиссы между справедливостью и точностью в смягчении алгоритмической предвзятости, за которыми следует надежное предложение передовых практик саморегулирования, рекомендаций государственной политики и ориентированных на потребителей стратегий устранения предвзятости в Интернете. В заключение мы подчеркнем важность упреждающего подхода к ответственному и этичному использованию машинного обучения и других автоматизированных инструментов принятия решений.

Примеры алгоритмических предубеждений

Алгоритмическая предвзятость может проявляться по-разному с разной степенью последствий для исследуемой группы. Рассмотрим следующие примеры, которые иллюстрируют как ряд причин, так и следствий, которые либо непреднамеренно применяют различное лечение к группам, либо намеренно оказывают на них разное воздействие.

Смещение в инструментах онлайн-найма

Интернет-магазин Amazon, в котором 60% сотрудников во всем мире составляют мужчины и где мужчины занимают 74% руководящих должностей в компании, недавно прекратил использование алгоритма найма после обнаружения гендерной предвзятости. 9 Данные, которые инженеры использовали для создания алгоритма, были получены из резюме, отправленных в Amazon за 10-летний период, преимущественно от белых мужчин. Алгоритм был обучен распознавать шаблоны слов в резюме, а не соответствующие наборы навыков, и эти данные сравнивались с преимущественно мужским инженерным отделом компании, чтобы определить, подходит ли кандидат. В результате программа искусственного интеллекта наказывала любое резюме, содержащее слово «женское» в тексте, и понижала рейтинг женщин, посещавших женские колледжи, что приводило к гендерной предвзятости. 10

Amazon прекратил использовать алгоритм найма, обнаружив, что он привел к гендерным предубеждениям при приеме на работу. (Кредит: Брайан Снайдер / Reuters)

Смещение в словесных ассоциациях

Исследователи Принстонского университета использовали готовое программное обеспечение для машинного обучения искусственного интеллекта, чтобы проанализировать и связать 2,2 миллиона слов. Они обнаружили, что европейские имена воспринимались как более приятные, чем имена афроамериканцев, и что слова «женщина» и «девушка» чаще ассоциировались с искусством, а не с наукой и математикой, которые, скорее всего, были связаны с мужчинами. . 11 Анализируя эти словесные ассоциации в данных обучения, алгоритм машинного обучения учел существующие расовые и гендерные предубеждения, проявляемые людьми. Если бы полученные ассоциации этих алгоритмов использовались как часть алгоритма ранжирования поисковой системы или для генерации предложений слов как часть инструмента автозаполнения, это могло бы иметь кумулятивный эффект усиления расовых и гендерных предубеждений.

Смещение в интернет-рекламе

Латанья Суини, исследователь из Гарварда и бывший технический директор Федеральной торговой комиссии (FTC), обнаружила, что поисковые запросы афроамериканцев в Интернете с большей вероятностью возвращали этому человеку рекламу из службы, которая ведет записи об арестах, по сравнению с результаты объявления для белых имен. 12 Ее исследование также показало, что такая же дифференцированная трактовка имела место при микротаргетинге кредитных карт с более высоким процентом и других финансовых продуктов, когда компьютер сделал вывод, что испытуемые были афроамериканцами, несмотря на то, что они имели такое же происхождение, как и белые. 13 Во время публичной презентации на слушаниях в Федеральной торговой комиссии по большим данным Суини продемонстрировал, как веб-сайт, посвященный празднованию столетия черного братства, постоянно получал рекламные предложения о покупке «записей об аресте» или получении кредита с высокой процентной ставкой. карточные предложения. 14

Смещение в технологии распознавания лиц Исследователь

Массачусетского технологического института Джой Буоламвини обнаружила, что алгоритмы трех коммерчески доступных программных систем распознавания лиц не распознают лица с более темной кожей. 15 Как правило, в большинстве наборов данных для обучения распознаванию лиц более 75 процентов составляют мужчины и более 80 процентов — белые. Когда человек на фотографии был белым мужчиной, программа в 99% случаев точно определяла человека как мужчину.Согласно исследованию Буоламвини, процент ошибок продукта для трех продуктов был меньше одного процента в целом, но увеличился до более чем 20 процентов в одном продукте и до 34 процентов в двух других при идентификации темнокожих женщин как женщин. 16 В ответ на результаты анализа лица Буоламвини и IBM, и Microsoft взяли на себя обязательство повысить точность своего программного обеспечения для распознавания лиц с более темной кожей.

Предубеждение в алгоритмах уголовного правосудия

Признание возможности и причин предвзятости — первый шаг в любом подходе к смягчению последствий.

Алгоритм COMPAS (Профилирование исправительных правонарушителей для альтернативных санкций), который используется судьями для прогнозирования того, должны ли обвиняемые быть задержаны или освобождены под залог до суда, был признан предвзятым по отношению к афроамериканцам, согласно отчету ProPublica. 17 Алгоритм присваивает оценку риска вероятности совершения обвиняемым правонарушения в будущем, полагаясь на объемные данные, доступные в записях об арестах, демографические данные обвиняемого и другие переменные.По сравнению с белыми, у которых была одинаковая вероятность повторного совершения преступления, афроамериканцы с большей вероятностью получали более высокий балл риска, что приводило к более длительным срокам содержания под стражей в ожидании суда. 18 Northpointe, фирма, которая продает результаты алгоритма, предлагает доказательства для опровержения таких утверждений и утверждает, что для оценки справедливости продукта используются неверные метрики — тема, к которой мы вернемся позже в статье.

Хотя эти примеры предвзятости не являются исчерпывающими, они предполагают, что эти проблемы являются эмпирической реальностью, а не просто теоретическими проблемами.Они также иллюстрируют, как эти результаты возникают, и в некоторых случаях без злого умысла со стороны создателей или операторов алгоритма. Признание возможности и причин предвзятости — первый шаг в любом подходе к смягчению последствий. По этому поводу участник круглого стола Рикардо Баеза-Ятс из NTENT заявил, что «[компании] по-прежнему будут иметь проблемы с обсуждением алгоритмической предвзятости, если они не будут ссылаться на саму фактическую предвзятость».

Причины предвзятости

Барокас и Селбст отмечают, что предвзятость может закрасться на всех этапах проекта: «… будь то определение проблемы, которую необходимо решить таким образом, чтобы по-разному воздействовать на классы, неспособность распознать или устранить статистические предубеждения, воспроизвести прошлые предрассудки или рассмотреть недостаточно богатый набор факторов.” 19 Участники круглого стола сосредоточили особое внимание на предвзятости, возникающей из-за недостатков данных, используемых для обучения алгоритмов. «Некорректные данные — большая проблема, — заявила участница круглого стола Люси Вассерман из Google, — особенно для групп, над защитой которых прилагают все усилия». Хотя причин много, мы сосредоточимся на двух из них: исторических человеческих предубеждения, и неполных или нерепрезентативных данных, .

Исторические человеческие предубеждения

Исторические человеческие предубеждения сформированы широко распространенными и часто глубоко укоренившимися предубеждениями против определенных групп, которые могут привести к их воспроизведению и усилению в компьютерных моделях.В алгоритме COMPAS, если афроамериканцы с большей вероятностью будут арестованы и заключены в тюрьму в США из-за исторического расизма, неравенства в полицейской практике или других неравенств в системе уголовного правосудия, эти реалии будут отражены в данных обучения и использованы вносить предложения о задержании подсудимого. Если в модель учесть исторические предубеждения, она будет делать такие же неверные суждения, как и люди.

Алгоритм приема на работу Amazon выявил аналогичную траекторию, когда мужчины были эталоном профессиональной «пригодности», что привело к снижению рейтинга кандидатов-женщин и их характеристик.Эти исторические реалии часто отражаются в разработке и исполнении алгоритмов, и они усугубляются отсутствием разнообразия, которое существует в областях компьютерной науки и науки о данных. 20

Кроме того, человеческие предубеждения могут усиливаться и сохраняться без ведома пользователя. Например, афроамериканцы, которые в первую очередь являются мишенью для опционов по кредитным картам с высокой процентной ставкой, могут обнаружить, что нажимают на этот тип рекламы, не осознавая, что они будут продолжать получать такие хищные онлайн-предложения.В этом и других случаях алгоритм может никогда не накапливать противоречащие фактам рекламные предложения (например, варианты кредитования с более низкой процентной ставкой), которые потребитель мог бы иметь право и предпочел. Таким образом, разработчикам алгоритмов и операторам важно следить за такими потенциальными петлями отрицательной обратной связи, которые со временем приводят к усилению предвзятости алгоритма.

