当下人工智能已经渗透到各行各业，在很多高风险领域，需要可靠可信赖的模型，即所谓可信赖机器学习。本书来自Kush R. Varshney撰写的《可信赖机器学习》讲述可信赖机器学习系统性知识，非常值得关注。

过去几十年见证了人工智能(AI)技术的崛起。然而，最近的研究表明，人工智能算法可能不值得信任。例如,他们可能容易受到轻微扰动输入数据;他们可能会对某些群体表现出偏见和刻板印象，从而破坏公平;由于他们不透明的模型架构，他们的决定可能很难解释。随着人工智能应用在日常生活中的广泛应用，一个人工智能算法是否可信已经成为研究人员、开发人员和用户非常关注的问题。最近，出现了大量关于可信人工智能的研究。在本教程中，我们旨在从计算的角度全面概述可信人工智能的前沿研究进展。具体来说，我们关注实现值得信赖的人工智能的六个最重要的方面: (i)隐私，(ii) 安全与鲁棒性，(iii) 可解释性 （iv) 非歧视与公平，(v) 环境福祉和 (vi) 问责性与可审计性。我们将按照一个分类来介绍每个维度的最新技术和实际应用，并讨论各个维度之间的一致和冲突的交互作用。此外，我们还将讨论该领域未来可能的研究方向。我们希望通过本教程，研究人员和实践者能够对值得信赖的人工智能有一个广泛的概述和深刻的见解，从而推动该领域的发展。 目录内容： 导论与概念 Introduction and Concepts 隐私性 Dim

中国科学院院士对可信人工智能的理解：包括人工智能的信任危机安全隐患、G20与欧盟可信人工智能的原则、可信人工智能的三要素及相关解决之道

可信人工智能白皮书（2021）.pdf

可信人工智能白皮书.pdf

中国信息通信研究院：2021可信人工智能白皮书

白皮书从如何落实全球人工智能治理共识的角度出发，聚焦于可信人工智能技术、产业和行业实践等层面，分析了实现可控可靠、透明可释、隐私保护、明确责任及多元包容的可信人工智能路径，并对可信人工智能的未来发展提出了建议。

20210708-中国信通院-人工智能行业：可信人工智能白皮书.pdf

来源：中国信通院

可信人工智能白皮书.pdf