AIES 2019：美国夏威夷州火奴鲁鲁
文森特·科尼策 , 吉莉安·哈德菲尔德 , 香农·瓦勒 :
2019年AAAI/ACM人工智能、道德和社会会议记录，AIES 2019，美国夏威夷州火奴鲁鲁，2019年1月27日至28日。 ACM公司 2019 ，国际标准图书编号 978-1-4503-6324-2
受邀谈话I
雷恩·卡罗 :
我们如何谈论人工智能（以及为什么它很重要）。 1
聚光灯1： 规范性观点
艾娃·托马斯·赖特 :
正确的机器和困境。 3-4 Anh Han 
, 路易斯·莫尼兹·佩雷拉 , 汤姆·莱纳特斯 :
模拟和影响AI投标战：研究议程。 5-11 伊曼纽尔·伯顿 , 克里斯特尔·克莱维尔 , 朱迪·戈德史密斯 , 尼古拉斯·马泰 :
问题的核心：患者自主作为技术用户福祉的典范。 13-19 伯特伦·F·马勒 , 保罗·贝洛 , 马蒂亚斯·舍伊茨 :
具有标准能力的人工智能体的要求。 21-27 纳文·桑达尔·戈文达拉朱鲁 , Selmer Bringsjord公司 , Rikhiya Ghosh公司 , 瓦桑特·萨拉西 :
走向美德机器的工程。 29-35 索菲·詹茨奇 , 帕特里克·施拉莫夫斯基 , 康斯坦丁·罗斯科普夫 , 克里斯蒂安·科斯廷 :
从语料库自动派生的语义包含了人性化的道德选择。 37-44 韩宇 , 苗春燕 , 郑永清 , 崔丽珍 , 西蒙·福维尔 , 西里尔·梁 :
生产性懒惰的道德协调机会主义安排。 45-51 如来查克拉波提 , 苏巴拉奥·坎巴帕蒂 :
（何时）AI机器人可以撒谎？ 53-59 托马斯·克伦德·吉尔伯特 , 约纳坦·明茨 :
自动决策中偏见的认知治疗。 61-67 克里斯蒂安·波格斯 , 詹妮弗·查耶斯 , 尼卡·哈塔拉布 , 亚当·托曼·卡莱 , 埃伦·维特西克 :
算法绿色化：增加多样性的方法。 69-76
第1部分： 算法公平性
亚历杭德罗·诺列加·坎佩罗 , 米歇尔·巴克尔 , 贝尔纳多·加西亚-贝尔 , 亚历克斯·桑迪·彭特兰 :
算法决策中的主动公平性。 77-83 安德鲁·摩根 , 拉斐尔山口 :
公平的计算机辅助决策悖论。 85-90 阿曼达·科斯顿 , 卡提基安·内塞桑·拉马默西（Karthikeyan Natesan Ramamurthy） , 丹尼斯·韦 , 库什·瓦尔什尼 , Skyler发言人 , 扎伊拉·穆斯塔桑 , Supriyo Chakraborty公司 :
缺少保护属性的公平迁移学习。 91-98 Nripsuta Ani Saxena公司 , 凯伦·黄（Karen Huang） , 埃文·德菲利皮斯 , 戈兰·拉达诺维奇 , 大卫·C·帕克斯 , 杨柳 :
公平定义如何？： 检查公众对公平算法定义的态度。 99-106
第2部分： 规范和解释
亚当·莱勒 , 亚历山大·佩萨霍维奇 :
通过观察增强的自我游戏学习现有的社会习俗。 107-114 迪伦·哈德菲尔德-梅内尔 , 麦肯·安德鲁斯 , 吉莉安·哈德菲尔德 :
AI校准的易读规范性：愚蠢规则的价值。 115-121 迈克尔·欣德 , 丹尼斯·韦 , 默里·坎贝尔 , 诺埃尔·C·F·科迪拉 , 阿米特·杜兰达尔 , 亚历克桑德拉·莫杰西洛维奇 , 卡提基安·内塞桑·拉马默西（Karthikeyan Natesan Ramamurthy） , 库什·瓦尔什尼 :