Неполные или нерепрезентативные данные обучения

Недостаток обучающих данных — еще одна причина алгоритмической ошибки.Если данные, используемые для обучения алгоритма, более репрезентативны для одних групп людей, чем для других, прогнозы модели также могут быть систематически хуже для непредставленных или недостаточно представительных групп. Например, в экспериментах Буоламвини по анализу лиц плохое распознавание лиц с более темной кожей было в значительной степени из-за их статистической недопредставленности в данных обучения. То есть алгоритм предположительно уловил определенные черты лица, такие как расстояние между глазами, форма бровей и вариации оттенков кожи лица, как способы обнаружения мужских и женских лиц.Однако черты лица, которые были более репрезентативными в данных обучения, не были столь разнообразными и, следовательно, менее надежными для различения цвета лица, что даже приводило к ошибочной идентификации темнокожих женщин как мужчин.

Тернер Ли утверждал, что часто отсутствие разнообразия среди программистов, разрабатывающих обучающую выборку, может приводить к недопредставлению конкретной группы или конкретных физических атрибутов. 21 Выводы Буоламвини были связаны с ее тщательностью в тестировании, выполнении и оценке различных проприетарных программ для анализа лица в различных условиях, исправляя отсутствие разнообразия в их выборках.

И наоборот, алгоритмы со слишком большим объемом данных или избыточным представлением могут склонить решение к конкретному результату. Исследователи из Джорджтаунской школы права обнаружили, что около 117 миллионов взрослых американцев участвуют в сетях распознавания лиц, используемых правоохранительными органами, и что афроамериканцы с большей вероятностью будут выделены в первую очередь из-за их избыточной представленности в базах данных фотографов. 22 Следовательно, у афроамериканцев было больше возможностей для ложного сопоставления, что произвело предвзятый эффект.

Стратегии обнаружения смещения

Понимание различных причин предубеждений — первый шаг к внедрению эффективной алгоритмической гигиены. Но как операторы алгоритмов могут оценить, действительно ли их результаты предвзяты? Даже когда ошибки в обучающих данных исправлены, результаты все равно могут быть проблематичными, потому что контекст имеет значение на этапе обнаружения смещения.

«Даже когда ошибки в обучающих данных исправлены, результаты все равно могут быть проблематичными, потому что контекст имеет значение на этапе обнаружения смещения.”

Во-первых, все подходы к обнаружению должны начинаться с осторожного обращения с конфиденциальной информацией пользователей, включая данные, идентифицирующие членство человека в группе, защищенной на федеральном уровне (например, раса, пол). В некоторых случаях операторы алгоритмов могут также беспокоиться о принадлежности человека к какой-либо другой группе, если они также подвержены несправедливым результатам. Примером этого могут быть сотрудники приемных комиссий колледжей, обеспокоенные тем, что алгоритм исключает абитуриентов из малообеспеченных или сельских районов; это люди, которые могут не находиться под защитой государства, но подвержены определенному ущербу (например,г., финансовые затруднения).

В первом случае системная предвзятость в отношении защищенных классов может привести к коллективным, разрозненным воздействиям , которые могут иметь основу для юридически признанного вреда, такого как отказ в предоставлении кредита, расовое профилирование в Интернете или массовое наблюдение. 23 В последнем случае результаты алгоритма могут давать неравных результата, или неравные частоты ошибок для разных групп, но они не могут нарушать законодательные запреты, если не было намерения проводить различие.

Эти проблемные результаты должны привести к дальнейшему обсуждению и осознанию того, как алгоритмы работают с конфиденциальной информацией, а также к компромиссам в отношении справедливости и точности моделей.

Алгоритмы и конфиденциальная информация

Хотя интуитивно привлекательно думать, что алгоритм может не замечать чувствительные атрибуты, это не всегда так. 24 Критики указали, что алгоритм может классифицировать информацию на основе онлайн-прокси для чувствительных атрибутов, создавая предубеждение против группы даже без принятия решений, непосредственно основанных на членстве в этой группе.Барокас и Селбст определяют онлайн-прокси как «факторы, используемые в процессе оценки алгоритма, которые являются просто заменой для защищенных групп, например, почтовый индекс в качестве заместителей для расы или рост и вес в качестве заместителей для пола». 25 Они утверждают, что прокси-серверы, часто связанные с алгоритмами, могут приводить как к ошибкам, так и к дискриминационным результатам, например, в случаях, когда почтовый индекс используется для определения решений о цифровом кредитовании или гонка приводит к разным результатам. 26 Рекламная платформа Facebook содержала прокси-серверы, которые позволяли продавцам жилья микротаргетировать предпочтительных арендаторов и покупателей, щелкая по точкам данных, включая предпочтения по почтовому индексу. 27 Таким образом, возможно, что алгоритм, который полностью игнорирует чувствительный атрибут, может фактически дать тот же результат, что и алгоритм, который использует атрибут дискриминационным образом.

«Хотя интуитивно привлекательно думать, что алгоритм может не замечать чувствительные атрибуты, это не всегда так».

Например, Amazon приняла корпоративное решение исключить определенные районы из своей системы доставки Prime в тот же день. Их решение основывалось на следующих факторах: имел ли конкретный почтовый индекс достаточное количество членов Prime, находился ли рядом со складом и имелось ли достаточное количество людей, желающих доставить по этому почтовому индексу. 28 Хотя эти факторы соответствовали модели рентабельности компании, они привели к исключению бедных, преимущественно афроамериканских кварталов, преобразовав эти данные в прокси для расовой классификации. Результаты, даже непреднамеренные, дискриминировали расовые и этнические меньшинства, которые не были включены.

Точно так же алгоритм сопоставления вакансий может не получать поле пола в качестве входных данных, но он может давать разные оценки соответствия для двух резюме, которые отличаются только заменой имени «Мэри» на «Марк», потому что алгоритм обучен проводите эти различия с течением времени.

Есть также аргументы в пользу того, что закрытие алгоритма для чувствительных атрибутов может вызвать алгоритмическое смещение в некоторых ситуациях. Корбетт-Дэвис и Гоэл в своем исследовании алгоритма COMPAS отмечают, что даже после учета «законных» факторов риска эмпирически установлено, что женщины реже совершают повторные правонарушения, чем мужчины, во многих юрисдикциях. 29 Если алгоритму запрещено сообщать разные баллы оценки риска для двух обвиняемых по уголовным делам, различающихся только по полу, судьи могут с меньшей вероятностью освободить обвиняемых-женщин, чем обвиняемых-мужчин, с равными фактическими рисками совершения другого преступления до суда.Таким образом, исключение алгоритма из любого типа чувствительного атрибута не может устранить систематическую ошибку.

Хотя участники круглого стола не пришли к единому мнению об использовании онлайн-прокси в моделировании, они в основном согласились с тем, что операторы алгоритмов должны быть более прозрачными при обращении с конфиденциальной информацией, особенно если потенциальный прокси-сервер сам по себе может наносить юридический классификационный ущерб. 30 Также обсуждалось, что использование чувствительных атрибутов как часть алгоритма может быть стратегией для обнаружения и, возможно, устранения преднамеренных и непреднамеренных предубеждений.Поскольку в настоящее время это может быть ограничено правилами конфиденциальности, такими как Общие правила защиты данных Европейского Союза (GDPR) или предлагаемое федеральное законодательство США о конфиденциальности, можно привести аргумент в пользу использования нормативных песочниц и безопасных гаваней, чтобы разрешить использование конфиденциальных данных. информация при выявлении и устранении предубеждений, которые будут представлены в рамках наших рекомендаций по политике.

Обнаружение смещения

При обнаружении систематической ошибки компьютерные программисты обычно проверяют набор выходных данных, создаваемых алгоритмом, на предмет аномальных результатов.Сравнение результатов для разных групп может быть полезным первым шагом. Это можно сделать даже с помощью моделирования. Участник круглого стола Рич Каруана из Microsoft предложил компаниям рассмотреть возможность моделирования прогнозов (как истинных, так и ложных), прежде чем применять их к реальным сценариям. «Нам почти необходим вторичный процесс сбора данных, потому что иногда модель [выдает] нечто совершенно иное», — поделился он. Например, если средний балл алгоритма подбора вакансий для мужчин-кандидатов выше, чем для женщин, может потребоваться дальнейшее исследование и моделирование.

