accountability
PulseAugur coverage of accountability — every cluster mentioning accountability across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
心理信任AI：超越创造者声誉
对人工智能的信任是一个复杂的问题，其多个方面超越了AI创造者的声誉。AI的可解释性、问责制以及用户的体验等因素，都在个体对AI系统的心理信任程度上发挥着重要作用。解决这些维度对于有效的人机交互以及减轻决策中的潜在偏见至关重要。
-
AI 生成代码将工程重点转移到人类意图和问责制上
这篇论文认为，随着AI越来越多地生成代码，工程治理的重点必须从代码本身转移到代码背后的人类意图。作者提出，“意图”应成为记录的产物，取代源代码，因为AI使得代码的生产成本低廉，而人类决策稀缺。这种意图需要进行版本控制、差异比较、审计和签核，以建立问责制，特别是随着AI模型不断改进并吸收以前需要大量生成努力的任务。
-
研究发现：人工智能伦理价值观未能跨越全球语境
一篇新发表在arXiv上的论文探讨了人工智能中的普适性伦理价值观，如公平、透明和问责制，在不同全球语境下的重新解读以及常常未能成功翻译的问题。研究发现，来自10个国家的专家根据当地的道德逻辑调整了这些价值观，其中隐私被视为集体而非个人，透明度被视为建立信任而非技术披露，公平被视为公平获取而非结果均等。研究表明，需要一种多元化的治理模式，承认持续的、对语境敏感的伦理协商。
-
欧盟《人工智能法案》强制要求新的人工智能基础设施架构以符合规定
欧盟《人工智能法案》的高风险义务现已生效，给使用人工智能的组织带来了巨大的合规压力。这项立法突显了人工智能基础设施发展的结构性转变，要求系统在构建时就内置对有关其架构、人工监督和问责制的监管问题的答案。能够快速执行多步决策的代理式人工智能系统进一步压缩了人工干预的时间窗口，因此需要将监督设计到最初授予代理权限中，而不是依赖于事后批准。
-
综述论文详述数字健康领域的可信赖人工智能
一篇新近发表在arXiv上的综述论文综合了可信赖人工智能领域的最新进展，特别关注数字健康领域的鲁棒性和可解释性。论文概述了公平性、问责制和隐私等关键维度，这些对于机器学习在医疗保健中的伦理整合至关重要。文章探讨了重症监护和代谢健康等领域的特定应用信任考量，并详细介绍了改进模型鲁棒性和可解释性的方法，包括针对数据稀疏性和分布偏移的技术。
-
Gihyo.jp 报道讨论 AI 伦理和数据科学角色
Gihyo.jp 的一次活动报告讨论了 AI 伦理，重点关注与 AI 亲密关系的哲学含义以及信任和问责的概念。另外，Gihyo.jp 的另一篇报道涵盖了关于生成式 AI 时代数据科学家不断变化的角色的讨论，其中包含来自 Japan Airlines、Mynavi Corporation 和数据科学家协会的见解。