TED：教人工智能解释其决策。 123-129 Himabindu Lakkaraju公司 , 埃塞·卡马尔 , 里奇·卡鲁阿纳 , 朱尔·莱斯科维奇 :
对黑盒模型的忠实且可定制的解释。 131-138
第三部分： 人工代理
目负责人乔-科鲁兹 :
体现人工智能的共同道德基础。 139-146 辽北水 , 玛丽亚·斯拉夫科维奇 , Leendert W.N.van der Torre（林德特·范德托雷） :
构建吉米尼板球：利益相关者之间道德协议的架构。 147-153 安东尼奥·丹尼尔 , 宋一泽 :
AI+艺术=人类。 155-161 埃里克·鲍默 , 米基·麦基 :
代表发言：计算文本分析中的表示、授权和权威。 163-169
第4部分： 自治与杀伤
丹尼尔·林 :
杀手机器人与人类尊严。 171-176 肖恩·威尔士 :
规范致命和有害的自治：起草《某些常规武器公约》第六号议定书。 177-180 蒂莫西·盖里 , 大卫·丹克斯 :
平衡自动驾驶汽车的优点。 181-186 特蕾西·赫里斯科·珀尔 :
十字路口赔偿：自动车辆和替代受害者赔偿方案。 187-193
第5部分： 权利和原则
聚光灯2： 公平与解释
比什瓦米特拉·戈什 , 库尔德普·S·梅尔 :
IMLI：基于MaxSAT的可解释分类规则学习的增量框架。 203-210 朱奈德·阿里 , 穆罕默德·比拉尔·扎法尔 , 阿迪什·辛拉 , 克里希纳·P·古马迪 :
损失平均公平分类。 211-218 萨哈吉·加尔格 , 文森特·佩罗 , 尼科尔·利姆蒂亚科 , 安库尔·塔利 , Ed H.Chi先生 , 亚历克斯·贝特尔 :
通过稳健性实现文本分类中的反事实公平。 219-226 卢卡·奥内托 , 米歇尔·多尼尼 , 阿蒙长老 , 马西米利亚诺·蓬蒂尔 :
利用多任务学习实现公平分类。 227-237 斯特凡诺·特索 , 克里斯蒂安·科斯廷 :
解释性交互式机器学习。 239-245 迈克尔·P·金 , 阿米拉塔·戈尔巴尼 , 詹姆斯·Y·邹 :
多精度：黑盒后处理，实现分类的公平性。 247-254 狮子狼 , 托梅尔·加兰蒂 , 塔米尔·哈赞 :
解释性的正式方法。 255-261 丹尼尔·麦克纳马拉 , 郑顺翁（Cheng Soon Ong） , 罗伯特·威廉姆森 :
公平陈述学习的成本和收益。 263-270 斯蒂芬·普福尔 , 本·J·马拉菲诺 , 阿德里安·库莱特 , 法蒂玛·罗德里格斯 , 拉沙·帕拉尼亚潘 , 尼甘·沙阿 :
建立动脉粥样硬化性心血管疾病风险的公平模型。 271-278 马克·易卜拉欣 , 梅丽莎·路易 , Ceena Modarres公司 , 约翰·佩斯利 :
神经网络的全球解释：绘制预测图。 279-287 亚历山大·阿米尼 , 艾娃·P·索莱曼尼 , 威尔科·施瓦廷 , Sangeeta N.Bhatia公司 , 丹妮拉·鲁斯 :
通过学习的潜在结构发现和缓解算法偏差。 289-295 纳曼·戈尔 , 博伊·法尔廷斯 :
具有公平性、多样性和预算限制的众包。 297-304 纳撒尼尔·斯温格 , 玛丽亚·德·阿尔塔加 , 尼尔·托马斯·赫夫南四世 , 马克·莱瑟森 , 亚当·托曼·卡莱 :
我的单词嵌入中有什么偏见？ 305-311 丹尼尔·麦克纳马拉 :