Однако обратная сторона этих подходов состоит в том, что не все неравные результаты несправедливы. Участник круглого стола Солон Барокас из Корнельского университета резюмировал это, сказав: «Может быть, мы обнаружим, что у нас есть очень точная модель, но она все равно дает несопоставимые результаты. Это может быть прискорбно, но справедливо ли это? » Альтернативой учету неравных результатов может быть рассмотрение равенства частот ошибок и того, больше ли ошибок у одной группы людей, чем у другой.По этому поводу Изабель Клуманн из Facebook поделилась, что «у общества есть ожидания. Одно из них не заключается в непропорциональном заключении в тюрьму одной группы меньшинства [в результате алгоритма] ».

Как показали дебаты вокруг алгоритма COMPAS, даже коэффициент ошибок не является простой лакмусовой бумажкой для смещенных алгоритмов. Компания Northpointe, разработавшая алгоритм COMPAS, опровергает утверждения о расовой дискриминации. Они утверждают, что среди обвиняемых, которым присвоен одинаковый высокий рейтинг риска, афроамериканцы и белые обвиняемые имеют почти равные уровни рецидивизма, так что по этой оценке нет ошибки в решении алгоритма. 31 По их мнению, судьи могут рассматривать свой алгоритм без какой-либо ссылки на гонку в решениях об освобождении под залог и освобождении под залог.

Как правило, невозможно иметь одинаковую частоту ошибок между группами для всех разных частот ошибок. 32 ProPublica сосредоточилась на одном уровне ошибок, а Northpointe — на другом. Таким образом, необходимо установить некоторые принципы, для которых частота ошибок должна быть уравновешена в каких ситуациях, чтобы быть справедливыми.

Алгоритм COMPAS, который используется судьями для прогнозирования того, должны ли обвиняемые быть задержаны или освобождены под залог до суда, привлек внимание к заявлениям о потенциальной расовой дискриминации.(Фото: Стивен Лам / Reuters)

Однако различение того, как алгоритм работает с конфиденциальной информацией, и потенциальных ошибок может быть проблематичным для операторов алгоритмов, политиков и групп гражданского общества. 33 «Компании потеряют много, если мы не будем проводить различие между ними», — сказала Джули Брилл из Microsoft. По крайней мере, участники круглого стола согласились с тем, что алгоритмы не должны увековечивать историческое неравенство и что необходимо проделать дополнительную работу для решения проблемы онлайн-дискриминации. 34

Компромиссы справедливости и точности

Далее необходимо обсуждение компромиссов и этики. Здесь следует сосредоточить внимание на оценке как социальных представлений о «справедливости», так и возможных социальных издержек. В своем исследовании алгоритма COMPAS Корбетт-Дэвис, Гоэль, Пирсон, Феллер и Хук видят «внутреннее противоречие между минимизацией насильственных преступлений и удовлетворением общих представлений о справедливости». 35 Они пришли к выводу, что оптимизация с точки зрения общественной безопасности приводит к решениям, которые наказывают цветных подсудимых, удовлетворяя при этом определениям правовой и социальной справедливости, и может привести к большему количеству освобождений подсудимых с высоким риском, что отрицательно скажется на общественной безопасности. 36 Более того, негативное влияние на общественную безопасность может непропорционально сильно повлиять на афроамериканские и белые районы, что также приведет к издержкам справедливости.

Если цель состоит в том, чтобы избежать усиления неравенства, что же тогда должны делать разработчики и операторы алгоритмов, чтобы смягчить потенциальные предубеждения? Мы утверждаем, что разработчики алгоритмов должны сначала найти способы уменьшить неравенство между группами, не жертвуя общей производительностью модели, особенно когда кажется, что существует компромисс.

Несколько участников круглого стола утверждали, что существуют возможности для повышения справедливости и точности алгоритмов. Для программистов исследование очевидных ошибок в программном обеспечении может выявить, почему модель не была максимальной для общей точности. Устранение этих ошибок может повысить общую точность. Наборы данных, которые могут быть недостаточно репрезентативными для определенных групп, могут потребовать дополнительных обучающих данных для повышения точности принятия решений и уменьшения несправедливых результатов.Эксперименты Буоламвини по распознаванию лиц являются хорошими примерами такого подхода к справедливости и точности.

Участница круглого стола Сара Холланд из Google указала на толерантность к риску, связанную с подобными компромиссами, когда она поделилась, что «повышение риска также связано с поднятием вопросов справедливости». Таким образом, компании и другие операторы алгоритмов должны определить, оправданы ли социальные издержки компромиссов, вовлечены ли заинтересованные стороны в решение с помощью алгоритмов или необходимы ли люди, принимающие решения, для разработки решения.

Этические рамки имеют значение

В основе этих компромиссов в отношении справедливости и точности должно быть обсуждение этических рамок и потенциальных препятствий для задач и систем машинного обучения. В настоящее время предпринимаются несколько текущих и недавних международных и базирующихся в США усилий по разработке стандартов этического управления при использовании ИИ. 37 Ожидается, что в ближайшее время Организация экономического сотрудничества и развития (ОЭСР), состоящая из 35 членов, опубликует свои собственные руководящие принципы этического ИИ. 38 Европейский Союз недавно выпустил «Руководящие принципы этики для надежного ИИ», в которых выделяются семь принципов управления: (1) человеческое вмешательство и надзор, (2) техническая надежность и безопасность, (3) конфиденциальность и управление данными, (4) прозрачность , (5) разнообразие, недискриминация и справедливость, (6) экологическое и социальное благополучие и (7) ответственность. 39 Этические рамки ЕС отражают четкий консенсус в отношении того, что «несправедливо проводить дискриминацию — неэтично». В рамках этих руководящих принципов государства-члены связывают разнообразие и недискриминацию с принципами справедливости, обеспечивая включение и разнообразие на протяжении всего жизненного цикла системы искусственного интеллекта.Их принципы интерпретируют справедливость через призму равного доступа, инклюзивных процессов проектирования и равного обращения.

Тем не менее, даже несмотря на эти правительственные усилия, все еще на удивление сложно определить и измерить справедливость. 40 Хотя не всегда возможно удовлетворить все понятия справедливости одновременно, компании и другие операторы алгоритмов должны знать, что не существует простой метрики для измерения справедливости, которую может применить инженер-программист, особенно при проектировании. алгоритмов и определение соответствующих компромиссов между точностью и справедливостью.Справедливость — это человеческая, а не математическая решимость, основанная на общих этических убеждениях. Таким образом, алгоритмические решения, которые могут иметь серьезные последствия для людей, потребуют участия человека.

Например, хотя расхождения в обучающих данных в алгоритме COMPAS можно исправить, человеческая интерпретация справедливости все еще имеет значение. По этой причине, хотя такой алгоритм, как КОМПАС, может быть полезным инструментом, он не может заменить принятие решений, которое остается на усмотрение человеческого арбитра. 41 Мы считаем, что тщательное тестирование алгоритма может поставить под сомнение различные определения справедливости, что является полезным упражнением для компаний и других операторов алгоритмов.

«Для операторов и разработчиков алгоритмов важно всегда спрашивать себя: оставим ли мы некоторые группы людей хуже в результате конструкции алгоритма или его непредвиденных последствий?

При принятии решения о создании и выводе алгоритмов на рынок необходимо учитывать этику вероятных результатов, особенно в тех областях, где правительства, гражданское общество или политики видят потенциал нанесения ущерба и где существует риск сохранения существующих предубеждений или принятия защищенных группы, более уязвимые к существующему социальному неравенству.Вот почему для операторов и разработчиков алгоритмов важно всегда спрашивать себя: Оставим ли мы некоторые группы людей в худшем положении в результате конструкции алгоритма или его непредвиденных последствий?

Мы предлагаем, чтобы этот вопрос был одним из многих, которые создатели и операторы алгоритмов должны учитывать при разработке, выполнении и оценке алгоритмов, которые описаны в следующих предложениях по смягчению последствий. Наше первое предложение касается обновления U.S. Законы о недискриминации применимы к цифровому пространству.

