可信AI研究获资助，10位博士生探索算法公平与隐私

某机构资助10名工程博士生开展可信AI研究

某云计算服务提供商宣布向宾夕法尼亚大学工程与应用科学学院提供70万美元赠款，用于支持公平可信人工智能研究。该资金将分配给10名从事该领域研究的工程专业博士生。

受资助学生在ASSET中心（隶属于宾大工程学院的IDEAS计划）指导下开展研究。该中心致力于推进"人工智能驱动数据工程系统的科学与工具开发，使设计者能确保系统按设计运行，用户能信任其表现"。

ASSET中心主任表示："很荣幸获得某机构对这些博士生的支持，他们致力于确保依赖人工智能的系统值得信赖。宾大的跨学科研究团队在定义AI未来及其社会接受度的核心问题方面处于领先地位。"

某机构人工智能应用科学副总裁指出："与宾大在信任、安全性和可解释性等重要主题上合作非常有益。这些对AI长期积极影响至关重要，宾大在该领域处于领导地位。"

资助的研究项目围绕以下主题展开：

• 具有公平性/隐私性/鲁棒性/安全性保证的机器学习算法
• 人工智能系统的保障性分析
• 可解释性与可理解性
• 神经符号学习
• 以人为中心的设计

某机构学者强调："这项资助正值负责任AI研究的关键时期。我们的学生正致力于创造行业所需的知识，投资于专注技术严谨和社会参与方式的研究人员至关重要。"

受资助学生及研究方向

1. Eshwar Ram Arunachaleswaran：研究网络分类器中个体分类的公平性概念与算法
2. Natalie Collina：研究数据市场模型，平衡隐私保护与收益目标
3. Ziyang Li：开发名为Scallop的神经符号AI应用编程语言和开源框架
4. Stephen Mell：利用神经符号技术提高机器学习算法的鲁棒性和数据效率
5. Georgy Noarov：研究黑盒机器学习模型的不确定性量化方法
6. Artemis Panagopoulou：使用大语言模型设计可解释的图像分类模型
7. Jianing Qian：获取人类可理解的层次化物体中心视觉表征
8. Alex Robey：研究对自然变化引起的分布偏移具有鲁棒性的深度学习
9. Anton Xue：专注于深度学习的鲁棒性和可解释性研究
10. Yahan Yang：研究两阶段分类技术，提高标准分类器对分布偏移的鲁棒性
    更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
    对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）

公众号二维码

公众号二维码