均衡赔率意味着在现实假设下部分均衡的结果。 313-320 珍妮·马修斯 , 马齐埃·巴贝扬·杰洛达尔 , 斯蒂芬·洛伦兹 , 阿比盖尔·马修斯 , 玛丽亚马·恩杰 , 纳撒尼尔·亚当斯 , 丹·克莱恩 , 杰西卡·戈德思韦特 , 克林顿·休斯 :
面对原告的权利：打开法医DNA软件的黑匣子。 321-327
受邀演讲III
安卡·D·德拉甘 :
将人工智能目标指定为人机协作问题。 329
聚光灯3： 实证观点
史提芬·凯夫 , 凯特·考夫兰 , 坎塔·迪哈尔 :
“可怕的机器人”：研究公众对人工智能的反应。 331-337 青花川 , Wan-Hsiu Sunny Tsai先生 , 苏延秋（Su Yeon Cho） :
美国报纸中的人工智能框架。 339-344 Huao Li公司 , 斯蒂芬妮·米拉尼 , 维格内什兰·克里希纳莫斯（Vigneshram Krishnamoorthy） , 迈克尔·刘易斯 , 卡蒂亚·P·赛卡拉 :
国内机器人跨文化规范行为认知。 345-351 胡文杰 , 杰·哈沙德巴·帕特尔 , 佐伊·阿拉纳·罗伯特 , 保罗·诺沃萨德 , 塞缪尔·阿舍 , 中一汤 , 马歇尔·伯克 , 大卫·B·洛贝尔 , 斯特凡诺·埃尔蒙 :
绘制印度农村失踪人口地图：利用卫星图像进行深度学习的方法。 353-359 布拉德利·J·格兰-汉森 , 帕特里克·赫伯 , Indhu Varatharajan公司 , 法扎·阿扎姆 , 亚历杭德罗·科卡·卡斯特罗 , 维罗尼卡·科帕科娃 , 彼得·比林斯基 :
使用机器学习和低分辨率多光谱数据绘制发展中国家的非正规住区地图。 361-368 拉维·潘迪亚 , 桑迪·H·黄 , 迪伦·哈德菲尔德-梅内尔 , 安卡·D·德拉甘 :
多臂土匪的人-机学习表现。 369-375 德艾拉·布莱恩特 , 艾安娜·霍华德 :
情感检测人工智能系统在算法性能和数据集多样性方面的比较分析。 377-382 雷·江 , 西尔维娅·齐亚帕 , 托拉蒂莫尔 , 安德烈斯·吉尔吉 , Pushmet Kohli公司 :
推荐系统中的退化反馈回路。 383-390 瓦希德·贝扎丹 , 詹姆斯·明顿 , 阿尔斯兰·穆尼尔 :
TrolleyMod v1.0：用于自主车辆道德决策的开放源代码仿真和数据收集平台。 391-395 查尔斯·贾蒂诺 , Lydia Kwong（李迪娅·广） , 查德·拉斐托 , 尼塔·法拉哈尼 :
人工智能神经技术的诱人魅力。 397-402
第6部分： 人工智能的社会科学模型
丹尼尔·苏赛尔 :
无形的影响：人工智能和适应性选择架构的伦理。 403-408 亚历山大·佩萨霍维奇 :
系统1和系统2的强化学习和反向强化学习。 409-415 迪伦·哈德菲尔德-梅内尔 , 吉莉安·哈德菲尔德 :
合同签订和AI校准不完整。 417-422 Sky Croeser公司 , 埃克斯利 :
父母养育理论及其在人工智能中的应用。 423-428
第7部分： 衡量与正义
Inioluwa Deborah Raji公司 , 乔伊·布伦维尼 :
可操作审计：调查商业人工智能产品公开命名偏差性能结果的影响。 429-435 罗德里戈·L·卡多佐 , 小瓦格纳·梅拉。 , 维吉利奥·阿尔梅达 , 穆罕默德·扎基 :
机器学习中识别模型的基准测试框架。 437-444 麦肯·安德鲁斯 , 托马斯·吉尔伯特 :