Предложения по смягчению последствий


Законы о недискриминации и другие законы о гражданских правах должны быть обновлены, чтобы интерпретировать и компенсировать разрозненные воздействия в Интернете

Чтобы завоевать доверие политиков, программисты, компании и другие операторы алгоритмов должны соблюдать законы и постановления США, которые в настоящее время запрещают дискриминацию в общественных местах. Исторически сложилось так, что законы и постановления о недискриминации недвусмысленно определяют пороговые значения и параметры для несопоставимого отношения к защищаемым классам.Закон о гражданских правах 1964 года «запрещает дискриминацию по признаку пола, а также расы при приеме на работу, продвижении по службе и увольнении». Закон о справедливом жилищном обеспечении 1968 года запрещает дискриминацию классов, находящихся под федеральной защитой, при продаже, аренде и финансировании жилья, а также в других сделках, связанных с жильем. Принятый в 1974 г. Закон о равных возможностях кредита запрещает кредитору дискриминировать любого заявителя по кредитным операциям любого типа на основании защищенных характеристик. Хотя эти законы не обязательно смягчают и устраняют другие неявные или неосознанные предубеждения, которые могут быть заложены в алгоритмы, компании и другие операторы должны избегать нарушения этих установленных законом ограничений при разработке алгоритмов, а также смягчать их неявную озабоченность по поводу предотвращения прошлой дискриминации. продолжая.

Участница круглого стола Венди Андерсон из офиса конгрессмена Вэл Демингс заявила: «[Типично] законодатели слышат только тогда, когда происходит что-то плохое. Нам нужно найти способ защитить тех, кто в этом нуждается, не подавляя при этом инновации ». Конгресс может разъяснить, как эти законы о недискриминации применяются к типам жалоб, недавно обнаруженных в цифровом пространстве, поскольку большинство этих законов были написаны до появления Интернета. 42 Такое законодательное действие может обеспечить более четкие ограничения, которые срабатывают, когда алгоритмы способствуют юридически признанному ущербу.Более того, когда создатели и операторы алгоритмов понимают, что это могут быть более или менее не подлежащие обсуждению факторы, технический дизайн будет более продуманным, отойдя от моделей, которые могут вызывать и усугублять явную дискриминацию, например, рамки дизайна, которые исключают, а не включают определенные входы или не проверяются на предвзятость. 43

Операторы алгоритмов должны разработать отчет о влиянии смещения

После того, как идея алгоритма была проверена на соответствие законам о недискриминации, мы предлагаем операторам алгоритмов разработать заявление о влиянии предвзятости, которое мы предлагаем в качестве шаблона вопросов, которые можно гибко применять, чтобы направлять их через проектирование, реализацию и мониторинг. фазы.

В качестве практики саморегулирования заявление о влиянии смещения может помочь исследовать и предотвратить любые потенциальные смещения, которые заложены в алгоритмическом решении или являются его результатом. В качестве передовой практики операторы алгоритмов должны провести мозговой штурм по основному набору исходных предположений о цели алгоритма до его разработки и выполнения. Мы предлагаем, чтобы операторы применяли заявление о влиянии смещения для оценки цели, процесса и производства алгоритма, где это уместно.Участники круглого стола также отметили важность создания кросс-функциональной и междисциплинарной команды для создания и реализации заявления о влиянии предвзятости.

  • Институт AI Now Нью-Йоркского университета

Институт AI Now при Нью-Йоркском университете уже представил структуру модели, которую правительственные органы могут использовать для создания алгоритмических оценок воздействия (AIA), которые оценивают потенциальные пагубные последствия алгоритма таким же образом, как окружающая среда, конфиденциальность, данные или права человека. заявления о воздействии. 44 Хотя могут быть различия в реализации, учитывая тип прогнозной модели, AIA включает в себя несколько раундов проверки внутренней, внешней и общественной аудиторией. Во-первых, предполагается, что после этого обзора компания с помощью более технических внешних экспертов разработает список потенциального вреда или предвзятости в своей самооценке. Во-вторых, если кажется, что произошла предвзятость, AIA требует, чтобы уведомление было направлено затронутым группам населения, и открывается период комментариев для ответа.В-третьих, процесс AIA рассчитывает на то, что федеральные и другие организации поддержат право пользователей оспаривать алгоритмические решения, которые кажутся несправедливыми.

Хотя процесс AIA поддерживает существенную петлю обратной связи, может отсутствовать как необходимая предусмотрительность, ведущая к решению, так и надзор за положениями алгоритма. Более того, предлагаемое нами заявление о влиянии предвзятости начинается с структуры, которая определяет , какие автоматизированных решений должны быть подвергнуты такой проверке, стимулированию операторов и взаимодействию с заинтересованными сторонами.

  • Какие автоматизированные решения?

В случае определения того, какие автоматизированные решения требуют такой проверки, операторы алгоритмов должны начинать с вопросов о том, будет ли возможен отрицательный или непреднамеренный результат в результате алгоритма, для кого и серьезность последствий для членов затронутых группа, если не обнаружена и не устранена. Анализ установленных правовых средств защиты в отношении справедливого жилья, занятости, кредита, уголовного правосудия и здравоохранения должен служить отправной точкой для определения того, какие решения следует рассматривать с особой осторожностью при разработке и тестировании любого алгоритма, используемого для прогнозирования результатов или принятия важных решений о соответствии критериям отбора. о доступе к пособию.Это особенно верно, учитывая правовые предписания против использования данных, которые могут иметь разрозненное воздействие на защищаемый класс или другой установленный ущерб. Таким образом, мы предлагаем операторам постоянно ставить под сомнение потенциальные правовые, социальные и экономические последствия и потенциальные обязательства, связанные с этим выбором, при определении того, какие решения следует автоматизировать и как автоматизировать их с минимальными рисками.

  • Каковы стимулы для пользователей?

Поощрения также должны побуждать организации к активному устранению алгоритмической предвзятости.И наоборот, операторы, которые создают и внедряют алгоритмы, обеспечивающие более справедливые результаты, также должны быть признаны политиками и потребителями, которые будут больше доверять им в своей практике. Когда компании применяют эффективную алгоритмическую гигиену до, во время и после внедрения алгоритмического принятия решений, они должны быть вознаграждены и, возможно, публично признаны за передовой опыт.

  • Как вовлекаются заинтересованные стороны?

Наконец, последний элемент, инкапсулированный в заявлении о влиянии смещения, должен включать участие заинтересованных сторон, которые могут помочь компьютерным программистам в выборе входных и выходных данных для определенных автоматизированных решений.«Технология успешна, когда пользователи понимают продукт лучше, чем его дизайнеры», — сказал Рич Каруана из Microsoft. Вовлечение пользователей на раннем этапе и на протяжении всего процесса приведет к усовершенствованию алгоритмов, что в конечном итоге приведет к улучшению взаимодействия с пользователем.

Обязанности заинтересованных сторон могут также распространяться на организации гражданского общества, которые могут внести вклад в обсуждение структуры алгоритма. «Компании [должны] привлекать гражданское общество», — поделилась Миранда Боген из Upturn. «В противном случае они пойдут со своими жалобами в прессу и регулирующие органы.«Возможным решением для операторов алгоритмов могло бы стать создание консультативного совета организаций гражданского общества, который, работая вместе с компаниями, может быть полезным при определении объема процедуры и прогнозирования предубеждений на основе их базового опыта.

  • Шаблон отчета о воздействии смещения

Эти три основополагающих элемента для заявления о влиянии смещения отражены в дискретном наборе вопросов, на которые операторы должны ответить на этапе проектирования, чтобы отфильтровать потенциальные смещения (таблица 1).В качестве основы саморегулирования компьютерные программисты и другие операторы алгоритмов могут создать этот тип инструмента до разработки и выполнения модели.

Таблица 1. Шаблон вопросов для оформления отчета о влиянии систематической ошибки
Что будет делать автоматизированное решение?
Кто является аудиторией алгоритма и кого он больше всего затронет?
Есть ли у нас данные для обучения, чтобы делать правильные прогнозы относительно решения?
Достаточно ли разнообразны и надежны обучающие данные? Каков жизненный цикл данных алгоритма?
Какие группы нас беспокоят, когда речь идет об ошибках в обучающих данных, несопоставимой обработке и влиянии?
Как будет обнаруживаться потенциальная систематическая ошибка?
Как и когда будет протестирован алгоритм? Кто будет объектами тестирования?
Каким будет порог для измерения и коррекции систематической ошибки в алгоритме, особенно в отношении защищенных групп?
Каковы стимулы для операторов?
Что мы получим при разработке алгоритма?
Каковы потенциально плохие результаты и как мы узнаем об этом?
Как открыть (e.g., в коде или намерении) будем ли мы передавать процесс разработки алгоритма внутренним партнерам, клиентам и заказчикам?
Какое вмешательство будет предпринято, если мы предскажем, что могут быть плохие результаты, связанные с разработкой или развертыванием алгоритма?
Как вовлекаются другие заинтересованные стороны?
Какова обратная связь алгоритма для разработчиков, внутренних партнеров и клиентов?
Участвуют ли организации гражданского общества в разработке алгоритма?
Было ли учтено разнообразие при проектировании и исполнении?
Будет ли алгоритм влиять на культурные группы и по-разному действовать в культурном контексте?
Достаточно ли представительна группа разработчиков, чтобы уловить эти нюансы и спрогнозировать применение алгоритма в различных культурных контекстах? Если нет, то какие шаги предпринимаются, чтобы сделать эти сценарии более заметными и понятными для дизайнеров?
Достаточно ли разнообразны обучающие данные с учетом цели алгоритма?
Существуют ли законодательные ограничения, которые компании должны учитывать, чтобы гарантировать, что алгоритм является как законным, так и этичным?