走向公正的测量理论：机器学习的原则性社会测量保证计划。 445-451 亚历克斯·贝特尔 , 吉林陈 , 塔尔西·多西 , 海茜 , 艾利森·伍德拉夫 , 克里斯汀·卢 , 皮埃尔·克莱特曼 , 乔纳森·比肖夫 , Ed H.Chi先生 :
将公平原则付诸实践：挑战、衡量标准和改进。 453-459
第8部分： AI社会公益
Shiwali磨憨 , 弗朗西斯·燕 , 维多利亚·贝洛蒂 , 艾哈迈德·埃尔贝里 , 赫沙姆·拉卡 , 马修·克伦克 :
影响个人行为以减少大量人口的运输能耗。 461-467 林志远 , 亚历克斯·乔拉·伍德 , 莎拉·戈尔 :
用可解释的统计模型指导检察机关的决定。 469-476 克里斯蒂娜·科尼里奥 , 福里安卢克雷齐亚 , 安东尼奥·尼科尔 , 弗朗西丝卡·罗西 :
使用死亡供肾启动活体供肾配对捐赠链：算法和实验。 477-483 保罗·达克沃思 , 洛根·格雷厄姆 , 迈克尔·奥斯本 :
从人工智能专家证据推断工作任务自动化。 485-491
第9部分： 人机交互
阿里法·阿迪森 , 克里斯托夫·巴特内克 , 库马尔·约基斯瓦兰 :
机器人可以超越黑白：研究对机器人的种族偏见。 493-498 瑞恩·布莱克·杰克逊 , 文汝晨 , 汤姆·威廉姆斯 :
不合规策略：对不道德命令作出务实反应的必要性。 499-505 何塞·埃尔南德斯·奥拉洛 , 卡里娜·沃尔德 :
人工智能延伸者：人工智能对人类认知延伸的伦理和社会影响。 507-513 谢文·沙尔达尔 , 科里公园 , 梅赫达德·诺朱米安 :
使用沉浸式虚拟现实自动车辆模拟器测量人的信任。 515-520
受邀谈话IV
大卫·丹克斯 :
值得信赖的人工智能的价值。 521-522
AIES’19博士
瑞恩·布莱克·杰克逊 :
对不适当的机器人命令生成适当的响应。 523-524 马亚恩·什沃 :
走向同理心规划和计划认可。 525-526 菲利普·米查尔斯基 :
人脸识别应用程序的公平性标准。 527-528 Himan Abdollahpouri先生 :
排名和推荐中的受欢迎度偏差。 529-530 阿曼达·科斯顿 :
风险评估与导弹和混乱下的公平。 531 米歇尔·奥斯曼 :
人工智能对心理健康治疗的影响。 533-534 丹尼尔·麦克纳马拉 :
算法刻板印象：从过去数据中概括的公平性的含义。 535-536 Nripsuta Ani Saxena公司 :
公平观念。 537-538 瓦桑特·萨拉西 :
在不确定性条件下学习上下文敏感规范。 539-540 卡普尔·索科尔 :
人工智能中的公平性、问责制和透明度：逻辑预测模型案例研究。 541-542 亚伦·斯普林格 :
实现有效透明度：面向以用户为中心的智能系统。 543-544 埃利亚·佩里尔 :
AIES 2019学生提交文件。 545-546 德艾拉·布莱恩特 :
面向儿童社交机器人的情绪智力。 547-548 邓肯·C·麦克尔弗莱斯 :
技术和道德健全AI框架。 549-550 迈尔·弗里登伯格 :
走向应受指责的正式模式。 551-552 西纳·莫塞尼 :
可解释机器学习系统的设计和评估框架。 553-554 阿兰·米什勒 :
利用潜在结果建模风险并实现算法公平性。 555-556 费尔南多·德尔加多 :
法律实践中的机器学习：近代史笔记。 557-558 麦肯·安德鲁斯 :
服务于两位大师：指导关键技术实践实现人工智能中的人类兼容性。 559-560