Разнообразие дизайна

Операторы алгоритмов должны также учитывать роль разнообразия в своих рабочих группах, данные обучения и уровень культурной чувствительности в своих процессах принятия решений.Предварительное использование разнообразия при разработке алгоритмов вызовет и потенциально предотвратит пагубные дискриминационные последствия для определенных защищаемых групп, особенно расовых и этнических меньшинств. Хотя непосредственные последствия предвзятости в этих областях могут быть небольшими, огромное количество цифровых взаимодействий и выводов может составить новую форму системной предвзятости. Следовательно, операторы алгоритмов не должны сбрасывать со счетов возможность или преобладание предвзятости и должны стремиться к тому, чтобы для разработки алгоритма использовались разнообразные кадры, интеграция инклюзивных пространств в свои продукты или использование «разнообразия в дизайне», когда преднамеренные и прозрачные действия будут быть приняты для обеспечения того, чтобы культурные предубеждения и стереотипы были устранены заблаговременно и надлежащим образом.Добавление инклюзивности в дизайн алгоритма может потенциально проверить культурную инклюзивность и чувствительность алгоритмов для различных групп и помочь компаниям избежать того, что может быть спорным и затруднительным алгоритмическим результатом.

Заявление о влиянии смещения не должно быть исчерпывающим инструментом. Для алгоритмов, ставящих на карту больше, постоянный анализ их выполнения должен быть включен в процесс. Цель здесь — отслеживать разрозненные воздействия модели, граничащие с неэтичным, несправедливым и несправедливым принятием решений.Когда процесс определения и прогнозирования цели алгоритма будет достигнут, надежная петля обратной связи поможет в обнаружении предвзятости, что приводит к следующей рекомендации, продвигающей регулярные аудиты.

Другая передовая практика саморегулирования


Операторы алгоритмов должны регулярно проводить аудит на предмет систематической ошибки

Формальный и регулярный аудит алгоритмов для проверки смещения — еще одна передовая практика для обнаружения и смягчения смещения. О важности этих аудитов участник круглого стола Джон Клейнберг из Корнельского университета поделился, что «у алгоритма нет другого выбора, кроме как заранее продумать».«Аудиты побуждают анализировать как входные данные, так и выходные решения, и, когда они проводятся сторонним оценщиком, они могут дать представление о поведении алгоритма. Хотя для некоторых аудитов могут потребоваться технические знания, это не всегда так. Программное обеспечение для распознавания лиц, которое ошибочно идентифицирует цветных людей в большей степени, чем белых, является случаем, когда заинтересованное лицо или пользователь может определить предвзятые результаты, ничего не зная о том, как алгоритм принимает решения. «Мы должны ожидать, что компьютеры будут иметь контрольный след», — поделилась участница круглого стола Миранда Боген из Upturn.Разработка регулярного и тщательного аудита данных, собранных для алгоритмической работы, наряду с ответами разработчиков, гражданского общества и других лиц, на которых влияет алгоритм, позволит лучше выявить и, возможно, предотвратить предвзятость.

«Разработка регулярного и тщательного аудита данных, собранных для алгоритмической работы, наряду с ответами разработчиков, гражданского общества и других лиц, на которых влияет алгоритм, позволит лучше выявить и, возможно, предотвратить предвзятость».

Опыт государственных служащих округа Аллегейни свидетельствует о важности аудита третьей стороной.В 2016 году Департамент социальных служб запустил инструмент поддержки принятия решений — Allegheny Family Screening Tool (AFST), чтобы получить оценку, по которой дети, скорее всего, будут выселены из своих домов в течение двух лет или будут повторно направлены в больницу. окружное управление по защите детей в связи с подозрением в жестоком обращении. Округ взял на себя ответственность за использование инструмента, работал совместно с разработчиком и заказал независимую оценку его прямого и косвенного воздействия на процесс проверки на жестокое обращение, включая точность решений, рабочую нагрузку и последовательность.Должностные лица округа также запросили у экспертов дополнительное независимое исследование, чтобы определить, дискриминирует ли программное обеспечение определенные группы. В 2017 году результаты действительно выявили некоторые статистические диспропорции с более высоким уровнем ошибок по расовым и этническим группам. Белые дети, у которых был самый высокий риск жестокого обращения, с меньшей вероятностью были удалены из дома по сравнению с афроамериканскими детьми с аналогичными оценками риска. 45 Округ отреагировал на эти выводы в рамках перестройки инструмента, и в ноябре 2018 года была внедрена вторая версия. 46

Facebook недавно завершил аудит гражданских прав, чтобы определить, как он справляется с проблемами и отдельными лицами из защищенных групп. 47 После раскрытия того, как платформа решала различные проблемы, включая подавление избирателей, модерацию контента, конфиденциальность и разнообразие, компания взяла на себя обязательство провести обновленный аудит своей внутренней инфраструктуры для рассмотрения жалоб, связанных с нарушением гражданских прав, и решения проблем разнообразия в дизайн своей продукции по умолчанию. Недавние действия Facebook по запрету белого националистического контента или борьбе с кампаниями по дезинформации являются одними из результатов этих усилий. 48

Операторы алгоритмов должны полагаться на межфункциональные рабочие группы и опыт

Участники круглого стола в целом признали идею о том, что организации должны использовать межфункциональные команды. Но движение в этом направлении может быть затруднено в уже разрозненных организациях, несмотря на технические, социальные и, возможно, юридические последствия, связанные с разработкой и исполнением алгоритма. Не все решения потребуют такого анализа между группами, но когда эти решения несут риск реального вреда, их следует использовать.Для снижения предвзятости и управления рисками, связанными с алгоритмом, совместные рабочие группы могут компенсировать слепые пятна, которые часто упускаются в небольших, сегментированных беседах и обзорах. Объединение экспертов из различных отделов, дисциплин и секторов поможет разработать стандарты и стратегии подотчетности для смягчения предубеждений в Интернете, в том числе в инженерном, юридическом, маркетинговом, стратегическом и коммуникационном направлениях.

Межфункциональные рабочие группы — независимо от того, руководят ли они внутренними или внешними экспертами — могут попытаться выявить предвзятость до и во время развертывания модели.Кроме того, партнерство между частным сектором, академическими кругами и организациями гражданского общества также может способствовать большей прозрачности в применении ИИ в различных сценариях, особенно тех, которые влияют на защищенные классы или распространяются в общественных интересах. Кейт Кроуфорд, исследователь ИИ и основатель AI Now Partnership, предположила, что «замкнутые циклы не открыты для алгоритмического аудита, обзора или публичного обсуждения», потому что они обычно усугубляют проблемы, которые они пытаются решить. 49 Далее по этому поводу участница круглого стола Наташа Дуарте из Центра демократии и технологий обратилась к проблеме Аллегени, сказав: «[C] компании должны быть более открытыми при описании ограничений своих технологий, а правительство должно знать, какие вопросы спрашивать в своих оценках », что говорит о важности более тесного сотрудничества в этой области.

Увеличить участие человека в разработке и мониторинге алгоритмов

Даже с учетом всех перечисленных выше мер предосторожности все же существует определенный риск того, что алгоритмы будут принимать необъективные решения.Люди будут продолжать играть роль в выявлении и исправлении предвзятых результатов еще долгое время после того, как алгоритм будет разработан, протестирован и запущен. Хотя больше данных может использоваться для автоматизированного принятия решений, этот процесс должен дополнять, а не полностью заменять человеческое суждение. Участник круглого стола Алекс Пейсахович из Facebook поделился: «Нам не нужно устранять модераторов-людей. Нам нужно нанять больше сотрудников и заставить их сосредоточиться на крайних случаях ». Такое мнение становится все более важным в этой области, поскольку сравнительные преимущества людей и алгоритмов становятся более различимыми, а использование того и другого улучшает результаты для онлайн-пользователей.

Люди будут продолжать играть роль в выявлении и исправлении предвзятых результатов еще долгое время после того, как алгоритм будет разработан, протестирован и запущен. (Фото: Gabrielle Lurie / Reuters)

Однако последствия для конфиденциальности возникнут, когда больше людей будет участвовать в управлении алгоритмами, особенно если при создании модели или при проверке предсказаний алгоритма на предмет предвзятости задействована более конфиденциальная информация. Время проведения круглых столов, которое также произошло в связи с принятием GDPR в ЕС, говорит о необходимости усиления принципов конфиденциальности потребителей, при которых пользователи имеют право выбирать, какими данными они хотят делиться с компаниями.Поскольку в настоящее время в США обсуждается необходимость принятия федерального законодательства о конфиденциальности, доступ к персональным данным и их использование могут стать еще более трудными, что потенциально может сделать алгоритмические модели более предвзятыми. Поскольку ценности создателей и пользователей алгоритмов меняются со временем, люди должны решать конфликты между результатами и заявленными целями. В дополнение к периодическим аудитам участие человека обеспечивает постоянную обратную связь по эффективности усилий по снижению предвзятости.

Прочие рекомендации государственной политики

Как указано в документе, политики играют решающую роль в выявлении и смягчении предубеждений, обеспечивая при этом, чтобы технологии продолжали приносить положительные экономические и социальные выгоды.

Конгрессу следует ввести нормативные «песочницы» и «безопасные гавани», чтобы обуздать онлайн-предубеждения

Нормативные «песочницы» воспринимаются как одна из стратегий создания временных отсрочек от регулирования, позволяющих технологиям и правилам, связанным с их использованием, развиваться вместе. Эти правила могут применяться к алгоритмической предвзятости и другим областям, где рассматриваемая технология не имеет аналогов, охватываемых существующими правилами. Вместо того, чтобы расширять сферу действия существующих правил или создавать правила в ожидании потенциального вреда, песочница позволяет внедрять инновации как в технологии, так и в ее регулировании.Даже в жестко регулируемой отрасли создание «песочниц», где инновации могут быть протестированы наряду с более легкими правилами касания, может принести пользу.

«Вместо того, чтобы расширять сферу действия существующих правил или создавать правила в ожидании потенциального вреда, песочница позволяет внедрять инновации как в технологии, так и в ее регулировании».

Например, компании финансового сектора, использующие технологии или финтех, показали, как нормативные «песочницы» могут стимулировать инновации в разработке новых продуктов и услуг. 50 Эти компании широко используют алгоритмы для всего, от выявления мошенничества до принятия решения о предоставлении кредита. Некоторые из этих действий повторяют действия обычных банков, и они по-прежнему подпадают под существующие правила, но в песочнице будут разрешены новые способы решения задач. 51 Поскольку «песочницы» дают новаторам большую свободу действий при разработке новых продуктов и услуг, им потребуется активный контроль до тех пор, пока технологии и нормативные требования не станут зрелыми. Министерство финансов США недавно сообщило не только о преимуществах, которые получили страны, внедрившие нормативные песочницы в сфере финансовых технологий, но и рекомендовало U.S. применяют «песочницы» для финансовых технологий, чтобы стимулировать инновации. 52 Учитывая широкую полезность алгоритмов для стимулирования инноваций в различных регулируемых отраслях, участники круглых столов рассмотрели потенциальную полезность расширения регуляторных «песочниц» на другие области, где алгоритмы могут помочь стимулировать инновации.

Можно также использовать регулирующие безопасные гавани, где регулирующий орган может указать, какие виды деятельности не нарушают существующие правила. 53 Преимущество этого подхода заключается в повышении регуляторной определенности для разработчиков и операторов алгоритмов.Например, раздел 230 Закона о порядочности в коммуникациях снял с веб-сайтов ответственность за действия их пользователей — положение, широко известное благодаря развитию таких интернет-компаний, как Facebook и Google. Позже это исключение сузилось и исключило торговлю людьми в целях сексуальной эксплуатации с принятием Закона о запрете сексуальной торговли в Интернете и Закона о борьбе с торговлей людьми в Интернете. Применение аналогичного подхода к алгоритмам могло бы освободить их операторов от ответственности в определенных контекстах, сохраняя при этом защиту в других, где вред легче идентифицировать.В соответствии с предыдущим обсуждением использования определенных защищенных атрибутов, можно было бы рассмотреть безопасные гавани в тех случаях, когда сбор конфиденциальной личной информации используется для конкретных целей обнаружения и смягчения предвзятости.

Потребителям нужна более высокая алгоритмическая грамотность

Широко распространенная алгоритмическая грамотность имеет решающее значение для смягчения предвзятости. Учитывая более широкое использование алгоритмов во многих аспектах повседневной жизни, все потенциальные субъекты автоматизированных решений выиграют от знания того, как эти системы функционируют.Подобно тому, как компьютерная грамотность теперь считается жизненно важным навыком в современной экономике, вскоре может потребоваться понимание того, как алгоритмы используют свои данные.

Субъекты, принимающие автоматизированные решения, заслуживают знать, когда предвзятость отрицательно сказывается на них, и как реагировать, когда это происходит. Обратная связь от пользователей может помочь предвидеть области, в которых может проявиться предвзятость в существующих и будущих алгоритмах. Со временем создатели алгоритмов могут активно запрашивать обратную связь от широкого круга субъектов данных, а затем предпринимать шаги для просвещения общественности о том, как работают алгоритмы, чтобы помочь в этих усилиях.Государственные агентства, регулирующие предвзятость, также могут работать над повышением алгоритмической грамотности в рамках своей миссии. Как в государственном, так и в частном секторе те, кто больше всего потеряет от необъективного принятия решений, также могут сыграть активную роль в его выявлении.

Заключение

В декабре 2018 года президент Трамп подписал Закон о первом шаге, новый закон об уголовном правосудии, который поощряет использование алгоритмов по всей стране. 54 В частности, система будет использовать алгоритм для первоначального определения того, кто может использовать кредиты заработанного времени — сокращение срока наказания за завершение образовательных, профессиональных или реабилитационных программ — за исключением заключенных, считающихся более подверженными риску.Существует вероятность того, что эти алгоритмы увековечивают расовые и классовые различия, которые уже встроены в систему уголовного правосудия. В результате афроамериканцы и бедняки в целом с большей вероятностью будут отбывать более длительные сроки тюремного заключения.

«Когда алгоритмы разрабатываются ответственно, они могут избежать печальных последствий усиленной системной дискриминации и неэтичных приложений».

Как указано в документе, эти типы алгоритмов должны вызывать беспокойство, если не существует процесса, который включает в себя техническую осмотрительность, справедливость и равенство от разработки до исполнения.То есть, когда алгоритмы разрабатываются ответственно, они могут избежать печальных последствий усиленной системной дискриминации и неэтичных приложений.

Для одних решений лучше всего подходят алгоритмы и другие инструменты искусственного интеллекта, в то время как другие могут потребовать вдумчивого рассмотрения перед проектированием компьютерных моделей. Кроме того, тестирование и проверка определенных алгоритмов также позволит выявить и, в лучшем случае, смягчить дискриминационные результаты. Для операторов алгоритмов, стремящихся снизить риск и осложнения плохих результатов для потребителей, продвижение и использование предложений по смягчению последствий может создать путь к алгоритмической справедливости, даже если равенство никогда не будет полностью реализовано.


Институт Брукингса — некоммерческая организация, занимающаяся независимыми исследованиями и политическими решениями. Его миссия — проводить качественные независимые исследования и на основе этих исследований предоставлять инновационные практические рекомендации для политиков и общественности. Выводы и рекомендации любой публикации Brookings принадлежат исключительно ее авторам и не отражают точку зрения Учреждения, его руководства или других ученых.

Amazon, Facebook, Google, IBM и Microsoft предоставляют общую неограниченную поддержку The Brookings Institution.Пол Резник также является консультантом Facebook, но эта работа является независимой, и его взгляды, выраженные здесь, являются его собственными. На находки, интерпретации и выводы, опубликованные в этой статье, пожертвования не повлияли. Brookings осознает, что ценность, которую он предоставляет, заключается в его абсолютной приверженности качеству, независимости и влиянию. Мероприятия, поддерживаемые донорами, отражают это обязательство.


Приложение: Список участников круглого стола

Участник Организация
Венди Андерсон Офис конгрессмена Вэл Демингс
Норберто Андраде Facebook
Солон Барокас Корнельский университет
Джини Бартон Privacy Genie
Рикардо Баеза-Йейтс NTENT
Миранда Боген Вверх
Джон Брешиа Бюро лучшего бизнеса
Джули Брилл Microsoft
Рич Каруана Microsoft Research
Эли Коэн Институт Брукингса
Анупам Датта Карнеги-Меллон
Девен Десаи Технологический институт Джорджии
Наташа Дуарте Центр демократии и технологий
Надя Фаваз LinkedIn
Лаура Фрагомени Walmart Глобальная электронная коммерция
Шарад Гоэль Стэнфордский университет
Скотт Голдер Корнельский университет
Аарон Халфакер Викимедиа
Сара Холланд Google
Джек Карстен Институт Брукингса
Кришнарам Кентапади LinkedIn и Стэнфордский университет
Джон Кляйнберг Корнельский университет
Изабель Клуманн Facebook
Джейк Меткалф Этическое решение
Алексей Пейсахович Facebook
Пол Резник Мичиганский университет
Уильям Райнхарт Американский форум действий
Алекс Розенблат Данные и общество
Джейк Шнайдер Институт Брукингса
Джасджит Сехон Калифорнийский университет в Беркли
Роб Шерман Facebook
Джоанн Стоунье Mastercard в мире
Никол Тернер Ли Институт Брукингса
Люси Вассерман Проект Jigsaw’s Conversation AI / Google
Суреш Венкатасубраманиан Университет штата Юта
Джон Верди Форум о будущем конфиденциальности
Хизер Уэст Mozilla
Джейсон Йосинки Убер
Цзиньянь Занг Гарвардский университет
Лейла Зия Фонд Викимедиа

Ссылки

Ангвин, Джулия и Терри Пэррис-младший.«Facebook позволяет рекламодателям исключать пользователей по расе». Текст / HTML. ProPublica, 28 октября 2016 г. https://www.propublica.org/article/facebook-lets-advertisers-exclude-users-by-race.

Ангвин, Джулия, Джефф Ларсон, Сурья Матту и Лаура Киршнер. «Машинный уклон». ProPublica, 23 мая 2016 г. Доступно по адресу https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing (последнее посещение — 19 апреля 2019 г.).

Барокас, Солон и Эндрю Д. Селбст, «Разрозненное влияние больших данных», Научная статья SSRN (Рочестер, Нью-Йорк: Сеть исследований социальных наук, 2016.Доступно на https://papers.ssrn.com/abstract=2477899.

Бласс, Андреа и Юрий Гуревич. Алгоритмы: поиски абсолютных определений. Бюллетень Европейской ассоциации теоретической информатики 81, 2003 г. https://www.microsoft.com/en-us/research/wp-content/uploads/2017/01/164.pdf (последний доступ 12 апреля 2019 г.).

Бреннан, Тим, Уильям Дитрих и Беата Эрет. «Оценка прогностической достоверности системы оценки рисков и потребностей КОМПАС». Уголовное правосудие и поведение 36 (2009): 21–40.

Чессел, Мэнди. «Этика для больших данных и аналитики». IBM, без даты. Доступно по адресу https://www.ibmbigdatahub.com/sites/default/files/whitepapers_reports_file/TCG%20Study%20Report%20-%20Ethics%20for%20BD%26A.pdf (последнее посещение — 19 апреля 2019 г.).

Ходош, Сара. «Суды используют алгоритмы для определения приговора, но случайные люди получают те же результаты». Popular Science, 18 января 2018 г. Доступно по адресу https://www.popsci.com/recidivism-algorithm-random-bias (последний доступ 15 октября 2018 г.).

Корбетт-Дэвис, Сэм, Эмма Пирсон, Ави Феллер и Шарад Гоэль. «Компьютерная программа, используемая для вынесения решений об освобождении под залог и вынесении приговора, была названа предвзятой против чернокожих. На самом деле все не так ясно «. Washington Post (блог), 17 октября 2016 г. Доступно по адресу https://www.washingtonpost.com/news/monkey-cage/wp/2016/10/17/can-an-algorithm-be-racist-our-analysis -is-more-cautious-than-propublicas / (последнее посещение — 19 апреля 2019 г.).

Корбетт-Дэвис, Сэм, Эмма Пирсон, Ави Феллер, Шарад Гоэль и Азиз Хук.«Принятие алгоритмических решений и цена справедливости». ArXiv: 1701.08230 [Cs, Stat], 27 января 2017 г. https://doi.org/10.1145/3097983.309809.

Кортленд, Рэйчел. «Детективы с предвзятостью: исследователи, стремящиеся сделать алгоритмы справедливыми», журнал Nature 558, вып. 7710 (июнь 2018 г.): 357–60. Доступно по адресу https://doi.org/10.1038/d41586-018-05469-3 (последний доступ 19 апреля 2019 г.).

ДеАнджелиус, Стивен Ф. «Искусственный интеллект: как алгоритмы делают системы умными», журнал Wired, сентябрь 2014 г.Доступно по адресу https://www.wired.com//insights/2014/09/artificial-intelligence-algorithms-2/ (последнее посещение — 12 апреля 2019 г.).

Элехальде-Руис, Алексия. «Конец резюме? Наем сотрудников происходит в разгар технологической революции с алгоритмами, чат-ботами ». Чикаго Трибьюн (19 июля 2018 г.). Доступно по адресу http://www.chicagotribune.com/business/ct-biz-artificial-intelligence-hiring-20180719-story.html.

Юбэнкс, Вирджиния. «Модель прогнозирования жестокого обращения с детьми не помогает бедным семьям», Wired, 15 января 2018 г.Доступно по адресу https://www.wired.com/story/excerpt-from-automating-inequality/ (последнее посещение — 19 апреля 2019 г.).

Слушание FTC № 7: Проблемы конкуренции и защиты потребителей алгоритмов, искусственного интеллекта и прогнозной аналитики, § Федеральная торговая комиссия (2018). https://www.ftc.gov/system/files/documents/public_events/1418693/ftc_hearings_session_7_transcript_day_2_11-14-18.pdf.

Гарбаде, Майкл Дж. «Устранение путаницы: искусственный интеллект против машинного обучения против различий в глубоком обучении», Наука о данных, 14 сентября 2018 г.Доступно по адресу https: // todatascience // clearing-the-confusion-ai-vs-machine-learning-vs-deep-learning-sizes-fce69b21d5eb (последнее посещение — 12 апреля 2019 г.).

Григгс против Герцога Пауэр Компани, Оез. Доступно на https://www.oyez.org/case/ 1970/124 (по состоянию на 1 октября 2018 г.).

Герен, Лиза. «Дискриминация по разным последствиям». www.nolo.com. Доступно по адресу https://www.nolo.com/legal-encyclopedia/disparate-impact-discrimination.htm (последний доступ 24 апреля 2019 г.).

Хадхази, Адам.«Предвзятые боты: системы искусственного интеллекта отражают человеческие предрассудки». Принстонский университет, 18 апреля 2017 г. Доступно по адресу https://www.princeton.edu/news/2017/04/18/biased-bots-artificial-intelligence-systems-echo-human-prejudices (последнее посещение — 20 апреля 2019 г. ).

Гамильтон, Изобель Ашер. «Почему совершенно неудивительно, что ИИ для найма персонала Amazon был настроен против женщин». Business Insider, 13 октября 2018 г. Доступно по адресу https://www.businessinsider.com/amazon-ai-biased-against-women-no-surprise-sandra-wachter-2018-10 (последний доступ 20 апреля 2019 г.).

Хардести, Ларри. «Исследование обнаруживает предвзятость по признаку пола и типа кожи в коммерческих системах искусственного интеллекта». MIT News, 11 февраля 2018 г. Доступно по адресу http://news.mit.edu/2018/study-finds-gender-skin-type-bias-artificial-intelligence-systems-0212 (последний доступ к 19 апреля 2019 г.).

Группа экспертов высокого уровня по искусственному интеллекту. «Рекомендации по этике надежного ИИ (проект)». Европейская комиссия, 18 декабря 2018 г.

Ингольд, Дэвид и Спенсер Сопер. «Amazon не принимает во внимание гонку своих клиентов.Должен ли он? » Bloomberg.com, 21 апреля 2016 г. http://www.bloomberg.com/graphics/2016-amazon-same-day/.

Кирнс, Майкл. «Конфиденциальность данных, машинное обучение и конфиденциальность потребителей». Юридический факультет Пенсильванского университета, май 2018 г. Доступно по адресу https://www.law.upenn.edu/live/files/7952-kearns-finalpdf (последнее посещение — 12 апреля 2019 г.).

Кляйнберг, Джон, Сендхил Муллайнатан и Маниш Рагхаван, «Неотъемлемые компромиссы при справедливом определении оценок риска». В Трудах инноваций в теоретической информатике (ITCS), 2017.Доступно по адресу https://arxiv.org/pdf/1609.05807.pdf (по состоянию на 19 апреля 2019 г.).

Ларсон, Джефф, Сурья Матту и Джулия Ангвин. «Непредвиденные последствия географического нацеливания». Technology Science, 1 сентября 2015 г. Доступно по адресу https://techscience.org/a/20150

  • / (последний доступ 19 апреля 2019 г.).

    Локлир, Мэллори. «Facebook публикует обновленную информацию о своем аудите гражданских прав». Engadget (блог), 18 декабря 2018 г. Доступно по адресу https://www.engadget.com/2018/12/18/facebook-update-civil-rights-audit/ (последнее посещение — 19 апреля 2019 г.).

    Лопес, немец. «Разъяснение Закона о первом шаге, законопроекта Конгресса о реформе уголовного правосудия». Vox, 3 декабря 2018 г. Доступно по адресу https://www.vox.com/future-perfect/2018/12/3/18122392/first-step-act-criminal-justice-reform-bill-congress (последнее посещение — апрель. 16, 2019).

    Мнучин, Стивен Т. и Крейг С. Филлипс. «Финансовая система, которая создает экономические возможности — небанковские финансы, финтех и инновации». Вашингтон, округ Колумбия: Министерство финансов США, июль 2018 г.Доступно по адресу https://home.treasury.gov/sites/default/files/2018-08/A-Financial-System-that-Creates-Economic-Opportunities—Nonbank-Financials-Fintech-and-Innovation_0.pdf (последний доступ 19 апреля 2019 г.).

    Райзман, Диллон, Джейсон Шульц, Кейт Кроуфорд и Мередит Уиттакер. «Алгоритмическая оценка воздействия: практическая основа подотчетности государственного агентства». Нью-Йорк: AI Now, апрель 2018 г.

    Ромеи, Андреа и Сальваторе Руджьери. «Анализ данных о дискриминации: многопрофильная библиография.”В Дискриминации и конфиденциальности в информационном обществе, под редакцией Барта Кастерса, Т. Колдерса, Б. Шермера и Т. Зарски, 109–35. Исследования в области прикладной философии, эпистемологии и рациональной этики. Springer, Berlin, Heidelberg, 2013. Доступно по адресу https://doi.org/10.1007/978-3-642-30487-3_6 (по состоянию на 19 апреля 2019 г.).

    Шац, Брайан. AI в Постановлении Правительства от 2018 г., Pub. L. No. S.B. 3502 (2018). https://www.congress.gov/bill/115th-congress/senate-bill/3502.

    Шпилькамп, Матиас.«Нам нужно пролить больше света на алгоритмы, чтобы они помогли уменьшить предвзятость, а не закрепить ее». MIT Technology Review. По состоянию на 20 сентября 2018 г. Доступно по адресу https://www.technologyreview.com/s/607955/inspecting-algorithms-for-bias/ (по состоянию на 19 апреля 2019 г.).

    Стек, Лиам. «Facebook объявляет о новой политике запрета контента белых националистов». The New York Times, 28 марта 2019 г., сек. Бизнес. Доступно по адресу https://www.nytimes.com/2019/03/27/business/facebook-white-nationalist-supremacist.html (по состоянию на 19 апреля 2019 г.).

    Суини, Латанья и Цзиньян Занг. «Насколько правильными могут быть решения по аналитике больших данных при размещении рекламы?» Презентация PowerPoint, представленная на конференции Федеральной торговой комиссии, Вашингтон, округ Колумбия, «Большие данные: инструмент для включения или исключения». 15 сентября 2014 г. Доступно по адресу https://www.ftc.gov/systems/files/documents/public_events/313371/bigdata-slides-sweeneyzang-9_15_14.pdf (по состоянию на 12 апреля 2019 г.).

    Суини, Латания. «Дискриминация при размещении рекламы в Интернете.”Рочестер, штат Нью-Йорк: Сеть социальных исследований, 28 января 2013 г. Доступно по адресу https://papers.ssrn.com/abstract=2208240 (последний доступ 12 апреля 2019 г.).

    Сиделл, Лора. «Это не я, детка: исследователи обнаружили недостатки в полицейской технологии распознавания лиц». NPR.org, 25 октября 2016 г. Доступно по адресу https://www.npr.org/sections/alltechconsidered/2016/10/25/499176469/it-aint-me-babe-researchers-find-flaws-in-police -facial-распознавание (последний доступ: 19 апреля 2019 г.).

    «Глобальный проект по этике данных.”Data for Democracy, n.d. https://www.datafordemocracy.org/project/global-data-ethics-project (последний доступ 19 апреля 2019 г.).

    Тобин, Ариана. «HUD подает в суд на Facebook за дискриминацию в сфере жилья и заявляет, что алгоритмы компании усугубили проблему». ProPublica (28 марта 2019 г.). Доступно по адресу https://www.propublica.org/article/hud-sues-facebook-housing-discrimination-advertising-algorithms (последнее посещение — 29 апреля 2019 г.).

    Тернер Ли, Никол. «Инклюзия в технологии: как разнообразие приносит пользу всем американцам», § Подкомитет по защите потребителей и торговле, Комитет Палаты представителей США по энергетике и торговле (2019).Также доступно на веб-сайте Брукингса https://www.brookings.edu/testimonies/inclusion-in-tech-how-diversity-benefits-all-americans/ (последнее посещение — 29 апреля 2019 г.).

    Тернер Ли, Никол. Выявление расовой предвзятости в алгоритмах и машинном обучении. Журнал информации, коммуникации и этики в обществе 2018, Vol. 16 Выпуск 3, стр. 252-260. Доступно по адресу https://doi.org/10.1108/JICES-06-2018-0056/ (последний доступ 29 апреля 2019 г.).

    «Понимание предвзятости в алгоритмическом проектировании», Impact.Engineered, 5 сентября 2017 г. Доступно по адресу https://medium.com/impact-engineered/understanding-bias-in-algorithmic-design-db9847103b6e (последний доступ 12 апреля 2019 г.).

    Винсент, Джеймс. «Amazon, как сообщается, отказывается от инструмента найма внутреннего ИИ, который был настроен против женщин». The Verge, 10 октября 2018 г. Доступно по адресу https://www.theverge.com/2018/10/10/17958784/ai-recruiting-tool-bias-amazon-report (последний доступ 20 апреля 2019 г.).

    Зафар, Мухаммад Билал, Изабель Валера Мартинес, Мануэль Гомес Родригес и Кришна Гуммади.«Ограничения справедливости: механизм справедливой классификации». В материалах 20-й Международной конференции по искусственному интеллекту и статистике (AISTATS). Форт-Лодердейл, Флорида, 2017.

    Зарский, Тал. «Понимание дискриминации в оцениваемом обществе». Научная статья ССРН. Рочестер, штат Нью-Йорк: Сеть исследований в области социальных наук, 15 января 2015 г. https://papers.ssrn.com/abstract=2550248.

    Covid-19 и группы крови: уровни антител ABO также могут иметь значение

    Фон: Было обнаружено, что восприимчивость к Covid-19 связана с группой крови ABO, при этом люди типа O подвергаются меньшему риску.Однако основной механизм так и не выяснен. Здесь мы стремились проверить гипотезу о том, что пациенты с Covid-19 могут иметь более низкие уровни антител ABO, чем неинфицированные люди, поскольку они могут предложить некоторую степень защиты.

    Методы: После демонстрации того, что вирусный спайковый белок содержит эпитопы гликанов ABO, когда продуцируется клетками, экспрессирующими соответствующие гликозилтрансферазы, такими как эпителиальные клетки верхних дыхательных путей, мы включили 290 пациентов с Covid-19 и 276 бессимптомных контрольных пациентов, чтобы сравнить их уровни естественных антител группы крови ABO. .

    Полученные результаты: Мы обнаружили значительно более низкие показатели агглютинации IgM анти-A + анти-B у пациентов с группой крови O (76,93 против 88,29, значение P = 0,034) и более низкие уровни анти-B (24,93 против 30,40, значение P = 0,028) и анти-B.

  • Об авторе

    alexxlab administrator

    Оставить ответ